پروژه بينايي سه بعدي با استفاده از نور ساختار يافته با الگوي رنگي. doc نوع فایل: word قابل ویرایش 134 صفحه چکیده: هدف از اين پروژه استخراج پروفايل سه بعدي اجسام به استفاده از روش نور ساختار يافته ااست. با توجه به بررسي هاي انجام شده نور ساختار يافته داراي مزاياي ويژه اي مي باشد . براي مثال سيستمهاي مبتني بر اُپتيک معمولا داراي هزينه پايين تري هستند . همچنين سيستم هاي بينايي استرﻳو ( شامل دو دوربين ) يا استريو فتو گرامتري براي سنجش برد کوتاه داراي کاربردهاي زيادي مي باشد . اما اين سيستم در اندازه گيري فواصل کوتاه داراي نواقص و مشکلات مربوط به خود است . اين مطلب باعث شده روشهاي نور ساختار يافته در فواصل کوتاه بيشتر مورد توجه قرار گيرد . وجود کدينگ در نور ساختار يافته و کاربرد آن در تناظر يابي باعث بالاتر رفتن ضريب اطمينان مي شود . براي راه اندازي اين سيستم نياز به يک پروژکتور LCD و يک دوربين تصوير برداري است که با توجه به الگو از آن مي توان براي بازسازي اجسام متحرک نيز استفاده کرد . در اين ميان نقش اساسي را الگوريتم و نرم افزار نوشته شده براي پردازش ها و اندازه گيريها برعهده دارد . مراحل کاري اين سيستم در فلوچارت به صورت کلي آورده شده است . اين سيستم داراي کاربردهاي فراواني در استخراج مدل سه بعدي اجسامي از قبيل آثار هنري ، ايجاد مدل کامپيوتري از عروسکها و مجسمه ها در کاربردهاي انيميشن سازي دارد . همچنين داراي کاربردهاي قابل تطبيق، در سيستم هاي پزشکي و برخي مسائل صنعتي مانند مهندسي معکوس نيز مي باشد . مقدمه: نظر به گستردگي روز افزون استفاده از سيستم هاي هوشمند لزوم بکار گيري سيستم هاي بينايي اتوماتيک و يا نيمه اتوماتيک به منظور بدست آوردن ابعاد جسم بر کسي پوشيده نيست . در همين راستا در صنايع نيز در ايستگاههاي بازرسي و کنترل کيفيت جهت بررسي دقيقتر ميزان تطابق قطعه ي درحال توليد با قطعه مورد نظر ، از سيستم هاي بينايي استفاده مي شود . بدين وسيله علاوه بر مشخص شدن مورد خطا ، محل دقيق آن و ميزان خرابي نيز مشخص مي شود . از جمله موارد کاربرد ديگر سيستم بينايي مي توان به علوم نظامي ، پزشکي ، باستانشناسي ، راه و ساختمان و زمين شناسي و هدايت ربات اشاره کرد که روز به روز استفاده از سيستم هاي بينايي در آنها افزايش مي يابد . سيستم هاي بينايي معمولي ، تنها به گرفتن يک تصوير دو بعدي از جسم اکتفا مي کنند و قادر به تشخيص فاصله و يا ارتفاع و عمق نيستند . به همين دليل و براي داشتن اطلاعات بيشتر از جسم ، محققان تلاش خود را بر روي بدست آوردن اطلاعات از بعد سوم (محور Z) متمرکز کردند . در راستاي اين تلاشها رهيافتهاي متفاوتي جهت اسکن سه بعدي يک جسم ارائه شد . در اين ميان اسکنرهاي تماسي مبتني بر سنسورهاي تماسي مکانيکي و اسکنرهاي غير تماسي مبتني بر تکنولژي اپتيکي از جمله راه کارهايي هستند که محققان در پيش رو دارند . و در اين ميان راه کارهاي اپتيکي به دليل انعطاف پذير بودن و هزينه قابل قبول ترجيح داده مي شوند . ضمن اينکه در خيلي از موارد از دقت و قدرت بالاتري در مقايسه با تکنولژي تماسي برخوردار هستند . در تحقيق انجام شده پس از بررسي انواع روشهاي اپتيکي براي استخراج پروفايل سه بعدي ، يک سيستم نوري بر مبناي نور ساختاريافته کدينگ شده پس از بررسي روشهاي کار شده در اين زمينه ، پياده سازي مي شود . فصل اول به بررسي روشهاي متفاوت استخراج مدل سه بعدي اشياء مي پردازد. علاوه بر آن کاربردهاي مختلف بينايي سه بعدي ارائه مي شود . در فصل دوم تکنيکهاي مختلف کدينگ الگو در نور ساختاريافته بررسي مي شود . در فصل سوم که آغازي براي پياده سازي است با طراحي يک نوع کدينگ به طراحي يک الگو پرداخته مي شود و پردازشهاي لازم اوليه در تصاوير براي کشف رمزها توضيح داده مي شوند . فصل چهارم با توضيح استفاده از شبکه عصبي براي تعيين کد رنگهاي بدست آمده در ادامه به حل مسئله تطابق مي پردازد و در نهايت يک بازسازي سه بعدي اوليه از جسم ارائه مي دهد . در نهايت در فصل پنجم به جمع بندي فصول گذشته پرداخته شده و پيشنهاداتي براي ادامه کار داده خواهند شد . در صفحه بعدي فلوچارتي از مراحل کلي کار آورده شده که به طور کلي نمايانگر مراحل کاري مي باشد . فهرست مطالب: چکيده فصل اول : تئوري نور ساختار يافته و کاربردهاي بينايي سه بعدی 1-1- مقدمه . 1-2- روشهاي غير فعال بينايي سه بعدي . 1-2-1- روش استريوفتوگرامتري 1-3- روشهاي فعال بينايي سه بعدي 1-3-1- بکار گيري سنسور تماسي دربينايي سه بعدي 1-3-2- بکار گيري سنسور غير تماسي دربينايي سه بعدي 1-3-2-1- روش ارسال امواج 1-3-2-2- روش هاي انعکاسي. 1-3-2-2-1- رهيافتهاي غير اپتيکي در روشهاي انعکاسي 1-3-2-2-2- رهيافتهاي اپتيکي در روشهاي انعکاسي 1-3-2-2-2-1 رادار تصوير برداري 1-3-2-2-2-2- روشهاي اينترفرومتريک 1-3-2-2-2-3- استخراج عمق از طريق تمرکز بر روش فعال 1-3-2-2-2-4- استريوي فعال 1-3-2-2-2-5- راستراستريوفتوگرامتري 1-3-2-2-2-6- سيستم مجتمع تصوير برداري 1-3-2-2-2-7- تکنيک نور ساختار يافته . 1-4- مقايسه روشها وتکنيکها و کاربردهاي آنها 1-5- نتيجه گيري فصل دوم : روشهاي مختلف کدينگ الگو 2-1- مقدمه 2-2- روشهاي طبقه بندي کدينگ الگوهاي نوري . 2-2-1- الگوهاي نوري از ديدگاه درجات رنگي 2-2-2- الگوهاي نوري از ديدگاه منطق کدينگ. 2-2-2-1- روشهاي مبتني بر الگوهاي چند زمانه (کدينگ زماني) 2-2-2-1-1- کدينگهاي باينري 2-2-2-1-2- کدينگ با استفاده از مفهوم n-ary 2-2-2-1-3- کدينگ با استفاده از مفهوم انتقال مکاني 2-2-2-1-4- کدينگ با استفاده از همسايگي 2-2-2-2- روشهاي مبتني بر همسايگيهاي مکاني(کدينگ مکاني) 2-2-2-2-1- کدينگهاي غير متعارف (ابتکاري) 2-2-2-2-2- کدينگ بر اساس دنباله De_Bruijn1 2-2-2-2-3- کدينگ بر اساس منطق M-Arrays 2-2-2-3- کدينگ مستقيم . 2-3- نتيجه گيري فصل سوم :پياده سازي کدينگ و پردازش تصوير 3-1- مقدمه 3-2- توليد کلمه هاي رمز با استفاده از دنباله De_Bruijn. 3-3- تابش الگو و عکسبرداري 3-4- پردازش تصوير 3-4-1- دوسطحي سازي 3-4-2- تشخيص لبه ها و اسکلت بندي 3-4-3- نازک سازي 3-4-4 نقاط تقاطع 3-4-5- شناسايي خطوط 3-5- نتيجه گيري فصل چهارم : شناسايي رنگ و حل مسئله تطابق و بازسازي سه بعدي 4-1- مقدمه 4-2- شبکه عصبي و شناسايي رنگ 4-2-1- مسئله تغيير رنگ 4-3- طراحي شبکه عصبي 4-4- مسئله تطابق 4-5- بازسازي سه بعدي 4-6- بررسي خطاهاي موجود 4-6-1- تغيير رنگ و خروجي غير قطعي شبکه 4-6-2- ناپيوستگي هاي تصوير رنگي 4-6-3-خطاي همپوشاني 4-7- نتيجه گيري فصل پنجم : نتيجه گيري و پيشنهادات 5-1 مقدمه 5-2- انتخاب روش و پياده سازي 5-3- پيشنهادات پيوست الف : نرم افزار تهيه شده پيوست ب : مثلث بندي مراجع فهرست اشکال و جداول: شکل 1-1) ساختار سيستم استريوفتوگرامتري شکل 1-2) روشهاي استخراج پروفايل سه بعدي شکل 1-3) تصوير برداري از سطوح مختلف توسط رادار جدول1-1 : تاخير زماني امواج صوتي و نوري شکل 1-4 : a ) مويره سايه b ) مويره تصوير شکل 1-5 : دستگاه اندازه گيري