Vortragsfolien (

Report
Registrieren von 3D Punktwolken
mit Hilfe von MLS basierten
Multiskalen Features
Großer Beleg - Gunnar Schröder
Fakultät Informatik
Professur für Computergrafik
Prof. Dr. rer. nat. Stefan Gumhold
Betreuer: Dipl.-Medien-Inf. Sören König
Inhalt
1. Motivation und Aufgabenstellung
2. Tools
3. Grobregistrierung
4. Feinregistrierung
5. Ergebnisse und Evaluation
6. Präsentation der Anwendung
7. Diskussion
Großer Beleg Gunnar Schröder
2
1. Motivation und Aufgabenstellung
Grundsätzliche Probleme beim Scannen
 3D Scanner erfassen immer nur Teile eines Objekts
 Verdeckung
 Unterschiedliche Oberflächen
 Scanfehler
 Rauschen
 Scanartefakte
 Registrierung von Teilscans ist notwendig
Großer Beleg Gunnar Schröder
3
1. Motivation und Aufgabenstellung
Beschränkungen bestehender Verfahren
 Bestehende Verfahren zur Grobregistrierung
- Point Signatures
- Spin Images
- Linienextraktion
- Hauptkrümmungen
- Hauptkomponentenanalyse
 Probleme dieser Verfahren
- Features sind oft mehrdeutig
- Anfällig für Scanfehler und Rauschen
Großer Beleg Gunnar Schröder
4
1. Motivation und Aufgabenstellung
Aufgabenstellung des Großen Belegs
 Entwicklung eines robusteren Ansatzes zur Registrierung
 Extraktion von lokalen Features auf mehreren Detail- und
Auflösungsgraden
Teilscans als
Multiskalen MLS
Oberflächen
Oberflächenfeatures
auf unterschiedlichen
Skalen
Featurematching
Transformation für
Grob- und
Feinregistrierung
 Realisierung einer Software zur Registrierung von Teilscans
 Analyse und Auswertung der umgesetzten Verfahren
Großer Beleg Gunnar Schröder
5
2. Tools
Beschleunigungsdatenstrukturen für Punktwolken
 Typische Anfragen in Algorithmen:
- Nearest-Neighbor Anfrage
- k-Nearest-Neighbor Anfrage
- Kugel Anfrage
- Kugelschalen Anfrage
Spatial
Access
Method
Dynamisch
Out-of-core
Balanciert
Octree
Nein
Nein
Nein
Nein
Kd-Baum
Nein
Nein
Nein
Teilweise
R-Baum
Ja
Ja
Ja
Ja
Kugel-Baum
Ja
Ja
Ja
Ja
Großer Beleg Gunnar Schröder
6
2. Tools
Berechnung der Starrkörpertransformation
 Starrkörpertransformation = Translation + Rotation
 Darstellung der Rotation durch Quaternionen
Menge von
Punktkorrespondenzen
Starrkörpertransformation,
die quadratische Abstände
minimiert
 Berthold K. P. Horn: Closed-Form Solution of Absolute Orientation using
Unit Quaternions (1987)
- Berechnung der Mittelwerte und der Kovarianzmatrix
- Translation ist Differenz der Mittelwerte
- Aufstellung einer 4x4 Matrix aus den Werten der Kovarianzmatrix (siehe Beleg)
- Eigenvektor zum größten Eigenwert ergibt Rotationsquaternion
Großer Beleg Gunnar Schröder
7
3. Grobregistrierung
Moving Least Squares Oberflächen
 Projektion der Punktwolken auf die MLS Oberfläche
 Bestimmen einer lokale Referenzebene H durch q mit
Normale n durch Minimierung von:
 Fitten eines bivariaten Polynoms in der 2D Domäne:
 Projizierter Punkt:
Großer Beleg Gunnar Schröder
8
3. Grobregistrierung
Multiskalen MLS-Oberflächen
 Gewichtung der Punkte mit Gaussfunktion über dem Abstand
 Parameter h bestimmt die Lokalität und Glattheit der Oberfläche
h=1
h=2
Großer Beleg Gunnar Schröder
h=4
h=8
h = 16
h = 32
9
3. Grobregistrierung
Krümmung als Feature
 Auswertung der Hauptkrümmungen des gefitteten bivariaten Polynoms an
der Stelle (0,0) in der lokalen 2D Domäne
Großer Beleg Gunnar Schröder
10
3. Grobregistrierung
Krümmung als Feature
 Erste Fundamentalform:
 Zweite Fundamentalform:
 Hauptkrümmungen sind Eigenwerte von W = C ¡ 1D bzw.
