Исследование метода 3D сканирования, основанного на модели отражения света поверхностью тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Кузнецов Виталий Александрович

• Кузнецов Виталий Александрович
• кандидат наук
• 2020

Оглавление диссертации кандидат наук Кузнецов Виталий Александрович

ВВЕДЕНИЕ

ГЛАВА 1 ОБЗОР МЕТОДОВ ТРЕХМЕРНОГО СКАНИРОВАНИЯ

1.1 Общая характеристика методов трехмерного сканирования

1.2 Метод лазерной триангуляции

1.3 Метод определения третьей координаты, с использованием фокусировки / расфокусировки

1.4 Метод с использованием стереоэффекта

1.5 Метод структурированного света

1.6 Метод трехмерного сканирования, основанный на модели отражения света поверхностью

1.7 Выводы по главе

ГЛАВА 2 ПРОГРАММНОЕ И МАТЕМАТИЧЕСКОЕ ОБЕСПЕЧЕНИЕ

2.1 Моделирование процесса сканирования

2.2 Математическое обеспечение метода сканирования

2.3 Моделирование исходных изображений и тестовых фигур

2.4 Выводы по главе

ГЛАВА 3 ВЫЧИСЛЕНИЕ ОРИЕНТАЦИИ ПОВЕРХНОСТИ

3.1 Вычисление ориентации поверхности в затененных областях или при наличии зеркальной составляющей

3.2 Прогнозирование и ограничение погрешностей, обусловленных шумом квантования и флуктуационным шумом

3.3 Оптимальные параметры освещения для вычисления ориентации поверхности

3.4 Использование неравномерной шкалы квантования для повышения точности вычисления ориентации поверхности в слабоосвещенных областях

3.5 Выводы по главе

ГЛАВА 4 АЛГОРИТМЫ ИНТЕГРИРОВАНИЯ ГРАДИЕНТА

4.1 Локальные алгоритмы интегрирования

4.2 Глобальные алгоритмы интегрирования градиента

4.3 Локальный алгоритм интегрирования от заданной точки

4.4 Особенности интегрирования градиента, полученного методом трехмерного сканирования

4.5 Свойство интегрируемости поверхности

4.6 Выводы по главе

ГЛАВА 5 РЕЗУЛЬТАТЫ ЭКСПЕРИМЕНТА В РЕАЛЬНЫХ УСЛОВИЯХ

5.1 Описание эксперимента

5.2 Калибровка и сканирование плоской поверхности

5.3 Сопоставление результатов сканирования модели сферы и реальной фигуры и погрешность эксперимента

5.4 Выводы по главе

ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

ПРИЛОЖЕНИЕ А. Акт о внедрении научных результатов (ГУАП)

Введение диссертации (часть автореферата) на тему «Исследование метода 3D сканирования, основанного на модели отражения света поверхностью»

ВВЕДЕНИЕ

Актуальность темы исследования. В настоящее время большое значение придается трехмерному сканированию в реальном времени без ручной обработки как одной из важных задач современного промышленного производства и индустрии развлечений. Производительности вычислительных устройств часто недостаточно, чтобы в реальном времени получать трехмерные модели поверхности с высоким разрешением, поэтому на сегодняшний день большой интерес приобретают методы оптимизации графической обработки, это касается как двумерных, так и трехмерных изображений. Метод трехмерного сканирования, основанный на модели отражения света поверхностью, или стереофотометрический метод обладает относительной простотой реализации, высокой плотностью точек получаемых моделей при относительно высокой скорости обработки сканируемого объекта, позволяет осуществлять сканирование объектов со значительно большего расстояния в сравнение с другими оптическими сканерами, погрешность сканирования мало зависит от расстояния до объекта. Для стереофотометрического метода важную роль играет не только ускорение процесса обработки изображений, но и обеспечение низкого уровня погрешностей вне зависимости от обрабатываемой поверхности. Недостатком метода является тот факт, что некоторые материалы или элементы поверхности могут привести к значительному снижению точности.

Актуальность работы подтверждается широким распространением технологий трехмерного сканирования во множество сфер деятельности, устанавливающих для процесса сканирования принципиально различные требования. Целями трехмерного сканирования с использованием стереофотометрического метода могут являться: распознавание в охранных системах видеонаблюдения, передача сжатых данных по каналам связи, диагностика в медицине, инженерный анализ. Возможности стереофотометрического метода достаточно широки: с 80 годов XX века он

успешно использовался в картографии и в целях контроля качества изделий на производстве, но применительно к задачам распознавания, передачи данных и трехмерного моделирования объектов начал рассматриваться совсем недавно. Причина этого в особенностях математической обработки исходных данных: сам метод позволяет вычислить только ориентацию поверхности, но для решения задачи получения карты глубины или трехмерной модели всего объекта недостаточно применить один из известных на сегодняшний день способов обработки полученных данных. Наиболее частым фактором, сдерживающим применение стерефотометрического метода является высокая стоимость оборудования и сложность реализации системы сканирования, поставленные и решенные в работе задачи позволяют применять для обработки изображений стереофотометрический метод без необходимости особых условий и высокоточной калибровки оборудования.

