Research and Development of Algorithms and Methods for Constructing Three-dimensional Computer Models of Real Objects

Capa

Citar

Texto integral

Acesso aberto Acesso aberto
Acesso é fechado Acesso está concedido
Acesso é fechado Somente assinantes

Resumo

The article describes a technique for constructing a 3D model of an object based on the resulting images of an object using the Python programming language. As part of the study, an overview of existing solutions and an analysis of the use of algorithms for constructing three-dimensional models were performed. As a result of the work done, software was created that allows you to create a three-dimensional model based on several presented images. The scope of this work is the analysis of an object using a three-dimensional model, as well as the use of three-dimensional terrain models.

Sobre autores

Svetlana Mikhaiylova

Financial University under the Government of the Russian Federation

Autor responsável pela correspondência
Email: ssmihajlova@fa.ru
ORCID ID: 0000-0001-9183-8519

Dr. Sci. (Econ.), Associate Professor, Professor, Department of Data Analysis and Machine Learning, Faculty of Information Technology and Big Data Analysis

Rússia, Moscow

Bibliografia

  1. Liu L., Jiang H., He P. et al. On the variance of the adaptive learning rate and beyond. URL: https://www.arXiv:1908.03265v4
  2. Subbarao R., Meer P. Projection based M-estimators. URL: https://link.springer.com/chapter/10.1007/11744023_24 (data of accesses: 14.12.2023).
  3. Structure from motion – classical implementation (full translation). URL: https://habr.com/ru/post/228525 (data of accesses: 14.12.2023).
  4. Szeliski R. Computer vision: Algorithms and applications – springer science & business media. 2010. 812 p.
  5. Tareen Sh., Zahra Kh., Zahra S. A comparative analysis of SIFT, SURF, KAZE, AKAZE, ORB, and BRISK. 10.1109/ICOMET.2018.8346440. URL: https://www.researchgate.net/publication/323561586_A_comparative_analysis_of_SIFT_SURF_KAZE_AKAZE_ORB_and_BRISK (data of accesses: 14.12.2023).
  6. Antipov I.T. Mathematical foundations of spatial analytical phototriangulation. Moscow: Kartgeocenter-Geodesizdat, 2003. 296 p. ISBN: 5-86066-055-3.
  7. Bezmenov V.M. Photogrammetry. Construction and equalization of analytical phototriangulation. Kazan.: KSU Publishing House, 2009. 86 p.
  8. Blokhinov Yu.B. Algorithms for the formation of a digital surface model and texture coating in terrestrial photogrammetry. Izvestiya vuzov. Geodesy and Aerial Photography. 2011. No. 1. Pp. 51–57. (In Rus.)
  9. Bulatnikov E.V., Goeva A.A. Comparison of computer vision libraries for use in an application using flat image recognition technology. Bulletin of the Moscow State Unitary Enterprise named after Ivan Fedorov. 2015. No. 6. Pp. 85–91. (In Rus.)
  10. Kashaganova G.B., Mergaziev K.K. Research and development of algorithms for constructing three-dimensional computer models of real objects for virtual reality systems. NAU. 2020. No. 56-1 (56). URL: https://cyberleninka.ru/article/n/issledovanie-i-razrabotka-algoritmov-postroeniya-trehmernyh-kompyuternyh-modeley-realnyh-obektov-dlya-sistem-virtualnoy-realnosti (data of accesses: 14.12.2023).
  11. Kostyuk Yu.L., Novikov Yu.L. Graph models of high-resolution color bitmaps. Bulletin of Tomsk State University. 2002. No. 275. Pp. 153–160. (In Rus.)
  12. Mashchenko P.E., Shiryaev P.P. The NetVLAD visual terrain recognition method for localizing a locomotive. Automation, Communication, Informatics. 2020. No. 10. Pp. 14–17. (In Rus.)
  13. Novikov Yu.L. Polygonal linear graph models of raster images. In: Geoinformatics-2000. Proceedings of the International Scientific and Practical Conference. A.I. Ryumkin, Yu.L. Kostyuk, A.V. Skvortsov (eds.). Tomsk: Publishing House of Tomsk University, 2000. Pp. 50–55.
  14. Stepura L.V., Demin A.Yu. Review of image vectorization methods. In: Microsoft technologies in theory and practice of programming. Proceedings of the XIII All-Russian Scientific and practical Conference of students, postgraduates and young Scientists, 2016. Scientific director A.Yu. Demin. National Research Tomsk Polytechnic University (TPU); Institute of Cybernetics. Ed. col.: A.V. Liepins et al. Tomsk: TPU Publishing House, 2016. Pp. 184–186.
  15. Point detection of the OpenCV-Python Feature 2D function (including SIFT/SURF/ORB/KAZE/FAST/BRISK/AKAZE). URL: https://russianblogs.com/article/70281143807 (data of accesses: 14.12.2023).
  16. Rosenfeld A. Image recognition and processing using computers. Transl. from English. Moscow: Mir, 1972. 230 p.
  17. Safonov A.S. Building SIFT Descriptors and finding special points in images. Izvestiya TulGU. 2017. No. 2. Pp. 182–187.

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar
2. Fig. 1. The general scheme of photographing the object

Baixar (41KB)
Metadados
3. Fig. 2. Activity diagram

Baixar (114KB)
Metadados
4. Fig. 3. Point cloud formation code

Baixar (119KB)
Metadados
5. Fig. 4. The algorithm of the SIFT module

Baixar (272KB)
Metadados
6. Fig. 5. Generating a ply file

Baixar (166KB)
Metadados
7. Fig. 6. The main window of the program

Baixar (13KB)
Metadados
8. Fig. 7. File Selection Form

Baixar (52KB)
Metadados
9. Fig. 8. A form with uploaded files

Baixar (96KB)
Metadados
10. Fig. 9. Example of the generated model

Baixar (124KB)
Metadados


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».