Automatyczna rekonstrukcja modeli 3D małych obiektów bliskiego zasięgu

• Autorzy: Zawieska D.

Warianty tytułu

EN

3D models automatic reconstruction of selected close range objects

• Języki publikacji: PL

Abstrakty

PL

Celem niniejszego artykułu jest prezentacja wyników automatycznego modelowania wybranych obiektów bliskiego zasięgu (głowa manekina, kamień) z wykorzystaniem obrazów cyfrowych z aparatu Hasselblad H4D50. Do obliczeń wykorzystano autorski program, realizujący kolejne etapy tworzenia modelu 3D. Proces modelowania został zaprezentowany jako kompletny proces rozpoczynający się od pozyskania obrazów, który jest ukończony wraz z utworzeniem fotorealistycznego modelu 3D, w tym samym środowisku programowym. Eksperymenty przeprowadzono na wybranych obiektach bliskiego zasięgu, z odpowiednio wykonaną geometrią zdjęć, tworzących pierścień (okrąg) wokół mierzonego obiektu. Do automatycznego dopasowania punktów, wykrytych algorytmem SUSAN, wykorzystano metodę Area Base Matching (CC/LSM), algorytm RANSAC wykorzystując rachunek tensorowy. Rekonstrukcja powierzchni generowania modelu jest jednym z bardzo ważnych etapów modelowania 3D. Rekonstrukcja precyzyjnych powierzchni na podstawie nieregularnej chmury punktów uzyskanych z automatycznego opracowania obrazów cyfrowych jest zagadnieniem otwartym. Tworzenie wielokątnych modeli, które mogą sprostać wysokim wymaganiom w zakresie modelowania i wizualizacji, potrzebne jest w wielu aplikacjach. Metoda wielokątów jest zwykle idealna drogą do dokładnego reprezentowania wyników pomiarów, a jednocześnie do uzyskania optymalnego opisu powierzchni. Przetestowano trzy algorytmy: metodę objętościową (VCG), metodę Poissona i metodę Ball Pivoting. Metody te są najczęściej stosowane do modelowania jednorodnej siatki punktów. Wyniki eksperymentów wykazały, że niewłaściwe zastosowanie tych metod powoduje różne artefakty i zniekształcenia powierzchni modelu. Po utworzeniu siatki trójkątów modelowanej powierzchni, wyniki zwizualizowano wykorzystując metodę cieniowania oraz teksturowanie chmury punktów. Dokładność uzyskanej rekonstrukcji powierzchni modelu uzyskano z poniżej 1 mm.

EN

Reconstruction of three-dimensional, realistic models of objects from digital images has been the topic of research in many areas of science for many years. This development is stimulated by new technologies and tools, which appeared recently, such as digital photography, laser scanners, increase in the equipment efficiency and Internet. The objective of this paper is to present results of automatic modeling of selected close range objects, with the use of digital photographs acquired by the Hasselblad H4D50 camera. The author's software tool was utilized for calculations; it performs successive stages of the 3D model creation. The modeling process was presented as the complete process which starts from acquisition of images and which is completed by creation of a photorealistic 3D model in the same software environment. Experiments were performed for selected close range objects, with appropriately arranged image geometry, creating a ring around the measured object. The Area Base Matching (CC/LSM) method, the RANSAC algorithm, with the use of tensor calculus, were utilized form automatic matching of points detected with the SUSAN algorithm. Reconstruction of the surface of model generation is one of the important stages of 3D modeling. Reconstruction of precise surfaces, performed on the basis of a non-organized cloud of points, acquired from automatic processing of digital images, is a difficult task, which has not been finally solved. Creation of poly-angular models, which may meet high requirements concerning modeling and visualization is required in many applications. The polynomial method is usually the best way to precise representation of measurement results, and, at the same time, to achieving the optimum description of the surface. Three algorithm were tested: the volumetric method (VCG), the Poisson method and the Ball pivoting method. Those methods are mostly applied to modeling of uniform grids of points. Results of experiments proved that incorrect utilization of these methods results in various artifacts and deformations of models. After generation of a triangular grid of the modeled surface, results were visualized using the shading methods and texturing of the cloud of points. The accuracy of obtained reconstructions of the model surface equaled bellow 1 mm.

Słowa kluczowe

PL

SUSAN; automatyczne dopasowanie obrazów; RANSAC; rekonstrukcja powierzchni; modelowanie 3D; wizualizacja

EN

SUSAN; automatic image matching; RANSAC; surface reconstruction; 3D modelling; visualization

• Wydawca: Zarząd Główny Stowarzyszenia Geodetów Polskich
• Czasopismo: Archiwum Fotogrametrii, Kartografii i Teledetekcji
• Rocznik: 2013
• Tom: Vol. 25
• Strony: 295--302
• Opis fizyczny: Bibliogr. 13 poz.

Twórcy

autor

Zawieska D.

• Zakład Fotogrametrii, Teledetekcji i Systemów Informacji Przestrzennej, Politechnika Warszawska

Bibliografia

• 1. Bernardini F., Mittleman J., Rushmeier H., Silva, C., Taubin G.,1999. The ball-pivoting algorithm for surface reconstruction. IEEE Transactions on Visualization and Computer Graphics 5, s. 349-359.
• 2. Curless B., Levoy M., 1996. A volumetric method for building complex models from range images”. ACM Proc. Of Siggraph, s. 303-312.
• 3. Fitzgibbon A.W., Zisserman A., 1998. Automatic camera recovery for closed and open image sequences. Proceedings of the 5th European Conference on Computer Vision, 1, s. 331-326.
• 4. Gruen A., Zhang L., Visnovcova J., 2001. Automatic reconstruction and visualization of a complex Buddha Tower of Bayon, Angkor, Cambodia. Proceedings 21 Wissenschaftlich- Technische Jahrestagung der DGPF, s. 289-301.
• 5. Kazhdan M., Bolitho M., and Hoppe H., 2006. Poisson Surface Reconstruction Eurographics Symposium on Geometry Processing”.
• 6. Mayer H., 2003. Robust orientation, calibration, and disparity estimation of image triples. 25th DAGM Pattern Recognition Symposium (DAGM03), Number 2781, series LNCS, Michaelis/Krell (Eds.).
• 7. Nister D., 2001. Automatic dense reconstruction form uncalibrated video sequences. PHD Thesis, Computational Vision and Active Perception Lab, NADA-KHT.
• 8. Pollefeys M., Koch R., Van Gool L.,1999. Self-Calibration and Metric Reconstruction in spite of Varying and Unknown Internal Camera Parameters. IJCV, Vol.32, No 1, s. 7-25.
• 9. Remondino F., Zhang L., 2005. Surface reconstruction algorithms for detailed close range object modeling. IASPRS, Vol. 36, Part B5/W17.
• 10. Van den Heuvel F., 2003. Automation in architectural photogrammetry”. PhD Thesis, Publication on Geodesy 54.
• 11. Werner T, Ziesserman A., 2002. New technique for automated architectural reconstruction form Photographs. Proceedings 7th ECCV, Vol.2, s. 541-555.
• 12. Wilczkowiak M., Trombettoni G., Jermann C., Strum P., Boyer F 2003. Scene modeling based on constraint system decomposition techniques. IEEE Proceedings 9th ICCV, s. 1004-1010.
• 13. Zawieska D., 2012. Automatyczna orientacja obrazów cyfrowych na przykładzie wybranej geometrii sieci zdjęć. Archiwum Fotogrametrii, Kartografii i Teledetekcji, Vol. 23, s. 509-519.