Степень разработанности темы. Математическое описание стереофотометрического метода представлено в работах авторов R. J. Woodham, B. Horn, в отечественных изданиях на эту тему можно встретить только публикации Н. Н. Красильникова. В указанных выше работах отмечается нелинейность и высокое значение погрешности в слабоосвещенных областях. Многие разработанные алгоритмы, представленные в работах авторов: A. Hertzmann, S. M. Seitz, K. Ikeuchi, S. Barsky, M. Petrou, C. Hernandez, R. Cipolla, M. K. Chandraker, S. Agarwal, D. J. Kriegman, R. T. Frankot, R. Chellappa, G. Atkinson, M. Smith, позволяют уменьшить влияние точек с высокой погрешностью, но способы определения и обработки этих точек определены с большим количеством допущений или же пригодны для работы только с конкретной используемой конфигурацией системы сканирования. Методика обработки исходных данных для стереофотометрического метода представлена в общих чертах, оптимальных решений на сегодняшний день нет, это касается не только алгоритмов

вычисления характеристик поверхности, но также методов и алгоритмов обработки полученных данных, наиболее актуальными для решения являются задачи предварительной сегментации исходных снимков и задачи интегрирования градиента. Большая часть существующих работ представляют методы, не адаптированные к особенностям распределения погрешности стереофотометрического метода, эффективность снижения погрешности применения этих методов представлена чаще всего наглядно. Несколько алгоритмов не применимы к рассматриваемым задачам в силу высокой вычислительной сложности.

Объект и предмет исследования. Объектом исследования являются методы и алгоритмы обработки изображений реального объекта путем получения его физических характеристик и последующим преобразованием полученных данных об исследуемом объект в задачах анализа, управления и обработки. Предметом исследования являются особенности сканируемого объекта, проявляющиеся на изображении, погрешности вычисления параметров поверхности сканируемого объекта, конфигурация системы сканирования.

Научная задача - исследование погрешностей вычисления характеристик поверхности стереофотометрическим методом, погрешностей вычисления координат поверхности, разработка методов уменьшения этих погрешностей.

Цели и задачи исследования. Целью работы является разработка методов и алгоритмов, позволяющих осуществлять процесс трехмерного сканирования стереофотометрическим методом без необходимости создания специальных условий для сканирования объекта.

В диссертационной работе поставлены и решены следующие задачи.

1) Исследование погрешностей вычисления параметров поверхности стереофотометрическим методом. Определение зависимости максимальной погрешности от уклона поверхности.

2) Разработка математического и программного обеспечения для проведения экспериментального исследования стереофотометрического метода с использованием снимков изображений полученных методом компьютерного моделирования и снимков реальных объектов.

3) Разработка методов и алгоритмов обработки исходных данных с целью понижения погрешности исследуемого метода сканирования:

- метода обработки исходных снимков путем сегментации с определением признаков затенений, бликов и переотражений на обрабатываемом объекте;

- метода уменьшения погрешности в слабоосвещенных областях обрабатываемого объекта;

- алгоритма вычисления характеристик поверхности стереофотометрическим методом;

- алгоритма построения трехмерной поверхности объекта на основе криволинейного интеграла, использующего в качестве входных данных вычисленные стереофотометрическим методом характеристики поверхности.

4) Разработка опытной установки, определение характеристик и оптимальных параметров сканирования.

Научная новизна результатов исследования. Представленные в работе методы и алгоритмы обладают следующей научной новизной:

1) На основе экспериментального анализа погрешностей определены критерии ограничения данных с высокой погрешностью и данных, не соответствующих используемой модели отражения света поверхностью. Экспериментально определена зависимость максимальной погрешности от уклона обрабатываемой поверхности, которая в сравнении с теоретической зависимостью обладает меньшей чувствительностью к шуму. Полученные результаты использованы при разработке алгоритма вычисления характеристик поверхности.

2) Разработанный метод сегментации изображений за счет использования совокупности критериев, описывающих затенения, блики и переотражения, сокращает время, необходимое для обработки всей видимой области объекта, а также осуществляет более детальную сегментацию исходных снимков.

3) Разработанный метод уменьшения погрешности в слабоосвещенных областях за счет увеличения количества исходных снимков позволяет снизить на 20 - 40% погрешность вычислений. Основой метода является применение неравномерной шкалы квантования яркости на исходных снимках.

