BazTech - Yadda

1

A suite of tools supporting data streams annotation and its use in experiments with hand gesture recognition

Kapuściński T., Warchoł D.

Studia Informatica

|

2017

|

Vol. 38, nr 4

89--107

EN

In this paper we present the concept and our implementation of a suite of tools supporting the annotation of sequential data. These tools are useful in experiments related to multimedia data sequences. We show the two exemplary usage scenarios of these tools in the process of building the gesture recognition system.

PL

W artykule przedstawiamy koncepcję i naszą implementację zestawu narzędzi wspomagających adnotowanie danych sekwencyjnych. Opracowane narzędzia są użyteczne w eksperymentach związanych z sekwencjami danych multimedialnych. Przedstawiono dwa przykładowe scenariusze użycia tych narzędzi w procesie budowy systemu rozpoznawania gestów wykonywanych dłonią.

2

Automatyczne określanie średnicy pnia, podstawy korony oraz wysokości sosny zwyczajnej (Pinus Silvestris L.) na podstawie analiz chmur punktów 3D pochodzących z wielostanowiskowego naziemnego skanowania laserowego

Ratajczak M., Wężyk P.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

|

2015

|

Vol. 27

123--138

PL

Rozwój technologii naziemnego skanowania laserowego (TLS) w ostatnich latach spowodował jej uznanie i wdrożenie w wielu gałęziach gospodarki, w tym w leśnictwie i ochronie przyrody. Wykorzystanie chmur punktów 3D TLS w procesie inwentaryzacji drzew i drzewostanów oraz określaniu wybranych cech biometrycznych drzewa (np. średnicy pnia, wysokości drzewa, podstawy korony, liczby kształtu pnia) oraz wielkości surowca drzewnego (objętość drzew) staje się już praktyką. Wartością dodaną technologii TLS poza dokładnością samego pomiaru jest automatyzacja procesu przetwarzania chmury punktów 3D pod katem ekstrakcji wybranych cech drzew i drzewostanów. Praca prezentuje autorskie oprogramowanie (GNOM) służące do automatycznego pomiaru wybranych parametrów drzew na podstawie chmury punktów pozyskanych skanerem laserowym FARO FOCUS 3D. Dzięki opracowanym algorytmom (GNOM) określono lokalizację pni drzew na kołowej powierzchni badawczej oraz dokonano pomiarów: pierśnicy pni (d1.3), kolejnych średnic pnia na różnych wysokościach pnia, wysokości wierzchołka drzewa, podstawy korony i objętości pnia (metoda pomiaru sekcyjnego) oraz korony drzewa. Prace badawcze realizowano na terenie Nadleśnictwa Niepołomice w jednogatunkowym drzewostanie sosnowym (Pinus sylvestris L.) na powierzchni kołowej o promieniu 18.0 m w zasięgu której znajdowało się 16 sosen (14 z nich ścięto). Drzewostan w wieku 147 lat miał jednopiętrową budowę i był pozbawiony podszytu. Naziemne skanowanie laserowe przeprowadzono tuż przed pracami zrębowymi. Pierśnicę 16 sosen określono w pełni automatycznie algorytmem GNOM z błędem około +2,1% w stosunku do pomiaru referencyjnego wykonanego średnicomierzem. Średni, bezwzględny błąd pomiaru w chmurze punktów - półautomatycznymi metodami "PIXEL" (pomiędzy punktami) oraz PIPE (wpasowanie walca) w programie FARO Scene 5.x, wykazał błąd odpowiednio: 3.5% oraz 5.0%. Za referencyjną wysokość wierzchołka przyjęto pomiar taśmą mierniczą na ściętym drzewie. Średni błąd automatycznego określania wysokości drzew algorytmem GNOM na podstawie chmury punktów TLS wyniósł 6.3%, i był niewiele większy niż przy zastosowaniu manualnej metody pomiaru na przekrojach w programie TerraScan (Terrasolid; błąd ~5.6%). Pomiar wysokości podstawy korony wykazał błąd na poziomie +9,5%. Referencję w tym przypadku stanowił pomiar taśmą wykonany ściętych sosnach. Przetwarzanie chmur punktów TLS algorytmami GNOM w przypadku 16 analizowanych sosen trwało poniżej 10 min (37 sek. /drzewo). W pracy wykazano jednoznacznie przydatność technologii TLS w leśnictwie i jej wysoką dokładność przy pozyskiwaniu danych biometrycznych drzew oraz dalszą potrzebę zwiększania stopnia automatyzacji przetwarzania chmur punktów 3D pochodzących z naziemnego skanowania laserowego.

