V. CÁN B浦 J姶閏 NG D郁 N: TS LÊ NG 窺C MINH
3.1 Kho違ng cách Euclidean
Kho違ng cách Euclidean gi英a các 8k吋m p và q n "8瓜 dài c栄c"8q衣n th鰯ng k院t n嘘i chúng.
径 噺 岫ı怠 ı態 ı津岻, 恵 噺 岫ł怠 ł態 ł津岻, kho違ng cách gi英c"4"8k吋m p, q là
¸ 噺 " 紐岫ł怠伐 ı怠岻態髪 岫ł態伐 ı態岻態髪 橋 髪 岫ł樽 伐 ı津岻態 噺 彪布岫ł辿 伐 ı沈岻態 津
沈退怠
3.2 Phân tích thành ph亥n chính - Principal Component Analysis (PCA)
Phân tích thành ph亥n chính l亥p"8亥w"vk‒p"8逢嬰c gi噂i thi羽u b荏i Pearson [12]. Nó là m瓜t k悦 thu壱t th嘘pi"m‒"8c"dk院n (Multivariate Statistics) f́pi"8吋 ch雨 ra nh英pi"j逢噂ng chính c栄a d英 li羽w"x "e pi"8逢嬰c dùng trong vi羽c gi違m chi隠u.
PCA trong t壱r"8k吋m 3D thì s嘘 j逢噂ng chính b茨ng v噂i s嘘 chi隠u c栄c"eƒe"8k吋m d英 li羽u Vi羽c tính các thành ph亥n chính g欝o"eƒe"d逢噂c sau: 8亥u tiên c亥n tính tâm c栄a t壱p d英 li羽u. 喧違 噺 な 軽椎布 喧沈 日樺朝 Ucw"8„"v pj"oc"vt壱p"8欝pi"rj逢挨pi"uck"*eqxctkcpeg"ocvtkz+ c栄a t壱r"8k吋m 識 噺 軽な布岫喧沈伐 喧違岻 ゲ 岫喧沈伐 喧違岻脹 朝 沈退怠 V噂i N là t鰻ng s嘘8k吋m, ma tr壱p"8欝pi"rj逢挨pi"uck"ej泳c"rj逢挨pi"uck"e栄c"eƒe"j逢噂ng chính c栄a d英 li羽w0"A吋 phân tích nh英pi"rj逢挨pi"uck"p {."e亥n tính eigenvalues và eigenvectors
c栄a 識, 8逢嬰c tính b荏i Singular Value Decomposition (SVD)0" Vtqpi" vt逢運ng h嬰p 3D, eigenvectors th泳5"8逢嬰c xem là j逢噂ng normal.
3.3 Random Sample Concensus (RANSAC)
RANSAC n "rj逢挨pi"rjƒr"pi磯w"pjk‒p"8吋 逢噂e"n逢嬰ng nh英ng tham s嘘 c栄a m瓜t mơ hình. P„"8員c bi羽t m衣nh trong d英 li羽u có nhi宇u khi mà nh英pi"rj逢挨pi"rjƒr"mjƒe"mj»pi"vj詠c hi羽p"8逢嬰c. TCPUCE"8逢嬰c vi院t t逸t t瑛 RANdom Sampling Consensus 8逢嬰c th吋 hi羽p"8亥u tiên 1981 [11]. V噂i m瓜t t壱p d英 li羽u g欝o"R"8k吋m d英 li羽u, th栄 t映c vòng l員p c栄a gi違i thu壱t 8逢嬰c th吋 hi羽p"pj逢"ucw<
1. Ch丑n m瓜t t壱p con k 8k吋m d英 li羽u ng磯u nhiên 2. Xây d詠ng m瓜t mơ hình t瑛m"8k吋m d英 li羽u
3. Aƒpj"ikƒ"ch医v"n逢嬰ng phù h嬰p c栄a mơ hình d詠c"vt‒p"eƒe"8k吋m cịn l衣i 4. L員p l衣i 1-3
Ti院n trình ch丑n t壱p con 泳pi"xk‒p"x "8ƒpj"ikƒ"8逢嬰c l員p l衣i nhi隠u l亥n, cu嘘i cùng mơ hình mà phù h嬰p nh医v"8院n t壱p d英 li羽w"8逢嬰c ch丑n.
