بخشی از مقاله
چکیده
در سال هاي اخیر شرکت مایکروسافت در بسته بازي Xbox360 خود محصولی بنام کینکت را معرفی نمود . کینکت موفقیت بالایی در سطح جهان پیدا نمود و در دنیاي نقشه برداري، راه حل جدیدي براي ایجاد مدل سه بعدي اجسام متولد گردید . داده هاي عمق حاصل از کینکت داراي حدتفکیک مکانی - تراکم نقاط - وحد تفکیک رادیومتریکی - گامهاي عمق - پایینی بوده و با سطحی از نویز همراه است .اما از قابلیت تولید تصویر عمق با فریم بالا برخوردار است .در این مقاله با استفاده از این قابلیت الگوریتمی براي ایجاد تصویر عمق با حد تفکیک مکانی بالا و نویز پایین با استفاده از تعدادي فریم تصویر عمق با حد تفکیک مکانی پایین و نویز بالا پی در پی از یک ایستگاه ارائه می گردد.خروجی این الگوریتم امکان مدل سازي سه بعدي با کیفیت بهتر با استفاده از سنجنده ي کینکت را فراهم می کند.
واژههاي کلیدي: سنجنده ي کینکت، حد تفکیک مکانی،حد تفکیک رادیومتریکی
-1 مقدمه
پیشرفت هاي صورت گرفته در زمینه تکنولوژي و گرافیک کامپیوتري زمینه براي ایجاد مدل سه بعدي اجسام به صورت مجازي را فراهم کرد .مدل سه بعدي اجسام میتواند در کاربردهاي متفاوتی مانند طراحی مدل ها،بازيهاي کامپیوتري و ایجاد موزه هاي سه بعدي و تولید انیمیشنها و بسیاري کاربرد هاي دیگر مطرح شود.براي ایجاد مدل سه بعدي اجسام روش هاي متفاوتی مطرح شده است که یکی از این روش ها استفاده از سیستم هاي برداشت ابر نقطه است.در دهه هاي اخیر سسیتم هاي برداشت ابر نقطه سه بعدي مانند لیزر اسکنرها و نورساختاریافته مطرح گردیدند اما هزینه بالا و تخصصی بودن این سیستمها، عواملی محدودکننده در گرایش عموم به استفاده از آنها بوده است. در سال هاي اخیر شرکت مایکروسافت در بسته بازي تخصxپتگ خود محصولی بنام را معرفی نمود که ارتباط کاربر با بازي را از راه دور و از طریق اسکن سه بعدي بدن وي انجام میداد.
بواسطه تعامل و تحرك بیشتر کاربران با فضاي بازي، کینکت موفقیت بالایی در سطح جهان پیدا نمود و در دنیاي نقشه برداري، راه حل جدیدي براي ایجاد مدل سه بعدي اجسام متولد گردید. این دستگاه با هزینه بسیار پایین آن و راه اندازي و بکارگیري ساده آن، قادر است با سرعت بالایی - ده ها فریم در ثانیه - داده هاي عمق و رنگ را برداشت کند.داده هاي عمق حاصل از کینکت داراي حدتفکیک مکانی - تراکم نقاط - و حد تفکیک رادیومتریکی - گامهاي عمق - پایینی بوده و با سطحی از نویز همراه است. این عوامل باعث میشود هر فریم ابر نقطه کینکت به تنهایی گذشته از وجود نواحی پنهان در آن، داراي محدودیت جدي در کیفیت هندسی مدل سه بعدي تولیدي از آن باشد.
براي ایجاد مدل سه بعدي با حدتفکیک بالا و سطح نویز پایین، بایستی با توجه به سرعت بالاي برداشت داده هاي عمق کینکت، فریمهاي متوالی از یک زاویه دید را هم مرجع سازي و تلفیق نمود. در این تحقیق، از یک الگوریتم فیلترینگ غپطصأئپککل طکژأح استفاده شده است. فیلترینگ به روش هایی اطلاق می شود که ازتصویر یا تصاویر با رزولوشن پایین و برخوردار از نویز بالا ، تصویري با رزولوشن بالا و نویز پایین تولید می کنند. شکل 1 فلوچارت روش پیشنهادي را نشان می دهد.در شکل فوق چهار مرحله اخذ داده، هم مرجع سازي،بهینه سازي و ارزیابی نتایج مشاهده میشود که در زیر کلیات هر یک تشریح شده است. جزئیات بیشتر این مراحل در ادامه مقاله در بخش هاي بعد خواهد آمد.
•مرحله اول،اخذ داده:در این مرحله ابتدا کینکت در یک ایستگاه ثابت و در محلی مناسب مستقر می شود سپس بدون جابجایی کینکت تعدادي فریم داده برداشت می شود به گونه اي که جابجایی بین فریم ها حداکثر 1تا 2 پیکسل باشد.
•مرحله دوم،هم مرجع سازي:در این مرحله ابتدا از بین فریم هاي برداشتی فریم اول به عنوان فریم مرحع انتخاب می شود سپس با استفاده از wپئس ئهططصژق میزان جابجایی فریمها نسبت به فریم مرجع بدست می آید.این میزان جابجایی به فریم ها اعمال می شود.در این حالت فریم ها نسبت به یکدیگر هم مرجع می شوند.سپس به منظور انجام پردازش ها در مرحله ي بعدي فریم ها با توجه به میزان افزایش رزولوشن کئژعهکژس می شوند.و با انتخاب مقدار میانه ي مقادیر عمق هر پیکسل در فریم هاي متفاوت به عنوان مقدار پیکسل مورد نظر،مقدار اولیه براي تصویر عمق با رزولوشن جلدض بدست می آید.
•مرحله سوم،بهینه سازي: در این مرحله به منظور به دست آوردن لد نهایی ابتدا تابع هدفی تعریف می شود. و با استفاده از مقدار اولیه لد و تعریف پارامتر هاي مورد نیاز با استفاده از یکی از روش هاي بهینه سازي استاندارد تصویر عمق با رزولوشن بالا و نویز پایین بدست می آید.
•مرحله چهارم،ارزیابی نتایج:در این مرحله با استفاده از فیلتر هاي پایین گذر متفاوت نتایج بدست آمده و با یکدیگر مقایسه شدند. و همچنین آزمون تاثیر پارامتر هاي ورودي بر کیفیت بصري و سرعت پردازش ها انجام گرفت.
1-1پیشینه تحقیق
. الگوریتم هایی که تاکنون براي فیلترینگ به روش مطرح شده است را می توانبه صورت زیر تقسیم بندي کرد.1. تک فریم: دراین روش فقط یک فریم تصویر عمق در اختیار است . این دسته از الگوریتم ها به دو دسته تقسیم می شوند که در دسته ي اول با استفاده از ؟غطئژعهکژس رزولوشن تصویر افزایش داد ه می شود و سپس به منظور کاهش نویز از یک فیلتر پایین گذر استفاده می شود. - - 3اما دسته ي دوم الگوریتم ها به منظور افزایش رزولوشن،دوربین رنگی با رزولوشن بالا در کنار سنجنده ي برداشت داده هاي عمق قرار می دهند .و با تلفیق داده هاي دوربین رنگی با داده هاي با رزولوشن پایین سنجنده ي برداشت عمق قابلیت افزایش کیفیت داده هاي عمق ایجاد می شود. - - 2وهدف از این روش ایجاد ارتباط بین داده هاي عمق و رنگی براي حفظ و بازیابی لبه ها است.
