Wyniki wyszukiwania - BazTech

1

Wieloobrazowe dopasowanie zdjęć bliskiego zasięgu do automatycznej rekonstrukcji fotorealistycznych modeli 3D

Zawieska D.

Prace Naukowe Politechniki Warszawskiej. Geodezja

|

2013

|

z. 50

5--96

PL

Modelowanie obiektu, wykorzystujące obrazy cyfrowe, zostało zdefiniowane jako kompletny proces rozpoczynający się pozyskaniem obrazów, a kończący utworzeniem interaktywnego, wirtualnego modelu 3D. Teza, jaką przyjęto w niniejszej rozprawie, opiera się na założeniu, że przez dobór odpowiednich algorytmów przetwarzania obrazów cyfrowych, wykorzystywanych w środowisku fotogrametrycznym i widzeniu maszynowym (CV), umożliwia wieloobrazowe, automatyczne dopasowanie obrazów cyfrowych bliskiego zasięgu, w celu wykonania automatycznej rekonstrukcji foto realistycznych modeli 3D wybranych obiektów. Na podstawie przeglądu literatury krajowej i zagranicznej przeprowadzono analizę rozwiązań istniejących systemów pomiarowych, wykorzystywanych do modelowania 3D w fotogrametrii bliskiego zasięgu. W analizie uwzględniono takie czynniki, jak stopień automatyzacji pomiarów, liczbę, geometrię oraz jakość wykorzystywanych obrazów cyfrowych. Dokonano studium literaturowego dotyczącego charakterystyki przetwarzania obrazów, w szczególności obejmującego problematykę automatycznej detekcji narożników (punktów charakterystycznych) oraz modelowania 3D obiektów bliskiego zasięgu. Na podstawie przeprowadzonych analiz, wyodrębniono operatory, które mogą być wykorzystane dla automatycznego wykrywania punktów charakterystycznych obiektu, odwzorowanego na obrazach cyfrowych: Morayeca, Harrisa, Trajkoyica, SUSAN (ang. Smallest Univalue Segment Assimilaling Nucleus), SIFT (ang. Scale Invariant Feature Transform). Dokonano przeglądu algorytmów automatycznego dopasowywania obrazów, ze szczególnym uwzględnieniem metody ABM (ang. Area Base Matching), zintegrowanej z algorytmami stosowanymi w widzeniu maszynowym (ang. Computer Vision). Jako wynik szerokich analiz teoretycznych i eksperymentalnych, do automatycznego generowania przestrzennej chmury punktów zaproponowano ostatecznie następujący pakiet algorytmów: do wykrywania punktów charakterystycznych na obrazach cyfrowych - operator SUSAN; do do pasowywanla obrazów cyfrowych - metody ABM/lmage Dislance (opcjonalnie, w zależności od liczby wykrytych punktów na obrazie cyfrowym), ABM/CC, ABM/LSM; do obliczania tensora, na podstawie dopasowanych punktów charakterystycznych - algorytm RANSAC (ang. Random Simple Consensus). Przeprowadzone analizy i eksperymenty pozwoliły zdefiniować warunki dotyczące geometrii zdjęć, oświetlenia, jakości tekstury obiektu oraz rozdzielczości i formatu obrazu cyfrowego do opracowania autorskiego pakietu algorytmów do automatycznego generowania modeli 3D wybranych obiektów bliskiego zasięgu. Zaprojektowano modułową strukturę prototypu oprogramowania, 2 których każdy realizuje inny etap generowania modelu 3D. Udowodniono, ze dobierając algorytmy wielo obrazowego przetwarzania obrazów cyfrowych, stosowane w środowisku fotogrametrycznym i widzeniu maszynowym, można automatycznie generować powierzchnie wybranych modeli 3D bliskiego zasięgu.