""v逢荏pi"8吋 ch丑n 8k吋m b逸v"8亥u k m磯u t瑛 t壱p d英 li羽u là ch丑n t嘘i thi吋u s嘘 8k吋o"8吋 xây d詠pi"8逢嬰c mơ hình tham s嘘. N院w"n "8逢運ng th鰯ng thì ch丑p"4"8k吋m, cịn n院u là m瓜t m員t ph鰯ng s嘘8k吋m nên là 3.
3.4 Kd-tree
Vtqpi"8o"oÔ{"8km 3D."8吋 v<pi hi羽u su医t trong vi羽c x穎 lý thì c亥n m瓜t c医u trúc d英 li羽w"n逢w"vt英 hi羽u qu違. Kd-tree (k-dimensional tree) là m瓜t c医u trúc d英 li羽u t鰻 ch泳c t壱p 8k吋m trong m瓜t không gian k chi隠u. Nó là m瓜t cây tìm ki院m nh鵜 phân nhi隠u chi隠u h英u d映ng trong vi羽c tìm ki院m trong ph衣m vi hay các hàng xóm g亥n nh医t. Tham kh違o thêm trong quy吋p"ÐComputational Geometry Algorithms and ApplicationsÑ"e栄a tác gi違 Mark de Berg 2008.
""v逢荏ng là t衣i m厩i m泳c c栄a kd-tree chia t壱r"8k吋m c栄a cây theo m瓜t chi隠u c映 th吋: chi隠u x, chi隠w"{.ÈA院n khi s嘘8k吋m ch雨 e”p"3"8k吋m
Chi隠u x (x-coordinate): chia t壱r"8k吋m b荏k"8逢運ng th鰯ng 8泳ng v噂i m瓜t n英a bên trái và m瓜t n英a bên ph違i chi隠u y (y-coordinate): chia t壱r"8k吋m b荏k"8逢運ng th茨ng n茨m ngang v噂i m瓜t n英a bên trên và m瓜t n英c"d‒p"f逢噂i.
Ví d映 c栄a kd-tree 2 chi隠u
Ej逢挨pi 4. NGHIÊN C永U LIÊN QUAN
Ej逢挨pi"p {"u胤 trình bày m瓜t s嘘e»pi"vt·pj"nk‒p"swcp"8院p"8隠 tài nghiên c泳u g欝m nh英ng k悦 thu壱t x栄 lý tr詠c ti院p vtp"8o"oÔ{"8km khụng cú c医u trúc hay m瓜t s嘘rj逢挨pi"rjƒr" x穎 lý trên d英 li羽w"4F."pj逢pi"pj英pi"rj逢挨pi"rjƒr"p {"e„"vj吋8逢嬰c s穎 d映pi"8吋 m荏 r瓜ng trên d英 li羽u 3D.
4.1 Mesh-Independent Surface Interpolation [7]
Tác gi違 n瓜i suy b隠 m員t m鵜n t瑛 d英 li羽u phân tán khơng có c医u trúc b茨ng cách k院t h嬰p nh英ng vùng c映c b瓜, m厩i vùng là m瓜t x医p x雨 trên mình tham kh違o c映c b瓜. Bài báo dùng rj逢挨pi"rjƒr"ejk院u ti院p c壱p"vjgq"ÐOqxkpi-Least-UswctgÑ" *ONU+" ejq"xk羽c chi院w" 8瓜c l壱r"n逢噂i.