EN

Rapid development of terrestrial laser scanning (TLS) in recent years resulted in its recognition and implementation in many industries, including forestry and nature conservation. The use of the 3D TLS point clouds in the process of inventory of trees and stands, as well as in the determination of their biometric features (trunk diameter, tree height, crown base, number of trunk shapes), trees and lumber size (volume of trees) is slowly becoming a practice. In addition to the measurement precision, the primary added value of TLS is the ability to automate the processing of the clouds of points 3D in the direction of the extraction of selected features of trees and stands. The paper presents the original software (GNOM) for the automatic measurement of selected features of trees, based on the cloud of points obtained by the ground laser scanner FARO. With the developed algorithms (GNOM), the location of tree trunks on the circular research surface was specified and the measurement was performed; the measurement covered the DBH (l: 1.3m), further diameters of tree trunks at different heights of the tree trunk, base of the tree crown and volume of the tree trunk (the selection measurement method), as well as the tree crown. Research works were performed in the territory of the Niepolomice Forest in an unmixed pine stand (Pinussylvestris L.) on the circular surface with a radius of 18 m, within which there were 16 pine trees (14 of them were cut down). It was characterized by a two-storey and even-aged construction (147 years old) and was devoid of undergrowth. Ground scanning was performed just before harvesting. The DBH of 16 pine trees was specified in a fully automatic way, using the algorithm GNOM with an accuracy of +2.1%, as compared to the reference measurement by the DBH measurement device. The medium, absolute measurement error in the cloud of points - using semi-automatic methods "PIXEL" (between points) and PIPE (fitting the cylinder) in the FARO Scene 5.x., showed the error, 3.5% and 5.0%,.respectively The reference height was assumed as the measurement performed by the tape on the cut tree. The average error of automatic determination of the tree height by the algorithm GNOM based on the TLS point clouds amounted to 6.3% and was slightly higher than when using the manual method of measurements on profiles in the TerraScan (Terrasolid; the error of 5.6%). The relatively high value of the error may be mainly related to the small number of points TLS in the upper parts of crowns. The crown height measurement showed the error of +9.5%. The reference in this case was the tape measurement performed already on the trunks of cut pine trees. Processing the clouds of points by the algorithms GNOM for 16 analyzed trees took no longer than 10 min. (37 sec. /tree). The paper mainly showed the TLS measurement innovation and its high precision in acquiring biometric data in forestry, and at the same time also the further need to increase the degree of automation of processing the clouds of points 3D from terrestrial laser scanning.

3

Teksturowanie modeli obiektów o złożonej geometrii na podstawie danych z naziemnego skaningu laserowego

Kolecki J., Słota M.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

|

2012

|

Vol. 24

145--154

PL

Obrazy pozyskane podczas rejestrowanej w trakcie skanowania laserowego chmury punktów pozwalają na tworzenie tekstur modelowanego obiektu, co zwiększa jego zawartość informacyjną. Generowanie tekstur bezpośrednio z pozyskanych obrazów wymaga znajomości parametrów odwzorowania, w którym powstaje zdjęcie. Jednak także informacja o kolorze zapisana jako atrybuty punktów chmury może być wykorzystana do tworzenia tekstur modelowanego obiektu. W takim przypadku chmura punktów może pośredniczyć w tworzeniu obrazów tekstur a cały proces teksturowania odbywa się bez bezpośredniego udziału zdjęć. Celem niniejszych badań było opracowanie metody teksturowania modeli obiektów o złożonej geometrii na podstawie kolorowej chmury punktów pochodzącej z naziemnego skaningu laserowego. Wynikiem pracy jest autorski program do tworzenia tekstur, bezpośrednio w oparciu o kolory RGB chmury punktów. Danymi wejściowymi do programu są chmury punktów w formacie tekstowym oraz obiekty 3D w formacie VRML. W celu przyspieszenia obliczeń w pierwszym kroku wykonywana jest automatyczna segmentacja chmur punktów. Następnie pozyskiwana jest informacja o geometrii płaszczyzn obiektu na podstawie pliku VRML. W efekcie analiz przestrzennych pomiędzy położeniem pikseli na teksturowanych płaszczyznach i chmurą punktów, pozyskiwane są informacje o kolorze pikseli oraz tworzone są tekstury obiektu. Uzyskane wyniki pokazują, że tworzone w ramach prac testowych tekstury mogą posiadać artefakty, będące efektem niedopasowania radiometrycznego zdjęć pozyskiwanych z różnych stanowisk skanowania.

EN

Images taken during point cloud acquisition using laser scanning can be subsequently utilized for generating textures of 3D models. As a result the final amount of information associated with produced model is increased. Automatic texture generation using captured images directly, demands the knowledge about parameters describing image projection. However using the information about color stored as point cloud attributes allows texture generation without using the images directly. The addressed researches aim to develop a method of model texturing. As the final result a simple GUI application has been created in C++. Point clouds in text format and VRML models are used as the input data. In order to speed up the calculation process, in the first step the automatic segmentation of the point clouds is performed. Secondly the information about the object surfaces is obtained based on VRML file and then textures are defined. After performing spatial analysis between pixels position on textured surfaces and point cloud, the pixels color information is computed and texture images are generated. The results show that the test objects textures may be affected by noise resulting from radiometric discrepancies between images acquired from different standpoints.