NESNELERİN ÜÇ BOYUTLU MODELLENMESİ İÇİN KİNECT TABANLI BİR UYGULAMA

Abstract

Günümüzde insan gözünün gördüğü şekliyle, üç boyutlu gerçek dünya nesnelerini, iki boyutlu bir görüntü yapısı ile içeriğini yeniden düzenleyip, yeniden yapılandırmak için çözüm üretmek son derece zordur. İnsan gözünün görsellik yapısı özelliği itibariyle iki boyuttan, (2B) üç boyuta (3B) dönüşüm gerçekleştirme gibi bir zorunluluğu yoktur, bu özellik insan için görsel dünyayı anlamak adına olağanüstü bir yetenektir. Bilgisayar görmesi, sanal gerçeklik, nesne tanınması, arttırılmış gerçeklik, yeniden yapılandırma görsel dünyanın mantıksal yaklaşımını anlamak için insanların bu tür yeteneklerini taklit etmek istemektedir. Fakat gerçek dünya nesnelerini 3B olarak bilgisayar ortamında yeniden yapılandırılması oldukça zahmetlidir. Bu tez çalışmasının arka planında, temel olarak fiziksel dünya nesneleri ile sanal uzay arasında, çeşitli metotlar kullanarak yeni bir etkileşimin sağlanması yatmaktadır. Bu açıdan amaç, kapalı bir sahnenin, detaylı olarak yeniden yapılandırılması için, gerçek dünya nesnelerinin, hareketli olarak 360 derecelik tarama üretme kapasitesine sahip bir standart 3B kamera ile oluşturulacak olan sanal alanlar içerisinde, nesnenin 3B modelinin görüntülenmesini sağlamaktır. Bu hedefin uygulanmasında öncelikle, fiziksel nesnelerin 360 derecelik sağlam bir yapıda oluşturulması için, nesnenin tam derinlik verilerinin elde edilmesi aşamasında, birden fazla tarama bütünü hakkındaki mevcut yöntemlerin incelenmesi ile ilgili araştırma yapılarak işe başlandı. Bu tez çalışmasında Microsoft Kinect ve açık kaynak kodlu nokta bulutu kütüphanesi kullanılarak, yakalanan gerçek dünya nesnelerinin nokta bulutu ile yeniden yapılandırılması sırasında en iyi sonuçların elde edilmesi için bu noktaların işlenmesi üzerine odaklanır. Sonuç olarak bu tez çalışmasında, düzlemsel yüzeyler üzerinde sabit olarak yerleşik durumdaki gerçek dünya nesnelerinden, hareketli olarak birden fazla alınmış olan nokta bulutu kümesi (nbk) derinlik taramaları üzerine, nesneye ve arka planlarına uygulanacak olan çeşitli filtreleme yöntemleri incelenmiş, bu verilerin üçgenleme yöntemiyle birleştirildikten sonra MeshLab ve OpenGL sanal görüntüleme ortamlarında görselleştirilmiştir.

It is very difficult to generate solutions to reconstruction the three-dimensional real world objects in the form human eye sees by reorganizing their content with the aid of two-dimensional image structure. There no necessity for the human eye to perform a conversion from 2-dimension (2D) to 3-dimension (3D) in respect of its visual quality; this characteristic is an extraordinary ability for the human to recognize the visual world. In order to understand the logical approach of the visual world, such abilities of human are imitated for computer vision, virtual reality, object recognition, augmented reality, restructuring. However, it is fairly troublesome to reconstruction the real world objects in the computer medium in the form of 3D. Basically, realization of a new interaction between the physical world objects and virtual space by utilizing various methods lies behind the background of this thesis study. From this viewpoint, purpose is to provide visualization of 3D model of the real world object in virtual spaces to be constituted by means of a standard 3D camera that has the capacity to generate a scanning of 360 degrees animatedly in order to reconstruction a closed stage in detail. Studies started by making investigation about the review of existing methods on multiple entire scanning in the stage of obtaining overall depth inputs of the object in order to shape the physical objects in a solid structure of 360 degrees. In order to obtain the best results during restructuring of world objects with point cloud, we focused on processing of these points in this study by utilizing Microsoft Kinect and open-source code point cloud library. Consequently, various filtering methods to be applied to the object and its backgrounds were reviewed from real world resident objects on planar surfaces over to depth scans of point cloud library (pcl) taken more than once in animated form; they are visualized in MeshLab and OpenGL visualization platforms after these inputs are combined by triangulation method.