سه بعدي بر اساس روش مويره شکل 1-6 : ساختار سيستم راستر استريو فتوگرامتري شکل 1-7 : ساختار يک سيستم مجتمع تصوير برداري شکل 1-8 : ساختار سيستم نور ساختاريافته شکل 1-9 :تصويرنورساختار يافته موازياين تصوير با تاباندن يک الگو با خطوط عمودي موازي بر روي صورت ساخته شده است جدول 1-2 :مقايسه روشها و کاربرد آنها شکل2-1 : طبقه بندي روشهاي کدينگ در نورساختاريافته شکل2-2 : پرده هاي نوري و نحوه بکارگيري يک الگوي چند زمانه شکل2-3 : نمونه بازسازي تصوير مجسمه اسب و نقاط دست انسان به وسيله الگويچند زمانه و روش Postdamer شکل2-4 : نمونه الگوهاي طراحي شده با روش n-ary شکل2-5 : نمونه بازسازي تصوير مجسمه اسب و نقاط دست انسان به وسيله الگوي چند زمانه و تکنيک n-ary شکل2-6 : نماي پيک تصوير و انتقال مکاني آن شکل2-7 : a) الگوي شامل خطوط بريده با اندازه خطوط به عنوان مشخصه مهمb) الگوي تشکيل شده ازخطوط افقي با سه سطح خاکستري شکل2-8 : الگوي طراحي شده با دنباله De-Bruijn شکل 2-9 : a) طراحي الگوي مرانو b)الگوي کامل شده مرانو شکل 2-10 : نمونه بازسازي تصوير مجسمه اسب و نقاط دست انسان به وسيله تکنيک M-Array شکل 2-11 : الگوي طراحي شده توسط گريفين شکل 2-12 : الگوي خاکستري در رمز نگاري مستقيم شکل 3-1 : گراف مربوط به B(2,3) شکل 3-2 : نرم افزارنوشته شده براي توليد الگو و کد شکل 3-3 : نمونه الگوي طراحي شده شکل 3-4 :تابش نور و شرايط عکس برداري شکل 3-5 : فلوچارت مراحل تناظر يابي شکل 3-6 : عمل دوسطحي سازي در نرم افزار نوشته شده شکل 3-7 : نمونه عمل دوسطحي سازي شکل 3-8 : نمونه خطاي ايجاد شده در استفاده از الگوريتم سبل شکل 3-9 : نمونه نا پيوستگي ايجاد شده در استفاده از الگوريتم اسکلت بندي ساده شکل 3-10 : تصوير خروجي مرحلهشناسايي لبه ها در نرم افزار نوشته شده شکل 3-11 : تصوير خروجي مرحلهشناسايي لبه ها پس از اعمال ماسک (خطوط پيوسته هستند) شکل 3-12 :نمونه تصوير خروجي مرحلهنازک سازي شکل 3-13 :ماسکهاي استفاده شده براي کشف نقاط تقاطع شکل3-14 : دسته نقاط يافت شده به عنوان نقاط تقاطع شکل 3-15 : نقاط تقاطع نهايي شکل 3-16 : شکل رنگي نشان دهنده اثر همپوشاني خطوط شکل 3-17 : برچسب گذاري تصوير اسکلت بندي شده شکل 3-18 : بخشي از فايل خروجي شناسايي خطوط شکل 4-1 : مقادير کانالهاي رنگي در تصوير گرفته شده از جسم شکل 4-2 :نرم افزار نوشته شده براي بدست آوردن نقاط نمونه از تصوير ومقادير کانالهاي رنگي متناظر نقاط از تصوير گرفته شده از جسم شکل 4-3 : شبکه عصبي طراحي شده شکل 4-4 : نمودار خطاي آموزش شبکه براي تصوير الگو شکل 4-5 : نمودار خطاي آموزش شبکهبراي تصوير الگوي تابيده شده روي شي جدول 4-1 : قسمتي از اطلاعات خروجي شبکه پس از عمل گرد سازي شکل 4-6 : فلوچارت مراحل تناظر يابي جدول 4-2 : قسمتي از جدول امتياز دهي به تصوير نقاط الگو و تصوير جسم جدول 4-3 : قسمتي از جدولنقاط تناظر داده شده و اختلاف مختصات آنها شکل 4-7 : تصوير يک جعبه تحت تابش شکل 4-8 : شکل سه بعدي جعبه از روي برايند اختلاف مختصات دو نقطه(محور عمودي ) شکل 4-9 : تصوير يک ماوس تحت تابش شکل 4-10 : شکل سه بعدي جعبه از روي برايند اختلاف مختصات دو نقطه (محور عمودي ) شکل 4-11 : تصوير يک گلدان تحت تابش شکل 4-12 : شکل سه بعدي گلدان از روي برايند اختلاف مختصات دو نقطه (بدست آمدن شکل تقريبي نيم استوانه ) شکل الف -1 : محيط برنامه نويسي C و راه حل به همراه پروژه هاي توليد الگو و پردازش تصوير و توليد نقاط