Технологія визначення ключових точок на основі стабільних меж об’єктів
An efficient technology for detection of feature points based on the edges of objects is introduced. The description of software for experimental data synthesis and checking the outcomes of different methods of detection is included. An algorithm achieving the most stable outcomes and real-time perf...
Saved in:
| Date: | 2017 |
|---|---|
| Main Authors: | , |
| Format: | Article |
| Language: | Ukrainian |
| Published: |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
2017
|
| Subjects: | |
| Online Access: | https://journal.iasa.kpi.ua/article/view/108748 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | System research and information technologies |
| Download file: |  |
Institution
System research and information technologies| _version_ | 1866302073743605760 |
|---|---|
| author | Hаrаshchenko, Fedir H. Kobzаr, A. Yu. |
| author_facet | Hаrаshchenko, Fedir H. Kobzаr, A. Yu. |
| author_sort | Hаrаshchenko, Fedir H. |
| baseUrl_str | http://journal.iasa.kpi.ua/oai |
| collection | OJS |
| datestamp_date | 2018-03-30T15:35:30Z |
| description | An efficient technology for detection of feature points based on the edges of objects is introduced. The description of software for experimental data synthesis and checking the outcomes of different methods of detection is included. An algorithm achieving the most stable outcomes and real-time performance has been created. Due to high repeatability of the suggested technology, more efficient performance of registration algorithms in general is achieved. |
| doi_str_mv | 10.20535/SRIT.2308-8893.2017.2.04 |
| first_indexed | 2025-07-17T10:22:53Z |
| format | Article |
| fulltext |
Ф.Г. Гаращенко, А.Ю. Кобзар, 2017
40 ISSN 1681–6048 System Research & Information Technologies, 2017, № 2
TIДC
ПРОГРЕСИВНІ ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ,
ВИСОКОПРОДУКТИВНІ КОМП’ЮТЕРНІ
СИСТЕМИ
УДК 004.932.2
DOI: 10.20535/SRIT.2308-8893.2017.2.04
ТЕХНОЛОГІЯ ВИЗНАЧЕННЯ КЛЮЧОВИХ ТОЧОК
НА ОСНОВІ СТАБІЛЬНИХ МЕЖ ОБ’ЄКТІВ
Ф.Г. ГАРАЩЕНКО, А.Ю. КОБЗАР
Анотація. Подано ефективну технологію виділення ключових точок на основі
меж об’єктів. Наведено опис програмного забезпечення для синтезу експери-
ментальних даних та процесу перевірки результатів роботи різних методів
виділення. Створено алгоритм з максимально стійким результатом та
швидкодією, який можна використовувати в режимі реального часу. Завдяки
високій стійкості запропонованої технології досягається більш ефективна ро-
бота алгоритмів реєстрації на наступних етапах.
Ключові слова: реєстрація зображень, оброблення зображень, пошук меж,
пошук ключових точок, фотограмметрія, побудова панорамних знімків.
ВСТУП
Збільшення обчислювальних потужностей в останні роки значною мірою
посприяло розвитку алгоритмів оброблення зображень та зробило їх дос-
тупними для використання на портативних пристроях, таких як ноутбуки та
смартфони. Одним з напрямів оброблення зображень є завдання реєстрації,
що полягає в пошуку відповідності між об’єктами, показаними на різних
зображеннях. Переважна більшість застосувань методів реєстрації зобра-
жень пов’язана з фотознімками, або кадрами відеоряду.
Найбільш очевидним їх використанням є побудова панорамних зобра-
жень [1]. На першому етапі програмного комплексу склеювання панорамних
знімків здійснюється пошук взаємної орієнтації сусідніх зображень на
основі об’єктів, наявних на обох зображеннях одночасно. Цей пошук реалі-
зовується за допомогою алгоритмів реєстрації зображень.
Згадані методики використовуються у фотограмметрії. Під цим
терміном розуміють відновлення просторової структури фізичних об’єктів
на основі їх фотознімків. Останнім часом розвиваються проекти, які додат-
ково використовують інформацію з камери глибини, зокрема, Google Project
Tango [2], GeoCV [3], matterport [4] та ін. [5, 6]. Це дозволяє отримати додат-
кову інформацію про такі проблемні об’єкти, як дзеркала та інші блискучі
предмети. У цьому випадку реєстрація зображень допомагає знайти одні і ті
самі об’єкти на знімках з різних камер. Завдяки відомому положенню цих
Технологія визначення ключових точок на основі стабільних границь об’єктів …
Системні дослідження та інформаційні технології, 2017, № 2 41
об’єктів на наступних етапах локалізується взаємне розміщення точок зйом-
ки в просторі.
