Wyniki wyszukiwania - BazTech

1

On the effectiveness of various techniques of searching in 3D mesh objects in databases

Kowalski P.

Theoretical and Applied Informatics

|

2011

|

Vol. 23, No. 3-4

245-261

EN

The article compares some algorithm for object comparison, that can be used for searching 3D objects in database. There are tested: basic D2, TH, and EGI algorithms. The algorithms use histograms as descriptors of 3D shape. The techniques were tested using cultural heritage objects and objects from Shape Princeton Benchmark. Additional test use the same object represented with different accuracy. The tests give us conclusions about the restricted usefulness of the algorithms and suggest the important parameters for searching in database.

PL

Artykuł prezentuje wyniki trzech serii testów, które przeprowadzono dla sprawdzenia możliwości wykorzystania algorytmów D2, TH i EGI w zastosowaniu do rozpoznawania przestrzennych modeli obiektów dziedzictwa kulturowego w bazie danych takich obiektów. Algorytm D2 opiera się na porównywaniu histogramów długości połączeń między punktami na powierzchni obiektów. Dla każdego obiektu, po jego przeskalowaniu (sprowadzeniu do wspólnych wymiarów) wyznaczamy zadaną liczbę punktów na powierzchni. Punkty są wyznaczane losowo, przy czym zakładamy stałą gęstość rozkładu. Histogram długości tworzony jest dla wszystkich par punktów. W pierwszej serii testów wykorzystano także wariant algorytmu D2, który opiera się na histogramie odległości punktów powierzchniowych od środka ciężkości obiektu. Algorytm TH (ang. thickness histogram) stanowi wariant algorytmu D2 i opiera się na histogramie iloczynów wektorowych odcinków łączących punkty powierzchniowe (wyznaczane jak w przypadku algorytmu D2), oraz normalnych do odpowiadających im powierzchni. W przypadku EGI (ang. Extended Gaussian Image) wyznacza się powierzchnię obiektu odpowiadającą danej orientacji - stanowi to odpowiednik histogramu dla określonej liczby orientacji (wektorów normalnych, wyznaczonych na sferze gaussowskiej). We wszystkich wariantach algorytmów porównanie histogramów wykonywane jest za pomocą metody EMD (ang. Earth Mover's Distance), której zaletą jest odporność na drobne błędy w przeskalowaniu obiektów (dla algorytmów D2 i TH). W przypadku pierwszej serii testów porównano także inne techniki wyznaczania odległości między histogramami (odległość euklidesową, zsumowaną euklidesową, oraz Manhattan) - odległości euklidesowa i zsumowana euklidesowa nie wykazały jednak znacząco lepszych wyników pracy niż EMD, która powinna cechować się większą odpornością na błędy przeskalowania obiektów, odległość zaś Manhattan okazała się miarą znacząco gorszą. W pierwszej serii testów przeanalizowano odległości wyznaczone dla trzech koralików pochodzących z naszyjnika będącego znaleziskiem archeologicznym, pochodzą-cym z kręgu kultury łużyckiej. Testy wykazały, że wszystkie trzy warianty algorytmu D2 pozwalają poprawnie rozpoznać rozpoznawać obiekty, przy czym wykorzystanie odległości od środka ciężkości prowadzi do ograniczeń dokładności (co częściowo rekompensuje niższą złożonością obliczeniową, rosnącą liniowo wraz z liczbą punktów). Wyniki testów algorytmu TH sugerowały możliwość wykorzystania go dla realizacji zadania klasyfikacji. Testy wykazały także, że jakość odpowiedzi (tj. różnica między najgorszymi spasowaniami obiektu ze swoimi kopiami i z obiektami innymi, pozwalająca na określenie wartości progowej dla rozpoznania obiektu) rośnie wraz z liczbą wykorzystanych punktów powierzchniowych. W przypadku algorytmu EGI nie osiągnięto podobnych wyników - wszystkie rodzaje koralików różniły się w podobnym stopniu. Drugą serię testów przeprowadzono na danych pochodzących z bazy Shape Princeton Benchmark, a ich celem było sprawdzenie możliwości wykorzystania algorytmu TH dla podziału bazy danych na klasy. Uzyskane wyniki nie potwierdziły takiej możliwości, choć przeglądy bazy (rys. 8-10) wskazały na pewne rozróżnienie grup obiektów. Należy jednak zauważyć, że ze względu na rozmiar bazy (1815 obiektów) i jej zróżnicowanie (złożoność od 16 do 316498 trójkątów) ograniczono liczbę wykorzystanych punktów do maksymalnie 6000. Analiza możliwości klasyfikacji przy wykorzystaniu technik TH i D2 wymaga więc dalszych prac. Podobne wyniki uzyskano przy pomocy algorytmu EGI, przy czym listy najbardziej podobnych obiektów różniły się w przypadku algorytmu EGI i D2, co może sugerować wykorzystanie złożenia obu algorytmów do stworzenia bardziej złożonego deskryptora. Celem trzeciej serii testów była weryfikacja wpływu jakości reprezentacji siatki na uzyskane wyniki. Testy potwierdziły, że algorytmy D2 i EGI poprawnie radzą sobie z różnicami między różnymi reprezentacjami tego samego obiektu (różniącymi się liczbą trójkątów, a co za tym idzie także cechującymi się pewnym zróżnicowaniem kształtu), podczas gdy algorytm TH okazał się wrażliwy na takie zmiany, co przy testowej liczbie punktów (maksymalnie 12000) czyni go nieprzydatnym dla porównań. Przypuszczalnym powodem takiego zróżnicowania jest większy, w przypadku algorytmu TH, wpływ nachylenia trójkątów powierzchni na uzyskane rezultaty. Artykuł kończy podsumowanie, ukazujące jednocześnie kierunki dalszych potencjalnych prac - analizy technik klasyfikacji przy wykorzystaniu większej liczby punktów dla utworzenia histogramu oraz do testów porównań fragmentów powierzchni z kompletnymi obiektami.

