Koncepcja rozpoznawania orientacji obiektów w obrazach 3D

• Autorzy: Żorski W.

Warianty tytułu

EN

A conception of object orientation recognition in 3D images

• Języki publikacji: PL

Abstrakty

PL

Artykuł porusza zagadnienie rozpoznawania orientacji obiektów 3D. Przystosowano opracowaną przez Ballarda metodę rozpoznawania obiektów nieregularnych. Podstawą rozpoznawania orientacji jest wyznaczanie wartości macierzy akumulatora dla kątów Eulera. Wartości akumulatora dla zadanych wspłrzędnych uzyskiwane są metodą zliczania voxeli Wartości kątów Eulera, dla któych akumulator przyjmuje największą liczbę zliczeń, określają orientację badanego obiektu. Mechanizm zliczania voxeli został zaimplementowany i zbadany dla algorytmu bazującego na macierzy obrotu oraz algorytmu z zastosowaniem kwaternionów. Wykazano istnienie szczególnego rodzaju symetrii akumulatora, co pozwoliło na redukcję obliczeń o 50%.

EN

This paper considers the problem of 3D object orientation recognition. The Ballard method of arbitrary shapes detection is adopted. The basis of the orientation recognition is the mapping of an accumulator array for Euler angles. Accumulator values for given coordinates are calculated using the voxel counting method. An object orientation is determined by Euler angles with the maximum number of votes in the accumulator array. The voxel counting method was implemented and verified for an algorithm based on a rotation matrix as well as for an algorithm based on quaternions. A characteristic kind of accumulator symmetry was detected, which reduced computations by 50%.

Słowa kluczowe

PL

widzenie komputerowe; rozpoznawanie obrazów 3D; zliczanie voxeli; macierz obrotu; kwaterniony

EN

computer vision; 3D image recognition; voxel counting; rotation matrix; quaternions

• Wydawca: Instytut Teleinformatyki i Automatyki, Wydział Cybernetyki, Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
• Czasopismo: Biuletyn Instytutu Automatyki i Robotyki
• Rocznik: 2010
• Tom: R. 16, nr 28
• Strony: 3--21
• Opis fizyczny: Bibliogr. 30 poz., wykr.

Twórcy

autor

Żorski W.

• Instytut Teleinformatyki i Automatyki WAT, ul. Gen. S. Kaliskiego 2, 00-908 Warszawa,