Типова схема алгоритму реєстрації зображень складається з таких
етапів:
1) виділення характерних точок на зображеннях;
2) побудови числових векторів властивостей (дескрипторів) для знай-
дених точок;
3) зв’язування характерних точок різних зображень у пари на основі їх
дескрипторів;
4) фільтрації пар ключових точок для зменшення кількості хибних
елементів;
5) пошуку параметрів моделі взаємного розміщення зображень (для па-
норами — це 3 кути повороту, для задач фотограмметрії — 3 кути повороту
та 2 кути, що описують напрямок від першої точки зйомки до другої).
У цій схемі більшість обчислень припадає на перший етап. Типовий
розмір вхідного зображення для алгоритмів реєстрації — 480640 пікселів
— це близько 300 000 точок. Щоб отримати задовільний результат алгорит-
му виділення характерних елементів, необхідно врахувати значення кожної
з точок зображення, тоді як на наступних етапах кількість точок, що зали-
шилися для подальшого оброблення, зменшується більш ніж на два поряд-
ки. Важливою функцією цього етапу є їх просторова локалізація (ключові
точки обираються на певній відстані одна від одної). Це дозволяє розробити
технологію побудови дескрипторів стійкою до незначних зміщень об’єктів.
У проведеному дослідженні було побудовано технологію виділення ха-
рактерних точок на основі властивостей меж об’єктів, що розташовані на
зображенні.
Мета роботи — створення швидкодійного алгоритму, стійкого до
афінних та просторових перетворень. Під мірою стійкості розуміють
відсоток ключових точок одного зображення, які збігаються з ключовими
точками іншого зображення. Велика частка таких збігів свідчить про якість
алгоритму, що виражається у підвищенні точності та швидкості роботи
алгоритмічного комплексу на наступних етапах за рахунок більш
достовірних вхідних даних.
СИНТЕЗ ЕКСПЕРИМЕНТАЛЬНИХ ДАНИХ
Використання реальних зображень під час розроблення не дозволяє повною
мірою оцінити якість отриманого результату. Це зумовлено тим, що під час
звичайного фотознімання неможливо відслідкувати зміну положення каме-
ри в просторі, а також бракує інформації про співвідношення об’єктів, зоб-
ражених на знімках. Для отримання такого роду інформації слід використо-
вувати спеціальне обладнання, що також має свої похибки, які необхідно
додатково враховувати.
Альтернативним вирішенням цієї проблеми є синтез експерименталь-
них даних за допомогою графічної бібліотеки OpenGL. Використання таких
зображень дає змогу отримати повну інформацію про розташування камер
під час знімання та про зображені на них об’єкти. Ще однією перевагою та-
Ф.Г. Гаращенко, А.Ю. Кобзар
ISSN 1681–6048 System Research & Information Technologies, 2017, № 2 42
кого підходу є відсутність шумів, що дозволяє додати їх у потрібній
кількості після формування зображень.
Саме тому в межах цієї роботи використовувалися синтезовані зобра-
ження, максимально наближені до реальних фотознімків. Для цього на рель-
єф реальної місцевості накладалися супутникові знімки. Як джерело знімків
взято зображення з публічної кадастрової карти України [7] (рис. 1), а інфо-
рмацію про висоти місцевості — із Shuttle Radar Topography Mission [8]
(рис. 2). Отримані зображення максимально наближені до даних, які надхо-
дять з безпілотних літальних апаратів, що набули широкого застосування за
останні декілька років. Гірську місцевість обрано через те, що її поверхня
має значні відхилення від площини і дозволяє врахувати всі можливі деталі
розроблюваного алгоритму.
Рис. 2. Рельєф місцевості. Темні ділянки — низини, світлі — підвищення
Рис. 1. Супутниковий знімок. Рахівський район Закарпатської області
Технологія визначення ключових точок на основі стабільних границь об’єктів …
Системні дослідження та інформаційні технології, 2017, № 2 43
Програму синтезу розроблено в середовищі Visual Studio Community
2015 з використанням мови програмування C#. Виведення тривимірної гра-
фіки здійснювалося засобами бібліотеки OpenGL 3.2.
