CC BY
36Решетневские чтения. 2017
УДК 004.932
РАСЧЕТ РАССТОЯНИЯ ДО ОБЪЕКТА И КАРТ ДИСПАРАТНОСТИ НА ОСНОВЕ РАЗНОСИСТЕМНЫХ ИСХОДНЫХ ДАННЫХ
А. Н. Волкович
Объединенный институт проблем информатики НАН Беларуси Республика Беларусь, 220012, г. Минск, ул. Сурганова, 6 Е-mail: avolkovich@mail.ru
Рассматриваются проблемы увеличения производительности и качества построения карт диспаратности в задачах восстановления трехмерных моделей. Описывается оригинальный многокритериальный подход к процедуре построения карты диспаратности и расчета расстояния до объектов на основе разносистемных данных в задачах стереодальнометрии и дистанционного зондирования Земли.
Ключевые слова: дистанционное зондирование Земли, 3D-реконструкция, стереодальнометрия, компьютерное зрение.
CALCULATING DISTANCE AND DISPARITY MAPS BASED ON MULTI-BASED INITIAL DATA
A. N. Volkovich
The United Institute Of Informatics Problems of National Academy of Sciences of Belsrus 6, Surganov Str., Minsk, 220012, Republic of Belarus Е-mail: avolkovich@mail.ru
The research investigates a problem of increasing the productivity and quality of disparity maps computation for the automatic construction of 3D-models. The author proposes an original iterative approach to the procedure for disparity map computation and calculating the distance to objects on the basis of heterogeneous data in stereo-range metering and remote sensing.
Keywords: remote sensing, 3D-reconstruction, stereoscopic range finding, computer vision.
Восстановление трехмерных объектов и поверхностей на основе цифровых оптических систем является актуальной задачей в области компьютерного зрения в задачах дистанционного зондирования земли [1; 3].
На современном этапе разработаны несколько подходов к бесконтактному восстановлению формы объекта с помощью оптических систем, которые условно можно разделить на два типа: пассивный и активный. Активные оптические методы восстановления форм используют специальное структурированное искусственное освещение объекта. Пассивные оптические методы, в свою очередь, используют естественное внешнее освещение и основаны на сопоставлении данных, полученных с двух или нескольких ракурсов наблюдения объекта под разными углами.
В идеальной ситуации значения функции меры сходства должен представлять собой точечный выброс для искомого пикселя при возврате нулевого значения для всех остальных пикселей строки. Нельзя не отметить, что при работе с реальными графическими данными такая комбинация возвращаемых функцией сходства значений невозможна, но при обработке исходных данных обладающих достаточным количеством информации, на графике функции сохраняется достаточно явный экстремум, позволяющий выполнить идентификацию [2; 5].
В мировой практике при работе с изображениями в задачах стереовосстановления обычно используется только информация о яркости как критерии сравнения точек изображений. Недостатком данного подхода является множественность интерпретации цветов для точек с одинаковым значением яркости.
При переходе к работе с тремя компонентами изображения можно представить в виде «облака» точек в трехмерном пространстве с осями, соответствующими цветовым каналам изображения.
Численные эксперименты показали значительное улучшение адекватности восстановления модифицированным алгоритмом, который позволяет более четко определить границы объектов со сходными визуальными характеристиками, визуально сливающихся с фоном, а также объектов с мелкими деталями. Несмотря на увеличение диапазона сравниваемых значений за счет использования цветовой информации, сохраняется проблема обработки участков изображений, расположенных не в фокусе, объектов с большими однородными областями, а также бесконечно удаленных объектов [3].
Анализируя механизм оценки малотекстурирован-ных областей, используемых в «живых» системах, в частности зрения человека, было определено, что помимо непосредственного анализа бинокулярных изображений человек обладает рядом вспомогатель-
Программные средства и информационные технологии
ных средств, позволяющих уточнить объемные характеристики окружающего пространства, среди которых: аккомодация, конвергенция, саккадические движения, ассоциативное восприятие, воображение.
Производя обработку заранее полученных изображений, следует отметить невозможность реализации механизма аккомодации. Учитывая уровень развития программно-аппаратных систем искусственного интеллекта и компьютерного зрения, можно говорить о том, что, производя обработку ранее полученных изображений, возможно реализовать метод, близкий к механизму саккадических движений.
Данный механизм предлагается к реализации путем определения взаиморасположения точки в мало-текстурированной области относительно информативных участков.
