Nokta bulutu verilerinden nesne ayırt etme

Nesnelerin ayırt edilmesi problemlerine, bilgisayar grafiği ve bilgisayar görmesi alanlarında, uzun yıllardır çok çeşitli çalışmalarla yanıt aranmaktadır. Bu problemin çözümü için görüntü tabanlı birçok yaklaşım üretilmesine rağmen, bu çözümlerin bazı alanlarda kullanılabilmesi için yetersiz kaldığı düşünülmektedir. Günlük hayatta sıklıkla karşılaşılan nesneler ve şekiller arasında ayrım yapabilme ve tanıma, bu alanlardaki önemli bir sorundur. Tez çalışmasında, kapalı bir sahne içerisindeki fiziksel nesnelerin ayırt edilmesi adına, gerçek hayatta kullanılan nesnelere ait nokta bulutları üzerinden yeni bir iskelet eğrisi çıkarma algoritması uygulanmaktadır. 3B nesnenin iskelet eğrisi, 3B şekillerin soyut olarak, geometrik ve topolojik bir gösterimidir. Bu iskelet yapısı var olan nokta bulutu içerisinden elde edilmiş bir ortalama nokta bulutu verilerinin bütünleşmiş halidir. Nokta bulutu verileri üzerinden iskelet bilgisi çıkarımı için Medial iskelet çıkarma algoritması ve ona yardımcı Laplace daraltma algoritması uygulanmaktadır. Mevcut iskelet çıkarım algoritmalarının her birinin kendine özgü kullandığı bir veri türü ve işleyiş biçimi bulunmaktadır. Sağlam bir iskelet yapısı elde etmenin en temel yolu, nesnelere ait nokta bulutunun, mümkün olduğunca kusursuz olmasıdır. Bunun yolu, nesnelere ait iyi bir tarama işlemini yerine getirmekten geçmektedir. Bu alanlardaki tarama işlemlerinde, çoklu ya da hareketli sensör kullanımı şeklinde, çeşitli uygulamalar bulunmaktadır. Bu bakımdan tez çalışmasında, kullanımı geleneksel tarayıcılara kıyasla daha pratik ve maliyeti düşük olan, sabit bir Kinect sensör vasıtasıyla, kullanıcının nesne için uygulayacağı doğal bir hareketle, tarama üreten bir yaklaşım uygulanmaktadır. Bu yaklaşım kapalı mekân ve kısa mesafede bulunan 3B nesnelerin, geniş bir yelpazede tam (360 derece) nokta bulutu verisinin üretilmesine olanak tanımaktadır. Nesne tarama için oluşturulan sistem kolay kurulabilir, basit ve etkileyici sonuçlar üretmektedir. Sabitlenmiş tek bir Kinect sensör karşısında, döner tabla üzerinde duran 3B nesnenin, belirli açılarla (ör. 90) döndürülerek birden fazla nokta bulutu tarama verisi elde edilmektedir. Birleştirme ve hizalama işlemleri için her bir taramanın ağırlık merkezi (0, 0, 0) olacak şekilde tüm nokta bulutları ötelenmektedir. İkinci ve daha sonraki taramalardan elde edilen nokta bulutu verileri için sırasıyla, merkez noktasına (0, 0, 0) göre y-ekseni hizasında dönüşüm işlemi yapılmaktadır. Farklı açılardan elde edilmiş, dönüştürülmüş nokta bulutu verileri, belirlenen birleşim anahtar noktalarına göre ötelenerek, sırasıyla birbirlerine göre hizalanmaktadır. Elde edilen tam bir kaba 3B nokta bulutu verisi üzerinde, düzeltme ve iyileştirme işlemleri için kesitler üzerinde çalışan bir algoritma yürütülmektedir. Böylece elde edilen tarama, veri kalabalığından arınmış, 3B, sade ve düzenli bir yapıya kavuşmuştur. Bu bakımdan, nokta bulutlarının, iskelet çıkarımı yapılabilecek en uygun hale getirilmesi sağlanmıştır.