Chúng tôi tiến hành thực nghiệm dựng mô hình ba chiều của sọ,đánh giá sai số đặc trưng hai chiều và hiệu chỉnhđặc trưng ba chiều từhộp sọquét ba chiều nhưsau. Ảnh sọ hai chiều thu nhậnđược bằng cách chụp ảnh sọ quét ba chiều khi hiển thịtrong phần mềm MeshLab. Góc nhìn giữa haiảnh liên tiếp là 100(Hình3.14).Ảnh quét ba chiềuđượcđánh dấu thêm các nhãnđể tăng sốlượng điểmảnhđặc trưng khi trích chọn (Hình3.15).
Hình 3.14: Chụpảnh sọquét.
Mỗi khi thayđổi góc nhìn, kết xuất ra các thông sốtrong và ngoài của máy quay và chụpảnh ở góc độ đó, kết quảthu được 10 ảnh độ phân giải 1170 × 864 cho mỗi mẫu và các thông sốtrong/ngoài của máy quay. Thông sốtrong/ ngoài nàyđược dùng đểtính các ma trậnđồng hình H.
Chúng tôi tiến hành dùng bộtrích chọnđặc trưng SIFT và HARRIS trích chọn đặc trưng trên từng ảnh của bộ ảnh gồm 10 ảnh. Hai loại đặc trưng này được dùng bởi vì SIFT thuộc loại đặc trưng dựa trên đạo hàm, HARRIS là đặc trưng dạng điểm góc. Mục đích việc sử dụng hai bộtrích chọn đặc trưng này là để khái quát lên cho các dạng đặc trưng khác nhau và chỉ ra lỗi trượt phát sinh do chụpảnh chứkhông bị ảnh hưởng bởi bộ trích chọn đặc trưng. Các đặc trưng SIFT và HARRIS trong từng cặpảnh liên tiếpđược tiến hànhđối sánh (Hình3.16và3.17).
Hình 3.16:Đối sánhđặc trưng SIFT.
Hình 3.17:Đối sánhđặc trưng HARRIS.
Dựa vào các ma trận đồng hình H chúng tôi tính đặc trưng chuẩn trên ảnh thứ hai giữa hai ảnh liên tiếp. Từ đó, chúng tôi tính lỗi trượt củađặc trưng hai chiều bằng cách so sánhđặc trưng chuẩn vàđặc trưng trích chọn trênảnh thứhai của haiảnh liên tiếp. Hình3.18và Hình3.19 minh họa lỗi trượt khi dùng hai bộtrích chọnđặc trưng tự động SIFT và HARRIS. Dễdàng nhận thấy rằngđộ chênh lệch giữađặc trưngđối sánh và đặc trưng chuẩn hầu nhưbằng 0 theo chiều y và trung bình khoảng 0.5 pixel theo chiều x. Theo công thức3.7 các điểmđặc trưng ba chiều xây dựng lại X từcác cặpđiểmđặc trưng đối sánh trích chọn tự động sai so với đặc trưng ba chiều thực tế
X¯ một khoảng cáchđáng kểnằm trong khoảng 1.06− 1.93mm.Đối với các mô hình khung cảnh hay các vật dụng cần dựng mô hình ba chiều khác, khoảng cách
1.06−1.93mm là khôngđáng kể; tuy nhiên,đối với dựng mô hình hộp sọhay mô hình ba chiều khuôn mặt khoảng cách này là đáng kểvì nó làm thay đổi diện mạo khuôn mặt khá nhiều với lý do sau: Khi dựng mô hình ba chiều khuôn mặt từ hộp sọbằng cáchđắp thêm mô mềm từhộp sọ, người ta lựa chọn ra cácđộdày mô mềm biết trước ở một sốvịtrí nhấtđịnh làm cơ sở để đắp thêm mô mềm cho toàn bộkhuôn mặt. Giá trị trung bình của 22 độ dày mô mềm được dùngđể khôi phục lại khuôn mặt người Việt Nam là 5.90mm. Trung bình giá trịkhoảng cách bịsai lệch khi tínhđiểm ba chiều từ đặc trưng tự động chiếm khoảng 13% giá trị trung bình mô mềm này.
Hình 3.18: Lỗi trượt trênảnh của hộp sọthứnhất.