Bibliografia

• Literatura
• [1] BALLARD D. H., Generalizing the Hough Transform to Detect Arbitrary Shapes. Readings in Computer Vision: Issues, Problems, Principles, and Paradigms. Los Altos, CA. 1987, pp. 714-725.
• [2] CONWAY J. H., SMITH D. A., On Quaternions and Octonions: Their Geometry, Arithmetic, and Symmetry. Department of Mathematics University of California, 2004.
• [3] CRAIG J. J., Introduction to Robotics: Mechanics and Control. Prentice Hall, 2005.
• [4] DAVIES E. R., Machine Vision: Theory, Algorithms, Practicalities. Academic Press Ltd, 24/28 Oval Road, London NW1 7DX, United Kingdom 1990.
• [5] DEANS S. R., Hough transform from the Radon transform. IEEE Transactions on Pattern Analysis and Machine Intelligence. Vol. 3, No. 2, 1981, pp. 185-188.
• [6] DZWINEL W., BORYCZKO K., ARODŹ T., KURDZIEL M., Komputerowe metody detekcji nowotworów piersi w zdjęciach mammograficznych. Bio-Algorithms and Med-Systems, Vol. 1, No. 1/2, 2005, pp. 287-290. http://www.bams.cm-uj.krakow.pl/bams_pdf/287-290_dzwinel.pdf
• [7] FU K. S., GONZALEZ R. C., LEE C. S. G., ROBOTICS: Control, Sensing, Vision, and Intelligence. McGraw-Hill, New York 1987.
• [8] HAMILTON W. R., Sir., Lectures on quaternions. Royal Irish Academy, 1853.
• [9] HOUGH P. V. C., Method and means for recognizing complex patterns. U.S. Patent 3,069,654, Dec. 18, 1962.
• [10] ILLINGWORTH J., KITTLER J., A survey of the Hough Transform. Computer Vision, Graphics and Image Processing 44, 1988, pp. 87-116.
• [11] JAIN A. K., Fundamentals of Digital Image Processing. Prentice-Hall, New Jersey 1989.
• [12] KANEZAKI A., NAKAYAMA H., HARADA T., KUNIYOSHI Y., High-speed 3D Object Recognition using Additive Features in a Linear Subspace. IEEE International Conference on Robotics and Automation (ICRA 2010), pp.3128-3134, 2010. http://www.isi.imi.i.u-tokyo.ac.jp/~kanezaki/ICRA2010WeD116.pdf
• [13] KUIPERS J. B., Quaternions and Rotation Sequences: A Primer with Applications to Orbits, Aerospace and Virtual Reality. Princeton University Press, 2002.
• [14] LEAVERS V. F., Shape Detection in Computer Vision Using the Hough Transform. Springer, London 1992.
• [15] LI H., LAVIN M. A., LEMASTER R. J., Fast Hough transform. Proceedings of the Third Workshop on Computer Vision: Representation and Control (Bellaire, MI, October 13-16, 1985), IEEE Publ. 85CH2248-3, pp. 75-83.
• [16] MCAULAY A., Utility of Quaternions in Physics. London, 1893. http://www.gutenberg.org/ebooks/26262
• [17] MOKRZYCKI W. S., Wprowadzenie do przetwarzania informacji wizualnej. Wydawnictwo EXIT, 2010.
• [18] NAKAMURA K., ARIMURA K., YOSHIKAWA T., Recognition of object orientation and shape by a rotation spreading associative neural network. Neural Networks 2001: Proceedings of IJCNN '01, Vol.1, 2001, pp. 565-570.
• [19] PEDERSEN P. C., QUARTARARO J. D., SZABO T. L., Segmentation of speckle-reduced 3D medical ultrasound images. IEEE International Ultrasonics Symposium (IUS), 2008, pp. 361-366.
• [20] RADON J., Uber die Bestimmung von Funktionen durch ihre Integralwerte langs gewisser Mannigfaltigkeiten. Berichte Sachsische Akademie der Wissenschaften Leipzig, Math Phys Kl., 69, 1917, pp. 262-267.
• [21] SIMON L. A., Rotations, Quaternions, and Double Groups. Oxford University Press, 1986.
• [22] ŻORSKI W., FOXON B., BLACKLEDGE J., TURNER M., Irregular Pattern Recognition Using the Hough Transform. Machine Graphics & Vision, 9, 2000, pp. 609-632.
• [23] ŻORSKI W., Application of the Hough Technique for Irregular Pattern Recognition to a Robot Monitoring System. Proceedings of the 11th IEEE International Conference MMAR 2005, pp. 725-730.
• [24] ŻORSKI W., The Hough Transform Application Including Its Hardware Implementation. Advanced Concepts for Intelligent Vision Systems: Proceedings of the 7th International Conference, Lecture Notes in Computer Science, Springer-Verlag Vol. 3708/2005, pp. 460-467. http://www.springerlink.com/content/50yk3q0fw71x1qld
• [25] ŻORSKI W., Fast Hough Transform Based on 3D Image Space Division. Advanced Concepts for Intelligent Vision Systems: Proceedings of the 8th International Conference, Lecture Notes in Computer Science, Springer-Verlag Vol. 4179/2006, pp. 1071-1079. http://www.springerlink.com/content/6216256332x1p166
• [26] ŻORSKI W., Unknown scale objects recognition. Biuletyn WAT (652), 4/2008, pp. 197-207.
• [27] ŻORSKI W., SAMSEL P., Segmentacja obrazów kolorowych wzorcami nieregularnymi. Biuletyn ITA (26), 2009, pp.45-64. http://www.ita.wat.edu.pl/
• Źróła elektroniczne
• [28] Vectors, Vertices, and Quaternions (Direct3D 9). MSDN Library, Build date: 9/14/2010 http://msdn.microsoft.com/en-us/library/bb206327(VS.85).aspx
• [29] BATOR M., Automatyczna detekcja zmian nowotworowych w obrazach mammograficznych z wykorzystaniem dopasowania wzorców i wybranych narzędzi sztucznej inteligencji. Rozprawa doktorska, Warszawa 2008. http://www.ippt.gov.pl/_download/doktoraty/Bator_doktorat.pdf
• [30] WRÓBLEWSKA A, PRZELASKOWSKI A., System automatycznej detekcji i klasyfikacji mikrozwapnień w cyfrowej mammografii. Warszawa 2003. http://www.ire.pw.edu.pl/~arturp/Publikacje/Elektronizacja3_2003.pdf