Cho S là b隠 m員t trong 温鳥, 岶堅沈岼沈樺彫 n "eƒe"8k吋m trên S ho員c g亥n S. v噂i m厩k"8k吋m r th栄 t映c chi院w"8逢嬰c th吋 hi羽p"vtqpi"4"d逢噂c chinh:
D逢噂c 1: H羽 tham chi院u c映c b瓜
Tìm m瓜t m員t ph鰯ng 茎司 噺 岶捲 隼 欠 捲 伴 伐"経 噺 ど 捲" 樺 " 温鳥"岼 欠" 樺 " 温鳥 勘 欠 勘"噺 な
Hình 4-1: Tìm m員t ph鰯ng
Slides c栄a Niloy J. Mitra và An Nguyen
Sao cho t嘘i thi吋u
布岫隼 欠 堅沈 伴 伐"経岻態肯岫勘 堅沈 伐 堅 勘岻 沈樺彫
N院u có nhi隠u t嘘k"逢w"e映c b瓜 thì m員t ph鰯ng g亥n nh医v"8院n r 8逢嬰c ch丑p">̋."̋@"n "kppgt" product trong 温鳥
肯岫勘 堅沈 伐 堅 勘岻 là tr丑ng s嘘, gi違m khi kho違ng cách 勘 堅沈伐 堅 勘v<pi0
Hình 4-2: Tìm m員t ph鰯ng Hr t嘘k"逢w Slides c栄a Niloy J. Mitra và An Nguyen D逢噂c 2: X医p x雨 MLS
A員t 岶捲沈岼沈樺彫 là phép chi院u vuông g嘘c c栄a nh英pi"8k吋m 岶堅沈岼沈樺彫 trên m員t ph鰯ng Hr,
X "8員t 血沈 噺"隼 堅沈 欠 伴 伐"経 件" 樺 荊 là chi隠u cao c栄a nh英pi"8k吋m 岶堅沈岼沈樺彫 trên Hr, V噂k"s"n "8k吋m chi院u c違 r trên Hr, là g嘘c c栄a h羽 t丑c"8瓜 vuông Hr
V·o"8c"vj泳c b壱c m là x医p x雨 c映c b瓜, 喧葡 樺 陳鳥貸怠 sao cho t嘘i thi吋u:
兼件券
喧 樺 陳鳥貸怠布岫喧岫捲沈岻 伐 血沈岻態肯岫勘 堅沈 伐 "堅 勘岻 沈樺彫
Giá tr鵜喧葡岫ど岻 x医p x雨 chi隠u cao c栄a S trên Hr t衣i g嘘c t丑c"8瓜 q
Pj逢"x壱y x医p x雨 c栄a vi羽c chi院u c栄a r trên S là: 堅 噺 圏 髪"喧葡岫ど岻, 堅 噺 鶏楓陳岫堅岻
Hình 4-3: Chi院u c栄a r trên S Slides c栄a Niloy J. Mitra và An Nguyen
4.2 Curve Reconstruction from Unorganized Points [9]
Tác gi違 In-Myqp"Ngg"8«"ƒr"f映ng k悦 thu壱t moving least-uswctgu"8吋 làm m鵜n point cloud có d衣pi"j·pj"eqpi0"D k"dƒq"8«"e k"8員t trên t壱r"8k吋o"4F"ucw"8„"8«"o荏 r瓜ng lên t壱r"8k吋m 3D.
C医u trúc d英 li羽w"f́pi"8吋 8鵜pj"pij c"u詠 liên thông c栄a các thành ph亥n trong t壱r"8k吋m là Euclidean Minimum Spanning Tree (EMST)
A吋zƒe"8鵜pj"m ej"vj逢噂c hàng xóm ph違n ánh phù h嬰r"8瓜 dày c栄a point cloud, tác gi違8«" gi噂i thi羽u khái ni羽o"ÐeqttgncvkqpÑ"trong thuy院t xác su医t, tham kh違o thêm J. Pitman, Probability (Springer-Verlag 1992).
4.3 Point set surfaces [13]
V逢挨pi"v詠rj逢挨pi"rjƒr"e栄c"Ngxkp."pj逢pi"Octe"Cngzc"thay cho hàm tr丑ng s嘘 cho m厩i ri là kho違pi"eƒej"8院p"t"*vt逢運ng h嬰p Levin) b茨ng kho違ng cách c栄a ri8院p"8k吋m chi院u c栄a r, 8員t là q, trên m員t ph鰯ng H.