Großer Beleg Gunnar Schröder
11
Großer Beleg Gunnar Schröder
12
3. Grobregistrierung
Multiskalen Feature
 Multiskalenfeature besteht aus Konkatenation der Hauptkrümmungen
mehrerer Skalen:
 Orientierung der Normale kann abweichen!
Ordnen des Krümmungspaars nach Absolutwert
Negation falls die größere Krümmung negativ sind
 Matching
- Einsortieren der Features des Referenzscans in Beschleunigungsdatenstruktur
- Nearest Neighbor Anfrage
 Ideale Auswahl der Skalen?
Großer Beleg Gunnar Schröder
13
3. Grobregistrierung
Auswahl von Korrespondenzen mit RANSAC
 Gründe für falsche Korrespondenzen
- Nicht überlappende Regionen
- Symmetrien des Objekts
- Abweichende MLS Oberflächen am Rand
 RANdom SAmple Consensus
- Zufällige Menge von 3 Korrespondenzen
- Dreiecke auf Kongruenz prüfen
- Berechnen der Starrkörpertransformation
- Consensus Set besteht aus den
Korrespondenzen mit geringer Distanz
Großer Beleg Gunnar Schröder
14
4. Feinregistrierung
Iterative Closest Points (ICP)
 Standardverfahren zur Feinregistrierung
 Idee: Finde zu einer Menge von Punkten aus einem
Scan den jeweils nächsten Punkt im anderen Scan und
minimiere den quadratischen Abstand dieser
Korrespondenzen. Iteriere bis zur Konvergenz.
 Verwerfen von Korrespondenzen ist wichtig für
teilüberlappende Scans!
 Ansätze:
- Normalenabweichung
- Randkorrespondenzen
- Prozentsatz der größten Distanzen
Großer Beleg Gunnar Schröder
15
4. Feinregistrierung
Iterative Closest Points (ICP)
 Extrapolation ist schwierig wegen
starker Varianz der Fehlermetrik
 Erkennen von Konvergenz
anhand der Bewegung des
Centroids
 Nachteil des Verfahrens: Mit der
Punktdichte des Scans steigt die
Anzahl der notwendigen
Iterationen
Großer Beleg Gunnar Schröder
16
4. Feinregistrierung
Iterative Closest Points (ICP)
 Verhältnis zwischen Maximum
und Median Fehler erlaubt die
Überlappung der beiden Scans
zu schätzen
 Verwerfen der schlechtesten
Korrespondenzen bis der
Maximumfehler ein kleines
Vielfaches des Medianfehlers ist
Großer Beleg Gunnar Schröder
17
5. Ergebnisse und Evaluation
Grobregistrierung
 Grobregistrierung liefert gute Ergebnisse
- Fehler ist weniger als Faktor 10 höher als nach der Feinregistrierung
- Sehr robust gegenüber Rauschen
 Median des Registrierungsfehlers (Position) für die synthetisch erzeugten
und mit unterschiedlichem Rauschen versetzen Scans:
Rauschen
0
1
2
3
4
Grobreg.
0.683
2.149
5.212
8.286
12.232
Feinreg.
0.081
0.735
1.726
3.398
4.745
 Verbesserung durch Feinregistrierung sinkt mit Rauschen
Größter Fehler ohne Rauschen
Großer Beleg Gunnar Schröder
18
5. Ergebnisse und Evaluation
Großer Beleg Gunnar Schröder
19
5. Ergebnisse und Evaluation
Kritische Bewertung
 Rekonstruktion eines vollständigen Objektes benötigt
globales Registrierung Verfahren
- Kann auf der paarweisen Registrierung aufbauen
 Vorberechnung für kompletten Referenzscan ist sehr
zeitaufwendig
 Mögliche Verbesserungen der Grobregistrierung
- Auswahl der Skalen und anderer Oberflächencharakteristiken
- Berechnung weniger Features des Referenzscans
- Bessere Distanzmetrik
- Lokales Koordinatenframe aus Hauptkrümmungen
- Anpassen der Skalenanzahl nach dem Scan
Großer Beleg Gunnar Schröder
20
6. Präsentation der Anwendung
Großer Beleg Gunnar Schröder
21
7. Diskussion
Fragen, Einschätzungen und Kommentare
Großer Beleg Gunnar Schröder
22
VIELEN DANK FÜR DIE
AUFMERKSAMKEIT!!!
Großer Beleg Gunnar Schröder
23

similar documents