4) Разработанный алгоритм построения трехмерной поверхности объекта (алгоритм интегрирования градиента) основан на построении маршрута интегрирования в процессе обработки с учетом распределения погрешности вычисления характеристик поверхности и дополнительных критериев, полученных при анализе исходных изображений, обладает низкой чувствительностью к флуктуационному шуму и шуму квантования. В сравнении с существующими алгоритмами применим для обработки произвольного участка поверхности и поверхности, содержащей разрыв.

Теоретическая и практическая значимость работы. Разработанные методы и алгоритмы обладают следующей теоретической ценностью:

1) Метод сегментации бликов, затенений, переотражений на исходных снимках и алгоритм вычисления характеристик поверхности разработаны для предлагаемой модели стереофотометрического сканера, в совокупности позволяют оценить погрешность вычисления характеристик, значительно упростить вычислительный процесс, расширить диапазон доступных для сканирования поверхностей.

2) Разработанный алгоритм построения трехмерной поверхности объекта на основе криволинейного интеграла может быть использован для обработки данных, не зависимо от метода вычисления характеристик

объекта, формы и размера сканируемого участка, прост для добавления новых критериев в процессе интегрирования градиента поверхности.

3) Разработанный метод уменьшения погрешности в слабоосвещенных областях в результате компьютерного моделирования показал значительное снижение погрешности, не имеет аналогов для сравнения, может быть применим для разработки устройств сканирования с более высокой точностью. Требуется проведение дополнительных работ для подбора необходимого для его реализации оборудования и методов калибровки этого оборудования.

Следует отметить следующую практическую ценность результатов работы:

1) Полученные результаты могут быть использованы для проведения конструкторских работ с целью разработки устройства трехмерного сканирования, которое также может быть применено в задачах распознавания объектов и контроля качества на производстве.

2) Разработана экспериментальная установка с использованием доступного студийного фотооборудования, позволяющая осуществлять сканирование без дополнительной обработки помещения, специальная подготовка для проведения сканирования не требуется. В сравнении с другими устройствами, использующими стереофотометрический метод, обладает значительно более низкой стоимостью комплектующих.

3) Полученные результаты могут быть использованы в исследовательских и учебных целях. Акт о внедрении представлен в приложении А.

Методология и методы исследования. В диссертационной работе использовались методы цифровой обработки изображений, теории информации, теории вероятности и математической статистики, методы компьютерного моделирования.

Положения, выносимые на защиту:

1) Разработан алгоритм вычисления характеристик поверхности стереофотометрическим методом, позволяющий в сравнении с существующими алгоритмами оценить погрешность вычислений, обрабатывать большую область объекта при использовании с предложенной моделью сканирующего устройства.

2) Разработан, адаптированный к предложенной модели трехмерного сканера, метод обработки исходных снимков путем сегментации с определением признаков затенений, бликов и переотражений на объекте.

3) Разработан новый метод уменьшения погрешности в слабоосвещенных областях объекта за счет использования дополнительного набора снимков.

4) Разработан алгоритм построения трехмерной поверхности объекта на основе криволинейного интеграла, в котором в сравнении с существующими методами интегрирования реализован ряд дополнений, позволяющих уменьшить погрешность и расширить возможности применения метода.

Степень достоверности и апробация результатов. Достоверность научных выводов, представленных в диссертации, подтверждается корректностью постановки задач, строгостью применяемых математических методов исследования, близостью результатов теоретического исследования с результатами моделирования и результатами экспериментального исследования.

Основные положения и результаты диссертации докладывались и обсуждались на XVI, XVII, XVIII научных сессиях ГУАП (г. Санкт-Петербург 2013, 2014, 2015), XVI международной научной конференции, посвященной памяти генерального конструктора ракетно-космических систем акад. М. Ф. Решетнева (г. Красноярск 2013), XXII, XXIII, XXIV международной научно-технической конференции "Современные технологии в задачах управления, автоматики и обработки информации" (г.

Алушта 2013, 2014, 2015). Также проект на тему "Разработка программного обеспечения и прототипа трехмерного фотометрического сканера" был представлен на конкурсах: Научно-исследовательских проектов ГУАП 2013, Intellect2All 2014 г. Москва, УМНИК 2015 г. Санкт-Петербург.

Публикации. Материалы, отражающие основное содержание и результаты диссертационной работы, опубликованы в 11 печатных работах, 3 из которых в изданиях, входящих в перечень рецензируемых научных изданий ВАК.

Соответствие паспорту специальности. Работа соответствует паспорту специальности 05.13.01 Системный анализ, управление и обработка информации (по отраслям) по пунктам 4, 5, 12.

Личное участие соискателя. Все результаты и выводы, представленные в работе, получены соискателем самостоятельно. Наиболее существенным личным вкладом автора в работу является решение поставленных задач:

1) Программно смоделирован процесс получения тестовых данных и вычисления характеристик поверхностей.

