Анализ подходов к моделированию лесной растительности Текст научной статьи по специальности «Компьютерные и информационные науки»

Решетневскце чтения

3. Чочиа П. А. Обработка и анализ изображений на 4. Gargi U., Kasturi R., Trayer S. H. Performance основе двухмасштабной модели : препринт / Ин-т пробл. characterization of video-shot-change detection methods передачи информации АН СССР. М. : ВИНИТИ, 1986. // IEEE CSVT. 2000. Vol. 10. № 1. P. 1-13.

D. A. Furashev

Siberian State Aerospace University named after academician M. F. Reshetnev, Russia, Krasnoyarsk

TRACKING POINT FEATURES

The author dwells upon a method of tracking point features of a scene in a video sequence.

© Фурашев Д. А., 2011

УДК 004.946

А. А. Чунина, И. М. Данилин

Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Россия, Красноярск

АНАЛИЗ ПОДХОДОВ К МОДЕЛИРОВАНИЮ ЛЕСНОЙ РАСТИТЕЛЬНОСТИ

Представлены существующие методы моделирования ветвящихся структур, приведена их классификация по различным критериям. По критерию «тип входных данных» выделены подходы к моделированию растительности. Также приведен анализ преимуществ и недостатков как самих подходов, так и методов.

Моделирование объектов природы, в частности лесной растительности, является нетривиальной задачей для большинства известных пакетов 3D-моделирования. В традиционных CAD-системах мы можем получать объекты строгой геометрической формы, которые достаточно хорошо описываются математическими моделями. Объектам живой природы присуща стохастичность в их структуре и огром -ное количество параметров (свет, ветер, гравитация, тип ветвления, осадки), влияющих на их внешний вид. Все это доказывает то, что при моделировании растительности необходимо использовать собственные методы, алгоритмы и подходы.

Все существующие подходы к моделированию деревьев и растений можно условно разделить на три группы:

- по определенным математическим правилам и грамматикам;

- на основе исходного скелета (эскиза) объекта;

- на основе исходного изображения объекта.

Критерием разбиения служит тип входных данных, используемых при моделировании.

При моделировании по определенным математическим правилам и грамматикам входными данными является набор числовых параметров: количество итераций, углы ветвления, радиус ствола, ветвей, коэффициенты уменьшения радиусов и длины ветвей и пр. По данному набору параметров в соответствии c законами ветвления моделируется дерево. Простейшим законом ветвления является модель Хонды. Данный алгоритм предусматривает, что сегменты дерева

- прямые, площадь их поперечного сечения не рассматривается. В течение итерации материнский сегмент производит два дочерних короче материнского в r1 и r2 раз под углами ветвления a1 и a2. Результаты Хонды послужили основой для моделей, предложенных Эоно и Кьюниай. Похожая концепция первоначально была предложена Кохеном, а позднее Де Ре-фай и Армстронг разработали более точный с физической точки зрения метод «изгиба» веток, использующий стохастические законы. Наиболее часто применимыми на практике методами данного подхода являются L-системы и Space Colonization algorithm. L-системы - классический пример использования вычислительных методов для имитации жизненных процессов, являющийся грамматикой [1]. Скрипт Арман-га Явуза L-System является автоматическим скриптом создания дерева в Blender. Space Colonization algorithm изначально был предложен для предсказания поведения пешехода в толпе, позднее был адаптирован для моделирования растительности. Основная идея также заключается в итеративном добавлении новых элементов (ветвей) к существующей геометрической структуре объекта (дерева), сформированного на предыдущих шагах. Данный алгоритм является адаптивным, т. е. процесс роста зависит от следующих параметров: близлежащего присутствия объектов окружающего мира, соседства с другими деревьями. Таким образом, можно привести общую классификацию методов: детерминистские, адаптивные, фрактальные и стохастические. Наиболее реалистичные результаты достигаются при использовании

Информационные системы и технологии

стохастических и адаптивных алгоритмов, а самыми распространенными на сегодняшний день остаются стохастические Ь-системы, которые используются для решения подобных задач в медицине, а именно при моделировании кровеносной системы человека.

При моделировании на основе исходного скелета (эскиза) входными данными является скелет, эскиз объекта в 2Б-пространстве. Основная идея данного подхода заключается в поиске соответствия между исходным эскизом объекта с 2Б-проекциями моделей деревьев, которые хранятся в базе данных. Процесс моделирования разбивается на четыре этапа:

- выбор шаблона дерева по исходному эскизу (сопоставление с моделями, хранимыми в базе данных (БД);

- моделирование ствола и основных ветвей, заданных эскизом;

- моделирование всех ветвей;

- наложение лиственной массы (выбор листовой пластины из БД).

При моделировании на основе исходного изображения входными данными являются изображения (фотографии) моделируемого объекта, причем по количеству используемых входных снимков можно классифицировать методы данного подхода следующим образом:

- методы, моделирующие объект по одному изображению (байесовская реконструкция трехмерных фигур по единичному изображению);

- методы, моделирующие объект по нескольким (30.. .40) изображениям.

Вторая группа методов встречается в работах чаще и дает лучшие показатели по реалистичности моде-

лей. Весь процесс моделирования в данном случае можно разбить на три этапа:

- получение ряда изображений объекта;

- сегментация и генерация лиственной массы;

- сегментация и генерация ветвей.

При моделировании мелких ветвей, не прорисованных в эскизе, используют L-системы.

При сегментации ветвей пользователю необходимо сплайнами задать в специальном редакторе наиболее крупные ветви; можно утверждать, что на данном этапе алгоритма мы задаем скелет (эскиз) объекта и с этого момента для дальнейшего моделирования используются алгоритмы и методы второго подхода. Шляхтер же в своих работах применил L-системы для добавления мелких ветвей к полученной модели дерева [2], т. е. методы первого подхода используются и в данном подходе.

Таким образом, методы первого подхода являются наиболее всеобъемлющими и в той или иной степени используются при всех подходах к моделированию лесной растительности, причем наибольшей популярностью пользуются стохастические L-системы при написании скриптов коммерческого программного обеспечения (например, Blender).

Библиографические ссылки

1. Prusinkiewicz P., Mark S., Hammel E. M. Animation of plant development // Proc. SIGGRAFE 93 Conf. Anaheim, 2001. P. 351-360.

2. Reconstructing 3d tree models from instrumented photographs / I. Shlyakhter, M. Rozenoer, J. Dorsey, S. Teller // IEEE Comput. Graph. May-June. 2001. P. 53-61.

A. A. Chunina, I. M. Danilin Siberian State Aerospace University named after academician M. F. Reshetnev, Russia, Krasnoyarsk

DESCRIPTION OF APPROACHES TO PLANT MODELING. CLASSIFICATION. ANALYSIS

The existing methods of plant modeling are represented in this paper. Their classification is given according to various criteria, the type of input data is one of them. Also provides an analysis of advantages and disadvantages of both the approaches and methods.

© Чунина А. А., Данилин И. М., 2011