Мне нужно извлечь гребни и впадины из 3D отпечатка пальца.Выходными данными должен быть файл сгиба, который точно показывает, где находятся гребни и впадины на трехмерном отпечатке пальца, используя разные цвета.
Входной файл - файл сгиба только с положениями x, y, z.Я получил это от 3D-сканера.Вот как выглядят первые несколько строк файла -
ply
format ascii 1.0
comment VCGLIB generated
element vertex 6183
property float x
property float y
property float z
end_header
-32.3271 -43.9859 11.5124
-32.0631 -43.983 11.4945
12.9266 -44.4913 28.2031
13.1701 -44.4918 28.2568
13.4138 -44.4892 28.2531
13.6581 -44.4834 28.1941
13.9012 -44.4851 28.2684
... ... ...
Если вам нужны данные - напишите мне на nisha.m234@gmail.com.
Алгоритм: Я пытаюсь найти основные изгибы для извлечения гребней и впадин.
Следующие шаги я:
- Взять точку x
- Найдите своих ближайших соседей.Я использовал k от 3 до 20.
- среднее k ближайших соседей => дает (_x, _y, _z)
- вычислить ковариационную матрицу
- Теперь я беру собственные значения исобственные векторы этой ковариационной матрицы
- Я получаю u, v и n здесь из собственных векторов.u является вектором, соответствующим наибольшему собственному значению v, соответствующему 2-му наибольшему n, являющемуся 3-м наименьшим вектором, соответствующим наименьшему собственному значению
- Затем для преобразования точки (x, y, z) я вычисляю матрицу T
T =
| ui | |u | |x - _x|
| vi | = |v | x |y - _y|
| ni | |n | |z - _z|
- для каждого i из k ближайших соседей:
| n1 | |u1*u1 u1*v1 v1*v1| | a |<br>
| n2 | = |u2*u2 u2*v2 v2*v2| | b | <br>
|... | | ... ... ... | | c | <br>
| nk | |uk*uk uk*vk vk*vk|<br>
Решите это для a, b и c с наименьшими квадратами - это уравнение даст мне a, b, c
- теперь я вычисляю собственные значения матрицы
| a b |
| b a |
- Это даст мне 2 собственных значения.один - это Kmin, а другой - Kmax.
Моя проблема: Вывод не так близок к поиску правильных хребтов и долин.Я полностью застрял и разочарован.Я не уверен, где именно я понимаю это неправильно.Я думаю, что нормальные не рассчитаны правильно.Но я не уверен.Я очень новичок в графическом программировании, и поэтому математика, нормали, шейдеры идут выше моей головы.Любая помощь будет оценена. ПОЖАЛУЙСТА, ПОЖАЛУЙСТА, ПОМОГИТЕ !!
Ресурсы: Я использую Visual Studio 2010 + Eigen Library + ANN Library.
Другие используемые параметры Я пытался использовать MeshLab.В MeshLab я использовал шарообразные треугольники, а затем применил шейдер polkadot3d.Если правильно определить хребты и долины.Но я не могу его кодировать.
Моя функция: // функция выводит в файл ply
void getEigen()
{
int nPts; // actual number of data points
ANNpointArray dataPts; // data points
ANNpoint queryPt; // query point
ANNidxArray nnIdx;// near neighbor indices
ANNdistArray dists; // near neighbor distances
ANNkd_tree* kdTree; // search structure
//for k = 25 and esp = 2, seems to got few ridges
queryPt = annAllocPt(dim); // allocate query point
dataPts = annAllocPts(maxPts, dim); // allocate data points
nnIdx = new ANNidx[k]; // allocate near neigh indices
dists = new ANNdist[k]; // allocate near neighbor dists
nPts = 0; // read data points
ifstream dataStream;
dataStream.open(inputFile, ios::in);// open data file
dataIn = &dataStream;
ifstream queryStream;
queryStream.open("input/query.pts", ios::in);// open data file
queryIn = &queryStream;
while (nPts < maxPts && readPt(*dataIn, dataPts[nPts])) nPts++;
kdTree = new ANNkd_tree( // build search structure
dataPts, // the data points
nPts, // number of points
dim); // dimension of space
while (readPt(*queryIn, queryPt)) // read query points
{
kdTree->annkSearch( // search
queryPt, // query point
k, // number of near neighbors
nnIdx, // nearest neighbors (returned)
dists, // distance (returned)
eps); // error bound
double x = queryPt[0];
double y = queryPt[1];
double z = queryPt[2];
double _x = 0.0;