2) Разработан алгоритм вычисления характеристик поверхности использующий стереофотометрический метод вычисления, предложенный Красильниковым Н. Н.

3) Разработан метод обработки исходных снимков путем сегментации с определением признаков затенений, бликов и переотражений на объекте.

4) Предложен и протестирован путем компьютерного моделирования метод уменьшения погрешности в слабоосвещенных областях объекта.

5) Разработан и экспериментально протестирован алгоритм построения трехмерной поверхности объекта на основе криволинейного интеграла.

ГЛАВА 1 ОБЗОР МЕТОДОВ ТРЕХМЕРНОГО СКАНИРОВАНИЯ

1.1 Общая характеристика методов трехмерного сканирования

Из существующих методов трехмерного сканирования схожие области применения имеют оптические и лазерные (не пролетные) методы, использующие в качестве исходного материала изображения объекта. В данной главе помимо стереофотометрического [1-17] рассматриваются следующие методы:

- метод лазерной триангуляции [18, 19];

- метод с использованием фокусировки / расфокусировки [20, 21];

- метод с использованием стереоэффекта [10, 22];

- метод структурированной подсветки [23, 24].

Стоит отметить, что лазерные сканеры, использующие метод измерения времени пролета, применяются для других целей, чаще всего это сканирование крупного габаритных объектов или помещений.

На практике все перечисленные выше методы позволяет осуществлять сканирование объектов среднего размера (от 1 см до 3 м в любом измерении). Основными характеристиками любых систем 3D-сканирования являются:

- точность сканирования;

- плотность сканирования и сложность результирующей модели;

- время или скорость сканирования и обработки;

- размеры области сканирования и расстояние до объекта.

Помимо этого часто остаются плохо освещенными условия, которые

необходимо соблюдать при сканировании, диапазон сканируемых материалов, размеров поверхностей, доля ручной обработки.

Оценка точности сканирования дает приблизительное представление о качестве сканирования, поскольку погрешность зависит также от взаимного положения в пространстве сенсора (камеры), сканируемого объекта и элемента подсветки, а также от самой сканируемой поверхности. Чаще всего производится за счет сканирования объекта с известной геометрией.

Максимальная плотность получаемых данных определяется размерами рабочей области сканера, разрешением камер и характеристиками других элементов сканера, необходимых для сканирования. Для увеличения скорости сканирования и уменьшения объема информации, необходимой для хранения результирующей модели, возможно уменьшение плотности сканирования, например, за счет уменьшения разрешения камеры.

1.2 Метод лазерной триангуляции

Техника называется триангуляцией в связи с тем, что точка, проецируемая лазерным проектором на поверхность, излучатель света и камера располагаются "в вершинах треугольника". В зависимости от того, где лазерный луч достигает поверхности, лазерная точка появляется в разных местах поля зрения камеры. Ход процесса сканирования как с использованием метода лазерной триангуляции, так и с использованием многих других оптических методов, можно представить в несколько этапов.

• Калибровка датчиков. Процесс калибровки заключается в нахождении математической связи между тремя координатами точки сканируемой поверхности, на которую попадает луч света, излучаемого лазером, и двумя координатами проекции этой точки в получаемом изображении этой же поверхности. Это соотношение может быть линейно аппроксимировано следующим уравнением:

5-Х

8У 8

= т •

(1.1)

где: а, Ь - координаты пикселя, X, У, Z - трехмерные координаты, ^ - масштабный коэффициент, T - калибровочная матрица [18].

Калибровка может быть осуществлена при помощи сканирования объекта с простой геометрией.

• Получение снимков объекта. Наиболее распространена схема, представленная на рисунке 1.1. Лазерный проектор проецирует узор (например, линию [19, 26] или пятно) на сканируемый объект, в качестве

сенсора часто применяется CCD камера, которая фиксирует свет отраженный объектом. Для сканирования никаких других источников света не требуется. При проецировании на объект лазерным проектором полос [18], снимок будет представлять собой набор белых полос на черном фоне (Рисунок 1.2).

Рисунок 1.1 - Принципиальная схема работы системы лазерной

триангуляции

• Предварительная обработка фрагментов. Этот этап может являться частью любого процесса сканирования, в котором используются дополнительных приспособления для фиксации, калибровки или движения объекта, в большинстве случаев выполняется вручную и заключается в удалении на исходных изображениях форм, не принадлежащих объекту, помех или искажений.

