دانلود با لینک مستقیم و پر سرعت .
نوع فایل: word
قابل ویرایش 134 صفحه
چکیده:
هدف از این پروژه استخراج پروفایل سه بعدی اجسام به استفاده از روش نور ساختار یافته ااست. با توجه به بررسی های انجام شده نور ساختار یافته دارای مزایای ویژه ای می باشد . برای مثال سیستمهای مبتنی بر اُپتیک معمولا دارای هزینه پایین تری هستند . همچنین سیستم های بینایی استرﻳو ( شامل دو دوربین ) یا استریو فتو گرامتری برای سنجش برد کوتاه دارای کاربردهای زیادی می باشد . اما این سیستم در اندازه گیری فواصل کوتاه دارای نواقص و مشکلات مربوط به خود است . این مطلب باعث شده روشهای نور ساختار یافته در فواصل کوتاه بیشتر مورد توجه قرار گیرد . وجود کدینگ در نور ساختار یافته و کاربرد آن در تناظر یابی باعث بالاتر رفتن ضریب اطمینان می شود . برای راه اندازی این سیستم نیاز به یک پروژکتور LCD و یک دوربین تصویر برداری است که با توجه به الگو از آن می توان برای بازسازی اجسام متحرک نیز استفاده کرد . در این میان نقش اساسی را الگوریتم و نرم افزار نوشته شده برای پردازش ها و اندازه گیریها برعهده دارد . مراحل کاری این سیستم در فلوچارت به صورت کلی آورده شده است .
این سیستم دارای کاربردهای فراوانی در استخراج مدل سه بعدی اجسامی از قبیل آثار هنری ، ایجاد مدل کامپیوتری از عروسکها و مجسمه ها در کاربردهای انیمیشن سازی دارد . همچنین دارای کاربردهای قابل تطبیق، در سیستم های پزشکی و برخی مسائل صنعتی مانند مهندسی معکوس نیز می باشد .
مقدمه:
نظر به گستردگی روز افزون استفاده از سیستم های هوشمند لزوم بکار گیری سیستم های بینایی اتوماتیک و یا نیمه اتوماتیک به منظور بدست آوردن ابعاد جسم بر کسی پوشیده نیست . در همین راستا در صنایع نیز در ایستگاههای بازرسی و کنترل کیفیت جهت بررسی دقیقتر میزان تطابق قطعه ی درحال تولید با قطعه مورد نظر ، از سیستم های بینایی استفاده می شود . بدین وسیله علاوه بر مشخص شدن مورد خطا ، محل دقیق آن و میزان خرابی نیز مشخص می شود .
از جمله موارد کاربرد دیگر سیستم بینایی می توان به علوم نظامی ، پزشکی ، باستانشناسی ، راه و ساختمان و زمین شناسی و هدایت ربات اشاره کرد که روز به روز استفاده از سیستم های بینایی در آنها افزایش می یابد . سیستم های بینایی معمولی ، تنها به گرفتن یک تصویر دو بعدی از جسم اکتفا می کنند و قادر به تشخیص فاصله و یا ارتفاع و عمق نیستند . به همین دلیل و برای داشتن اطلاعات بیشتر از جسم ، محققان تلاش خود را بر روی بدست آوردن اطلاعات از بعد سوم (محور Z) متمرکز کردند .
در راستای این تلاشها رهیافتهای متفاوتی جهت اسکن سه بعدی یک جسم ارائه شد . در این میان اسکنرهای تماسی مبتنی بر سنسورهای تماسی مکانیکی و اسکنرهای غیر تماسی مبتنی بر تکنولژی اپتیکی از جمله راه کارهایی هستند که محققان در پیش رو دارند . و در این میان راه کارهای اپتیکی به دلیل انعطاف پذیر بودن و هزینه قابل قبول ترجیح داده می شوند . ضمن اینکه در خیلی از موارد از دقت و قدرت بالاتری در مقایسه با تکنولژی تماسی برخوردار هستند .
در تحقیق انجام شده پس از بررسی انواع روشهای اپتیکی برای استخراج پروفایل سه بعدی ، یک سیستم نوری بر مبنای نور ساختاریافته کدینگ شده پس از بررسی روشهای کار شده در این زمینه ، پیاده سازی می شود .
