Automatyczna orientacja obrazów cyfrowych na przykładzie wybranej geometrii sieci zdjęć

• Autorzy: Zawieska D.

Warianty tytułu

EN

Automatic orientation of digital images using the example of selected geometry of a network of images

• Języki publikacji: PL

Abstrakty

PL

Celem niniejszego referatu jest przeanalizowanie działania wybranych algorytmów, które automatycznie obliczą elementy orientacji zewnętrznej sieci zdjęć a następnie wyznaczą współrzędne chmury punktów 3D, opisujących model badanego obiektu. Do obliczeń wykorzystano autorski program, realizujący kolejne etapy tworzenia modelu 3D. Pierwsza faza obejmowała wyróżnienie na poszczególnych zdjęciach elementów charakterystycznych, gdzie wykorzystane zostały operatory detekcji narożników SIFT i SUSAN. Następnym krokiem było połączenie punktów homologicznych na sąsiednich zdjęciach. Sposób realizacji tego kroku jest determinowany przez wybór typu operatora. Operator SIFT posiada dedykowany mechanizm tworzenia par, podczas gdy operator SUSAN wymaga utworzenia odrębnych metod. Do dopasowania punktów wykorzystano metodę Area Base Matching, zmodyfikowaną na potrzeby modelowania 3D. Na podstawie tak zebranych danych, kolejnym etapem jest wyznaczenie współrzędnych 3D chmury punktów mierzonego obiektu. W niniejszym referacie przedstawiono dwa rozwiązania. Jedno z nich realizuje dopasowywanie zdjęć parami, korzystając z macierzy podstawowej a drugie trójkami, wykorzystując rachunek tensorowy. W praktyce, pierwsze rozwiązanie wyznaczające punkty modelu okazało się mniej stabilne numerycznie, co może prowadzić do znacznych błędów w modelu końcowym. Drugie rozwiązanie jest trudniejsze do wykorzystania, gdyż wymaga odnalezienia odpowiadających sobie punktów na co najmniej trzech zdjęciach. Eksperymenty przeprowadzono na wybranych obiektach bliskiego zasięgu, z odpowiednio wykonaną geometrią zdjęć, tworzących pierścień (okrąg) wokół mierzonego obiektu.

EN

The objective of this paper is to analyse operations of selected algorithms, which will automatically compute elements of external orientation of a network of photographs and then, they will determine co-ordinates of a 3D cloud of points, which describe a model of the analysed object. The author’s software tool has been utilised for calculations; it performs successive stages of the 3D model generation: detection of characteristic points, point matching on successive photographs, determination of a tensor, calibration and 3D point cloud generation. A series of experiments have been performed in order to evaluate selection of the optimum solution. The first stage included distinguishing of characteristic elements on particular photographs; corner detection operators, SIFT and SUSAN were applied for that stage. The next step concerned connection of homological points on neighbouring photographs. The method of implementation of that step is determined by selection of the operator type. The SIFT operator has the dedicated mechanism of pair creation, whilst the SUSAN operator requires creation of separate methods. The Area Base Matching method, modified according to the demands of 3D modelling, was used for the needs of point matching. This method investigates correlation of the background within the neighbourhood of characteristic points and uses the results of that investigations to match the photographs. Basing on data collected this way, the next stage aims at determination of 3D co-ordinates of the cloud of points of the measured object. Two solutions have been presented in this paper. One of them allows for matching photographs in pairs, using the fundamental matrix; the second solution allows for threesome matching of photographs, using the tensor calculus. In practice, the first solution, which determines the model points, turned to be less numerically stable, what may lead to considerable errors of the final model. The second solution is more difficult to use, since it requires that corresponding points are found in at least three photographs. Experiments were performed for selected close range objects, with the appropriate specified geometry of photographs, which created a ring around the measured object.

Słowa kluczowe

PL

operatory detekcji narożników; dopasowanie zdjęć; modelowanie 3D

EN

operators of corner detection; image matching; 3D modelling

• Wydawca: Zarząd Główny Stowarzyszenia Geodetów Polskich
• Czasopismo: Archiwum Fotogrametrii, Kartografii i Teledetekcji
• Rocznik: 2012
• Tom: Vol. 23
• Strony: 509--519
• Opis fizyczny: Bibliogr. 10 poz.

Twórcy

autor

Zawieska D.

• Zakład Fotogrametrii, Teledetekcji i SIP, Wydział Geodezji i Kartografii Politechnika Warszawska, telefon: [phone]

Bibliografia

• 1. Campbell N. A., Wu X., 2008. Gradient Cross Correlation For Sub-Pixel Matching. http://www.isprs.org/proceedings/XXXVII/congress/7_pdf/6_WG-VII-6/03.pdf
• 2. M. Fichler and R. Bolles., 1981. Random sample consensus: A paradigm for model fitting with applications to image analysis and automated cartography. Graphics and Image Processing 24, 6.
• 3. Gang Hong, Yun Zhang, 2004. The Image Registration Technique For High Resolution Remote Sensing Image In Hill Area.
• 4. www.isprs.org/proceedings/XXXVI/8-W27/hong_zhang_paper.pdf
• 5. Richard Hartley and Andrew Zisserman., 2004. Multi View Geometry in Computer Vision. Second Edition. Cambridge University Press.
• 6. Lang F, Förstner W, 1998. Matching Techniques. Third Course in Digital Photogrammetry, Chapter 5,41 page, Bonn.
• 7. David G. Lowe., 2004. Distinctive image features from scale-invariant key points. International Journal of Computer Vision, 60, 2, pp. 91–110.
• 8. Luhmann T., Robson S., Kyle S. i Karley I., 2006. Close Range Photogrammetry – Principles, techniques and applications. Dunbeath: Whittles Publishing.
• 9. S. M. Smith and M. Brady., 1997. SUSAN – A New Approach to Low Level Image Processing. International Journal of Computer Vision, Vol. 23(1), pp. 45–78.
• 10. Zawieska D., 2010. Wybrane operatory w automatyzacji dopasowywania obrazów cyfrowych bliskiego zasięgu. Archiwum Fotogrametrii, Kartografii i Teledetekcji, Vol. XXI., 2010, str. 455–465.