Alakzatfelismerés pontfelhőkben

OData támogatás
Konzulens:
Dr. Csorba Kristóf
Automatizálási és Alkalmazott Informatikai Tanszék

A virtuális valóság, a 3D-s megjelenítés és így a pontfelhők egyre népszerűbbé válnak a modern technológiában. Így egyre fontosabbá válik az összetett pontfelhők automatikus feldolgozása, bizonyos objektumok gyors és megbízható azonosítása. Ez lehetőséget biztosít a pontfelhőként megörökített alakzatok, helyszínek gyorsabb és pontosabb elemzésére. Ennek a szakdolgozatnak a keretein belül a különböző objektumok automatikus felismerésére alkalmazható módszereket, algoritmusokat elemzem ki. A pontfelhők feldolgozásához a Point Cloud Library nyílt forráskódú könyvtárat használom, ami rengeteg lehetőséget biztosít arra, hogy a pontfelhőkön a lehető legváltozatosabb műveleteket végezzük el. A szakdolgozatom célja, hogy megvizsgáljam azt, hogy a Point Cloud Library által nyújtott osztályok, függvények közül melyik a legalkalmasabb a különböző paraméterekkel rendelkező alakzatok automatikus és pontos felismerésére. Részletesebben a Random Sample Consensus-t, az Iterative Closest Point-ot és a Hough transzformációt megvalósító osztályokkal foglalkoztam. A szakdolgozatom során kielemzem az algoritmusok működését, implementációjuk felhasználhatóságát, az eredmény pontosságát.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.