肯岫勘 堅沈 伐 "堅 勘岻 肯岫勘 堅沈 伐 "圏岻
Hình 4-4: M嘘i quan h羽 gi英a ri v噂i r và ri v噂i q Slides c栄a Niloy J. Mitra và An Nguyen Down-sampling
Dùng lo衣i b臼8k吋m mà có s嘘 n逢嬰ng thơng tin nh臼 nh医v"8院p"j·pj."jc{"8逢嬰e"zgo"n "8k吋m f逢"vj瑛a (redundant)
Up-sampling
4.4 Robust moving Least-squares Fitting with Sharp Features [26]
Shachar Fleishman gi噂i thi羽u m瓜v" 8鵜pj" pij c" d隠 m員t m鵜n t瑛ng ph亥n (a piecewise smooth surface) b茨pi"eƒej"8鵜pj"pij c"vqƒp"v穎 chi院w"8吋 chi院u m瓜v"8k吋m lên trên vùng m鵜n c映c b瓜 ch泳 không ph違i m瓜t b隠 m員t gi違 s穎 là m鵜n m丑k"p挨k0
Cho m瓜v"8k吋m x, phân tích hàng xóm c栄a nó:
- N院w"zƒe"8鵜nh là m鵜p"vj·"f́pi"rj逢挨pi"rjƒr"ejk院u c栄a Levin
- Pi逢嬰c l衣i, phân lo衣i hàng xóm c栄c"8k吋o"8„"vj pj"pj英ng t壱p con nh英ng vùng m鵜n b臼 qua outliers và chi院w"8k吋o"8„"n‒p"x́pi"o鵜n g亥n nh医t
Eƒe"vt逢運ng h嬰r"8鵜pj"pij c"b隠 m員t m鵜n t瑛ng ph亥n (piecewise smooth surface)
Hình 4-5: Chi院u lên b隠 m員t g亥n c衣nh
Dùng thu壱t toán iterative refitting, d詠a trên thu壱t toán forward-ugctej."8吋 tìm các vùng m鵜n c栄a hàng xóm c栄c"8k吋o"8cpi"zfiv0
4.5 Similarity-based denoising of point-sampled surface [24]
D詠c"vt‒p"#"v逢荏pi"e挨"d違n c栄a thu壱t tốn kh穎 nhi宇u khơng c映c b瓜 (non-local denoising algorithm, NLD) cho kh穎 nhi宇u (denoising) 違pj"8逢嬰e"8隠 xu医t b荏i Buades et al (2005). Thu壱t toán NLD cho b隠 m員t m磯w"8k吋m d詠 trên s詠v逢挨pi"v詠 bao g欝o"e逢運pi"8瓜 hình h丑c và nh英pi"8員c tính c栄c"eƒe"8k吋m m磯w"8逢嬰c tác gi違 th吋 hi羽p"pj逢"ucw<
- E逢運pi"8瓜 hình h丑c (geometry intensity) 絞沈 cho m厩k"8k吋m pi là giá tr鵜 khác bi羽t c栄a m厩k"8k吋m m磯w"8逢嬰e"zƒe"8鵜nh b荏i trilateral filtering operator.
- N逢噂k"e逢運pi"8瓜 hình h丑c (grid of geometry intensity) cho m厩k"8k吋o"8逢嬰c xây d詠ng bpi"rjÔp"v ej"*eqxctkcpeg"cpcn{uk+"8 tỡm m員t ph鰯ng tham chi院u c映c b瓜 t瑛8"zÔ{"fpi"ni.
- S詠 v逢挨pi" v詠 e逢運pi" 8瓜 hình h丑c c栄c" jck" 8k吋o" 8逢嬰e" 8q" vjgq" pj英pi" n逢噂i c栄a chúng
- S詠 v逢挨pi"v詠 nh英pi"8員c tính hình h丑c (geometry-features similarity) : các hàng xóm c栄a m瓜v"8k吋o"8逢嬰c gom c映m b荏k"rj逢挨pi"rjƒr"ogcp"ujkhv0
- E逢運pi"8瓜 hình h丑e"8逢嬰c kh穎 nhi宇u (denoised geometry intensity) hay kho違ng cách offset 絞旺沈 cho m厩k"8k吋m pi8逢嬰c tính.