Результатом роботи програми є серія зображень рельєфу текстуровано-
го супутниковими знімками (рис. 3). До кожного з них додається положення
камери в момент генерації зображення та набір відстаней від центра проек-
ції до всіх видимих точок на рельєфі (рис. 4). Завдяки цим даним можна ви-
значити положення точок у просторі та оцінити точність роботи алгоритмів
виділення особливостей.
Можливість перевірки ефективності роботи дозволяє порівняти
стійкість запропонованого підходу з уже відомими, такими як SIFT [9] і
MSER [10].
ТЕХНОЛОГІЯ ВИДІЛЕННЯ КЛЮЧОВИХ ТОЧОК
На вхід розробленого алгоритму подається зображення, а результатом його
роботи є множина ключових точок. Він складається з 8 кроків.
Рис. 3. Результат проектування
Рис. 4. Відстані від камери до точок, зображених на проекції місцевості
Ф.Г. Гаращенко, А.Ю. Кобзар
ISSN 1681–6048 System Research & Information Technologies, 2017, № 2 44
Перший крок. Робота алгоритму починається із завантаження зобра-
ження, яке з кольорового зображення переводиться у відтінки сірого
(grayscale) таким чином:
,
256
2915077
bgr
y
де y — яскравість піксела у відтінках сірого; r , g , b — насиченість чер-
воним, зеленим та синім кольорами відповідного піксела вхідного зобра-
ження. Їх значення містяться в інтервалі від 0 до 255 включно. Перетворен-
ня виконується в цілих числах для збільшення швидкодії алгоритму.
Другий крок. Виконується розмиття зображення гаусіаном з парамет-
ром 3 . Ця процедура необхідна для ефективнішого виділення межі на
фоні шумів зображення та правильного оброблення різких змін їх
орієнтацій. Процес розмиття реалізовується у вигляді згорток зображення
ядром гаусіана:
.),(
2
2
0
2
)(
0
xx
exxf
Оскільки піксели на зображенні розміщені у вигляді дискретної гратки,
то і згортка буде дискретною. Для збільшення швидкості роботи результат
функції f попередньо розраховується для цілих значень xx 0 в інтервалі
від 3 до 3 . Ці значення нормуються таким чином, щоб їх сума дорів-
нювала 162 . Однією з властивостей двовимірної згортки гаусіаном є те, що
вона розкладається на композицію двох одновимірних згорток — по
вертикалі та по горизонталі. Обчислення згорток ведеться в цілих числах,
що є можливим завдяки описаному нормуванню ядра. Урахування кольорів
сусідніх точок під час розмиття дозволяє підвищити точність подання яск-
равостей пікселів зображення з 8 до 16 біт. Такі модифікації позитивно по-
значаються на якості роботи наступних етапів алгоритму та на швидкості
розмиття.
Третій крок. Після розмиття здійснюється пошук градієнтів у кожній
точці зображення за формулою
)),1,()1,(),,1(),1((),( yxIyxIyxIyxIyxG
де ),( yxI — яскравість відповідного піксела зображення. Якщо параметра-
ми функції G є координати точки, розміщеної біля межі, тоді замість
сусідніх точок, що виходять за межі зображення, беруться їх найближчі
сусідні точки з поверхні знімка. З урахуванням цього доповнення формула
набуває такого вигляду:
,
))0,1(max,())1,1(min,(
)),0,1((max)),1,1((min
),(
T
yxIHyxI
yxIyWxI
yxG
де W і H — ширина та висота зображення відповідно, а нумерація пікселів
починається з позиції )0,0( . Знайдені значення градієнтів зменшують у ,2k
0k рази, де k обирається таким чином, щоб максимальне значення
градієнта за модулем було меншим ніж 102 . Градієнти безпосередньо
Технологія визначення ключових точок на основі стабільних границь об’єктів …
Системні дослідження та інформаційні технології, 2017, № 2 45
позв’язані з межами об’єктів зображення і надалі використовуватимуться
лише вони. Це автоматично робить запропонований алгоритм стійким до
змін яскравості на знімках.