نمونه براي ورودي شبکه عصبي شکل الف -2 : تصوير يک جعبه رنگ شکل الف -3 : تصوير فرم مربوط به ايجاد الگو در برنامه نوشته شده شکل الف -4 : يک الگوي مناسب توليدي توسط برنامه شکل الف -5 : نمايي از فرم برنامه تهيه شده شکل الف -6 : نمايي از برنامه پردازش تصوير در حال کار شکل الف-7 : نمايي از برنامه در حال فعال بودن نمودار هيستوگرام و انجام عمل اکولايز کردن شکل ب-1 :دو دستگاه مختصات الگو و تصوير در سيستم نوري نور ساختاريافته شکل ب-2 : هندسه ساده سيستم نوري نور ساختاريافته شکل ب-3 : هندسه مربوط به دوربين و پروژکتورH نقطه اي از جسم است که توسط پروژکتور روشن شده است شکل ب-4 : مدل pinholeپروژکتور براي محاسبه پهناي خطوط منابع و مأخذ: 1) گنزالس ndash; رافائلndash; پردازش تصاوير ديجيتالي ndash; 1383 2) گنزالس ndash; رافائل - پردازش تصاوير ديجيتالي با استفاده از نرم افزار متلب ndash; 1383 3) اسلامي ndash; آرش - دريافت اطلاعات سه بعدي اجسام با استفاده از نور ساختاريافته ndash;پايان نامه كارشناسي ارشد در رشته مهندسي برق ndash; الكترونيك ndash;دانشگاه علم و صنعت ايران - 1383 4) سيدين ndash; ساناز - دريافت اطلاعات سه بعدي اجسام با استفاده از نور ساختاريافته با الگوي رنگي ndash;پايان نامه كارشناسي ارشد در رشته مهندسي برق ndash; الكترونيك ndash;دانشگاه علم و صنعت ايران- 1383 5) پوررضا کتيگري- مبين- بازسازي سه بعدي جسم با استفاده از کدينگ رنگ -پايان نامه كارشناسي ارشد در رشته مهندسي برق ndash; الكترونيك ndash;دانشگاه خواجه نصير- 1383 6) فاوست ndash; لارن ndash;شبكه هاي عصبي (ساختار ، الگوريتمها و كاربردها ) ndash; 1990 7) Jordi Pag`es, Joaquim Salvi and Josep Forest,A new optimised De Bruijn coding strategy for structured light patterns, IEEE,2005. 8) Asla M. Sacute;a, Paulo Cezar P. Carvalho, Luiz Velho, (b, s)-BCSL : Structured Light Color Boundary Coding for 3D Photography, VMV Erlangen, Germany, November 20ndash;22, 2002. 9) Olaf Hall-Holt Szymon Rusinkiewicz, Stripe Boundary Codes for Real-Time Structured-Light Range Scanning of moving Objects, Stanford University,2000. 10) Filip Sadlo, Tim Weyrich, Ronald Peikert, Markus Gross, A Practical Structured Light Acquisition System for Point-Based Geometry and Texture , Eurographics Symposium on Point-Based Graphics 2005. 11) Sergey Weinstein , 3-D Stereoscopic Reconstruction using Structured Light , Year 2002. 12) Abbas M. Ali, S.D.Gore and Musaab AL-Sarierah, The Use of Neural Network to Recognize the Parts of the Computer Motherboard, Journal of Computer Sciences, 2005. 13) Maacute;rio L. L. Reiss, Antonio M. G. Tommaselli, Christiane N. C. Kokubum, A Low Cost Structured Light System ,Year 2003. 14) Robert J.Schalkoff , Digital Image Processing Computer Vision , John wiley Sons Inc, 1989 , pp. 37-38. 15) A. Busboon and R.J.Scalkoff , Direct surface parameter estimation using structured light : A predicator based approach , Image and Vision Computing ,vol 14 ,no.5 , pp 311-321 ,1996. 16) Scott Jantz and Keith L Doty, TJPRO-AVR: A Wireless Enabled Mobile Robot for Vision Research , Florida Conference on Recent Advances in Robotics , May 25-26, Florida International University , 2006. 