فصل اول به بررسی روشهای متفاوت استخراج مدل سه بعدی اشیاء می پردازد. علاوه بر آن کاربردهای مختلف بینایی سه بعدی ارائه می شود . در فصل دوم تکنیکهای مختلف کدینگ الگو در نور ساختاریافته بررسی می شود . در فصل سوم که آغازی برای پیاده سازی است با طراحی یک نوع کدینگ به طراحی یک الگو پرداخته می شود و پردازشهای لازم اولیه در تصاویر برای کشف رمزها توضیح داده می شوند . فصل چهارم با توضیح استفاده از شبکه عصبی برای تعیین کد رنگهای بدست آمده در ادامه به حل مسئله تطابق می پردازد و در نهایت یک بازسازی سه بعدی اولیه از جسم ارائه می دهد . در نهایت در فصل پنجم به جمع بندی فصول گذشته پرداخته شده و پیشنهاداتی برای ادامه کار داده خواهند شد . در صفحه بعدی فلوچارتی از مراحل کلی کار آورده شده که به طور کلی نمایانگر مراحل کاری می باشد .
فهرست مطالب:
چکیده
فصل اول : تئوری نور ساختار یافته و کاربردهای بینایی سه بعدی
1-1- مقدمه .
1-2- روشهای غیر فعال بینایی سه بعدی .
1-2-1- روش استریوفتوگرامتری
1-3- روشهای فعال بینایی سه بعدی
1-3-1- بکار گیری سنسور تماسی دربینایی سه بعدی
1-3-2- بکار گیری سنسور غیر تماسی دربینایی سه بعدی
1-3-2-1- روش ارسال امواج
1-3-2-2- روش های انعکاسی.
1-3-2-2-1- رهیافتهای غیر اپتیکی در روشهای انعکاسی
1-3-2-2-2- رهیافتهای اپتیکی در روشهای انعکاسی
1-3-2-2-2-1 رادار تصویر برداری
1-3-2-2-2-2- روشهای اینترفرومتریک
1-3-2-2-2-3- استخراج عمق از طریق تمرکز بر روش فعال
1-3-2-2-2-4- استریوی فعال
1-3-2-2-2-5- راستراستریوفتوگرامتری
1-3-2-2-2-6- سیستم مجتمع تصویر برداری
1-3-2-2-2-7- تکنیک نور ساختار یافته .
1-4- مقایسه روشها وتکنیکها و کاربردهای آنها
1-5- نتیجه گیری
فصل دوم : روشهای مختلف کدینگ الگو
2-1- مقدمه
2-2- روشهای طبقه بندی کدینگ الگوهای نوری .
2-2-1- الگوهای نوری از دیدگاه درجات رنگی
2-2-2- الگوهای نوری از دیدگاه منطق کدینگ.
2-2-2-1- روشهای مبتنی بر الگوهای چند زمانه (کدینگ زمانی)
2-2-2-1-1- کدینگهای باینری
2-2-2-1-2- کدینگ با استفاده از مفهوم n-ary
2-2-2-1-3- کدینگ با استفاده از مفهوم انتقال مکانی
2-2-2-1-4- کدینگ با استفاده از همسایگی
2-2-2-2- روشهای مبتنی بر همسایگیهای مکانی(کدینگ مکانی)
2-2-2-2-1- کدینگهای غیر متعارف (ابتکاری)
2-2-2-2-2- کدینگ بر اساس دنباله De_Bruijn[1]
2-2-2-2-3- کدینگ بر اساس منطق M-Arrays
2-2-2-3- کدینگ مستقیم .
2-3- نتیجه گیری
فصل سوم :پیاده سازی کدینگ و پردازش تصویر
3-1- مقدمه
3-2- تولید کلمه های رمز با استفاده از دنباله De_Bruijn.
