ТЕХНОЛОГИЯ ОПЕРАТИВНОЙ РЕКОНСТРУКЦИИ 3D

реклама
3D. .
1,2
, . .
1,2
, . .
1,2
.
1
(
3D-
3D.
CUDA
,
.
.
.
.
.
,
.
3D-
.
,
,
,
,
3D. .
.
,
. .
.
,
.
Д1Ж
.
,
,
.
.
,
,
3D-
.
,
.
,
.
2.
1.
.
ё
,
1.
,
),
2
3D-
. .
,
.
85
,
П ед
тел ое о
д
П ед
о де
де т
тел
я у д
к
я у д
Н о де
Фо
е е
е,
т
по к д
е т л о
е т л
о для
т
о
т
е то о
от о тел
д о
о
ек т д п
т о т
1–
.
ё
 x, y 
 x, y
.
x 
 a 0 b1     x 
0 a b   y    y

2
1   
(1)
,
a
b1
.
b2
a , b1
,
ё
,
,
ё
 x, y 
SIFT Д2Ж
.
.
b2
 x, y ,
SURF Д3Ж,
,
RANSAC.
,
.
RANSAC.
RANSAC
,
.
.
,
.
Д1Ж.
3.
.
ё
.
,
,
86
 x, y 
 x  u, y  v 
.
ё
:
E  x, y, u, v   I1  x, y   I  x  u, y  v 
v
E  x, y, u, v  
D  x0 , y0  –

 x , y D x0 , y0 
.
:
a  x, y e  x, y, u, v 
a  x, y  –
(
,
.
ё
,
Д1Ж.
,
CUDA
.
 x, y 
.
,
3).
4.
«TsЮФЮЛК»,
.
2.
)
2–
(
)
.
3).
3–
87
u,
(3)
 x0 , y0  ,
.
,
CUDA
(2)
(
2)
,
«
ё
»
(
4)
)
(
,
2).
(
4–«
ё
)
»
4)
«
(
«
ё
ё
),
5,
»
»
.
(
5, ).
5–
)
«
ё
1.
№
/
1
1.
2.
.
CPU,
(CPU)
2
15
, )
(
1
,
CUDA
7,7
.
88
(
)
: )
»
4)
)
(CPU+GPU)
14,57
0,91
15,53
2,02
,
.
5.
.
CUDA-
,
.
3D-
. .
//
. – 2014. – . 38. – №. 2 – . 335-342
2. Lowe D. G. Object recognition from local scale-invariant features/ Lowe D. G. //Computer vision, 1999.
The proceedings of the seventh IEEE international conference on. – Ieee, 1999. – . 2. – . 1150-1157.
3. Bay H. Speeded-up robust features (SURF) / Bay H., Ess A., Tuytelaars T., Van Gool L. //Computer
vision and image understanding. – 2008. – . 110. – №. 3. – . 346-359.
4.
.,
.
.
. .:
"
", 2004. - 928 .
5.
. .,
. .,
. .,
. .,
. .
:
.
:
, 2002. - 352 c.
6. Hartley R., Zisserman A. Multiple view geometry in computer vision. Second Edition. Cambridge
University Press, 2003 .
1.
.
.
.,
89
Скачать