- V鵜 trí 喧旺沈 8逢嬰c d鵜ch chuy吋p"vjgq"j逢噂ng normal vector 喧沈 噺 喧沈髪 絞旺沈券沈
4.6 Adaptive feature-preserving non-local denoising of static and time-varying range data [17]
Vjgq"d k"dƒq"ÐC"pqp-nqecn"cniqtkvjo"hqt"kocig"fgpqkukpiĐ."vƒe"ik違 8隠 xu医t thu壱t tốn Ðpqp-nqecn"ogcp"*PN-mean) v噂i gi違 8鵜nh m瓜t hình 違nh ch泳a s嘘 n逢嬰ng l噂p"v逢挨pi"v詠 chính nó (self-similarity). M瓜t ví d映v逢挨pi"v詠 chính nó cho th医y trong Hình 4-7.
Hình 4-7: Non-Local trên 違nh
Hình trên cho th医y 3 pixels: p, q, r và nh英ng vùng lân c壱p"v逢挨pi"泳ng. Nh英ng hàng xóm c栄c"rkzgn"r"x "s"n "v逢挨pi"v詠 pjcw"pj逢pi"pj英ng hàng xóm c栄a pixel p và r thì khơng v逢挨pi" v詠 nhau. V噂i gi違 thi院v" v逢挨pi" v詠 ej pj" p„" 8逢嬰e" f́pi" 8吋 kh穎 nhi宇u m瓜t 違nh. Nh英ng pixel v噂k"j pi"z„o"v逢挨pi"v詠 pjcw"8逢嬰e"f́pi"8吋zƒe"8鵜nh giá tr鵜 c栄a m瓜t pixel b鵜 nhi宇u. M瓜t 違nh nhi宇u, giá tr鵜 逢噂e"n逢嬰ng c栄a m瓜v"rkzgn"8逢嬰e"v pj"pj逢"n "vtwpi"d·pj" tr丑ng s嘘 c栄a t医t c違 các pixel trong hình 違nh.
Qnkxgt"Uejcnn"8«"o荏 r瓜pi"j逢噂ng ti院p c壱n này cho kh穎 nhi宇u d英 li羽u mi隠n. V噂i gi違8鵜nh r茨ng d英 li羽w"8逢嬰c th吋 hi羽p"f逢噂i d衣pi"8k吋o"x "8逢嬰c s逸p x院p theo m瓜t c医w"vt¿e"n逢噂i. Tác gi違 không l医y t鰻ng trên t医t c違 v鵜 vt "8k吋o"8吋 l丑c m瓜v"8k吋m mà trên vùng vuông xung swcpj"8k吋m.
Sau khi áp d映ng thu壱t toán cho m厩i framg"8瓜c l壱p v噂i k院t qu違 th臼a mãn, tác gi違8«"o荏 r瓜ng trên mi隠n th運i gian. Nh英pi"8k吋m v噂k"v逢挨pi"v詠 nhau vùng lân c壱n khơng chi bên trong m瓜t frame mà cịn trên các frame lân c壱n, bao g欝o"htcog"vt逢噂c và sau frame hi羽n hành.
