Тип работы:
Предмет:
Язык работы:


Построение 3D модели по неупорядоченной коллекции изображений

Работа №74411

Тип работы

Дипломные работы, ВКР

Предмет

информатика

Объем работы47
Год сдачи2016
Стоимость4250 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
48
Не подходит работа?

Узнай цену на написание


Введение
Постановка задачи 5
Обзор литературы 7
Глава 1. Структура системы реконструкции трехмерных сцен 13
Глава 2. Восстановление трехмерных сцен 15
2.1. Восстановление трехмерных сцен по коллекции изображений методом
факторизации матриц 15
2.1.1. Локальные особенности изображений 15
2.1.2. Восстановление 3D координат локальных особенностей 16
2.1.3. Математический вывод приближений 19
2.1.4. Метод факторизации матриц 23
2.1.5. Формирование плотной матрицы измерений 27
2.2. Восстановление структуры трехмерных сцен из одного изображения по
закраске 28
2.3. Комбинирование подходов 31
Глава 3. Результаты работы алгоритма 32
Заключение 37
Список литературы 38
Приложение

Развитие виртуальной реальности, систем управления транспортными средствами [1-3], визуализации на основе анализа изображений, медицинской промышленности, а также других областей, требующих построения трехмерных моделей, привело к увеличению внимания к этой области. Наибольшим интересом пользуются случаи, в которых положение камер и их внутренние параметры не известны и/или могут меняться с течением времени. Так, например, в системах активного зрения калибровочные параметры могут меняться во время работы системы.
Конечно, существуют лазерные 3D сканеры, позволяющие создавать очень точную трехмерную модель сцены, но им свойственно множество недостатков. В их числе очень высокая стоимость подобной аппаратуры, весьма ограниченные размеры сканируемых объектов, низкая производительность и многое другое. Более того, такие устройства не совсем безопасны для человека, в частности для глаз.
Известны также успешные результаты применения стереоскопического зрения, когда камеры, осуществляющие съемку, калибруются таким образом, что их внутренние параметры известны, а внешние определены относительно некоторой глобальной системы отсчета. Однако, такой подход не возможен, когда калибровочные параметры с течением времени меняются (это имеет место быть, например, в системах активного зрения).
Существует огромное количество методов, являющихся частью одной задачи под названием «восстановление трехмерной сцены из ...», позволяющих восстановить 3 D модель, но каждый из них ограничен своей областью использования и не применим для восстановления общих сцен. Все эти методы принято делить на классы по типу данных, которые используются
для реконструкции. Среди таких классов основными являются:
• реконструкция сцены из одного изображения по закраске;
• реконструкция сцены по коллекции изображений, полученной с камеры, зафиксированной в одном положении, при фокусировке на различные объекты сцены;
• реконструкция сцены из стереопары изображений;
• реконструкция сцены по коллекции изображений, снятых с различных позиций и в разное время;
• реконструкция сцены по коллекции изображений, полученной с камеры, зафиксированной в одном положении, при этом каждое изображение снято с разной степенью оптического увеличения.
Основные идеи данных подходов будут подробно рассмотрены в разделе «Обзор литературы».
В основной части будут описаны алгоритмы, используемые в данной работе для восстановления общих 3D сцены, а также будут приведены результаты работы описанных методов.

Возникли сложности?

Нужна помощь преподавателя?

Помощь студентам в написании работ!


В данной работе приведен обзор имеющейся литературы по теме реконструкции геометрии трехмерных сцен. Было показано, что эффективная реконструкция геометрии сцены, в общем случае, возможна только при условии комбинирования различных походов к решению данной задачи, а также предложен механизм комбинирования различных алгоритмов.
Была разработана основная часть системы реконструкции геометрии трехмерных сцен по набору изображений в основу которой лег метод реконструкции модели сцены, основанный на факторизации матриц. В систему также интегрирован алгоритм реконструкции по закраске, позволяющий восстановить структуру некоторых участков сцены для ее уточнения.
Разработанная система тестировалась на реальных данных. Для тестирования была создана сцена, с объектом, имеющим неоднородную структуру (в некоторых областях объект имел слабо выраженную текстуру) и с помощью цифровой камеры сделан ряд снимков, которые в последствии использовались для реконструкции. Результаты восстановления модели сцены записываются в файл формата PLY, что позволяет визуализировать модель с помощью специальных систем, предназначенных для обработки 3D моделей (например, MeshLab).
Открытой остаются задача интегрирования новых подходов и выявления критерия выбора того или иного алгоритма, а также задача восстановления геометрии сцены в режиме реального времени в условиях данной системы.