С целью вычислительного упрощения алгоритма и избежания формирования ложных конфигураций областей автором предлагается проведение «привязки» точки к информативным областям только по нескольким направлениям (в программной реализации количество направлений может определяться в зависимости от конфигурации системы). Таким образом, формируется группа дескрипторов, включающих в себя значения пиксельного расстояния в некотором направлении от точки до точки со значением оператора градиента, превышающим некоторый определенный на этапе конфигурации порог. В свою очередь, на втором изображении производится поиск точки с аналогичными дескрипторами.
Однако отметим, что само значение диспаратности несет лишь данные о смещении точек на различных ракурсах и не имеет метрической интерпретации, которая необходима в задачах «реального мира» [4; 5].
Обобщенно принцип определения положения точек в пространстве на основании данных о диспа-ратности многократно описан в литературе [1]. К сожалению, упомянутые методы мало применимы при цифровом восстановлении, ввиду того, что происходит смешение различных систем размерности: значение диспаратости в пиксельном расстоянии, фокусное расстояние (которое часто подвижно) и стереобаза в метрических единицах. В связи с этим необходимо модифицировать существующие методы для реализации возможности расчета дистанции до точки используя значение диспаратности для определения углов визирования на объект на левом и правом изображении и выполнения триангуляции.
В ходе работ исследована возможность использования цветовой информации изображений при поиске соответствий между пикселами изображений в задаче построения карты диспаратности. Проведен вычислительный эксперимент на реальных изображениях, который показал значительное улучшение результатов построения карт диспаратности по сравнению с методами, основанными на использовании только интенсивностей пикселов изображений и предложен оригинальный подход к обработке малотекстуриро-ванных областей. Кроме того, автором предложен подход к решению задачи расчета дистанции до объекта на основе данных получаемых от цифровых стереосистем имеющих разнородные исходные данные.
Реализованный в виде программной библиотеки метод, находит свое применение в системах топогео-дезической разведки и автоматизированного построения трехмерных карт местности, разрабатываемых в Объединенном институте проблем информатики НАН Беларуси в рамках программы Союзного государства «Мониторинг-СГ».
Библиографические ссылки
1. Borodach A., Tuzikov A. Automatic determination of matching points on two images // Proceedings of the 9th International Conference "Pattern Recognition and Information Processing". (22-24 May, g. Minsk), 2007. T. 1. C. 49-53.
2. Шапиро Л. Компьютерное зрение / М. : БИНОМ. Лаборатория знаний, 2006. 752 с.
3. Волкович А. Н. Использование цветовых характеристик при построении карт диспаратности // Материалы международного конгресса РОПИ-2011. Н. Новгород : ННГУ, 2011. 64. С. 112-117.
4. Волкович А. Н., Жук Д. В., Тузиков А. В. Методы построения трехмерных моделей местности и их реализация для параллельных систем // Обработка информации и управление в чрезвычайных и экстремальных ситуациях : докл. V Междунар. конф. (24-26 октября, г. Минск), 2015. С. 100-104.
5. Система автоматической реконструкции трехмерных сцен по нескольким изображениям / В. В. Ляховский [и др.] // Материалы V Белорус. космич. конгресса (25-27 октяб. 2011). Минск : ОИПИ НАН Беларуси, 2011. Т. 2. С. 129-133.
References
1. Borodach A., Tuzikov A. Automatic determination of matching points on two images // Proceedings of the 9th International Conference "Pattern Recognition and Information Processing". (22-24 May, g. Minsk) 2007. Vol. 1. P. 49-53.
2. Shapiro L. Kompyuternoe zrenie [Computer vision]. M. : BINOM. Laboratoriya znaniy, 2006. 752 p.
3. Volkovich A. N. [The use of color characteristics in the construction of disparity maps] // Materialyi mezhdunarodnogo kongressa ROPI-2011. [Thesis of International Science Conference R0PI-2011]. N. Novgorod : NNGU, 2011. 64. P. 112-117.
4. Volkovich A. N., Zhuk D. V., Tuzikov A. V. [Methods for constructing 3D terrain models and their implementation for parallel systems] // Dokladyi V mezhdunarodnoy konferentsii "Obrabotka informatsii i upravlenie v chrezvyichaynyih i ekstremalnyih situatsi-yah", [Reports of 5-th International Conference on Information Processing in Emergency Situations] (24-26 october, g. Minsk), 2015. P. 100-104.
5. [System of automatic three-dimensional reconstructing on stereo images]. / V. V. Lyahovskiy [et al.] // Materialyi V Belorusskogo kosmicheskogo kongressa [Thesis of the V Byelorussian Space Congress]. (25-27 october 2011). Minsk : UIIP, 2011. Vol. 2. P. 129-133.
© Волкович А. Н, 2017