4.7 Efficient Spatio-Temporal Hole Filling Strategy for Kinect Depth Maps [14]
Trong bài báo tác gi違 th吋 hi羽n m瓜v"j逢噂pi"n o"8亥y l厩 tr嘘pi"8吋 c違i thi羽n ch医v"n逢嬰ng c栄a b違p"8欝 8瓜 uÔw"*fgrvj"ocru+"8c t衣o ra t瑛 thi院t b鵜 Mkpgev0"J逢噂pi"8隠 xu医v"8逢嬰c d詠a vt‒p"e挨"u荏 joint-bilateral filtering ( cross-dkncvgtcn"hknvgt"+"8«"8逢嬰c m荏 r瓜ng t瑛 bilateral filter, là m瓜t k悦 thu壱t l丑c gi英8員c tính c衣nh. M映c tiêu c栄a tác gi違 là xây d詠ng m瓜t b違ng
8欝8瓜 sâu không b鵜 nhi宇u b茨ng cách dùng c違 hai thông tin không gian và th運i gian, g欝m 5"ikck"8q衣n chính:
- D英 li羽w"8瓜 sâw"8逢嬰c l丑e"8吋 c違i thi羽p"8瓜 chính xác theo d英 li羽u tr詠c quan và mơ hình Dm
- Nh英ng pixels nmd (no-measured depth) mà có m瓜v"j pi"z„o"8ƒpi"vkp"e壱{"8逢嬰c 8逢c"x q"v pj"vq p"f́pi"vj»pi"vkp"vt詠c quan
- O»"j·pj"ej pj"zƒe"8逢嬰c t衣q"tc"x "8逢嬰c dùng
Hình 4-:<"U挨"8欝 kh嘘i c栄a chi院p"n逢嬰v"n o"8亥y ch鰻 tr嘘ng I: d英 li羽u video (video data)
D: b違pi"8欝 8瓜 sâu (depth data)
Dm: mơ hình b違pi"8欝8瓜 sâu (depth map model) Cmap<""8瓜vkp"eƒe"rjfir"8q"8瓜 sâu trong Dm
Bài báo c栄a tác gi違 ch雨 liên h羽8院n c違nh v壱v"v pj0"
4.8 Adaptive Spatio-Temporal Filter For Low-Cost Camera Depth Maps [15]
Trong bài báo tác gi違 th吋 hi羽n b瓜 l丑c thu瓜c v隠 không gian và th運k"ikcp"8吋 c違i thi羽n s詠 chính xác và 鰻p"8鵜nh v隠 th運i gian c栄a camera chi phí th医p. H羽 th嘘pi"8逢嬰e"8隠 xu医t g欝m 3 kh嘘k"8吋 xây d詠ng m瓜t b違pi"8欝 8瓜 sâu c栄a c違nh v壱v"v pj"ej逸c ch逸n.
Hình 4-;<"U挨"8欝 kh嘘i AJBF
‚ Adaptive Joint-Bilateral Filter (AJBF): dùng gi違m s詠vjc{"8鰻i c栄a nh英ng giá tr鵜 8瓜 sâu mà thu瓜c v隠 épi"x́pi"8嘘k"v逢嬰ng trong khi gi英 và c違i thi羽p"rjfir"8q"8瓜 sâu c栄a c衣nh.
‚ Hole Filling (HF): gán giá tr鵜 cho nh英pi" rkzgn" 8瓜 uÔw" mjằpi" 8e" 8q" *pq- measured depth - pof+"8亥u vào b違p"8欝 8瓜 w"8ơ"8c l丑e"8逢嬰c cung c医p t瑛 kh嘘i AJBF.
‚ Cfcrvkxg"Mcnocp"Hknvgt"*CMH+<"f́pi"8吋 theo dõi nh英pi"8瓜 8q"fcq"8瓜ng theo th運i gian, nó gi違m nh英pi"fcq"8瓜ng v隠 th運i gian c栄a m厩i pixel
Ej逢挨pi"5. VTëEJ"A渦K"V姶営NG
Vtqpi"ej逢挨pi"p {"u胤 trình bày v隠eƒe"d逢噂c rút ra ph亥n c栄a 8嘘k"v逢嬰ng c亥p"8逢嬰c kh違o sát t瑛 c違nh v壱v"8逢嬰c quét v噂i thi院t b鵜 c違m bi院n Kinect t瑛 m瓜t góc nhìn. D‒p"f逢噂k"n "u挨" 8欝 trình bày trình t詠 c栄a quá trình vt ej"8嘘k"v逢嬰ng.