Четвертий крок. На завершальній стадії алгоритму (фільтрації знай-
дених ключових точок) знадобляться середні значення величин градієнтів в
околі кожної такої точки. Тому після знаходження градієнтів розраховують-
ся значення їх модулів у кожній точці зображення та проводиться їх розмит-
тя. Щоб уникнути тривалих розрахунків процедури розмиття, розмір знай-
деного масиву зі значеннями градієнтів зменшують у 2 рази по вертикалі та
2 рази по горизонталі. Цей крок пришвидшує розмиття за рахунок зменшен-
ня площі масиву в 4 рази та величини ядра у 2 рази. Таким чином досягнуто
восьмикратного зменшення кількості операції на етапі розмиття.
П’ятий крок. Визначається положення найближчої межі відносно
кожної точоки зображення. На цьому кроці відкидаються точки, що розмі-
щені на відстані 3 і більше пікселів від найближчої межі. Оскільки після
розмиття зображення велика кількість малопомітних меж втратилася, то цей
крок дозволяє далі не враховувати більшість точок зображення. Характер-
ною ознакою межі є те, що на ній досягає локального максимуму сума
проекцій градієнтів точок околу на напрямок градієнта в точці цієї межі.
Інакше кажучи, при русі в напрямках градієнта або антиградієнта на межі
досягається локальний максимум проекції градієнта на цей напрямок. Для
досягнення субпіксельної точності для кожної точки зображення P будемо
шукати її відстань до межі в напрямку градієнта. Для цього виділимо 6
прямокутників iA розміром 21 піксели, які розташовані послідовно і
формують прямокутник розміром 26 піксели, у центрі якого міститься
точка P . Повернемо цей прямокутник таким чином, щоб його більша сто-
рона збігалася з напрямком градієнта в точці P . Для кожного з
прямокутників iA знаходимо значення iV як суму проекцій градієнтів
пікселів, що перетинаються з ним (піксел розглядається як квадрат), помно-
жену на площу їх перетину. Якщо максимальне значення масиву V розмі-
щене або на початку, або в його кінці, тоді точка P вважається далекою від
межі і більше не розглядається. У противному випадку на основі елементів
масиву V шукається положення межі на прямій градієнта точки P як
розв’язок задачі мінімізації, що апроксимує значення iV параболою
CBxAx 2 :
2
2
2
1 2
3
4
9
2
5
4
25
VCBAVCBA
2
4
2
3 2
1
4
1
2
1
4
1
VCBAVCBA
min
2
5
4
25
2
3
4
9
2
6
2
5
VCBAVCBA .
Розв’язком екстремальної задачі є такі величини:
Ф.Г. Гаращенко, А.Ю. Кобзар
ISSN 1681–6048 System Research & Information Technologies, 2017, № 2 46
);(
14
1
)(
56
1
)(
56
5
435261 VVVVVVA
).(
35
1
)(
35
3
)(
7
1
342516 VVVVVVB
Максимуму парабола досягає в точці
A
B
2
. Якщо це значення
перевищує 3, то точка вважається далекою від межі, інакше воно множиться
на вектор напрямку градієнта в точці P і зберігається як зміщення межі
відносно цієї точки в масиві ),( yxO . Найбільшу кількість розрахунків на
цьому етапі становить пошук площ перетину прямокутників iA та пікселів
зображення. Щоб уникнути обчислювальних затрат, напрямки векторів
градієнтів обмежуються 256 можливими варіантами і для всіх цих значень
відшукуються площі перетину. Точність на етапі попередніх розрахунків
забезпечується використанням чисел з плаваючою комою, тоді як під час
основних розрахунків використовуються лише цілочислові операції.
Шостий крок. Із напрямків до меж формуються точки, на основі яких
будуватимуться лінії на зображенні. Цей крок складається з двох частин.
У першій частині послідовно беруться всі пари сусідніх по горизонталі то-
чок. Якщо ці точки ),( yx і ),1( yx розміщені близько до межі і викону-
ються умови
;0),( yxOx ;0),1( yxOx
,),1(),()),1(),((3 yxOyxOyxOyxO yyxx
то в перелік точок додається елемент з координатами
y
yxOyxO
yxO
x
xx
x ,
),1(),(
),(
. Аналогічним чином пари сусідніх точок
по вертикалі опрацьовуються у другій частині цього кроку.