Рисунок 1.2 - Пример индексирования полос на исходном снимке

• Вычисление 3D координат. Большинство систем, использующих многополосные системы, основаны на кодированном структурированном свете (этот вариант будет рассмотрен ниже). В случае некодированного света, нет никакой дополнительной информации, которая может помочь в индексировании линий, что осложняет реализацию многополосного лазерного сканера. Так как соответствие между трехмерными координатами

Лазерный проектор

CCD камера

и координатами пикселя было установлено при калибровке, то для каждой точки линии на снимке существует трехмерная координата объекта. Двумерная координата на изображении однозначно определяет расположение точки сканируемого объекта в пространстве.

• Объединение фрагментов в единую модель. Если опорные метки не используются, и снимки выполняются одной камерой, то для объединения фрагментов (линий) в одну модель сканируемого объекта используется метод из группы методов (Range image registration), объединяющих множество фрагментов в одной системе координат. Данными для метода могут быть данные из различных датчиков, в разное время, или с разных точек обзора. В [18] представлена классификация широкого диапазона методов, основная цель которых состоит в расчете оценки движения между двумя множествами 3D точек с учетом соответствия их друг другу. Примером может служить Итерационный алгоритм ближайших точек (ICP algorithm), который дает наиболее удовлетворительные результаты при совмещение из двух трехмерных снимков [19]. Алгоритм состоит из двух шагов. На первом, пары точек-кандидатов проверяются на соответствие друг другу в области перекрытия двух снимков. На втором, процедура оптимизации проделывает аффинные преобразования, сокращая расстояние между двумя наборами точек. Процесс повторяется, пока некоторый критерий сходимости не будет выполнен. Общая идея в том, что в каждой итерации расстояние между двумя облаками точек уменьшается, позволяет лучше идентифицировать истинные пары, и, следовательно, повышенный шанс на лучшую согласованность следующей итерации.

Лазерные сканеры могут работать на очень низком уровне с блестящими материалами или имеющими значительное подповерхностное рассеивание. Для программной реализации наиболее важной проблемой является объединение фрагментов.

Заявленные характеристики устройств, использующих метод лазерной триангуляции представлены в таблице 1.1.

Таблица 1.1 - Характеристики моделей сканеров, использующих метод лазерной триангуляции

Модель Разрешение, мм Точность, мм Расстояние, м Предельный размер области сканирования, мм2

Creaform HandyScan 700 0,05 до 0,03 0.3 275 * 250

FARO Scanner Freestyle 0,2 - 1 до 1.5 1 -

MakerBot Digitizer 0.5 до 2 0.2 203 * 203

1.3 Метод определения третьей координаты, с использованием фокусировки / расфокусировки

Процесс получения координаты глубины заключается в изменении параметров оптической системы при неизменном освещении и положении камер и объектов. Известно две группы методов, основанных на использовании этого принципа. В отличие от методов измерения глубины за счет фокусировки (DFF depth from focus), где глубина оценивается по большому количеству изображений, полученных с увеличением фокусного расстояния с небольшим шагом, методы измерение глубины за счет расфокусировки (DFD depth from defocus) требуются только два по-разному сфокусированных изображений для оценки подробной информации.

Примером DFF метода может служить метод предложенный Штойрером, описанный в [10]. Этот метод основывается на том, что максимум резкости существует в фокальной плоскости пространства

изображения, схема формирования изображения представлена на рисунке 1.3. Реализация этого метода включает в себя несколько шагов.

• Берется фокусный ряд, то есть набор изображений полученных при различных параметрах оптики фотокамеры, с постоянным шагом по глубине.

• Ко всем изображениям применяется фильтр, для выделения областей изображения с перепадами яркости (контуров).

• В выделенных областях осуществляется поиск максимума резкости среди всех изображений фокусного ряда. То изображение, где обнаружен максимум резкости, задает глубину для трехмерной точки изображения.

• Так как облако полученных точек поверхности будет разряженным, требуется интерполяция.

I, г

и - глубина, функция от s, D, £, d; б - положение датчика; О - диафрагма объектива; f - фокусное расстояние; ё - участок размытия.

Рисунок 1.3 - Процесс формирования изображений

Без усовершенствований ОБО методы (как и ОБЕ) являются пассивными методами сканирования. В общем пассивные ОБО методы направлены на измерение уровня размытия, применяя широкий спектр узкополосных операторов. Однако основным недостатком пассивных DFD методов является то, что при интенсивных вычислениях, в результате получаются ненадежные оценки глубины при работе со слабо или не текстурированными областями изображения.

Для устранения этого ограничения было предложено проецировать структурированный свет на сцену и оценивать глубину, анализируя уровень размытия изображения связанный с проецируемым шаблоном, пример изображения представлен на рисунке 1.4.