double _y = 0.0;
double _z = 0.0;
#pragma region Compute covariance matrix
for (int i = 0; i < k; i++)
{
_x += dataPts[nnIdx[i]][0];
_y += dataPts[nnIdx[i]][1];
_z += dataPts[nnIdx[i]][2];
}
_x = _x/k; _y = _y/k; _z = _z/k;
double A[3][3] = {0,0,0,0,0,0,0,0,0};
for (int i = 0; i < k; i++)
{
double X = dataPts[nnIdx[i]][0];
double Y = dataPts[nnIdx[i]][1];
double Z = dataPts[nnIdx[i]][2];
A[0][0] += (X-_x) * (X-_x);
A[0][1] += (X-_x) * (Y-_y);
A[0][2] += (X-_x) * (Z-_z);
A[1][0] += (Y-_y) * (X-_x);
A[1][1] += (Y-_y) * (Y-_y);
A[1][2] += (Y-_y) * (Z-_z);
A[2][0] += (Z-_z) * (X-_x);
A[2][1] += (Z-_z) * (Y-_y);
A[2][2] += (Z-_z) * (Z-_z);
}
MatrixXd C(3,3);
C <<A[0][0]/k, A[0][1]/k, A[0][2]/k,
A[1][0]/k, A[1][1]/k, A[1][2]/k,
A[2][0]/k, A[2][1]/k, A[2][2]/k;
#pragma endregion
EigenSolver<MatrixXd> es(C);
MatrixXd Eval = es.eigenvalues().real().asDiagonal();
MatrixXd Evec = es.eigenvectors().real();
MatrixXd u,v,n;
double a = Eval.row(0).col(0).value();
double b = Eval.row(1).col(1).value();
double c = Eval.row(2).col(2).value();
#pragma region SET U V N
if(a>b && a>c)
{
u = Evec.row(0);
if(b>c)
{ v = Eval.row(1); n = Eval.row(2);}
else
{ v = Eval.row(2); n = Eval.row(1);}
}
else
if(b>a && b>c)
{
u = Evec.row(1);
if(a>c)
{ v = Eval.row(0); n = Eval.row(2);}
else
{ v = Eval.row(2); n = Eval.row(0);}
}
else
{
u = Eval.row(2);
if(a>b)
{ v = Eval.row(0); n = Eval.row(1);}
else
{ v = Eval.row(1); n = Eval.row(0);}
}
#pragma endregion
MatrixXd O(3,3);
O <<u,
v,
n;
MatrixXd UV(k,3);
VectorXd N(k,1);
for( int i=0; i<k; i++)
{
double x = dataPts[nnIdx[i]][0];;
double y = dataPts[nnIdx[i]][1];;
double z = dataPts[nnIdx[i]][2];;
MatrixXd X(3,1);
X << x-_x,
y-_y,
z-_z;
MatrixXd T = O * X;
double ui = T.row(0).col(0).value();
double vi = T.row(1).col(0).value();
double ni = T.row(2).col(0).value();
UV.row(i) << ui * ui, ui * vi, vi * vi;
N.row(i) << ni;
}
Vector3d S = UV.colPivHouseholderQr().solve(N);
MatrixXd II(2,2);
II << S.row(0).value(), S.row(1).value(),
S.row(1).value(), S.row(2).value();
EigenSolver<MatrixXd> es2(II);
MatrixXd Eval2 = es2.eigenvalues().real().asDiagonal();
MatrixXd Evec2 = es2.eigenvectors().real();
double kmin, kmax;
if(Eval2.row(0).col(0).value() < Eval2.row(1).col(1).value())
{
kmin = Eval2.row(0).col(0).value();
kmax = Eval2.row(1).col(1).value();
}
else
{
kmax = Eval2.row(0).col(0).value();
kmin = Eval2.row(1).col(1).value();
}
double thresh = 0.0020078;
if (kmin < thresh && kmax > thresh )
cout << x << " " << y << " " << z << " "
<< 255 << " " << 0 << " " << 0
<< endl;
else
cout << x << " " << y << " " << z << " "
<< 255 << " " << 255 << " " << 255
<< endl;
}
delete [] nnIdx;
delete [] dists;
delete kdTree;
annClose();
}
Это часть моего дипломного проекта.Мне нужно сделать это, используя данные облака трехмерных точек.У меня нет сканера со мной.Это сторонняя компания, и они просто предоставляют мне 3D очки.Я должен работать только над этими 3D точками.
Спасибо,
NISHA
@ Том - Спасибо.Шейдер polkadot3d в MeshLab не был точным, но он дал мне приблизительное представление о том, где находятся гребни и долины.Я думаю, что библиотека ANN не дает мне правильных соседей для начала, что приводит к неправильным нормам.Но я не уверен, как это исправить.Поскольку это часть диссертации, я и мой профессор придумали этот алгоритм для извлечения гребней и долин.Согласно моим исследованиям и другим статьям, я читал, что этот метод действительно работает для извлечения риджей и долин.Я просто не получаю его правильно в коде :( Я совершенно уверен, что предложенный вами метод также будет работать, но мне, возможно, придется придерживаться моего текущего алгоритма и, если он вообще не работает, должен быть в состоянии сказать, почему онне работает! Но в настоящее время проблема, похоже, заключается в моем коде, чем в методе, который я использую, или я пропускаю какой-то шаг здесь.