Prepoznvanje jedne klase površi u struktuiranom oblaku tačaka

Abstract

U određenim oblastima industrije postoji potreba za generisanjem kompjuterskih modela objekata samo na osnovu njihove fizičke realizacije, a bez unapred poznatih konstrukcionih ili tehnoloških informacija. Pri realizaciji ovakvih zahteva istaknuto mesto zauzimaju tzv. tehnike reverznog inženjerstva geometrijskih modela. Bitnu fazu primene navedenih tehnika predstavlja prepoznavanje geometrijskih primitiva od kojih se posmatrani objekat sastoji. U ovom radu predstavljen je metod za segmentaciju i prepoznavanje G1 kontinualnih površina koje su u skenirnim linijama struktuiranog oblaka predstavljene eliptičnim segmentima. Predloženi algoritam je pre svega namenjen za prepoznavanje eliptičkih cilindara, elipsoida i eliptičkih torusa, ali se u zavisnosti od načina skeniranja dela, može koristiti i za prepoznavanje još nekih površi drugog reda. Proces segmentacije je zasnovan na prepoznavanju eliptičkih segmenata u skeniranim linijama, a na osnovu osobina singulariteta informacione matrice pri regresionoj analizi metodom najmanjih kvadrata. Verifikacija predloženog metoda je izvršena procesiranjem tri sintetizovana, kao i jednog realnog oblaka tačaka.

This paper presents a method for recognition of surfaces represented by elliptical segments in structured three dimensional (3D) point clouds. The method is based on direct least squares fitting of ellipses in scanned lines. By recognizing elliptical segments in both directions of structured cloud it is possible to efficiently allocate G1 (and higher) continuous regions which represent a certain class of surfaces. The proposed method is primarily developed for recognition of elliptical cylinders and ellipsoids, including cylinders and spheres. Depending on scanning mode, the method can be employed for recognition of other second degree surfaces like cones. Besides, as presented in the paper, the method can be utilized for recognition of certain class of higher degree surfaces such as elliptical tori. The proposed method is experimentally verified using several synthesized point clouds as well as using a real world case study.