EN

Modelling objects using digital images has been defined as a complete process which starts from image acquisition and is completed by creation of a virtual 3D model. The thesis which has been assumed for the present work is based on the assumption that by using specially selected algorithms applied in photogrammetry and in computer vision (CV), it is possible to perform multi-image, automatic, digital matching of close range images, in order to automatically reconstruct photorealistic 3D models of selected objects. Basing on reviews of Polish and foreign publications, an analysis of existing measuring systems has been performed, which are applied for 3D modelling in close range photogrammetry, The performed analyses considered such factors as: measurement automation level, the number, geometry and quality of applied digital images. The study of publications concerning image processing characteristics, with particular attention paid to automatic detection of corners (characteristic points), as well as 3D modelling of close range objects, has been performed. The analyses allow to select the following algorithms which might be applied for automatic detection of characteristic points of an object, visible on digital images: Moravec, Harris, Trajkovic, SUSAN (Smallest Univalue Segment Assimilating Nucleus), SIFT (Scale Invariant Feature Transform). Algorithms for automatic image matching, with particular consideration of the ABM (Area Base Matching) method, integrated with algorithms applied in computer vision, have also been reviewed. As a result of comprehensive theoretical and experimental analyses, the following package of algorithms has been finally proposed for automatic generation of a spatial point cloud: for detection of characteristic points on digital images - SUSAN algorithm; for digital image matching - successive utilization of the ABM/Image Distance method (as an option, depending on the number of points detected in me digital image), the ABM/CC, ABM/LSM method; for tensor calculations basing on matched characteristic points it is proposed to apply the RANSAC (Random Simple Consensus) algorithm. The performed analyses and experiments allow to define conditions related to image geometry, illumination, texture quality, as well as resolution and formats of digital images with respect to development of the author's package of algorithms for automatic generation of 3D models of selected close range objects. A modular structure of prototype software has been designed, in which every module performs successive stages of the 3D model generation. It was also proved that - after selection of appropriate algorithms of multi-image digital image processing, applied in photogrammetry and computer vision - it is possible to automatically generate surfaces of selected 3D close range models.

2

Automatyczna rekonstrukcja modeli 3D małych obiektów bliskiego zasięgu

Zawieska D.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

|

2013

|

Vol. 25

295--302

EN

Reconstruction of three-dimensional, realistic models of objects from digital images has been the topic of research in many areas of science for many years. This development is stimulated by new technologies and tools, which appeared recently, such as digital photography, laser scanners, increase in the equipment efficiency and Internet. The objective of this paper is to present results of automatic modeling of selected close range objects, with the use of digital photographs acquired by the Hasselblad H4D50 camera. The author's software tool was utilized for calculations; it performs successive stages of the 3D model creation. The modeling process was presented as the complete process which starts from acquisition of images and which is completed by creation of a photorealistic 3D model in the same software environment. Experiments were performed for selected close range objects, with appropriately arranged image geometry, creating a ring around the measured object. The Area Base Matching (CC/LSM) method, the RANSAC algorithm, with the use of tensor calculus, were utilized form automatic matching of points detected with the SUSAN algorithm. Reconstruction of the surface of model generation is one of the important stages of 3D modeling. Reconstruction of precise surfaces, performed on the basis of a non-organized cloud of points, acquired from automatic processing of digital images, is a difficult task, which has not been finally solved. Creation of poly-angular models, which may meet high requirements concerning modeling and visualization is required in many applications. The polynomial method is usually the best way to precise representation of measurement results, and, at the same time, to achieving the optimum description of the surface. Three algorithm were tested: the volumetric method (VCG), the Poisson method and the Ball pivoting method. Those methods are mostly applied to modeling of uniform grids of points. Results of experiments proved that incorrect utilization of these methods results in various artifacts and deformations of models. After generation of a triangular grid of the modeled surface, results were visualized using the shading methods and texturing of the cloud of points. The accuracy of obtained reconstructions of the model surface equaled bellow 1 mm.

