Porównywanie algorytmów wykrywania krawędzi do zadań rekonstrukcji trójwymiarowego kształtu obiektu

Jeżewski, S.; Błaszczyk, S.

Artykuł - szczegóły

Tytuł artykułu

Porównywanie algorytmów wykrywania krawędzi do zadań rekonstrukcji trójwymiarowego kształtu obiektu

Autorzy

Jeżewski S. , Błaszczyk S.

Treść / Zawartość

Pełne teksty:

Pobierz

Identyfikatory

Warianty tytułu

Comparison of edge detection algorithms to task three-dimensional object shape reconstruction

Języki publikacji

Abstrakty

W niniejszej publikacji została przedstawiona koncepcja algorytmu do trójwymiarowej rekonstrukcji obiektów oparta na wykrywaniu krawędzi. W proponowanym podejściu krawędzie rekonstruowane są do postaci wektorów i na podstawie informacji wektorowej wyznaczana jest głębia obrazu. Zrekonstruowane wektory charakteryzują się tym większą dokładnością, im więcej pikseli na nie się składa. Załączone wyniki pokazują, że na jakość rekonstrukcji stereowizyjnej wpływa dobór algorytmu krawędziowania. Przebadano algorytmy Fuzzy edge detection, LoG, oraz Canny'ego. Algorytm ten jest rozwinięciem idei stereowizji krawędziowej, ale przez swój charakter może stanowić uzupełnienie stereowizji korelacyjnej.

In this publication was represented conception of three-dimensional object reconstruction based on edge detection algorithms. In this approach these edges are transformed to vectors, than the depth map is determined. Accuracy of vector determination depend on vectors length. Results show, that choose of appropriate edge detection algorithm is important in reconstruction process. The Fuzzy, LoG and Canny edge detection algorithms was tested. The proposed algorithm is extension of edge stereovision and can be a supplement for correlation stereovision.

Słowa kluczowe

stereowizja detekcja krawędzi algorytmy Fuzzy LoG algorytm Canny'ego

stereovision edge detection algorithms: Fuzzy LoG Canny's

Wydawca

Wydawnictwa AGH

Czasopismo

Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

Rocznik

2009

Tom

T. 13, z. 3/2

Strony

1311--1320

Opis fizyczny

Bibliogr. 19 poz., rys., wykr.

Twórcy

autor

Jeżewski S.

Katedra Informatyki Stosowanej, Politechnika Łódzka

autor

Błaszczyk S.

Katedra Informatyki Stosowanej, Politechnika Łódzka

Bibliografia

[1] Jeżewski S., Sankowski D.Dadan W., Koncepcja autonomicznego robota pola walki przeznaczonego do zadań zwiadu i wykrywania min. Automatyka (półrocznik AGH), t. 13, z. 3, 2009.
[2] Chambon S., Crouzil A., Towards correlation-based matching algorithms that are robust near occlusion. Pattern Recognition, 2004, ICPR 2004, Proceedings of the 17th International Conference on.
[3] Konolige K., Small Vision Systems: Hardware and Implementation. Eighth International Symposium on Robotics Research, 1997.
[4] Eric W., Grimson L., Computational Experiment with a Feature Based Stereo Algorithm. 1984.
[5] Borrmarm D., Elseberg J., Global Konsistente 3D Kartierung am Beispiel des Botanischen Gartens in Osnabrück. Universität Osnabrück, October 2006 (Bachelor's thesis).
[6] Cantzler H., Fisher R.B., Devy M., Improving architectural 3D reconstruction by plane and edge constraining. Proceedings of the British Machine Vision Conference (BMVC 2002), Cardiff, U.K, September 2002, 43-52.
[7] Cantzler H., Fisher R.B., Devy M., Quality enhancement of reconstructed 3D models using copla-narity and constraints. Van Gool L. (ed.) DAGM 2002. LNCS, vol. 2449, Springer, Heidelberg, 2002, 34-41.
[8] Grau О., A Scene Analysis System for the Generation of 3-D Models. Proceedings IEEE International Conference on Recent Advances in 3D Digital Imaging and Modeling (3DIM 1997), Ottawa, Canada, May 1997, 221-228.
[9] Früh С, Zakhor A., 3D Model Generation for Cities Using Aerial Photograph and Ground Level Laser Scans. Proceedings of the Computer Vision and Pattern Recognition Conference (CVPR 2001), Kauai, Hawaii, USA, December 2001.
[10] Georgiev A., Allen P.K., Localization Methods for a Mobile Robot in Urban Environments. IEEE Transaction on Robotics and Automation (TRO) (2005), 2004, 851-864.
[11] Hall E.L, Tio J.B.K, McPherson C.A, Sadjadi, Meauring curver supfaces for robot vision. Com-put, J. 15, 1982, 42-54.
[12] Toscani G., Systemes de calibration des perception du mouvement en vision artificielle. Univer-site Paris Sud, 1987 (Ph.D Theses).
[13] Fauergas O.D, Toskani G., The calibration problem for stereo. Proceedings of the IEEE Computer Vision and Patter Recognition, 1986, 15-20.
[14] Tsai R.Y., A versatile camera calibration technique for high accuracy machine vision metrology using off the shelf TV cameras and lenses. IEEE Int. J. Robot Atuomat, RA-3 (1987) 323-344.
[15] Weng J., Cohen P., Herniou M., Camera calibration with distortion models and accuracy evaluation. IEEE Trans Pattern Anal. Mach. IntelL, 14, 1992, 965-980.
[16] Duda R.O., Hart P.E., Use of the Hough Transformation to Detect Lines and Curves in Pictures. Comm. ACM, vol. 15, January 1972, 11-15.
[17] Leandro A.F., Fernandes., Oliveira M.M., Real-time line detection through an improved Hough transform voting scheme. Pattern Recognition, 41, 2008, 299-314.
[18] Ballard D.H., Generalizing the Hough transform to detect arbitrary shapes. Pattern Recognition, 13 (2), 1981, 111-122.
[19] Li Z.N., Yao В., Tong F., Linear generalized Hough transform and its parallelization. Image Vision Comput, 11, 1993, 11-24.

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-article-AGH1-0022-0051