2

Building the Models of Cultural Heritage Objects Using Multiple 3D Scanners

Skabek K., Kowalski P.

Theoretical and Applied Informatics

|

2009

|

Vol. 21, No. 2

115-129

EN

Our main goal is building of 3D model of cultural heritage objects using 3D scanners. We have tested four scanners: Konica-Minolta VI-9i, Faro LS880 HE80, Faro Laser ScanArm, and Portable 3dMDface System. Their features were utilized in the multiscanning process and that gives us new possibilities to modelling of complex objects. Scans are processed and integrated using Geomagic Studio (we also relate to Rapid Form, FARO Scene and Gexcel Reconstructor software packages). The tests give us hints and conclusions about the proper way of usage of the scanners. We also propose the scheme of multi scanning.

PL

Artykuł podejmuje problem skanowania obiektów dziedzictwa kulturowego przy pomocy skanerów przestrzennych. Obiekty dziedzictwa kulturowego stanowią szeroką klasę obiektów przestrzennych: rzeźby, płaskorzeźby, obiekty architektoniczne. Obiekty te różnią się wielkością, złożonością i dostępnością. Zakładamy, że obiekty nie zmienią swojego kształtu w czasie skanowania. Ograniczenia w digitalizacji takich obiektów związane są m.in. z brakiem możliwości nanoszenia dodatkowych warstw matowiących. Istotnym czynnikiem jest konieczność akwizycji tekstury powierzchni w wielu analizowanych przypadkach. W swoich badaniach ograniczyliśmy się do obiektów stosunkowo niewielkich (o wymiarach rzędu kilkudziesięciu centymetrów w każdym wymiarze), co pozwalało prowadzić czasochłonne testy w laboratorium. Testom poddano cztery różne skanery przestrzenne: Konica-Minolta VI-9i, Faro LS880 HE80, Faro Laser ScanArm, oraz Portable 3dMDface System. Zastosowanie poszczególnych skanerów odpowiada charakterowi zadań, do których zostały zbudowane – najwyrazistsze przykłady to: Faro LS880 HE80, przeznaczony do skanowania dużych przestrzeni (do odległości ok. 76 m), co jednak wiąże się z mniejszą dokładnością i gęstością próbkowania i utrudnia łączenie skanów z tego skanera z innymi testowanymi urządzeniami; Portable 3dMDface System, którego główną zaletą jest szybkie wykonanie skanu 3D, co pozwala na minimalizację błędów skanowania związanych z odkształcaniem obiektu (system przystosowany do skanowania twarzy). W przypadku dwóch pozostałych skanerów – Minolta Vi-9i i Faro Laser ScanArm zakres skanowanego obszaru się nakłada, choć różnią się dostępnością do szczegółów obiektu i dokładnością. Pierwszy z nich pozwala lepiej odwzorować ogólną geometrię skanowanego obiektu, drugi jest bardziej mobilny i cechuje się większą tolerancją na barwę i albedo powierzchni. Każdy z testowanych obiektów: popiersie Hermesa, odcisk godła Polski, oraz model samochodu stanowią odrębny przypadek, ze względu na możliwe do stosowania metody – wybór obiektów testowych miał umożliwić weryfikację funkcjonowania skanerów i oprogramowania w zastosowaniu do typowych obiektów dziedzictwa kulturowego, jak też wypracowanie schematów postępowania. Zaproponowano schemat skanowania obiektu w oparciu o kilka skanerów: 1. Wybierz pierwszy skan do integracji (rozpoczynając od skanowania skanerem Minolta, ze względu na jego charakterystykę). Tak pozyskany skan stanowi nasz tymczasowy model. 2. Importuj kolejne skany (przetwarzając je w miarę potrzeby). Uwaga: skany muszą posiadać wspólne części z istniejącym modelem. 3. Dokonaj manualnej rejestracji nowego skanu z istniejącym modelem. 4. Sprawdź jakość modelu. Jeśli to konieczne: przetwarzaj model. Jeśli wciąż istnieją różnice między skanami (np. identyczne powierzchnie w modelu okazują się równoległe do siebie), to wykonaj rejestrację globalną. 5. Jeśli wciąż mamy skany, które należy dołączyć do modelu – wracamy do punktu 2. 6. Opcjonalnie łączymy skany w jeden model. Procedura łączenia różnych skanerów podczas skanowania tego samego obiektu poprawia zeskanowany obszar, mimo jednak zaproponowania w artykule schematu postępowania dla skanowania wielu skanerami, wciąż sama procedura w znacznej mierze zależy od doświadczenia operatorów skanerów.

