در بینایی رایانه ای، تشخیص اشیاء سه بعدی شامل تشخیص و تعیین اطلاعات سه بعدی، مانند حالت، حجم، یا شکل، یا اشیاء سه بعدی انتخابی کاربر در یک عکس یا محدوده یک اسکن است. به طور معمول، نمونه ای از شیئی که باید شناسایی شود به یک سیستم بینایی در یک محیط کنترل شده ارائه می شود و سپس برای یک ورودی دلخواه مانند یک ویدئو، سیستم، شیء ارائه شده قبلی را مکان یابی می کند. این را می توان هم به صورت آفلاین یا هم در زمان بی درنگ انجام داد. الگوریتم های حل این مشکل برای مکان یابی یک شی از پیش شناسایی شده، تخصصی هستند و می توانند با الگوریتم هایی که بر روی کلاس های کلی اشیاء کار می کنند، مانند سیستم های تشخیص چهره یا تشخیص شی های عمومی سه بعدی، مقایسه شوند. با توجه به هزینه کم و سهولت گرفتن عکس، تحقیقات قابل توجهی به تشخیص اشیاء سه بعدی در عکس ها اختصاص یافته است.
روش تشخیص یک شی سه بعدی به ویژگی های یک شی بستگی دارد. برای سادگی، بسیاری از الگوریتم های موجود بر روی تشخیص اجسام صلب متشکل از یک بخش متمرکز شده اند، یعنی اجسامی که تبدیل فضایی آنها یک حرکت اقلیدسی است. دو روش کلی برای این مشکل در نظر گرفته شده است: روش های تشخیص الگو از اطلاعات ظاهری تصویر سطح پایین، برای مکان یابی یک شی استفاده می کنند، در حالی که روش های هندسی مبتنی بر ویژگی، مدلی را برای شیئی که باید شناسایی شود، می سازند و مدل را با آن مطابقت می دهند.
این روش ها از اطلاعات ظاهری جمع آوری شده از پیش بینی های از پیش گرفته شده یا از پیش محاسبه شده یک شی استفاده می کنند تا با شی در صحنهٔ بالقوه به هم ریخته مطابقت داشته باشند. با این حال، آنها محدودیت های هندسی سه بعدی شی را در طول تطبیق در نظر نمی گیرند و همچنین معمولاً انسداد و رویکردهای مبتنی بر ویژگی را کنترل نمی کنند.
روش های مبتنی بر ویژگی برای اشیایی که ویژگی های متمایزی دارند به خوبی کار می کنند. تاکنون، اشیایی که دارای ویژگی های لبه یا ویژگی های لکه ای هستند با موفقیت شناسایی شده اند. برای مثال الگوریتم های تشخیص، به ترتیب به آشکارساز منطقه افین هریس و SIFT مراجعه کنید. به دلیل عدم وجود خصیصه یاب های مناسب، اجسام بدون سطوح صاف و بافت دار در حال حاضر با این روش قابل کنترل نیستند.
تشخیص دهنده های شی مبتنی بر ویژگی عموماً با از پیش گرفتن تعدادی نماهای ثابت از شی مورد شناسایی، استخراج ویژگی ها از این نماها و سپس در فرایند تشخیص، تطبیق این ویژگی ها با صحنه و اعمال محدودیت های هندسی کار می کنند.
این نوشته برگرفته از سایت ویکی پدیا می باشد، اگر نادرست یا توهین آمیز است، لطفا گزارش دهید: گزارش تخلفروش تشخیص یک شی سه بعدی به ویژگی های یک شی بستگی دارد. برای سادگی، بسیاری از الگوریتم های موجود بر روی تشخیص اجسام صلب متشکل از یک بخش متمرکز شده اند، یعنی اجسامی که تبدیل فضایی آنها یک حرکت اقلیدسی است. دو روش کلی برای این مشکل در نظر گرفته شده است: روش های تشخیص الگو از اطلاعات ظاهری تصویر سطح پایین، برای مکان یابی یک شی استفاده می کنند، در حالی که روش های هندسی مبتنی بر ویژگی، مدلی را برای شیئی که باید شناسایی شود، می سازند و مدل را با آن مطابقت می دهند.
این روش ها از اطلاعات ظاهری جمع آوری شده از پیش بینی های از پیش گرفته شده یا از پیش محاسبه شده یک شی استفاده می کنند تا با شی در صحنهٔ بالقوه به هم ریخته مطابقت داشته باشند. با این حال، آنها محدودیت های هندسی سه بعدی شی را در طول تطبیق در نظر نمی گیرند و همچنین معمولاً انسداد و رویکردهای مبتنی بر ویژگی را کنترل نمی کنند.
روش های مبتنی بر ویژگی برای اشیایی که ویژگی های متمایزی دارند به خوبی کار می کنند. تاکنون، اشیایی که دارای ویژگی های لبه یا ویژگی های لکه ای هستند با موفقیت شناسایی شده اند. برای مثال الگوریتم های تشخیص، به ترتیب به آشکارساز منطقه افین هریس و SIFT مراجعه کنید. به دلیل عدم وجود خصیصه یاب های مناسب، اجسام بدون سطوح صاف و بافت دار در حال حاضر با این روش قابل کنترل نیستند.
تشخیص دهنده های شی مبتنی بر ویژگی عموماً با از پیش گرفتن تعدادی نماهای ثابت از شی مورد شناسایی، استخراج ویژگی ها از این نماها و سپس در فرایند تشخیص، تطبیق این ویژگی ها با صحنه و اعمال محدودیت های هندسی کار می کنند.
wiki: تشخیص اشیاء سه بعدی