Рисунок 1.4 - Пример изображений с проецируемым на сцену шаблоном

Разработан активный DFD сенсор глубины [20], состоящий из двух чувствительных элементов (камер), находящихся друг от друга на расстоянии Ь (рисунок 1.3), используемых в сочетании с оптимизированным шаблоном освещения (рисунок 1.5). Таким образом, одним из элементов захватывает изображение с меньшим фокусным расстоянием, а другой - с большим фокусным расстоянием. Шаблон проецируется для того, чтобы во всех зонах изображения присутствовала текстура. Глубина находится в прямой зависимости от относительного уровня размытия (оценки величины присутствующего в обоих изображениях, которая измеряется фильтрацией близко и далеко сфокусированных изображений, например с оператором Лапласа.

(рх ; ру) - размер пикселя. Рисунок 1.5 - Оптимальный проецируемый шаблон

Цель оптимизации шаблона заключается в том, чтобы получить соответствие между параметрами освещения, параметрами датчиков и дискретными параметрами Лапласиана.

1.4 Метод с использованием стереоэффекта

Идея определения расстояния основывается на одном из принципов работы органов зрения - стереоскопическом.

%1 > к ~—-С

А V /

> % < V

%1

%з

Рисунок 1.6 - Измерение расстояния до наблюдаемого объекта

На рисунке 1.6 представлены две камеры расположены рядом друг с другом на расстоянии Ь (стереоскопический базис), их оптические оси параллельны. Искомая величина Х3 - расстояние от оси камер до наблюдаемой точки объекта с координатой XI.

Определение положения наблюдаемого объекта становится возможным, так как он проецируется на различные места в плоскости изображений с разных камер. Различие в положение обозначается как параллакс р:

, + Ь — ь Ь

р = ГХ1 - 1*1=/_2-/_2=/_^

Лз Лз Лз

*3

^з ~ (1.2)

Стоит отметить, что погрешность при оценке глубины Х3 увеличивается пропорционально квадрату расстояния до объекта [10].

Список литературы диссертационного исследования кандидат наук Кузнецов Виталий Александрович, 2020 год

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1 Woodham, R. J. Photometric Method for Determining Surface Orientation from Multiple Images / R. J. Woodham // Optical Engineering. 1980. vol. 19, no. 1. P. 139 - 144.

2 Woodham, R. J. Gradient and Curvature from the Photometric-Stereo Method, Including Local Confidence Estimation/ R. J. Woodham // Journal of Optical Society of America. Nov. 1994. vol. 11, no. 11. P. 3050 - 3068.

3 Hertzmann, A. Example-Based Photometric Stereo: Shape Reconstruction with General Varying BDRFs / A. Hertzmann, S. M. Seitz // IEEE Transactions on Pattern Analysis and Machine Intelligence. August 2005. 27 (8). P. 1254 -1264

4 Красильников, Н. Н. Цифровая обработка 2D- и 3D- изображений: учебное пособие / Н. Н. Красильников. СПб.: БХВ-Петербург, 2011. 608 с.

5 Красильников, Н. Н. Исследование погрешностей определения координаты глубины при 3D-сканировании методом, основанном на диффузном отражении света / Н. Н. Красильников, О. И. Красильникова // Обработка информации и управление. 2012. № 3. С. 2 - 8.

6 Красильников, Н. Н. Получение трехмерного изображения объекта путем измерения интенсивности диффузного отражения света различными точками его поверхности / Н. Н. Красильников, О. И. Красильникова // Оптический журнал, 2010. №6 (77). С. 19 - 24.

7 Красильников, Н. Н. Метод получения 3D изображений, основанный на диффузном отражении света сканируемыми объектами / Н. Н. Красильников // Обработка информации и управление. 2010. № 1. С. 7 -11.

8 Solomon, F. Extracting the Shape and Roughness of Specular Lobe Objects Using Four Light Photometric Stereo / F. Solomon, K. Ikeuchi // IEEE Transactions on Pattern Analysis and Machine Intelligence. April 1996. 18(4). P. 449 - 454.

9 Barsky, S. The 4-source photometric stereo technique for three-dimensional surfaces in the presence of highlights and shadows / S. Barsky, M. Petrou // IEEE Transactions on Pattern Analysis and Machine Intelligence. October 2003. 25(10). P. 1239 - 1252.

10 Яне, Б. Цифровая обработка изображений / Б. Яне; пер. с англ. А. М. Измайловой. М.: Техносфера, 2007. 583 с.

11 Horn, B. Height and Gradient from Shading / B. Horn // International Journal of Computer Vision 5(1). 1990. P. 37 - 75.

12 Basri, R. Photometric Stereo with General, Unknown Lighting / R. Basri, D. Jacobs, I. Kemelmacher // International Journal of Computer Vision 72(3).

2007. P. 239 - 257.

13 Lee, K. M. Surface Reconstruction from Photometric stereo Images / K. M. Lee, C.-C. J. Kuo // Journal of Optical Society of America May 1993. vol. 10, no. 5. P. 855 - 868.

