फोटोग्राममिति द्वारा संरचनात्मक विकृति का मापन

वर्तमान में, माप के यांत्रिक तरीके, उनकी अपूर्णता के कारण (चाहे यह एक उच्च त्रुटि या माप की जटिलता है), पृष्ठभूमि में लुप्त हो रहे हैं, नए तरीकों का रास्ता दे रहे हैं, जिसके बीच एक है - फोटोग्राममेट्री, जिसके बारे में मैं बात करना चाहूंगा।

प्रविष्टि

Photogrammetry अपनी फोटोग्राफिक छवियों से वस्तुओं के आकार, आकार और स्थिति का निर्धारण करने के लिए एक तकनीक है।
फोटोग्राममेट्री का उपयोग सबसे अधिक व्यापक रूप से जियोडेसी, कार्टोग्राफी, सैन्य मामलों, अंतरिक्ष अनुसंधान आदि में किया जाता है, लेकिन हम सामग्री के अध्ययन में प्रौद्योगिकी के एक संकीर्ण अनुप्रयोग के बारे में बात करेंगे।
सामग्री के गुणों के अध्ययन में किए गए प्रयोगों में से एक विभिन्न भारों के प्रभाव में विरूपण को मापना है।
शास्त्रीय संस्करण में, प्रयोग मैन्युअल रूप से किया जाता है: एक अलग लोड के लिए, विरूपण का मूल्य बड़े पैमाने पर तंत्र नामक तंत्र का उपयोग करके निर्धारित किया जाता है। एक थकाऊ प्रक्रिया, और यहां तक ​​कि ज्यादातर मामलों में जनता की सटीकता 0.01 मिमी तक सीमित है। इस मामले में फोटोग्राममिति विरूपण को निर्धारित करने की प्रक्रिया को सरल बनाना, माप की सटीकता को बढ़ाना और डेटा प्रसंस्करण को स्वचालित करना संभव बनाता है।

हाइलाइट

तस्वीरों में संदर्भ बिंदुओं के रूप में, निम्नलिखित फॉर्म के तीन आकारों (1, 2, 4 सेमी) के निशान का उपयोग किया गया था:


कार्य क्षेत्र तीन फोकल लंबाई (सॉफ्टवेयर परीक्षण उद्देश्यों के लिए) से दिखता है और इस तरह दिखता है:

कोई भी चित्र स्केल बार (केंद्र में), स्थिर बिंदु (बाएँ और दाएँ कोने) नहीं दिखाता है।

आवश्यक सटीकता: 0.01 मिमी या अधिक।

अतिरिक्त रूप से: स्वचालित टैग का पता लगाना, टैग ऑफ़सेट की स्वचालित ट्रैकिंग।

तकनीकी कार्यान्वयन

जब विचारों पर अमल किया गया, तो नुकसान दिखाई दिए, क्योंकि सॉफ्टवेयर के लिए कुछ आवश्यकताओं को सुधारना आवश्यक था।

स्वचालित टैग का पता लगाना

मान्यता का क्लासिक मामला है, लेकिन यह यहां था कि पहली बार नुकसान हुआ था। अंकन के कई तरीकों की कोशिश की गई, लेकिन किसी ने भी स्वीकार्य परिणाम नहीं दिया:

तंत्रिका नेटवर्क। प्रशिक्षण सभी प्रकार के लेबल (एक आकार) पर किया गया था। एक तंत्रिका नेटवर्क द्वारा प्रसंस्करण के लिए, मूल छवि को 32x32px टुकड़ों में काट दिया गया, और नेटवर्क इनपुट को खिलाया गया। इस एल्गोरिथ्म का परिणाम असंतोषजनक था: मान्यता प्राप्त लेबल का लगभग 20%।

एक पूर्व निर्धारित मुखौटा के साथ फ़िल्टर करें । एल्गोरिथ्म का इनपुट ग्रे के रंगों में मूल लेबल की छवि है, जिसे मास्क में परिवर्तित किया जाता है। यदि निशान बहुत बड़ा है, तो केवल निशान का केंद्र मुखौटा बन जाता है। परिणामस्वरूप, 48x48 सरणी भर जाती है। अगला कदम छवि पर मुखौटा लागू करना है। नतीजतन, निशान के केंद्रों में लगभग 100% की चमक होती है, शेष छवि को अंधेरा कर दिया जाता है। मान्यता प्रतिशत - 60-70%। बुरा नहीं है, लेकिन minuses पेशेवरों को पार करते हैं: एक फोटो को संसाधित करना लगभग 2-4 मिनट है, उपयोगकर्ता की भागीदारी की आवश्यकता है (प्रारंभिक निशान का संकेत)।
एनालॉग्स का विश्लेषण करने और उनकी मान्यता के परिणाम का मूल्यांकन करने के बाद, टैग का स्वत: पता लगाने को छोड़ने और अन्य समस्याओं पर ध्यान केंद्रित करने का निर्णय लिया गया।