3-3- تابش الگو و عکسبرداری
3-4- پردازش تصویر
3-4-1- دوسطحی سازی
3-4-2- تشخیص لبه ها و اسکلت بندی
3-4-3- نازک سازی
3-4-4 نقاط تقاطع
3-4-5- شناسایی خطوط
3-5- نتیجه گیری
فصل چهارم :
شناسایی رنگ و حل مسئله تطابق و بازسازی سه بعدی
4-1- مقدمه
4-2- شبکه عصبی و شناسایی رنگ
4-2-1- مسئله تغییر رنگ
4-3- طراحی شبکه عصبی
4-4- مسئله تطابق
4-5- بازسازی سه بعدی
4-6- بررسی خطاهای موجود
4-6-1- تغییر رنگ و خروجی غیر قطعی شبکه
4-6-2- ناپیوستگی های تصویر رنگی
4-6-3-خطای همپوشانی
4-7- نتیجه گیری
فصل پنجم : نتیجه گیری و پیشنهادات
5-1 مقدمه
5-2- انتخاب روش و پیاده سازی
5-3- پیشنهادات
پیوست الف : نرم افزار تهیه شده
پیوست ب : مثلث بندی
مراجع
فهرست اشکال و جداول:
شکل 1-1) ساختار سیستم استریوفتوگرامتری
شکل 1-2) روشهای استخراج پروفایل سه بعدی
شکل 1-3) تصویر برداری از سطوح مختلف توسط رادار
جدول1-1 : تاخیر زمانی امواج صوتی و نوری
شکل 1-4 : a ) مویره سایه b ) مویره تصویر
شکل 1-5 : دستگاه اندازه گیری سه بعدی بر اساس روش مویره
شکل 1-6 : ساختار سیستم راستر استریو فتوگرامتری
شکل 1-7 : ساختار یک سیستم مجتمع تصویر برداری
شکل 1-8 : ساختار سیستم نور ساختاریافته
شکل 1-9 :تصویرنورساختار یافته موازیاین تصویر با تاباندن یک الگو با خطوط عمودی موازی بر روی صورت ساخته شده است
جدول 1-2 :مقایسه روشها و کاربرد آنها
شکل2-1 : طبقه بندی روشهای کدینگ در نورساختاریافته
شکل2-2 : پرده های نوری و نحوه بکارگیری یک الگوی چند زمانه
شکل2-3 : نمونه بازسازی تصویر مجسمه اسب و نقاط دست انسان به وسیله الگویچند زمانه و روش Postdamer
شکل2-4 : نمونه الگوهای طراحی شده با روش n-ary
شکل2-5 : نمونه بازسازی تصویر مجسمه اسب و نقاط دست انسان به وسیله الگوی چند زمانه و تکنیک n-ary
شکل2-6 : نمای پیک تصویر و انتقال مکانی آن
شکل2-7 : a) الگوی شامل خطوط بریده با اندازه خطوط به عنوان مشخصه مهمb) الگوی تشکیل شده ازخطوط افقی با سه سطح خاکستری
شکل2-8 : الگوی طراحی شده با دنباله De-Bruijn
شکل 2-9 : a) طراحی الگوی مرانو b)الگوی کامل شده مرانو
شکل 2-10 : نمونه بازسازی تصویر مجسمه اسب و نقاط دست انسان به وسیله تکنیک M-Array
شکل 2-11 : الگوی طراحی شده توسط گریفین
شکل 2-12 : الگوی خاکستری در رمز نگاری مستقیم
شکل 3-1 : گراف مربوط به B(2,3)
شکل 3-2 : نرم افزارنوشته شده برای تولید الگو و کد
شکل 3-3 : نمونه الگوی طراحی شده
شکل 3-4 :تابش نور و شرایط عکس برداری
شکل 3-5 : فلوچارت مراحل تناظر یابی
شکل 3-6 : عمل دوسطحی سازی در نرم افزار نوشته شده
شکل 3-7 : نمونه عمل دوسطحی سازی
شکل 3-8 : نمونه خطای ایجاد شده در استفاده از الگوریتم سبل
شکل 3-9 : نمونه نا پیوستگی ایجاد شده در استفاده از الگوریتم اسکلت بندی ساده
شکل 3-10 : تصویر خروجی مرحلهشناسایی لبه ها در نرم افزار نوشته شده
شکل 3-11 : تصویر خروجی مرحلهشناسایی لبه ها پس از اعمال ماسک (خطوط پیوسته هستند)
شکل 3-12 :نمونه تصویر خروجی مرحلهنازک سازی
شکل 3-13 :ماسکهای استفاده شده برای کشف نقاط تقاطع
شکل3-14 : دسته نقاط یافت شده به عنوان نقاط تقاطع
شکل 3-15 : نقاط تقاطع نهایی
شکل 3-16 : شکل رنگی نشان دهنده اثر همپوشانی خطوط
شکل 3-17 : برچسب گذاری تصویر اسکلت بندی شده
شکل 3-18 : بخشی از فایل خروجی شناسایی خطوط
شکل 4-1 : مقادیر کانالهای رنگی در تصویر گرفته شده از جسم