[1] B. K. P Horn. Shape from Shading: A Method for Obtaining the Shape of a
Smooth Opaque Object from One View. http://people.csail.mit.edu/bkph/AIM/AITR-232-OPT.pdf
[2] P.S. Tsai, M. Shah. Shape from shading with variable albedo. // Optical Engineering, April 1998, Vol. 37 No. 4, P 121-1220.
[3] R. Zhang, P.S. Tsai, J. E. Cryer, M. Shah. Shape from shading: A survey. //
IEEE Transactions on Pattern Analysis and Machine Intelligence, August 1999, Vol. 21 Issue 8, P 690-706.
[4] A. Pentland. Shape information from shading: a theory about human perception
// Second International Conference on Computer Vision, December 1988, P. 404-413.
[5] R. Zhang, P.S. Tsai, J. E. Cryer, M. Shah. Analysis of shape from shading tech¬
niques. // IEEE Computer Society Conference on Computer Vision and Pat¬tern Recognition, June 1994, P 377-384.
[6] P.S. Tsai, M. Shah. Shape from shading using linear approximation //Image
and Vision Computing, October 1994, Vol. 12 Issue 8, P. 487-498.
[7] Y. Xiong, S. Shafer. Depth from focusing and defocusing. http://www.cs.c-
mu.edu/~yx/papers/IUW93.ps.Z.
[8] V. Roberto, A. Fusiello, E. Trucco. Experiments with a new area-based stereo
algorithm //Lecture Notes in Computer Science, 1997, Vol. 1310, P 669-676.
[9] S.T. Bernard. A stochastic approach to stereo vision //Proceedings of the 5th
National Conference on Artificial Intelligence, August 1986, P. 676-680.
[10] A. Koschan, V. Rodehorst. Towards real-time stereo employing parallel algo-rithms for edge-based and dense stereo matching // Proceedings of the IEEE
[11] S. Roy, I. J. Cox. A maximum-flow formulation of the n-camera stereo corre-spondence problem //IEEE. Proceedings of International Conference on Computer Vision, January 1998, P 492-499.
[12] J. E. Cryer, P.S. Tsai, M. Shah. Integration of shape from shading and stereo // Pattern Recognition, January 1995, Vol. 28 Issue 7, P.1033-1043.
[13] T. Kanade, M. Han. Scene reconstruction from multiple uncalibrated views // Technical report, The Robotics Institute, Carnegie Mellon University, January
2000.
[14] A. Azarbayejani, T. Jebara, A. Pentland. 3d structure from 2d motion // IEEE Signal Processing Magazine, May 1999, Vol. 16, P 66-84.
[15] G. S. Bestor. Recovering Feature and Observer Position by Projected Error Refinement // PhD thesis, Computer Scince Department, University of Wis-consin - Madison, August 1998.
[16] C. J. Poelman, T. Kanade. A paraperspective factorization method for shape and motion recovery // IEEE Transactions on Pattern Analysis and Machine Intelligence, March 1997, Vol. 19 Issue 3, P 206-218.
[17] J. Costeria, T. Kanade. A multi-body factorization method for motion analysis // Technical report, School of Computer Science, Carnegie Mellon University, September 1994.
[18] C. Tomasi, T. Kanade. Shape and motion from image streams: a factorization method (orthographic method) // International Journal of Computer Vision, November 1992, Vol. 9 Issue 2, P 137-154.
[19] T. Morita, T. Kanade. A sequential factorization method for recovering shape and motion from image streams // IEEE Transactions on Pattern Analysis and
Machine Intelligence, August 2002, Vol. 19 Issue 8, P 858-867.