14 Hernandez, C. Multiview photometric stereo / C. Hernandez, G. Vogiatzis, R. Cipolla // IEEE Trans. on Pattern Analysis and Machine Intelligence. March

2008. 30 (3). P. 548 - 554.

15 Sato, H. Extracting Shape and Reflectance of Glossy Surfaces by Using 3D Photometric Sampling Method / H. Sato, S. Nayar, K. Ikeuchi // IAPR Workshop on Machine Vision Applications, Nov.28-30, 1990. P. 133 - 136.

16 Ikeuchi, K. Determining Grasp Configurations using Photometric Stereo and the PRISM Binocular Stereo System / K. Ikeuchi, H. K. Nishihara, B. Horn, P. Sobalvarro, S. Nagata // The International Journal of Robotics Research. 1986. vol. 5, no. 1. P. 46 - 65.

17 Cho, C. Obtaining 3-D Shape from Silhouette Informations Interpolated by Photometric Stereo / C. Cho, H. Minamitani // IAPR Workshop on Machine Vision Applications, Dec. 13-15, 1994. P. 147 - 150.

18 Gerones, C. M. Hand-held 3D-scanner for large surface registration / C. M. Gerones // Department of Electronics, Computer Science and Automatic Control, Girona. April 2007. 139 p.

19 Bernardini, F. The 3D Model Acquisition Pipeline / F. Bernardini, H. Rushmeier // Computer Graphics. 2002. Vol. 21. №2. P.149 -172.

20 Ghita, O. Computational approach for depth from defocus / O. Ghita, P. F. Whelan, J. Mallon // Journal of Electronic Imaging. 2005. 14(2).

21 Nayar, S.K. Focus Range Sensors / S. K. Nayar, M. Noguchi, M.Watanabe // IEEE International Conference on Computer Vision (ICCV), Jun. 1995. P. 995 - 1001.

22 Рутковский, В. О. Метод получения трехмерных цифровых моделей технических объектов, основанных на применении искусственных текстур / В. О. Рутковский, М. А. Рутковская // Вестник Сибирского государственного аэрокосмического университета имени академика М. Ф. Решетнева, 2010. С. 249 - 254.

23 Salvi, J. Pattern codification strategies in structured light systems / J. Salvi, J. Pages, J. Batlle // Pattern Recognition. 2004. Vol. 37(4). P. 827 - 849.

24 Rocchini, С. A low cost 3D scanner based on structured light / C. Rocchini, P. Cignoni, C. Montani, P. Pingi, R. Scopigno // Eurographics. 2001. Vol. 20. № 3. Р. 1-10.

25 Kus, A. Implementation of 3D Optical Scanning Technology for Automotive Applications / A. Kus // Sensors. 2009. №9. P.1967 - 1979.

26 Xia, F. CAD-based path planning for 3-D line laser scanning / F. Xia, C. Shub // Computer-Aided Design. 1999. №31. P. 473 - 479.

27 Kang, S. B. A multibase stereo system with active illumination and real-time image acquisition. / S. B. Kang, J. A. Webb, C. L. Zitnick, T. A. Kanade // Proc. Int. Conf. on Computer Vision,1995. P. 88 - 93.

28 Alshawabkeh, Y. 3D Digital Documentation, Assessment, and Damage Quantifi cation of the Al-Deir Monument in the Ancient City of Petra, Jordan /

Y. Alshawabkeh, F. Bal'awi, N. Haala // Conservation and MGMT of Arch. Sites. May, 2010.Vol. 12. №2. P.124 - 145.

29 Leotta, M. J. 3D Slit Scanning with Planar Constraints / M. J. Leotta, A. Vandergon, G. Taubin // Computer Graphics. 2008. Volume 27. №8. P.2066 -2080.

30 Цапко, И. В. Алгоритмы и методы обработки информации в задачах трехмерного сканирования объектов / И. В. Цапко, С. Г. Цапко // Известия Томского политехнического университета. 2010. Т. 317. № 5. С.134 - 140.

31 Тихомиров, Ю. Программирование компьютерной графики / Ю. Тихомиров. СПб.: БХВ, Санкт-Петербург, 2000. 256 с.

32 Хорн, Б. К. П. Зрение роботов / Б. К. П. Хорн. - Пер. с англ. М.: Мир,. 1989. 489 с.

33 Chandraker, M. K. Shadowcuts: Photometric stereo with shadows / M. K. Chandraker, S. Agarwal , D. J. Kriegman // CVPR. 2007. P.1 - 8.

34 Hernandez, C. Overcoming Shadows in 3-Source Photometric Stereo / C. Hernandez, G. Vogiatzis, R. Cipolla // IEEE Transsctions on Pattern Analysis and Machine Intelligence. February 2011. 33(2) . P. 419 - 426.