شکل 4-2 :نرم افزار نوشته شده برای بدست آوردن نقاط نمونه از تصویر ومقادیر کانالهای رنگی متناظر نقاط از تصویر گرفته شده از جسم
شکل 4-3 : شبکه عصبی طراحی شده
شکل 4-4 : نمودار خطای آموزش شبکه برای تصویر الگو
شکل 4-5 : نمودار خطای آموزش شبکهبرای تصویر الگوی تابیده شده روی شی
جدول 4-1 : قسمتی از اطلاعات خروجی شبکه پس از عمل گرد سازی
شکل 4-6 : فلوچارت مراحل تناظر یابی
جدول 4-2 : قسمتی از جدول امتیاز دهی به تصویر نقاط الگو و تصویر جسم
جدول 4-3 : قسمتی از جدولنقاط تناظر داده شده و اختلاف مختصات آنها
شکل 4-7 : تصویر یک جعبه تحت تابش
شکل 4-8 : شکل سه بعدی جعبه از روی برایند اختلاف مختصات دو نقطه(محور عمودی )
شکل 4-9 : تصویر یک ماوس تحت تابش
شکل 4-10 : شکل سه بعدی جعبه از روی برایند اختلاف مختصات دو نقطه (محور عمودی )
شکل 4-11 : تصویر یک گلدان تحت تابش
شکل 4-12 : شکل سه بعدی گلدان از روی برایند اختلاف مختصات دو نقطه (بدست آمدن شکل تقریبی نیم استوانه )
شکل الف -1 : محیط برنامه نویسی C# و راه حل به همراه پروژه های تولید الگو و پردازش تصویر و تولید نقاط نمونه برای ورودی شبکه عصبی
شکل الف -2 : تصویر یک جعبه رنگ
شکل الف -3 : تصویر فرم مربوط به ایجاد الگو در برنامه نوشته شده
شکل الف -4 : یک الگوی مناسب تولیدی توسط برنامه
شکل الف -5 : نمایی از فرم برنامه تهیه شده
شکل الف -6 : نمایی از برنامه پردازش تصویر در حال کار
شکل الف-7 : نمایی از برنامه در حال فعال بودن نمودار هیستوگرام و انجام عمل اکولایز کردن
شکل ب-1 :دو دستگاه مختصات الگو و تصویر در سیستم نوری نور ساختاریافته
شکل ب-2 : هندسه ساده سیستم نوری نور ساختاریافته
شکل ب-3 : هندسه مربوط به دوربین و پروژکتورH نقطه ای از جسم است که توسط پروژکتور روشن شده است
شکل ب-4 : مدل pinholeپروژکتور برای محاسبه پهنای خطوط
منابع و مأخذ:
1) گنزالس – رافائل– پردازش تصاویر دیجیتالی – 1383
2) گنزالس – رافائل - پردازش تصاویر دیجیتالی با استفاده از نرم افزار متلب – 1383
3) اسلامی – آرش - دریافت اطلاعات سه بعدی اجسام با استفاده از نور ساختاریافته –پایان نامه کارشناسی ارشد در رشته مهندسی برق – الکترونیک –دانشگاه علم و صنعت ایران - 1383
4) سیدین – ساناز - دریافت اطلاعات سه بعدی اجسام با استفاده از نور ساختاریافته با الگوی رنگی –پایان نامه کارشناسی ارشد در رشته مهندسی برق – الکترونیک –دانشگاه علم و صنعت ایران- 1383
5) پوررضا کتیگری- مبین- بازسازی سه بعدی جسم با استفاده از کدینگ رنگ -پایان نامه کارشناسی ارشد در رشته مهندسی برق – الکترونیک –دانشگاه خواجه نصیر- 1383
6) فاوست – لارن –شبکه های عصبی (ساختار ، الگوریتمها و کاربردها ) – 1990
7) Jordi Pag`es, Joaquim Salvi and Josep Forest,A new optimised De Bruijn coding strategy for structured light patterns, IEEE,2005.
8) Asla M. S´a, Paulo Cezar P. Carvalho, Luiz Velho, (b, s)-BCSL : Structured Light Color Boundary Coding for 3D Photography, VMV Erlangen, Germany, November 20–22, 2002.
9) Olaf Hall-Holt Szymon Rusinkiewicz, Stripe Boundary Codes for Real-Time Structured-Light Range Scanning of moving Objects, Stanford University,2000.
10) Filip Sadlo, Tim Weyrich, Ronald Peikert, Markus Gross,"A Practical Structured Light Acquisition System for Point-Based Geometry and Texture", Eurographics Symposium on Point-Based Graphics 2005.
