دانلود کتاب Robust Range Image Registration Using Genetic Algorithms And The Surface Interpenetration Measure

ترجمه فارسی توضیحات (ترجمه ماشینی)

ثبت تصویر محدوده قوی با استفاده از الگوریتم های ژنتیک و اندازه گیری نفوذ متقابل سطحی

این کتاب به مشکل ثبت تصویر محدوده برای ساخت مدل خودکار سه بعدی می پردازد. تمرکز بر روی دستیابی به ترازهای بسیار دقیق بین جفت‌های دید مختلف از یک شی است تا از اعوجاج مدل سه بعدی جلوگیری شود. برخلاف بسیاری از کارهای قبلی، جفت‌های نما ممکن است همپوشانی نسبتا کمی از خود نشان دهند و نیازی به تراز قبلی ندارند. برای این منظور، یک معیار ارزیابی موثر جدید برای ثبت، اندازه‌گیری نفوذ سطحی (SIM) تعریف شده است. این معیار، درهم تنیدگی دو سطح را در زمانی که تراز آنها اصلاح می‌شود، کمی می‌کند، و ارزیابی کیفی «لکه‌بودن» را که اغلب در رابطه با رندرهای سطوح تراز شده استفاده می‌شود، روی یک پایه ریاضی محکم قرار می‌دهد. نشان داده شده است که سیم کارت نسبت به میانگین مربعات خطا (یعنی حساسیت بیشتری نسبت به تغییرات مقیاس ریز) در کنترل مراحل نهایی فرآیند هم ترازی دارد. نویسندگان در ادامه به ترکیب سیم کارت با الگوریتم های ژنتیک (GA) می پردازند تا رویکردی قوی برای ثبت تصویر محدوده ایجاد کنند. نتایج تأیید می‌کنند که این تکنیک به ثبت سطح دقیق و بدون نیاز به پیش‌تراز، بر خلاف روش‌های مبتنی بر الگوریتم نزدیک‌ترین نقطه تکراری (ICP) که محبوب‌ترین تا به امروز است، دست می‌یابد. نتایج تجربی کامل شامل یک مطالعه مقایسه ای گسترده ارائه شده و رویکردهای مبتنی بر GA برای بهبود ثبت بیشتر پیشنهاد شده است. نویسندگان همچنین یک تکنیک ثبت چند نمای جهانی را با استفاده از رویکرد مبتنی بر GA توسعه می دهند. نتایج از نظر دقت برای مدل‌سازی سه‌بعدی امیدوارکننده قابل‌توجهی است.

Robust Range Image Registration Using Genetic Algorithms And The Surface Interpenetration Measure

This book addresses the range image registration problem for automatic 3D model construction. The focus is on obtaining highly precise alignments between different view pairs of the same object to avoid 3D model distortions; in contrast to most prior work, the view pairs may exhibit relatively little overlap and need not be prealigned. To this end, a novel effective evaluation metric for registration, the Surface Interpenetration Measure (SIM) is defined. This measure quantifies the interleaving of two surfaces as their alignment is refined, putting the qualitative evaluation of “splotchiness,” often used in reference to renderings of the aligned surfaces, onto a solid mathematical footing. The SIM is shown to be superior to mean squared error (i.e. more sensitive to fine scale changes) in controlling the final stages of the alignment process. The authors go on to combine the SIM with Genetic Algorithms (GAs) to develop a robust approach for range image registration. The results confirm that this technique achieves precise surface registration with no need for prealignment, as opposed to methods based on the Iterative Closest Point (ICP) algorithm, the most popular to date. Thorough experimental results including an extensive comparative study are presented and enhanced GA-based approaches to improve the registration still further are proposed. The authors also develop a global multiview registration technique using the GA-based approach. The results show considerable promise in terms of accuracy for 3D modeling.