PL

Celem niniejszego artykułu jest prezentacja wyników automatycznego modelowania wybranych obiektów bliskiego zasięgu (głowa manekina, kamień) z wykorzystaniem obrazów cyfrowych z aparatu Hasselblad H4D50. Do obliczeń wykorzystano autorski program, realizujący kolejne etapy tworzenia modelu 3D. Proces modelowania został zaprezentowany jako kompletny proces rozpoczynający się od pozyskania obrazów, który jest ukończony wraz z utworzeniem fotorealistycznego modelu 3D, w tym samym środowisku programowym. Eksperymenty przeprowadzono na wybranych obiektach bliskiego zasięgu, z odpowiednio wykonaną geometrią zdjęć, tworzących pierścień (okrąg) wokół mierzonego obiektu. Do automatycznego dopasowania punktów, wykrytych algorytmem SUSAN, wykorzystano metodę Area Base Matching (CC/LSM), algorytm RANSAC wykorzystując rachunek tensorowy. Rekonstrukcja powierzchni generowania modelu jest jednym z bardzo ważnych etapów modelowania 3D. Rekonstrukcja precyzyjnych powierzchni na podstawie nieregularnej chmury punktów uzyskanych z automatycznego opracowania obrazów cyfrowych jest zagadnieniem otwartym. Tworzenie wielokątnych modeli, które mogą sprostać wysokim wymaganiom w zakresie modelowania i wizualizacji, potrzebne jest w wielu aplikacjach. Metoda wielokątów jest zwykle idealna drogą do dokładnego reprezentowania wyników pomiarów, a jednocześnie do uzyskania optymalnego opisu powierzchni. Przetestowano trzy algorytmy: metodę objętościową (VCG), metodę Poissona i metodę Ball Pivoting. Metody te są najczęściej stosowane do modelowania jednorodnej siatki punktów. Wyniki eksperymentów wykazały, że niewłaściwe zastosowanie tych metod powoduje różne artefakty i zniekształcenia powierzchni modelu. Po utworzeniu siatki trójkątów modelowanej powierzchni, wyniki zwizualizowano wykorzystując metodę cieniowania oraz teksturowanie chmury punktów. Dokładność uzyskanej rekonstrukcji powierzchni modelu uzyskano z poniżej 1 mm.

3

Wybrane operatory detekcji w automatyzacji dopasowywania obrazów cyfrowych bliskiego zasięgu

Zawieska D.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

|

2010

|

Vol. 21

481--491

PL

Rekonstrukcja trójwymiarowych realistycznych modeli obiektów z obrazów cyfrowych jest od długiego czasu tematem badań w fotogrametrii i widzeniu komputerowym. Uzyskanie w praktyce, realistycznego 3D modelu jest niezmiernie trudne, biorąc pod uwagę dostępne technologie. Operatory detekcji stanowią pierwszy krok w procesie, który ma na celu znalezienie punktów obiektów służących do wzajemnego wpasowania wielu obrazów. W tym celu często korzysta się z podstawowych obiektów geometrycznych takich jak proste czy punkty. Popularnymi metodami wykrywania narożników są operatory Moravec i Harris. Ich zastosowanie powinno zapewnić wykrycie punktów charakterystycznych dla wykrywanych obiektów, jakimi są narożniki. Są to jednak operatory parametryczne i zmiany takich elementów jak rozmiar okna operatora, czy progu należy ustalać indywidualnie dla każdego analizowanego zdjęcia. W referacie przedstawiono metodę, która ma zapewnić dokładniejszą lokalizację wykrywanych punktów poprzez zastosowanie przekształceń oryginalnych obrazów filtrami wykrywającymi krawędzie. Dzięki tej operacji punkty wykrywane są tylko i wyłącznie na krawędziach. Zabieg ten zmniejsza istotność parametrów z jakimi wywoływane są detektory narożników, a więc ułatwia ich dobór. W badaniach zastosowano dwa rodzaje wykrywania krawędzi: ostre i rozmyte. Dla krawędzi ostrej obraz sprowadzany jest do postaci binarnej. Dla krawędzi rozmytej, punkty tworzące krawędź przyjmują różne wartości nasycenia. Wybór algorytmu wpływa w istotny sposób na liczbę i rozmieszczenie wykrytych punktów. Mając do dyspozycji trzy strategie wykrywania punktów, czyli pracę na obrazie oryginalnym, na krawędziach ostrych lub rozmytych, przeprowadzono szereg testów mających wykazać racjonalność zastosowania powyższych strategii dla zdjęć wykonywanych w różnych warunkach oświetleniowych i obiektów o różnych typach faktur.