[20] M. Watanabe, S.K. Nayar, M. Noguchi. Real-time focus range sensor // IEEE. Proceedings of International Conference on Computer Vision, June 1998, P 492-499.
[21] T. Kanade, C. Tomasi. Shape and motion from image streams: a factorization method - part 3. Detection and tracking of point features. http://www.p- nas.org/content/90/21/9795.full.pdf
[22] S. Birchfield, C. Tomasi. Multiway Cut for Stereo and Motion with Slanted Surfaces // Proceedings of the Seventh IEEE International Conference on Computer Vision, September 1999, P 489-495.
[23] Н.В. Янова, Д.В. Юрин. Итеративный алгоритм восстановления трехмерных сцен, движения и фокусного расстояния камеры в перспективной проекции, основанный на факторизации матриц. http://graphicon2002.unn.ru/ demo/2002/YanovaRe .pdf
[24] C.B. Barber, D.P. Dobkin, H.T. Huhdanpaa, The Quickhull Algorithm for Convex Hulls // ACM Transactions on Mathematical Software, December 1996, Vol. 22, No. 4, P 469-483.
[25] J.R. Shewchuk. Triangle: Engineering a 2d quality mesh generator and delau-nay triangulator // Applied Computational Geometry: Towards Geometric En-gineering, May 1996, Vol. 1148, P 203-222.
[26] M. Bern, D. Eppstein. Mesh Generation and Optimal Triangulation. http://www.ics.uci.edu/~eppstein/pubs/BerEpp-CEG-95.pdf
[27] F. Mokhtarian, A. Mackworth. Scale-Based Description and Recognition of Planar Curves and Two-Dimensional Shapes // IEEE Transactions on Pattern Analysis and Machine Intelligence, September 1986, Vol. 8 Issue 1, P 34-43
[28] C. Harris, M. Stephens. A Combined Corner and Edge Detector // Proceedings of the 4th Alvey Vision Conference, 1988, P 147-151.
[29] W. Forstner. A framework for low-level feature extraction // Proceedings of the third European conference on Computer Vision, Vol. 2, 1994, P 383-394.
[30] T. Tomasi, C. Kanade. Detection and Tracking of Point Features. http://www.lira.dist.unige.it/teaching/SINA/slides-current/tomasi-kanade- techreport-1991.pdf
[31] D. Lowe. Object recognition from local scale-invariant features. // Proceed¬ings of the International Conference on Computer Vision, 1999, Vol. 2, P 1150-1157.
[32] G.H. Golub, C.E. Van Loan. Matrix Computations. The Johns Hopkins Uni-versity Press, Baltimore, MD. 1989.
[33] Т. Кормен, Ч. Лейзерсон, Р Ривест. Алгоритмы. Построение и анализ. - М.: МЦНМО, 2000. 893 c.
[34] C. Bron and J. Kerbosch. Algorithm 457: Finding All Cliques of an Undi-rected Graph // Communications of the ACM, September 1973, Vol. 16 Is¬sue 9. P. 575-577.
[35] K. Ikeuchi S, K. Nayar and T. Kanade. Surface reflection: physical and geo-metrical perspectives // IEEE Transactions on Pattern Analysis and Machine Intelligence, July 1991, Vol. 13 Issue 7. P 611-634.
[36] A. Pentland. Shape information from shading: a theory about human percep-tion // Proceedings of International Conference on Computer Vision, Decem-ber 1988, P 404-413.
[37] B. K. P. Horn, M. J. Brooks. The Variational Approach to Shape from Shading. // Proceedings of the International Conference on Computer Vision, 1986, , Vol. 33, P 174-208.
[38] M. Bern, D. Eppstein. Mesh Generation and Optimal Triangulation. //
Computing in Euclidean Geometry, 1992, P 23-90.


Работу высылаем на протяжении 30 минут после оплаты.




©2024 Cервис помощи студентам в выполнении работ