Hình 5-3<"U挨"8欝 thu壱v"vqƒp"vt ej"8嘘k"v逢嬰ng
5.1 Thu th壱p d英 li羽u
Có nhi隠u lo衣i thi院t b鵜 8q" 5F khác nhau: laser scanner, stereo camera, time-of-light camera. Vtqpi"8隠 tài ch雨 swcp"vÔo"8n d英 li羽w"5F"8逢嬰c t衣o ra b荏i thi院t b鵜 c違m bi院n Xbox 360 Kinect, giá tr鵜8瓜 uÔw"8c chuy吋p"8鰻i v隠8o"oÔ{"8km 3D. C映 th吋, d英 li羽u 8逢嬰c l医y t瑛 thi院t b鵜 Kinect khi quét b隠 m員v"8嘘k"v逢嬰ng là m瓜t cái h瓜p
Nhp"8o"oÔ{"8km 3D
Lo衣i b臼 8k吋m không c亥n thi院t
Lo衣i b臼 vùng m員t ph鰯ng
Gom c映m nh英pi"8k吋m c栄c"8嘘k"v逢嬰ng riêng
K院t thúc B逸v"8亥u
M瓜t 8o"oÔ{"8km (point cloud) 8逢嬰c b逸t gi英 v噂i thi院t b鵜 Xbox 360 Kinect v噂i t鰻ng s嘘8k吋m là 307200, m厩k"8k吋m th吋 hi羽n v噂i t丑c"8瓜 x, y, z v逢挨pi"泳ng, t衣i m瓜t góc nhìn. Ao"{"8ko"p {"8c hi吋n th鵜 dùng công c映 tr詠c quan c栄a Point Cloud Library
Hỡnh 5-2: Ao"oÔ{"8km d英 li羽u l医{"8逢嬰c t瑛 thi院t b鵜 Kinect
Trong Hình 5-2 có th吋 th医{"8逢嬰c t衣i v鵜 trí góc và trên biên c栄a cái h瓜p d英 li羽u b鵜 l厩i r医t nhi隠u. Bên c衣pj"8„"8„"rj亥n phía sau h瓜r"8«"d鵜 che khu医t b荏i ph亥p"rj c"vt逢噂c t瑛 m瓜t góc nhìn.
5.2 Filtering
D英 li羽w"vjw"8逢嬰c t瑛 m厩i l亥p"swfiv"*uecp+"8嘘k"v逢嬰ng t瑛 thi院t b鵜 c違m bi院p"8瓜 sâu, thì d英 li羽w"vj逢運ng r医t l噂n. D英 li羽u s胤 bao g欝m c違 nh英ng ph亥n d英 li羽w"f逢"vj瑛a không c亥n thi院t hay nh英ng d英 li羽u x医u c亥p"8逢嬰c lo衣i b臼.
Trong ti院n trình l医y thành ph亥p"8嘘k"v逢嬰ng ra kh臼i c違nh v壱t, thì các d英 li羽u khơng thu瓜c v隠 hình h瓜r"p‒p"8逢嬰c lo衣i b臼 hay gi違m b噂v"8k0 Nhi隠w"rj逢挨pi"rjƒr"n丑c d英 li羽u d英 li羽u: Pass Through,Voxel Grid, Statistical Outlier Tgoqxcn"8逢嬰c h厩 tr嬰 b荏k"vj逢"xk羽n PCL. Do nh英pi"8k吋m thu瓜c v隠 8嘘k"v逢嬰ng hình h瓜p ch雨 8逢嬰c gi英 l衣k"p‒p"rj逢挨pi"rjƒr"l丑c Rcuu" Vjtqwij" 8逢嬰c áp d映pi0" Rj逢挨pi" rjƒr" p { ch丑p" 8k吋m nào có giá tr鵜 n茨m trong kho違ng cách, tính t瑛 thi院t b鵜 c違m bi院n, 8逢嬰e"ejq"vt逢噂c thì s胤8逢嬰c gi英 l衣i còn t医t c違 các giá tr鵜 nào n茨m ngồi ph衣o"xk"ejq"vt逢噂e"8„"u胤8逢嬰c lo衣i b臼.
Hình 5-3 cho th医y k院t qu違 c栄c"rj逢挨pi"rjƒr"Rcuu"Vjtqwij"8逢嬰c áp d映ng v噂i kho違ng cách t瑛 0.8 Ỵ 1.2 meters. Ao"{"8km có t鰻ng s嘘8k吋m là 157478 8k吋m.
Hình 5-3: Ao"{"8ko"8c l丑c v噂k"rj逢挨pi"rjƒr"Rcuu"Vjtqwij
Ao"{"8ko"e"8c sau khi lo衣i b臼eƒe"8k吋m n茨m ngoài kho違ng cách bây gi運 g欝m có 2 ph亥n chính: m瓜v"n "8嘘k"v逢嬰ng hình h瓜p và ph亥n còn l衣i là eƒe"8k吋m thu瓜c v隠 8嘘i v逢嬰ng m員v"8医t (là m員t ph鰯ng).