EN

The reconstruction of realistic 3D models from digital images is one of the main issues of photogrammetry and computer vision. In practice, it is exquisitely hard to generate a realistic model with available technologies. Detection operators are the first step in a measure process, which allows finding points useful for image matching. For this primitives are used such as lines or points. Common corners detection methods are the Moravec and Harris operators. They can be applied to detect characteristic points of objects, such as corners. However, the operators are determined by many parameters such as the threshold or window parameters, that should be adjusted for each image separately. In this paper the method that allows better localization of corners, by using an edge detection, is presented. The method enables detection of corners on the edges, that limits the influence of the corner detector’s parameters. Two forms of edge detection were tested: sharp and soft. In the first case the image is transformed to a binary form. In the second, the edge points assume different intensities. The selection of an algorithm affects in a significant way the number and distribution of the detected corners. All the strategies, i.e. detection on the original image and with soft and sharp detection of the edges were compared for pictures with varied illumination and objects with different types of facture. Experiments that have been done allow development of an automatic feature detection and an image measure, which constitutes the main process that aims at creating procedures for an automatic detection of a cloud of points with high accuracy in multi-image sets used to generate a realistic 3D model of a measured object.

4

Analiza dokładności kształtu modelu elementu przemysłowego pozyskanego ze zdjęć cyfrowych i skaningu naziemnego

Zawieska D., Klimkowska A.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

|

2010

|

Vol. 21

493--502

PL

Celem niniejszego referatu jest porównanie dokładności odtworzenia kształtu elementu łopaty wirnika nośnego śmigłowca pozyskanego ze zdjęć cyfrowych i skaningu naziemnego. Zdjęcia wykonano aparatem cyfrowym CANON EOS20D. Automatyczne dopasowanie zdjęć (matching), wykonano przy wykorzystaniu programu PhotoModeler Scanner. Do pomiaru badanej powierzchni metodą skaningu naziemnego, wykorzystano precyzyjny skaner optyczny ATOS II firmy GOM, który jest stosowany w pomiarach przemysłowych. Porównanie wygenerowanych modeli 3D, z modelem projektowym obiektu, wykonano w programie NX Siemens, będącym zaawansowanym programem typu CAD/CAM/CAE. Dopasowanie modeli wykonano na całym obiekcie, na wybranych profilach badanej łopaty wirnika. Ocenę dokładności otrzymano na podstawie pomiaru odchyłek na 148 punktach, dla których policzona została wartość średnia. Wymagana dokładność, określona przez specjalistów, odtworzenia kształtu tego rodzaju elementu konstrukcyjnego śmigłowca wynosi 0.1 mm. W prezentowanym eksperymencie otrzymano dla modelu fotogrametrycznego 0.42 mm, dla modelu ze skaningu laserowego 0.22 mm.

EN

The purpose of this paper is to compare the accuracy of shape of an element of the main rotor of a helicopter reconstructed from digital photographs and terrestrial scanner. The purpose of the main rotor is to generate the thrust necessary for the flight (forward, backward, sideward), as well as the moments for stability and control. The construction of such types of objects requires very high precision, since the admissible error of the reproduced part amounts to 0.1 mm. To carry out an analysis of the accuracy, 3D models obtained from different data were generated. A first reference model was created from the design data.. Design data allow to draw profiles of the main rotor and then describe its surface, and it is possible to measure coordinates of any point of the object. A second model was obtained from digital images taken by the Canon EOS 20D camera and with use of two types of coded and uncoded reference points placed on the object. Automatic image matching was executed in the PhotoModeler Scanner software. The third model was reconstructed on the basis of data from terrestrial laser scanning, where the industrial precise ATOS II scanner from the GOM company was used. In addition, special target points for automatic scan matching on this object were located. A comparison of these two generated 3D models with the reference model was carried out in the NX program, which is an advanced CAD/CAM/CAE software. Based on the analysis, both evaluation of the accuracy of the generated models and the time consumption and economic aspects were compared.