Реферат 3
Введение 3
1. Пространственные формы и их представление 5
2. Обзор алгоритмов 7
2.1 Построение криволинейного скелета трехмерной модели по плоским проекциям 7
2.2 Алгоритм ROSA 11
2.3 Алгоритм L1-Medial 13
3. Реализация алгоритма 18
3.1 Проецирование и перераспределение точек 18
3.2 Алгоритм проверки точек на вхождение в скелет 20
3.3 Метод главных компонент (PCA) 22
3.4 Параметры 23
3.5 Программная реализация 25
4. Результаты 29
5. Руководство пользователя 33
Заключение 34
Список литературы 35
В связи с широким распространением устройств, позволяющих получать пространственные модели объектов, трёхмерные модели находят широкое применение в самых разных областях: в компьютерной графике, медицине, архитектуре, дизайне и т.д. Это приводит к возникновению большого количества практических задач, основанных на анализе форм трехмерных объектов, а так как извлечение скелета из трехмерной формы является эффективным средством для абстракции формы, то, следовательно, является и эффективным инструментом для анализа. С помощью скелета могут решаться следующие задачи: распознавание объектов, сегментация объектов, классификация формы, скелетная анимация, нахождение и сравнение визуально похожих объектов и т.д.
Скелет пространственной формы - это пространственный граф, каждая вершина которого представляет собой центр максимально вписанной в объект сферы. Огибающая всех вписанных сфер (циркуляр) должна хорошо описывать форму исходного трехмерного объекта. Скелет можно определить, как каркасную модель, которая хорошо описывает геометрию и топологию исходного объекта.
Многие известные алгоритмы построения скелетов пространственных форм в качестве входных данных используют облако точек. Облако точек - набор вершин в трехмерной системе координат, который может быть получен с помощью трехмерного моделирования или трехмерного сканирования, в результате которого получаются данные с шумами или недостающими частями. Поэтому для получения хороших результатов большинству алгоритмов необходима предварительная обработка входного облака или дополнительные входные параметры. Другие алгоритмы используют проекции исходного трехмерного объекта либо полигональные модели, но, как правило, такие алгоритмы являются сложными и затратными по времени и памяти [12].
Целью данной работы является исследование алгоритмов построения скелетов пространственных форм и реализация одного из алгоритмов.
Для достижения цели необходимо решить следующие задачи:
- исследовать алгоритмы построения скелетов пространственных форм,
- реализовать один из алгоритмов,
- разработать приложение для визуализации получаемых скелетов с возможностью задания параметров, настройки скорости визуализации и/или работы в "пошаговом режиме".
В ходе данной работы найдена и изучена подходящая литература по построению скелетов пространственных форм. Проанализированы алгоритмы построения скелетов пространственных форм, их плюсы и минусы.
Также выбран, описан и реализован алгоритм построения скелетов пространственных форм - L1-Medial. Проведен анализ результатов работы алгоритма на разных входных облаках точек, произведен подбор и анализ параметров алгоритма.
1. Comaniciu D. Mean shift: A robust approach towards feature space analysis. / D. Comaniciu, P. Meer // IEEE Transactions on Pattern Analysis and Machine Intelligence, 2002. - 37 p.
2. Felzenszwalb P.F. Distance transforms of sampled functions. / P.F. Felzenszwalb, D.P. Huttenlocher // Technical report. - Department of Computer Science Cornell University Ithaca, 2004. - 11 p.
3. Huang H. L1-Medial Skeleton of Point Cloud. / H. Huang, S. Wu, D. Cohen-Or, Gong M., H. Zhang, Li G., B. Chen // ACM Transactions on Graphics, 2013. - Vol. 32, issue 4, №65 - P. 1- 8.
4. Laurentini A. The visual hull concept for silhouette-based image understanding. // IEEE Transactions on Pattern Analysis and Machine Intelligence, 1994. - №16. - P. 150-162.
5. Mestetskiy L. Spatial reconstruction of locally symmetric objects based on stereo mate images. / L. Mestetskiy, A. Tsiskaridze // Proceedings of the International Conference on Computer Vision Theory and Applications, 2009. - P. 443-448.
6. PLY - Polygon File Format [Электронный ресурс] - URL: http://paulbourke.net/dataformats/ply/ (дата обращения: 13.02.2018).
7. Tagliasacchi A. Curve Skeleton Extraction from Incomplete Point Cloud. / A. Tagliasacchi, H. Zhang, D. Cohen-Or // ACM Transactions on Graphics, 2009. - Vol. 28, issue 3, №71 - P. 1-9.
8. Демин А. Ю. Основы компьютерной графики. / А. Ю. Демин - Томск: Томского политехнического университета, 2011. - 191 с.
9. Зимовнов А.В. Построение криволинейного скелета трехмерной модели по плоским проекциям. / А.В. Зимовнов, Л.М Местецкий // Вестник Тверского Государственного Университета, 2016. - № 3 - C. 67- 83.
10. Матвеев C. В. Пособие по векторной алгебре / С. В. Матвеев - Челябинск: ЧелГУ, 2001. - 20 с.
11. Померанцев А. Л. Метод Главных Компонент (PCA) [Электронный ресурс] / А. Л. Померанцев. - Электрон. текстовые дан. - Российское хемометрическое общество, 2008. - URL: http://rcs.chemometrics.ru/Tutorials/pca.htm#Ch3.8 (дата обращения: 20.11.2017).
12. Хромов Д. В. Модели и алгоритмы построения криволинейных скелетов пространственных форм: автореф. дис. канд. ф.-м. наук. / Д. В. Хромов - М.: МГУ им. М.В. Ломоносова, 2013. - 23 с.