5.3 S詠 phân chia (Segmentation)
Trong m瓜t c違nh v壱t có nhi隠u v逢嬰ng khác nhau, vi羽c zƒe"8鵜nh eƒe"8嘘k"v逢嬰ng khác nhau 8„"8逢嬰c g丑i là s詠 phân chia, e”p"8逢嬰c bi院v"pj逢"xk羽c phân tích c映m (cluster analysis). Trong m瓜t c違nh v壱t vi羽c phân chia còn bao g欝m vi羽e"vƒej"eƒe"8嘘k"v逢嬰ng ra kh臼i ph亥n n隠n vj逢運ng có mơ hình ph鰯ng. Ví d映pj逢"eƒe"8嘘k"v逢嬰pi"8逢嬰e"8員t trên bàn.
Trong quá trình phân chia này g欝o"e„"eƒe"d逢噂c sau:
a) Tìm mơ hình m員t ph鰯ng v噂i tham s嘘 là a, b, c, d, vtqpi" 8o" oÔ{" 8km. Rj逢挨pi"vt·pj"e„"f衣ng ax + by + cz = 0.
Thu壱t toán Random Sample Consensus (RANSAC) là thu壱t toán ng磯u nhiên và m衣nh trong vi羽c tìm mơ hình tham s嘘 phù h嬰r"8嘘i v噂i d英 li羽u có nhi宇u l噂p"8逢嬰c áp d映ng trong d逢噂c này.
b) Sau khi mơ hình m員t ph鰯ng tham s嘘 phù h嬰p nh医v"8逢嬰c tìm th医y, ti院p theo nh英pi"8k吋m n茨o"d‒p"vt‒p"o»"j·pj"8„"jc{"pj英pi"8嘘k"v逢嬰pi"8泳ng trên nó c亥n 8逢嬰c gi英 l衣i và tách ra.
c) Cu欝i cùng c亥n tách ra mk" 8o" oÔ{" 8km riêng cho m厩k" 8嘘k" v逢嬰ng b茨ng cách ti院p c壱p"vjgq"j逢噂pi"v<pi"m ej"vj逢噂e"x́pi0"Pij c"n "jck"8k吋m v噂i kích vj逢噂c xa nhau thì khơng k院t h嬰p l衣i v噂k"pjcw0"Pj逢"x壱y nh英ng vùng c映c b瓜 8逢嬰c gom l衣i v噂k"pjcw"pi逢嬰c l衣k"x́pi"zc"pjcw"vj·"mj»pi"8逢嬰c gom l衣i nên s胤 t衣o ra s詠 tách bi羽t gi英a các vùng này v噂i nhau.
Ej逢挨pi"8. RJ姶愛PI"RJèR"KH盈 NHI韻U
AÔ{"n "ej逢挨pi"vt·pj"d {"rj逢挨pi"rjƒr"n丑c nhiw"8o"oÔ{"8km ỏp d映pi"rj逢挨pi"rjƒr" ONU"x "rj逢挨pi"rjƒr"Pqp-Local trong x穎 lý 違pj"8逢嬰c m荏 r瓜ng cho t壱r"8k吋m trong 3D. Piq k"tc"e pi"vt·pj"d {"eƒej 8鵜pj"n逢嬰ng trong vi羽c so sánh s詠 khác bi羽t gi英c"8ƒo" {"8o"{"8km khơng có nhi宇w"x "8o"{"8ko"8c kh穎 nhi宇u t瑛 8o"{" 8k吋m có nhi宇u. 6.1. A鵜pj"pij c"rjfir"8q B隠 m員t S L医y m磯u B隠 m員v"UÓ V噂i S là b隠 m員t g嘘c, phép 8q"8逢嬰c ti院n hành g欝o"4"d逢噂c: 1) L医y m磯u: ch丑n ng磯u nhiên t壱r"eqp"8k吋m t瑛 b隠 m員t S