بازسازی سه بعدی از یک عکس: 8 مرحله

2024 نویسنده: John Day | [email protected]. آخرین اصلاح شده: 2024-01-30 08:51

وظیفه بازسازی سه بعدی معمولاً با دید دو چشمی همراه است. از طرف دیگر ، ممکن است یک دوربین را در اطراف شی حرکت دهید. در همین حال ، اگر شکل جسم مشخص باشد ، ممکن است کار با یک عکس حل شود. یعنی فقط یک دوربین دارید و حرکت نمی کند. بیایید نحوه انجام این کار را گام به گام بررسی کنیم. ما از مکعب روبیک استفاده می کنیم زیرا استاندارد است و مجموعه ای غنی از ویژگی ها را دارد. ممکن است به عنوان یک شیء بسیار ساده و همزمان یک ساختار پیچیده در نظر گرفته شود. بنابراین بینایی ماشین باید موانع قابل توجهی را پشت سر بگذارد تا کار را تکمیل کند.

مرحله 1: پیچیدگی کار را ارزیابی کنید

در نگاه اول ، کار ساده است. گره مرکزی را که 3 لبه مکعب به هم می رسند پیدا کنید و این لبه ها را بکشید. از مختصات آنها می توان فاصله از دوربین و زوایای چرخش را محاسبه کرد. مشکل این است که این خطوط وجود ندارد. از تصویر سمت چپ می بینید که هر لبه با 2 خط موازی نشان داده شده است. علاوه بر این ، تصویر بالا سمت راست نشان می دهد که هر یک از آنها به 3 قسمت تقسیم شده است. علاوه بر این ، اگر از یک نوع تبدیل محبوب Hough استفاده کنیم که می تواند بخش های خط را تشخیص دهد ، این کار را با خطاهایی انجام می دهد که تشخیص گره مرکزی را غیرممکن می کند. اگر انتها به یکدیگر نرسند ، هیچ نقطه واحدی وجود ندارد. اگر تشخیص بیش از حد پایان یابد ، مانند گره ای در وسط لبه به نظر می رسد همانطور که در 2 تصویر باقی مانده مشاهده می کنید.

مرحله 2: روش مناسب را بیابید

وقتی جزئیات زیاد الگوریتم های قطعی را غیرقابل اجرا می کند ، وقت آن است که رویکرد احتمالی را در نظر بگیریم. اگر پارامترهای میانگین تصویر را محاسبه کنیم ، خطاهای آنها به میزان قابل توجهی کاهش می یابد و به طور متناقض روش معتبرتر می شود. تبدیل استاندارد Hough قطعات خط را خروجی نمی دهد. فقط شیب آن تتا و فاصله rho از مبدا مختصات. آنها قسمت فضایی Hough را تشکیل می دهند که در بالا نشان داده شده است. در اینجا تتا مطابق با محور افقی است. نقاط روشن خطوط احتمالی را روی تصویر مشخص می کنند. توجه داشته باشید که چندین نقطه از این قبیل یکی روی هم قرار گرفته اند. جای تعجب نیست ، در تصویر ما خطوط موازی زیادی وجود دارد. آنها تتا و rho متفاوت دارند.

مرحله 3: هیستوگرام تتا را محاسبه کنید

بیایید چنین خوشه هایی را تشخیص دهیم. برای این منظور ما خواندن همه نقاط در فضای Hough را با یک تتا خلاصه می کنیم. هیستوگرام مربوطه را در تصویر مشاهده می کنید. چند نکته در مورد اندازه گیری هنگامی که با تصاویر در مختصات پیکسل کار می کنید ، محور X طبق معمول پیش می رود ، اما Y به سمت پایین است ، بنابراین مبدا مختصات گوشه سمت چپ بالا است و تتا باید از محور X در جهت عقربه های ساعت اندازه گیری شود. با در نظر گرفتن اینکه کل رفت و آمد تتا روی تصویر 180 درجه است ، تقریباً می توانید بررسی کنید که 3 قله اصلی نشان دهنده 3 شیب غالب بر روی تصویر است.