Сьомий крок. На ньому будуються лінії меж у зображенні. Їх конст-
руювання починається з оброблення знайдених на попередньому етапі то-
чок. Для кожної точки P виконуються такі операції. Спочатку з’ясовується
чи не оброблялася якась точка на відстані 5,2 пікселів від поточної. Якщо
оброблялася, тоді в більшості випадків лінія, на якій міститься точка P , вже
додавалася і тому відбувається перехід до наступної точки. Якщо лінія ще
не додавалася, вважається, що вона буде додана при виборі іншої точки з
цієї лінії. Якщо ні точка P , ні сусідні точки не оброблялися, тоді починаєть-
ся процедура додавання лінії.
Процедура уточнення положення точки K починається з визначення
значення градієнта шляхом кубічної інтерполяції функції ),( yxG . Далі ви-
значаються зміщення 1O за схемою, описаною на п’ятому кроці алгоритму,
а також точки 11 OKK і 112 OKK . Так само для точки 2K знахо-
диться значення зміщення 2O . Якщо 021 OO , тоді межі містяться між точ-
ками K і 2K і положення точки K становить:
Технологія визначення ключових точок на основі стабільних границь об’єктів …
Системні дослідження та інформаційні технології, 2017, № 2 47
.
1
2
2
1
21
1
O
OO
O
K
Інакше положення переміщається до межі:
.22 OK
Якщо у процесі ітераційної процедури або 1O , або 2O виявилися
більшими ніж 3, тоді уточнення положення точки вважається неуспішним.
Ця процедура повторюється декілька разів. У межах запропонованого алго-
ритму емпірично встановлено, що 5 ітерацій дають достатню точність.
Повернемося до процедури додавання лінії. Вона починається із засто-
сування уточнення положення точки P . Якщо в процесі уточнення відбуло-
ся віддалення на 2 піксели від початкового місця, тоді є небезпека набли-
ження до лінії, яка вже додавалася, і тому оброблення точки P зупиняється.
Далі алгоритм починає додавати точки у двох напрямках. Початкове поло-
ження другої точки лінії 'P відносно першої P напрямлене перпендикуляр-
но до градієнта в точці P . Після цього уточнюється положення 'P за
аналогічною до описаної вище схемою, за винятком того, що після кожної
ітерації вектор PP нормується шляхом зміщення точки 'P . Інші точки
додаються за аналогічною схемою з урахуванням того, що їх початкове по-
ложення розраховується як
.2 11 iii PPP
Процес додавання точок до лінії зупиняється у випадку, якщо
виконується одна з таких умов:
в околі точки радіусом 5,2 піксела є точка, яка уже додавалася (і
вона відрізняється від попередньої);
кут між лінією та градієнтом в точці менший від порогового зна-
чення
12
;
поворот лінії перевищує порогове значення
2
.
Другий напрямок, у якому алгоритм додає точки до лінії, як і перший
перпендикулярний до градієнта точки P , але зорієнтований у протилежний
бік. Результатом роботи цього етапу є набір ліній, стабільних до типових
перетворень зображення.
Восьмий крок. На ньому виділяються окремі точки на лініях. В основу
його роботи покладено характеристику )(PD кожної точки ліній, яка являє
собою значення відстані від самої точки до прямої, що з’єднує точки лінії,
які віддалені від P на 3 піксели по різні боки. Якщо для точки P значення
функції D більше ніж для сусідніх точок по лінії, тоді вона розглядається як
потенційна бути ключовою точкою. Для більшої точності її положення
наближується параболою відповідно до значень функції D для самої точки
та найближчих сусідніх точок.
Ф.Г. Гаращенко, А.Ю. Кобзар
ISSN 1681–6048 System Research & Information Technologies, 2017, № 2 48
Після отримання екстремальних точок описаним способом відбувається
їх остаточна фільтрація за допомогою підібраних критеріїв з метою досяг-
нення найбільш стабільного результату. Перелік знайдених критеріїв для
точки P :
різниця між значенням )(PD та максимальним значенням
)(max i
i
PD , де iP — точки, віддалені на 1, 1,5 та 2 піскели по обидва боки
від точки P на лінії, не менша ніж 0,1;
відстань від краю лінії не менша ніж 3;
відношення довжини градієнта в точці P до середньої довжини
градієнта в її околі більше ніж 1,4.
ПІДБІР ПАРАМЕТРІВ АЛГОРИТМУ
Останній етап описаного алгоритму передбачає визначення критеріїв
фільтрації, які дозволять досягнути максимальної стабільності отриманого
результату. Для розв’язання поставленого завдання було розроблено окре-
мий програмний модуль, який дозволяє перевіряти вплив заданих обмежень
та графічно виводити параметри стійкості для всіх порогових значень в об-
раному інтервалі (рис. 5).
У випадному списку «Criterion #» вибирається номер критерію, який
підлягає оптимізації. До розгляду введено такі критерії:
)(min),(minmax
]2,[],2[
QDQDPD
PPQPPQ
, де P — точка, яка
розглядається; )(QD — відстань від Q до відрізка, що з’єднує точки на ме-
жі, віддалені на 3 піксели від Q (у різні боки);
Рис. 5. Вікно підбору меж для критеріїв фільтрації та класифікації ключових точок
Технологія визначення ключових точок на основі стабільних границь об’єктів …
Системні дослідження та інформаційні технології, 2017, № 2 49
)(min),(min/max)(
]2,[],2[
QDQDPD
PPQPPQ
;
відстань від точки P до краю лінії, на якій вона розміщена;
косинус кута між нормаллю PN до лінії в точці P та градієнтом
PG ;
)(|)(/)( POQQGPG ;
)(|)(/) (),( POQQGPVPG , де )(PV — нормований напрямок
уздовж лінії в точці P .
Параметрами для критеріїв є два порогові значення, перехід через одне
з них означає належність точки до множини ключових точок, а перехід че-
рез друге — до більш стійкої підмножини цих точок. На графіку, розміще-
ному в лівій частині вікна, зображено статистичні дані, отримані для різних
порогових значень поточного критерію. Значення інших критеріїв —
фіксовані. На основі графіка окремо підбираються найкращі значення
порогів для кожного з критеріїв. У результаті пошуку параметрів за допомо-
гою розробленого модуля виділено лише 3 найголовніші критерії і знайдено
для них оптимальні порогові значення.
ПОРІВНЯННЯ РЕЗУЛЬТАТІВ РОБОТИ З ІНШИМИ ТЕХНОЛОГІЯМИ
Підхід, який полягає у використанні двох порогових значень, дозволяє
збільшити відношення кількості сформованих пар до кількості перевірок,
які виконуються для їх побудови. Для цього база пошуку ключових точок
формується з тих, які пройшли слабший критерій, а пошук в базі
здійснюється для ключових точок іншого зображення, які пройшли більш
сильний критерій (стійкі ключові точки). Такі дії дозволяють ураховувати
те, що при переході до іншого зображення точка перестає відповідати
критерію ключової. У запропонованій технології більшість описаних
випадків зводяться до переходу точки з множини стійких до звичайних, які
також наявні в базі, на основі якої формуються пари ключових точок.
Використання цієї ідеї та описаного алгоритму в цілому дає змогу
значно випередити інші алгоритми за показником стабільності результату,
не втративши при цьому в швидкодії.
Тестування якості результату проводилося на наборі синтезованих да-
них. Знайдені стійкі ключові точки одного зображення переводилися у
тривимірний простір і проектувалися на площину іншого зображення. Якщо
біля отриманої проекції певної точки містилася ключова точка другого зоб-
раження, то вважалося, що вона коректно знайдена. Як стійкість результату
роботи алгоритму взято відношення коректно знайдених ключових точок до
загальної кількості стійких ключових точок зображення, які у процесі пере-
проектування потрапляли у ділянку видимості другого зображення. Значен-
ня стійкості усереднювалося для серії пар зображень.
За описаним критерієм запропонована технологія показала результат
91%, тоді як для інших відомих алгоритмів це значення становить: DoG
(частина SIFT [9]) — 66%, MSER [10] — 75%.
Ф.Г. Гаращенко, А.Ю. Кобзар
ISSN 1681–6048 System Research & Information Technologies, 2017, № 2 50
Синтезовані дані формувалися таким чином, що об’єкти, на яких місти-
лися стабільні ключові точки в одному зображенні, могли повністю зникну-
ти з іншого зображення, оскільки їх перекриває деякий ближчий об’єкт. Це
зменшило знайдені значення стійкості на декілька відсотків.
Алгоритм на швидкодію не порівнювався з аналогами через відсутність
у відкритому доступі найбільш продуктивних реалізацій інших алгоритмів.
Однак запропонований метод побудовано на основі алгоритму, який ви-
користовувався для отримання панорамних знімків у режимі реального
часу [11, 12]. Його продуктивності вистачало на переведення перерахунку
до 20 разів за секунду на смартфоні чотирирічної давності (Samsung
Galaxy S3).
ВИСНОВКИ
У межах роботи запропоновано технологію виділення стабільних ключових
точок на зображенні, яка за якістю результату значно переважає аналоги.
Для оцінювання характеристик розробленої технології та порівняння її з
іншими подібними технологіями створено програмне забезпечення для син-
тезу зображень з інформацією про відстань до об’єктів.
Описаний метод ґрунтується на процедурі виділення стійких меж. Він
складається з восьми кроків, на яких послідовно звужується множина точок,
що стають ключовими. Запропоновано підхід, який полягає в класифікації
ключових точок за ступенем стійкості і допомагає зменшити обсяг процеду-
ри пошуку під час компонування в пари. Для вибору критеріїв класифікації
та визначення порогових значень розроблено програмний модуль, який у
графічному вигляді показує значення стійкості для можливих порогових
значень і дає змогу серед усіх варіантів обрати оптимальні.
Результати, отримані в роботі, дозволяють підвищити продуктивність
методів реєстрації зображень як за рахунок пришвидшення пошуку ключо-
вих точок, так і завдяки тому, що розглянутий алгоритм видає більш стійкі
результати, які істотно скорочують розрахунки, необхідні на наступних ета-
пах реєстрації.
ЛІТЕРАТУРА
1. Гаращенко Ф.Г. Интерактивное построение панорамных снимков с помощью
портативных компьютеров / Ф.Г. Гаращенко, А.Ю. Кобзарь // Проблемы
управления и информатики. — 2013. — № 6. — С. 90–102.
2. Tango [Digital resource] // Google Inc. — Access mode: http://get.google.com/tango
3. Nect-generation 3D Virtual Tours [Digital resource] // GeoCV. — Access mode:
http://www.geocv.com
4. Matterport: Immersive 3D Spaces for real-world applications [Digital resource] //
Matterport. — Access mode: https://matterport.com
5. Технология Intel® RealSense™ [Електронний ресурс] // Intel Corporation. —
Режим доступу: http://www.intel.ua/content/www/ua/uk/architecture-and-
technology/realsense-overview.html
6. Kinect-Windows app development [Digital resource] // Microsoft Corporation. —
Access mode: https://developer.microsoft.com/en-us/windows/kinect
Технологія визначення ключових точок на основі стабільних границь об’єктів …
Системні дослідження та інформаційні технології, 2017, № 2 51
7. Публічна кадастрова карта України [Електронний ресурс] // Центр державного
земельного кадастру. — Режим доступу: http://www.map.land.gov.ua/
kadastrova-karta
8. Shuttle Radar Topography Mission [Digital resource] // National Aeronautics and
Space Administration. — Access mode: http://www2.jpl.nasa.gov/srtm/
9. Lowe D. Distinctive Image Features from Scale-Invariant Keypoints / David Lowe //
International Journal of Computer Vision. — 2004. — Vol. 60, Issue 2. —
P. 91–110.
10. Donoser M. Efficient Maximally Stable Extremal Region (MSER) Tracking /
M. Donoser, H. Bischof // Conference on Computer Vision and Pattern Recogni-
tion. — 2006. — Vol. 1. — P. 553–560.
11. Кобзар А.Ю. Обчислювальні технології інтерактивної побудови панорамних
зображень в режимі реального часу : дис. канд. техн. наук : 01.05.02 / Коб-
зар Андрій Юрійович. — Київ, 2015. — 184 с.
12. Гаращенко Ф.Г. Сопоставление снимков панорамы на основании границ объ-
ектов / Ф.Г. Гаращенко, А.Ю. Кобзарь // Компьютерная математика. —
2014. — № 1. — С. 46–53.
Надійшла 17.03.2017
|
| id | journaliasakpiua-article-108748 |
| institution | System research and information technologies |
| keywords_txt_mv | keywords |
| language | Ukrainian |
| last_indexed | 2025-07-17T10:22:53Z |
| publishDate | 2017 |
| publisher | The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
| record_format | ojs |
| resource_txt_mv | journaliasakpiua/5d/4146bddd4c2eaaf708656b4739e29a5d.pdf |
| spelling | journaliasakpiua-article-1087482018-03-30T15:35:30Z A technology for feature points detection based on stable edges of objects Технология определения ключевых точек на основе стабильных границ объектов Технологія визначення ключових точок на основі стабільних меж об’єктів Hаrаshchenko, Fedir H. Kobzаr, A. Yu. image registration image processing edge detection feature point detection photogrammetry panorama stitching регистрация изображений обработки изображений поиск границ поиск ключевых точек фотограмметрия построение панорамных снимков реєстрація зображень оброблення зображень пошук меж пошук ключових точок фотограмметрія побудова панорамних знімків An efficient technology for detection of feature points based on the edges of objects is introduced. The description of software for experimental data synthesis and checking the outcomes of different methods of detection is included. An algorithm achieving the most stable outcomes and real-time performance has been created. Due to high repeatability of the suggested technology, more efficient performance of registration algorithms in general is achieved. Представлено эффективную технологию выделения ключевых точек на базе границ объектов. Приведено описание программного обеспечения для синтеза экспериментальных данных и процесса проверки результатов работы различных методов выделения. Создано алгоритм с максимально стабильным результатом и максимальным быстродействием, который можно использовать в режиме реального времени. Благодаря высокой устойчивости предложенной технологии достигается более эффективная работа алгоритмов регистрации на следующих этапах. Подано ефективну технологію виділення ключових точок на основі меж об’єктів. Наведено опис програмного забезпечення для синтезу експериментальних даних та процесу перевірки результатів роботи різних методів виділення. Створено алгоритм з максимально стійким результатом та швидкодією, який можна використовувати в режимі реального часу. Завдяки високій стійкості запропонованої технології досягається більш ефективна робота алгоритмів реєстрації на наступних етапах. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2017-06-26 Article Article application/pdf https://journal.iasa.kpi.ua/article/view/108748 10.20535/SRIT.2308-8893.2017.2.04 System research and information technologies; No. 2 (2017); 40-51 Системные исследования и информационные технологии; № 2 (2017); 40-51 Системні дослідження та інформаційні технології; № 2 (2017); 40-51 2308-8893 1681-6048 uk https://journal.iasa.kpi.ua/article/view/108748/103694 Copyright (c) 2021 System research and information technologies |
| spellingShingle | реєстрація зображень оброблення зображень пошук меж пошук ключових точок фотограмметрія побудова панорамних знімків Hаrаshchenko, Fedir H. Kobzаr, A. Yu. Технологія визначення ключових точок на основі стабільних меж об’єктів |
| title | Технологія визначення ключових точок на основі стабільних меж об’єктів |
| title_alt | A technology for feature points detection based on stable edges of objects Технология определения ключевых точек на основе стабильных границ объектов |
| title_full | Технологія визначення ключових точок на основі стабільних меж об’єктів |
| title_fullStr | Технологія визначення ключових точок на основі стабільних меж об’єктів |
| title_full_unstemmed | Технологія визначення ключових точок на основі стабільних меж об’єктів |
| title_short | Технологія визначення ключових точок на основі стабільних меж об’єктів |
| title_sort | технологія визначення ключових точок на основі стабільних меж об’єктів |
| topic | реєстрація зображень оброблення зображень пошук меж пошук ключових точок фотограмметрія побудова панорамних знімків |
| topic_facet | image registration image processing edge detection feature point detection photogrammetry panorama stitching регистрация изображений обработки изображений поиск границ поиск ключевых точек фотограмметрия построение панорамных снимков реєстрація зображень оброблення зображень пошук меж пошук ключових точок фотограмметрія побудова панорамних знімків |
| url | https://journal.iasa.kpi.ua/article/view/108748 |
| work_keys_str_mv | AT harashchenkofedirh atechnologyforfeaturepointsdetectionbasedonstableedgesofobjects AT kobzarayu atechnologyforfeaturepointsdetectionbasedonstableedgesofobjects AT harashchenkofedirh tehnologiâopredeleniâklûčevyhtočeknaosnovestabilʹnyhgranicobʺektov AT kobzarayu tehnologiâopredeleniâklûčevyhtočeknaosnovestabilʹnyhgranicobʺektov AT harashchenkofedirh tehnologíâviznačennâklûčovihtočoknaosnovístabílʹnihmežobêktív AT kobzarayu tehnologíâviznačennâklûčovihtočoknaosnovístabílʹnihmežobêktív AT harashchenkofedirh technologyforfeaturepointsdetectionbasedonstableedgesofobjects AT kobzarayu technologyforfeaturepointsdetectionbasedonstableedgesofobjects |