विकृति

विरूपण ऑप्टिकल सिस्टम का उन्मूलन है जिसमें दृश्य के क्षेत्र के साथ रैखिक आवर्धन बदल जाता है। यह वस्तु और उसकी छवि के बीच समानता का उल्लंघन करता है।

जब करीब सीमा पर शूटिंग - माप परिणाम को प्रभावित नहीं करता है। विकृति को ठीक करने के लिए, OpenCV पुस्तकालय का उपयोग किया गया था।

स्वचालित टैग ऑफ़सेट ट्रैकिंग

कार्यक्रम प्रत्येक सामग्री को लोड करने की तस्वीरें लोड करता है। सामग्री पर भार जितना अधिक होगा, विरूपण उतना अधिक होगा। तदनुसार, लेबल को स्थानांतरित कर दिया जाता है। ट्रैकिंग चिह्नों के लिए उपयोग किया जाने वाला एल्गोरिथ्म सरल है: प्रत्येक अगली तस्वीर में हम वर्तमान के एक निश्चित क्षेत्र में एक निशान की तलाश करते हैं + सी , जहां सी वर्तमान फोटो में चिह्न के केंद्र के सापेक्ष एक निरंतर दिया गया है।
यह फ़ंक्शन प्रत्येक फोटो पर नीरस मैनुअल लेबलिंग के उपयोगकर्ता को राहत देता है।

लेबल केंद्र परिभाषा;

कार्यक्रम का मूल। लेबल के अनुमानित स्थान को निर्धारित करने के बाद, दसियों या पिक्सेल के सौवें हिस्से में भी सटीक समन्वय की गणना करना आवश्यक है।
केंद्र के निर्धारण के लिए एल्गोरिथ्म में कई चरण होते हैं:
1. लेबल के प्रारंभिक केंद्र की परिभाषा। प्रारंभिक केंद्र को केंद्र के मैनुअल संकेत के परिणामस्वरूप या चिह्न ऑफ़सेट के स्वचालित ट्रैकिंग के कार्य के परिणामस्वरूप प्राप्त किया जाता है।
2. विश्लेषण के लिए लेबल के आसपास के क्षेत्र का चयन करें। उपयोगकर्ता टैग का आकार आवश्यक है।
3. अनुकूली द्विनेद्रीकरण एल्गोरिथ्म का उपयोग। नग्न आंखों वाले फोटो में, चमक में अंतर ध्यान देने योग्य है। Sauvola एल्गोरिथ्म का उपयोग किया जाता है।
बिनाराइजेशन से उत्पन्न प्रत्येक सफेद पिक्सेल गणना में शामिल है। गणना जन के केंद्र के सूत्र के अनुसार की जाती है:

जहां मैं i-th पिक्सेल की चमक है, वहीं शी का समन्वय है।

एल्गोरिथ्म का परिणाम (चौरसाई छवि पर लागू होता है):

स्केल

पैमाने का निर्धारण करने के लिए, एक निश्चित दूरी पर तय किए गए दो अंकों के साथ एक निश्चित पैमाने के शासक का उपयोग किया जाता है। दो बिंदुओं के केंद्रों के बीच सेंटीमीटर में दूरी को जानना, पीसी / सेमी मूल्य की गणना करना मुश्किल नहीं है।

परिणाम

और अब सबसे महत्वपूर्ण बात के बारे में - परिणाम। लेकिन वे उत्साहजनक थे: जनता की सटीकता व्यावहारिक रूप से हासिल की गई थी, तीसरे पक्ष के कार्यक्रमों द्वारा माप से विचलन - 3 - 5%।
यह प्रयोगात्मक रूप से पाया गया कि पिक्सेल के केंद्र का निर्धारण करने में उच्चतम सटीकता तब प्राप्त होती है जब लेबल का आकार 2 सेमी होता है।

होनहार परिणाम:


हालांकि ऐसे परिणाम हैं:

निष्कर्ष

कार्यक्रम शैक्षिक उद्देश्यों के लिए बनाया गया था और भविष्य में स्नातक की डिग्री प्राप्त करने के लिए इस्तेमाल किया जा सकता है। साथ ही, कार्यक्रम के विकास को रोका नहीं गया है, इसमें सुधार जारी है, और भविष्य में स्टीरियोमीटर के क्षेत्र में काम करने की योजना है।

संदर्भ

1. गैरी ब्रैडस्की, एड्रियन केहलर - लर्निंग ओपनसीवी
2. विलियम के। प्रैट - डिजिटल इमेज प्रोसेसिंग