Разработка и исследование алгоритмов реконструкции трехмерных объектов сложной формы по двухмерным изображениям

Разработка и исследование алгоритмов реконструкции трехмерных объектов сложной формы по двухмерным изображениям

Одна из основных задач в области разработки человеко-машинных интерфейсов – это задача синтеза изображений трехмерных геометрических моделей. В настоящее время особую актуальность приобретают задачи, связанные с алгоритмами интерактивного синтеза изображений объектов реального мира. Эти алгоритмы находят свое применение во многих прикладных областях, таких как автоматизированное проектирование, медицина, археология, мультимедийные и образовательные приложения, виртуальная реальность.

Среди подходов, основывающихся на реконструкции геометрии реальных объектов, можно выделить два основных. Стереозрение, использующее два изображения объекта наподобие человеческого зрения, и моделирование последовательности изображений (motionflow), использующее видеозапись с камеры, движущейся вокруг объекта. В данной работе будет рассмотрена работа алгоритма, основанного на стереозрении.

Простейший алгоритм реконструкции трехмерного объекта по его двумерным изображениям, полученным со стереокамеры, должен содержать следующие этапы: внутренняя калибровка камер, нахождение соответствий на изображениях и расчет отдаления соответствующих точек от камеры и создание модели.

Калибровка камер нужна для устранения дисторсии. Это аберрация оптических систем, при которой линейное увеличение изменяется по полю зрения. При этом нарушается подобие между объектом и его изображением.

Дисторсия равна нулю в оптическом центре изображения и увеличивается по мере движения к его краям. Дисторсия, с которой мы сталкиваемся на практике, невелика, и может быть описана несколькими первыми членами ряда Тейлора.

Все методы установления соответствия можно разделить на две большие группы. Во-первых, это feature-based методы. Их суть заключается в том, что на изображениях выделяется множество особенностей (края, угловые точки и т.п.). Затем производится установление соответствия этих особенностей на разных изображениях. Выделение особенностей существенно затрудняется в случае малого отношения сигнал/шум. Для установления соответствия часто приходится использовать достаточно сложные в вычислительном плане методы.

Во вторую группу входят area-based методы установления соответствия. Они более надежны в условиях больших шумов и задача установления соответствия решается несколько проще. Проблема заключается в том, что слишком малая окрестность точки, для которой ищется соответствие (например, окрестность 4*4), обеспечивает низкую точность установления соответствия и высокий уровень аномальных ошибок. Так же эти методы характеризуются сравнительно большой вычислительной сложностью. Обработать большое количество точек в реальном времени не представляется возможным.

Совмещение изображений позволяет человеку получить информацию о расстоянии до объектов по их расхождениям. Эта идея может быть использована в алгоритмах обработки изображений. Зрение человека активно (то есть параметры оптической системы настраиваются под изображение) – глаза вращаются в глазницах, меняется фокусное расстояние, как правило, построение системы активного зрения сложнее и дороже, чем зрения пассивного.

Система пассивного стереозрения, как правило, включает в себя 2 камеры (рис. 1).

Пусть имеется точка P в реальном мире, которая на изображениях, полученных с камер O_l и O_r (фокусное расстояние f, плоскости изображений компланарны, оптические оси параллельны), представляется точками p_l и p_r, которые будут иметь соответствующие горизонтальные координаты x_l и x_r. В таком случае отдаленность точки P от камеры (Z) пропорциональна расхождению, определяемому как d = x^l – x^r, и может быть вычислена по формуле:

Рассчитав значения глубины для всех объектов изображения можно построить одну из моделей трехмерного представления объектов.

Д.А. Давидович

ГОУ ВПО «Российский государственный медицинский университет»,
медико-биологический факультет, 2 к.

Научный руководитель: доц. Т.А. Тихонова

ВИЗУАЛИЗАЦИЯ ПРОВОДЯЩИХ ПУТЕЙ АНАЛИЗАТОРОВ

С ПОМОЩЬЮ КОМПЬЮТЕРНЫХ СРЕДСТВ

Основной проблемой, с которой сталкивается студент в любой области науки, является объемность и недифференцированность информации. В современной учебной и научной литературе редко можно встретить систему структурированного обучения. Во многих учебниках даётся целый клубок из множества информационных нитей. Для преподавателя или научного сотрудника со стажем не составляет труда вычленение содержательной части из текста (схемы, иллюстрации), но у студента с этим возникает множество сложностей.

Современные компьютерные средства позволяют ускорить процесс освоения и улучшить качество полученных знаний.

Одной из трудных задач для студента-медика является понимание (и запоминание) проводящих путей анализаторов, потому что, кроме основного пути, идущего от органа чувств в кору и представляющего собой проводящий путь специфической чувствительности, имеется множество сопряжённых. Например, у зрительного анализатора обработка информации происходит в разных структурах головного мозга. Также нужно понимать, как происходит регуляция диаметра зрачка, изменение кривизны хрусталика, знать рефлекторные дуги для движения мышц глаз и шеи и т.д. Цветная паутина, предлагаемая в учебниках, сложна для восприятия и понимания. Идеальным решением было бы разложить комплекс проводящих путей анализатора на несколько более простых схем, но как при этом сохранить между ними связь?

Современные программные пакеты для работы с изображениями позволяют создать картинку из нескольких прозрачных слоёв и включать их все одновременно или в любых комбинациях. Размещённые в одном слое элементы иннервации какой-либо одной структуры (например, иннервация мышц, двигающих глазное яблоко) при отсутствии других слоёв становятся более наглядными и запоминающимися. Изучив по отдельности каждый элемент, студент может приступить к интеграции разложенных дуг в целостную систему анализатора, пошагово накладывая слои с элементами друг на друга и прослеживая связь между ними.

Система также хороша тем, что в любой момент, когда возникает непонимание, можно сделать «шаг назад»: пересмотреть дуги по отдельности и скомбинировать те из них, связь между которыми не ясна. Такую систему подачи информации может использовать не только студент при самоподготовке, но и преподаватель на лекциях или занятиях, проецируя эти изображения на экран.

Таким образом, компьютерные средства позволяют создать учебное пособие по изучению проводящих путей анализаторов, которое позволило бы наглядно, структурированно, логично представить сложную анатомическую информацию и обеспечить качество понимания и эффективность усвоения материала.
А.А. Павлов

ГОУ ВПО «Московский государственный областной университет»,
физико-математический факультет, 3 к.
Научный руководитель: ст. преп. В.А. Птицын

жүктеу/скачать 2.82 Mb.

Достарыңызбен бөлісу: