🔍 Поиск готовых работ

🔍 Поиск работ

РАЗРАБОТКА ПРОГРАММНОЙ СИСТЕМЫ ДЛЯ СОВМЕЩЕНИЯ ДАННЫХ ТРЕХМЕРНОГО СКАНИРОВАНИЯ

Работа №197272

Тип работы

Дипломные работы, ВКР

Предмет

информатика

Объем работы52
Год сдачи2018
Стоимость4520 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
28
Не подходит работа?

Узнай цену на написание


ГЛОССАРИЙ 6
ВВЕДЕНИЕ 7
1. АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ 10
1.1. Анализ существующих алгоритмов для реализации проекта 10
1.1.1. Базовый алгоритм ICP 10
1.1.2. Модификации алгоритма ICP 12
1.2. Анализ аналогичных проектов 19
Вывод по главе 1 21
2. ТРЕБОВАНИЯ К СИСТЕМЕ 22
2.1. Функциональные требования 22
2.2. Нефункциональные требования 22
2.3. Варианты использования системы 23
Вывод по главе 2 24
3. АРХИТЕКТУРА СИСТЕМЫ 25
3.1. Реализация предметной области 25
3.2. Компоненты системы 26
3.3. Представление архитектуры системы 28
Вывод по главе 3 30
4. РЕАЛИЗАЦИЯ СИСТЕМЫ 31
4.1. Средства реализации 31
4.2. Структура системы 31
4.3. Реализация модулей системы 33
4.3.1. Реализация модуля совмещения облаков 33
4.3.2. Реализация интерфейса 40
Вывод по главе 4 41
5. ТЕСТИРОВАНИЕ СИСТЕМЫ 42
5.1. Тестирование предложенного алгоритма на синтетических данных 42
5.2. Тестирование устойчивости предложенного алгоритма 44
5.3. Сравнительное тестирование алгоритма ICP и его модификаций .... 46
Вывод по главе 5 50
ЗАКЛЮЧЕНИЕ 51
СПИСОК ЛИТЕРАТУРЫ 52


Актуальность темы
Многие сферы человеческой жизни не мыслимы без трехмерных цифровых моделей объектов. Существует два подхода создания моделей: «с нуля» при помощи пакетов компьютерного моделирования и при помощи SD-сканеров с последующим совмещением нескольких частей одной модели. Первый способ является трудоемким и подходит далеко не во всех случаях. Второй способ является альтернативой, потому что трехмерные сканеры позволяют зарегистрировать любую форму объекта за короткое время и с высокой точностью. В настоящее время SD-модели, полученные при помощи сканирования, находят широкое применение в самых разных областях.
Большой интерес уделяется SD-моделям человеческого тела [24, 29], т.к. они могут широко применяться в кинематографе, приложениях виртуальной реальности, видеоиграх. SD-моделирование человека упрощает создание анимационных фильмов, т.к. предоставляет все требуемые пропорции и позволяет накладывать нарисованный образ на актера. Также SD-моделирование используется в медицине, позволяя устанавливать диагноз и создавать различные трехмерные модели внутренних органов и костей человека, в последующем используя их во время операции. Таким образом, появляется возможность под контролем навигационной системы сопоставить результат выполнения операции по конкретному клиническому примеру и сравнить с прототипом.
Задача регистрации облаков актуальна в области построения трехмерного окружающего пространства для определения местоположения роботов и планирования их оптимального пути [21, 23]. При помощи сканера строится SD-модель части сцены (локальная реконструкция), полученной из определенной точки. Затем полная модель создается посредством объединения локальных реконструкций. Таким образом, получается трехмерная модель всего окружающего пространства робота, в котором уже рассчитывается оптимальный путь.
SD-сканирование и SD-моделирование также применяются в музейном деле и археологии для точного восстановления и реконструкции скульптур и памятников, в дизайне для получения формы объекта и его последующей обработки, в ортодонтии для качественного моделирования объектов небольшого размера, в геологии для исследования оползней [25].
В любой области применения принцип построения трехмерных моделей при помощи SD-сканирования одинаков и заключается в совмещение отсканированных частей объекта в одной системе координат. Таким образом, задача совмещения трехмерных облаков точек актуальна на сегодняшний день, т.к. позволяет получать полноценные SD-модели как объектов большого размера со сложной формой, состоящей из множества выпуклостей и впадин, так и трехмерные модели объектов простой формы небольшого размера.
Цель и задачи работы
Целью данной работы является разработка системы совмещения данных трехмерного сканирования.
Для достижения поставленной цели необходимо решить следующие задачи:
1) ознакомиться с теоретическим основами совмещения данных трехмерного сканирования;
2) проанализировать существующие решения, смежные проекты и выбрать алгоритм для реализации поставленной цели;
3) спроектировать архитектуру системы;
4) реализовать систему совмещения данных трехмерного сканирования;
5) провести тестирование реализованной системы совмещения данных трехмерного сканирования.
Структура и объем работы
Работа состоит из введения, пяти разделов, заключения и библиографии. Объем работы составляет 55 страниц, объем библиографии - 32 источника.
В первой главе, «Анализ предметной области», проведен обзор существующих алгоритмов совмещения данных трехмерного сканирования и смежных проектов.
Во второй главе, «Требования к системе», описаны функциональные и нефункциональные требования к системе и варианты использования системы.
В третьей главе, «Архитектура системы», описано проектирование системы. Подробно рассмотрена общая архитектура системы и ее компоненты.
В четвертой главе, «Реализация системы», описаны используемые инструменты реализации и представлены детали реализации системы.
В пятой главе, «Тестирование системы», представлены результаты тестирования предложенного алгоритма и проведено сравнительное тестирование с другими алгоритмами.
В заключении сделаны выводы о проделанной работе.


Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


В рамках дипломного проекта была разработана программная система для совмещения данных трехмерного сканирования.
При этом были решены следующие задачи:
1) был рассмотрен базовый алгоритм ICP и его недостатки;
2) проведен обзор существующих модификаций алгоритма ICP и смежных проектов;
3) определены требования к системе совмещения данных трехмерного сканирования и разработаны варианты ее использования;
4) спроектирована архитектура системы совмещения данных трехмерного сканирования;
5) разработана система совмещения данных трехмерного сканирования на основе алгоритма ICP с использованием BA изображений, глобальных контрольных точек и Манхэттенской метрики;
6) проведено тестирование разработанной системы на синтетических, реальных данных и сравнительное тестирование с базовым алгоритмом ICP и GICP. Выявлено, что предложенный алгоритм является более эффективным и производительным на снимках с частичной областью перекрытия.
В ходе работы была выполнена одна апробация: доклад на тему «Автоматизированная система совмещения данных трехмерного сканирования на 71 научной студенческой конференции Южно-Уральского государственного университета 14 мая 2018 г.



1. Chibunichev A.G., Velizhev A.B. Automatic matching of terrestrial scan data using orientation histograms. // The international archives of the photogrammetry, remote sensing and spatial information sciences. - 2008. - Vol. 37. - P. 601-603.
2. Du S. Robust iterative closest point algorithm based on global reference point for rotation invariant registration. / S. Du, Y. Xu, T. Wan, H. Hu, S. Zhang, et al. // PloS One. - 2017. - Vol. 12(11). - P. 1-14.
3. Eruhimov V., Kogan A. Dependency of detectors and descriptors efficiency on image resolution for SIFT, SURF and ORB. // The 23rd International Conference on Computer Graphics and Vision. - 2013. - P. 32-35.
4. Gieseke F. Buffer k-d trees: processing massive nearest neighbor queries on GPUs. / Gieseke F., Heinermann J., Oancea C., Igel C. // Journal of Machine Learning Research. - 2014. - Vol. 32 (1). - P. 172-180.
5. He Y. An iterative closest points algorithm for registration of 3D laser scanner point clouds with geometric features. / Y. He, B. Liang, J. Yang, S. Li, J. He. // Sensors. - 2017. - Vol. 17(8). - P. 1-16.
6. Isik S., Ozkan K. A Comparative Evaluation of Well-known Feature Detectors and Descriptors. // International Journal of Applied Mathematics, Electronics and Computers. - 2014. - No. 3(1). - P. 1-6.
7. Karami E., Prasad S., Shehata M. Image Matching using SIFT, SURF, BRIEF and ORB: performance comparison for distorted images. // In proceedings of the 2015 newfoundland electrical and computer engineering conference. - 2015. - P.1-5.
8. Kumara W.G.C. 3D models construction from RGM video stream. / W.G.C. Kumara, K.S. Timothy, S.J. Wu, A.S. Klimenko, S.V. Klimenko. // Proceedings of the international scientific conference CRT2015. - 2016. - P.59-66.
9. Lin C.C. A novel point cloud registration using 2D image features. / C.C. Lin, Y.C. Tai, J.J. Lee, Y.S. Chen. // Journal on Advances in Signal Processing. - 2017. - Vol. 5. - P.1-11.
10. Mora H. Computational analyses of distance operators for the iterative closest point algorithm. / H. Mora, J.M. Mora-Pascual, A. Garcia-Garcia, P. Martinez-Gonzalez. // PloS One. - 2016. - Vol. 11(10). - P. 1-19.
11. Official site CloudCompare. [Electronic resource] URL: http://www.cloudcompare.org/ (date of access: 13.03.2018).
12. Official site Geomagic Studio. [Electronic resource] URL: http://sup- port1.geomagic.com/Support/5605/5668/en-US/Article/Folder/336/Geomagic- Studio (date of access: 10.03.2018).
13. Official site RGB-D Dataset 7-Scenes. [Electronic resource] URL: https://www.microsoft.com/en-us/research/project/rgb-d-dataset-7-scenes/ (date of access: 23.04.2018).
14. Rublee E. ORB: An efficient alternative to SIFT or SUFT. / E. Rublee, V. Rabaud, K. Konolige, G. Bradski. // ICCV '11 Proceedings of the 2011 International Conference on Computer Vision. - 2011. - P. 2564-2571.
15. Segal A., Haehnel D., Thrun S. Generalized-ICP. // Robotics: Science and Systems. - 2009. - P. 26-27...32



Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2025 Cервис помощи студентам в выполнении работ