11) Sergey Weinstein , 3-D Stereoscopic Reconstruction using Structured Light , Year 2002.
12) Abbas M. Ali, S.D.Gore and Musaab AL-Sarierah, The Use of Neural Network to Recognize the Parts of the Computer Motherboard, Journal of Computer Sciences, 2005.
13) Mário L. L. Reiss, Antonio M. G. Tommaselli, Christiane N. C. Kokubum, A Low Cost Structured Light System ,Year 2003.
14) Robert J.Schalkoff , "Digital Image Processing & Computer Vision " , John wiley & Sons Inc, 1989 , pp. 37-38.
15) A. Busboon and R.J.Scalkoff , " Direct surface parameter estimation using structured light : A predicator based approach ", Image and Vision Computing ,vol 14 ,no.5 , pp 311-321 ,1996.
16) Scott Jantz and Keith L Doty," TJPRO-AVR: A Wireless Enabled Mobile Robot for Vision Research", Florida Conference on Recent Advances in Robotics , May 25-26, Florida International University , 2006.
17) S.M. Dunn , R. L. Keizer and J. Yu , " Measuring the area and volume of the human body with structured light " , IEEE Transactions on system , Man .,cybernetics, vol . 19, no. 6, pp 1350-1364, 1989 .
18) H.Jun, P. DeCosta and M Dunn , " Body surface area measurement with structured light " , IEEE , pp. 95-96 ,1991.
19) J. Le Moigne and A.M . Waxman , " Projected light grids for short range navigation of autonomous robots " , Proceedings of 7th International conference on Ppattern Recognition ,pp 203-206,1984.
20) R. A. Jarvis , " A laser time-of-flight scanner for robot vision " , IEEE Transactions on Pattern Analysis and Machine Inteligence , vol. PAMI-5 , no .5 ,pp. 505-512,1983.
21) M. Keefe and D. R. Riley, "Capturing facial surface information .", Photogrammetric engineering and Remote Sensing , vol. 52 , no. 9, pp. 1539-1548, 1986 .
22) Jordi Pag`es, Joaquim Salvi and Joan Battle,"Pattern Classification strategies in structured light systems",2004, universitat de Giorna –spain ,E-17071 Giorna Spain .
23) J.L.Posdmer, M.D. Altschuler, "Surface measurement by space-encoded projected beam systems ", Computer Graphics and Image Processing, 18(1) (1982) 1-17.
24) K. Sato, "Range imaging based on moving pattern light and spatio-temporal matched filter", in: IEEE International, Conference on Image Processing, Vol. 1, 1996, pp. 33–36.
25) O. Hall-Holt, S. Rusinkiewicz, "Stripe boundary codes for real-time structured-light range scanning of moving objects",in: The 8th IEEE International Conference on Computer Vision, 2001, pp. II: 359–366.
26) G. Wiora, High resolution measurement of phase-shift amplitude and numeric object phase calculation, in: Proceedings Vision Geometry IX, Vol. 4117, SPIE, Bellingham, Washington, USA, 2000, pp. 289–299.
27) M. Maruyama, S. Abe, Range sensing by projecting multiple slits with random cuts, Pattern Analysis and Machine Intelligence 15 (6) (1993) 647–651.
28) N. G. Durdle, J. Thayyoor, V. J. Raso, An improved structured light technique for surface reconstruction of the human trunk, in: IEEE Canadian Conference on Electrical and Computer Engineering, Vol. 2, 1998, pp. 874–877.
29) K. L. Boyer, A. C. Kak, Color-encoded structured light for rapid active ranging, IEEE Transactions on Pattern Analysisand Machine Intelligence 9 (1) (1987) 14–28.
30) H. Hügli, G. Maïtre, Generation and use of color pseudo random sequences for coding structured light in active ranging, in: Proceedings of Industrial Inspection, Vol. 1010, 1989, pp. 75–82.
31) P. Vuylsteke, A. Oosterlinck, Range image acquisition with a single binary-encoded light pattern, IEEE Transactions on Pattern Analysis and Machine Intelligence 12 (2) (1990) 148–163.
32) R. A. Morano, C. Ozturk, R. Conn, S. Dubin, S. Zietz, J. Nissanov, Structured light using pseudorandom codes, Pattern Analysis and Machine Intelligence 20 (3) (1998) 322–327