3

Prezentacja wybranych trójwymiarowych modeli numerycznych migracji metanu w rejonie ściany przydatnych do weryfikacji programu VentZroby

Krawczyk J.

Prace Instytutu Mechaniki Górotworu PAN

|

2009

|

Vol. 11, no. 1-4

113--122

PL

Rejon ściany wydobywczej wraz z przyległymi zrobami jest obiektem o bardzo złożonej strukturze. Złożoność ta sprawia, że do modelowania komputerowego przepływu powietrza kopalnianego i migracji metanu w tym obszarze są stosowane uproszczone modele. W wyrobiskach chodnikowych często korzysta się z przybliżenia jednowymiarowego przepływu. Dla obszaru zrobów podobny stopień uproszczeń zapewnia dwuwymiarowy opis. Ta metoda reprezentacji wyrobisk została z powodzeniem użyta w programie VentZroby. Niniejszy artykuł prezentuje wstępny etap prac nad weryfikacją i walidacją programu VentZroby poprzez porównanie z dokładniejszym, trójwymiarowym opisem. Dokonano w nim przeglądu metod dwu i trójwymiarowej reprezentacji wyrobisk chodnikowych i obszaru zrobów. Dwuwymiarowa symulacja metodą objętości skończonej może zostać wprost użyta do weryfikacji modelu zrobów, w którym obszar ten reprezentuje siatka bocznic. Dla trójwymiarowego opisu rozpatrywano dwa warianty, różniące się zakresem reprezentacji zrobów. W prostszym układ porowatych przegród i pomocniczych objętości miał służyć jedynie do zadania warunków brzegowych na dopływ metanu do wyrobisk chodnikowych. W pełniejszej wersji uwzględniono filtracyjny przepływ w prostopadłościennym obszarze o wymiarach odpowiadających rzeczywistym zrobom. Przedstawione obszary obliczeniowe mogą być wykorzystane do komputerowych symulacji przepływów powietrza kopalnianego i metanu w rejonie ściany.

EN

The face area with the adjoining goafs displays a structural complexity and that is why computer modelling of air flow in the mine and methane migration in this area has to resort to simplified models. Road headings are frequently represented by simple 1D models, in the case of goaf a 2D model is typically chosen. Such representation is made use of in the software VentZroby. This study summarises the early stage of its verification and validation efforts through the comparison with a more accurate 3D description. The study provides a summary of methods of 1D and 2D representation of road headings and goaf areas. 2D simulation by the finite volume method can be directly applied in verification of goaf models wherein this area is represented by the grid of 1D flow branches. Two variants of 3D representation are considered, differing in the complexity of the goaf model. In the simpler model, the system of porous partitions and equivalent volumes is used only for setting the boundary conditions during the methane inflow to the longwall and gates. In the fuller version, the seepage flow is considered in a cuboidal volume whose dimensions are identical with those of real goaf. Thus formulated domains might be used in computer simulations of mine air and methane flow in the longwall region.

4

Parametric bivariate surfaces with neural networks

Mingo L. F., Martinez A., Gimenez V., Castellanos J.

Machine Graphics and Vision

|

2000

|

Vol. 9, No. 1/2

41-46

EN

This paper presents the application of Enhaced Neural Networks (ENN) to the field of Image Processing, more precisely, to the field of surfaces approximation via the generalization property that ENNs have. This architecture can perform a polynominal approximation of a given pattern sen in such a way that if the net has "n" hidden layers, then it will compute the "n"+2 degree polynominal approximation to its pattern set. Moreover, the behaviour of this net can be modified just modifying the activation functon f(x) of some neurons, in such a way that the net will compute the approximation to the pattern set using a function basis of functions f(x), this way the net computes the non lineal combination of basis elements to output the desired approximation. ENNs are used to represented a surface approximation. Some examples, concerning results when learning surfaces, are explained along this paper. Results are good since the Mean squared Error is very low and the computation time too.