مرحله 4: هیستوگرام Rho را محاسبه کنید

اکنون که 3 خوشه اصلی خطوط موازی را می شناسیم ، بگذارید خطوط را در هر یک از آنها جدا کنیم. ما می توانیم همین رویکرد را تکرار کنیم. بیایید یک ستون از فضای Hough بگیریم که مربوط به یک قله در هیستوگرام تتا است. در مرحله بعد ، هیستوگرام دیگری را محاسبه می کنیم که در آن محور X نشان دهنده مقدار rho و Y - خواندن خلاصه شده برای این rho است. بدیهی است که مبلغ کمتر خواهد بود بنابراین این نمودار چندان هموار نیست. با این وجود ، قله ها به وضوح قابل مشاهده هستند و تعداد آنها (7) دقیقاً با تعداد خطوط موازی در تصویر منبع مطابقت دارد. متأسفانه ، همه نمودارها آنقدر کامل نیستند ، اما اصل آن روشن است.

مرحله 5: گره مرکزی را پیدا کنید

اگر قله مرکزی را در هیستوگرام rho برای هر تتا بگیریم ، 3 خط دریافت می کنیم که روی تصویر قرمز هستند. تقاطع آنها نقطه لازم را مشخص می کند.

مرحله ششم: از بین دو گزینه جایگزین را انتخاب کنید

مشاهده می کنید که هر خط از نقطه مرکزی در هر دو جهت حرکت می کند. چگونه می توان نیمه صحیح را تعیین کرد؟ بیایید theta3 را بگیریم. فرض کنید ما قسمت پایینی این خط را می گیریم. بیایید یک فضای Hough دیگر فقط برای بخشی از تصویر از 2 خط سبز به گوشه سمت راست بالای تصویر محاسبه کنیم. سپس هیستوگرام تتا را برای آن ایجاد کنید. می بینید که قله سوم به طور کامل ناپدید شد ، بنابراین ما انتخاب صحیح را انجام داده ایم.

مرحله 7: گوشه های خارجی را تعیین کنید

اکنون می توانیم از اولین و آخرین قله در هیستوگرام rho استفاده کنیم تا خطوط آبی ترسیم کنیم که لبه های قرمز را بریده و گوشه های بقیه را مشخص می کند. کار حل شده است.

مرحله 8: آن را در تمرین امتحان کنید

تصاویر این دستورالعمل با استفاده از Perception 1.0 ایجاد شده است. این نرم افزار رایگان است که از OpenCV استفاده می کند - یک کتابخانه قدرتمند برای بینایی رایانه. همچنین ممکن است به WinNB مرتبط باشد که در دستورالعمل دیگر من استفاده شده است ، بنابراین توانایی بینایی را برای روباتیک فراهم می کند. می توانید هر دو برنامه را از nbsite بارگیری کنید. برای نصب ، فقط فایل exe بارگیری شده را اجرا کنید. بعداً می توانید آن را با استفاده از ابزار استاندارد ویندوز حذف کنید. این سایت همچنین حاوی منابعی در مورد بینایی رایانه و موضوعات مرتبط است. در ادراک شما روش توصیف شده بازسازی سه بعدی و بسیاری دیگر را خواهید یافت. مزیت این برنامه این است که نتیجه نهایی را به همراه داده های متوسط خروجی می دهد. شما می توانید در مورد چگونگی عملکرد بینایی کامپیوتر بدون برنامه نویس بودن تحقیق کنید. در مورد ورودی ، هر روش به طور خاص نمونه های معمولی را انتخاب کرده است. البته ، شما می توانید از خود نیز استفاده کنید. امکان وارد کردن تصاویر از یک فایل یا از دوربین رایانه وجود دارد. در صورت داشتن هرگونه سوال یا پیشنهاد با من تماس بگیرید.