35 Sunkavalli, K. Visibility Subspaces: Uncalibrated Photometric Stereo with Shadows / K. Sunkavalli, T. Zickler, H. Pfister // Inc: ECCV 2, volume 6312 of Lecture Notes in Computer Science. 2010. P. 251 - 264.

36 Klette, R. Height data from gradient fields / R. Klette, K. Schluns // Proc. Machine Vision Applications, Architectures, and Systems Integration V, SPIE 2908, Boston, Massachusetts. Nov. 18-19, 1996. P. 204 - 215.

37 Frankot, R. T. A method for enforcing integrability in shape from shading algorithms / R. T. Frankot, R. Chellappa // IEEE Trans. on Pattern Analysis and Machine Intelligence, 10. 1988. P. 439 - 451.

38 Wu, L. Robust photometric stereo via low-rank matrix completion and recovery / L. Wu, A. Ganesh, B. Shi, Y. Matsushita, Y. Wang, Y. Ma // In Proc. Asian Conference on Computer Vision. 2010. P. 703 - 717.

39 Wang, G. Surface Reconstruction from Gradient Fields Using Box-Spline Kernel / G. Wang, J. Yang, Y. Cheng // International Journal of Multimedia and Ubiquitous Engineering. 2014. Vol.9, No.5. P.155 - 168.

40 Agrawal, A. What is the range of surface reconstructions from a gradient field? / A. Agrawal, R. Chellappa, R. Raskar // In Proc. 9th European Conf. on Computer Vision (ECCV). 2006. volume 3951. P. 578 - 591.

41 Agrawal, A. An algebraic approach to surface reconstruction from gradient fields / A. Agrawal, R. Chellappa, R. Raskar // In Proc. 2005 Intl. Conf. on Computer Vision (ICCV). 2005. P. 174 - 181.

42 Qingxiong, Y. Surface reflectance and normal estimation from photometric stereo / Y. Qingxiong, A. Narendra // Computer Vision and Image Understanding. 2012. №116. P. 793 - 802.

43 Zhang, R. Shape from Shading: A Survey / R. Zhang , P. S. Tsai, J. E. Cryer, M. Shah // IEEE Transactions On Pattern Analysis And Machine Intelligence. August 1999. Vol. 21, No. 8. P.690 - 706.

44 Saracchini, R. Robust multi-scale integration method to obtain the depth from gradient maps / R. Saracchini, J. Stolfi, H. Leitao, G. Atkinson, M. Smith // Computer Vision and Image Understanding. 2012. №116. P. 882 - 895.

45 Sun, J. Sampling Light Field for Photometric Stereo / J. Sun, M. Smith, L. Smith, A. Farooq // International Journal of Computer Theory and Engineering. February 2013. Vol. 5, No. 1. P. 14 - 18.

46 Atkinson, G. Using Photometric Stereo for Face Recognition / G. Atkinson, M. Smith // International Journal of Bio-Science and Bio-Technology. September, 2011. Vol. 3, No. 3. P. 35 - 43.

47 Гуторов, М. Основы светотехники и источники света / М. Гуторов. М.: Энергоатомиздат, 1983. 384 с.

ПРИЛОЖЕНИЕ А. Акт о внедрении научных результатов (ГУЛИ)

ГУДП

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ федеральное государственное автономное образовательное учреждение высшего образования «Санкт-Петербургский государственный университет аэрокосмического приборостроения» ____(ГУАП)__

ул Большая Морская, д. 67, лит А, Санкт-Петербург, 190000, Тел. [phone], факс [phone], E-mail: [e-mail] ОГРН 1027810232680, ИНН/КПП 7812003110/783801001

. №.

На № _

утвшкддю

АКТ

О внедрении научных результатов, полученных Кузнецовым Виталием Александровичем

Комиссия в составе:

• Осипова Леонида Андрониковича, доктора технических наук, профессора, заведующего кафедрой информационно-сетевых технологий

• Красильникова Николая Николаевича, доктора технических наук, профессора кафедры информационно-сетевых технологий

• Жукова Алексея Дмитриевича, кандидата технических наук, доцента кафедры информационно-сетевых технологий

Составила настоящий акт о том, что научные результаты, полученные Кузнецовым Виталием Александровичем, а именно:

1) Модель стереофотометрического сканера

2) Метод и алгоритм вычисления характеристик поверхности

3) Алгоритм построения поверхности по данным, полученным стереофотометрическим методом трехмерного сканирования

использованы в учебном процессе кафедры 53 информационно-сетевых технологий ГУАП в дисциплине «Современные проблемы обработки изображений».

доктор технических наук, профессор, /

заведующий кафедрой информационно-сетевых технологий у I , / Осипов Л. А.

доктор технических наук, профессор кандидат технических наук, доцент

Красильников Н. Н. Жуков А. Д.