17) S.M. Dunn , R. L. Keizer and J. Yu , Measuring the area and volume of the human body with structured light , IEEE Transactions on system , Man .,cybernetics, vol . 19, no. 6, pp 1350-1364, 1989 . 18) H.Jun, P. DeCosta and M Dunn , Body surface area measurement with structured light , IEEE , pp. 95-96 ,1991. 19) J. Le Moigne and A.M . Waxman , Projected light grids for short range navigation of autonomous robots , Proceedings of 7th International conference on Ppattern Recognition ,pp 203-206,1984. 20) R. A. Jarvis , A laser time-of-flight scanner for robot vision , IEEE Transactions on Pattern Analysis and Machine Inteligence , vol. PAMI-5 , no .5 ,pp. 505-512,1983. 21) M. Keefe and D. R. Riley, Capturing facial surface information . , Photogrammetric engineering and Remote Sensing , vol. 52 , no. 9, pp. 1539-1548, 1986 . 22) Jordi Pag`es, Joaquim Salvi and Joan Battle, Pattern Classification strategies in structured light systems ,2004, universitat de Giorna ndash;spain ,E-17071 Giorna Spain . 23) J.L.Posdmer, M.D. Altschuler, Surface measurement by space-encoded projected beam systems , Computer Graphics and Image Processing, 18(1) (1982) 1-17. 24) K. Sato, Range imaging based on moving pattern light and spatio-temporal matched filter , in: IEEE International, Conference on Image Processing, Vol. 1, 1996, pp. 33ndash;36. 25) O. Hall-Holt, S. Rusinkiewicz, Stripe boundary codes for real-time structured-light range scanning of moving objects ,in: The 8th IEEE International Conference on Computer Vision, 2001, pp. II: 359ndash;366. 26) G. Wiora, High resolution measurement of phase-shift amplitude and numeric object phase calculation, in: Proceedings Vision Geometry IX, Vol. 4117, SPIE, Bellingham, Washington, USA, 2000, pp. 289ndash;299. 27) M. Maruyama, S. Abe, Range sensing by projecting multiple slits with random cuts, Pattern Analysis and Machine Intelligence 15 (6) (1993) 647ndash;651. 28) N. G. Durdle, J. Thayyoor, V. J. Raso, An improved structured light technique for surface reconstruction of the human trunk, in: IEEE Canadian Conference on Electrical and Computer Engineering, Vol. 2, 1998, pp. 874ndash;877. 29) K. L. Boyer, A. C. Kak, Color-encoded structured light for rapid active ranging, IEEE Transactions on Pattern Analysisand Machine Intelligence 9 (1) (1987) 14ndash;28. 30) H. Huuml;gli, G. Maiuml;tre, Generation and use of color pseudo random sequences for coding structured light in active ranging, in: Proceedings of Industrial Inspection, Vol. 1010, 1989, pp. 75ndash;82. 31) P. Vuylsteke, A. Oosterlinck, Range image acquisition with a single binary-encoded light pattern, IEEE Transactions on Pattern Analysis and Machine Intelligence 12 (2) (1990) 148ndash;163. 32) R. A. Morano, C. Ozturk, R. Conn, S. Dubin, S. Zietz, J. Nissanov, Structured light using pseudorandom codes, Pattern Analysis and Machine Intelligence 20 (3) (1998) 322ndash;327