Chƣơng 4 : Kết quả thực nghiệm
4.4. Kết quả
4.4.2. Kết quả trên đám mây điểm quét từ Kinect
Với dữ liệu vật thể quét từ Kinect, chương trình thực hiện đầy đủ các bước tiền xử lý bao gồm tách nền, ghép nhóm, giảm mẫu, lọc các điểm không liên quan.
Hình 4.6: đám mây điểm đầu vào và sau khi đã tách nền
Đám mây điểm đầu vào (hình trên); nền (hình dưới bên trái); các vật thể được tách ra khỏi nền (hình dưới bên phải).
Hình 4.6 thể hiện dữ liệu đầu vào sau các bước tiền xử lý. Kết quả nhận diện bề mặt được thể hiện trong hình 4.7 với quả cầu ở góc dưới bên trái có bán kính bằng với bán kính tính đặc trưng PFH.
Về cơ bản, trên dữ liệu từ Kinect với nhiều nhiễu lượng tử thì chương trình vẫn có thể nhận diện phần lớn các bề mặt: mặt phẳng; mặt tròn lồi, lõm (thể hiện
hiện bằng màu xanh lục lam ở các phần tiếp giáp giữa mặt phẳng và mặt trụ). Các điểm bị nhận diện sai chủ yếu nằm ở những phần có nhiều nhiễu lượng tử như phần rìa của các bề mặt, phần tiếp giáp, chuyển giao giữa hai bề mặt hay các phần có góc nhìn nhỏ từ cảm biến.
Đối với các bề mặt có diện tích thấp như mặt trụ của hộp bánh hay mặt trụ lõm, chương trình nhận diện chúng là hỗn hợp của nhiều bề mặt khác nhau, trong đó phần cạnh chiếm đa số diện tích. Với các chi tiết nhỏ như tay cầm (có kích thước nhỏ hơn hình cầu), chương trình đều nhận diện là cạnh.
Hình 4.7: Kết quả thử nghiệm với dữ liệu từ Kinect
Để khảo sát ảnh hưởng của việc giảm mẫu và chọn bán kính tính PFH, ta chạy chương trình với các kích thước voxel grid (p) và bán kính tính PFH (r) khác nhau. Đầu tiên, ta giữ nguyên tỉ lệ giảm mẫu và thay đổi bán tính tính PFH với các giá trị r lần lượt là 20, 30, 35 và 40mm. Kết quả thu được trong hình 5.8.
Hình 4.8: Kết quả thử nghiệm với các giá trị r khác nhau
Khi giảm bán kính tính PFH xuống còn 20mm, ta thấy thời gian thực hiện giảm rõ rệt xuống còn ¼. Tuy nhiên với bán kính nhỏ, các lân cận không đủ để thể hiện đặc trưng hình học của bề mặt, điều đó dẫn đến sai số tại các điểm rìa tăng lên đáng kể.
Khi tăng bán kính PFH trên 30mm, thời gian thực hiện cũng tăng thêm nhưng chất lượng không được cải thiện nhiều. Với các bề mặt có kích thước lớn (các mặt phẳng và mặt cầu trong hình), việc tăng bán kính tính PFH có cải thiện độ chính xác tại các điểm rìa. Tuy nhiên với các bề mặt có kích cỡ nhỏ hơn như mặt trụ của cốc hay các phần tiếp giáp giữa hai bề mặt, số điểm nhận dạng sai tăng lên.
Để khảo sát ảnh hưởng của giảm mẫu tới hiệu năng chương trình, ta giữ nguyên bán kính (là giá trị tốt nhất theo khảo sát ở trên) và thay đổi kích thước voxelgrid (p) trong quá trình giảm mẫu. Kết quả được cho trong hình 4.9
Hình 4.9: Kết quả thử nghiệm với các giá trị p khác nhau
Ảnh hưởng rõ ràng nhất khi thay đổi kích thước lưới lọc voxel grid là thời gian tính toán. Với kích cỡ lưới lọc 3mm, đám mây điểm chứa nhiều điểm hơn và mật độ điểm cao hơn, thời gian tính toán bị tăng lên tới 130 giây – rất lớn khi xử lý một ảnh quét từ Kinect. Ngược lại khi lưới lọc có kích thước lớn, tương đương với việc giảm mẫu mạnh hơn thì thời gian tính toán cũng giảm đáng kể. Cụ thể với kích thước voxel bằng 12 và 15mm, thời gian tính toán toàn bộ chỉ còn 235 và 143 ms, trong đó đã bao gồm 88 và 72 ms dành cho việc ước lượng véc tơ pháp tuyến. Tức là thời gian tính toán đặc trưng PFH chỉ còn tương ứng 147 và 71 ms.
Song song với việc giảm thời gian tính toán, khi giảm mẫu nhiều hơn thì đặc trưng PFH vẫn đủ mạnh để nhận diện các bề mặt. Ta thấy trong trường hợp kích thước lưới lọc tăng đến 15mm thì đặc trưng bề mặt hình học vẫn không thay
Kết quả được tổng hợp trong bảng dưới đây
Bảng 4.2: Kết quả với các giá trị p và r khác nhau
Kích thƣớc voxel Bán kính PFH Bán kính PFH Thời gian tính toán Kích thƣớc voxel
Thời gian tính toán
20 mm 2476 ms 3 mm 132757 ms 30 mm 10591 ms 5 mm 10591 ms 35 mm 19035 ms 7 mm 1850 ms 40 mm 31960 ms 10 mm 340 ms 12 mm 235 ms 15 mm 143 ms