В МГУ создан метод распознавания 3D–объектов с меньшими затратами памяти

Специалисты факультета вычислительной математики и кибернетики МГУ разработали подход к обработке трехмерных изображений, который позволяет снизить затраты на хранение данных.

В МГУ предложили новый подход к распознаванию трехмерных объектов

Источник: МГУ

На факультете вычислительной математики и кибернетики МГУ имени М.В. Ломоносова создан метод распознавания трехмерных объектов, позволяющий существенно сократить объем используемой памяти. В современных системах робототехники и автономной навигации для описания окружающего пространства часто применяются так называемые «облака точек» — массивы данных, полученные при лазерном сканировании. В отличие от полигональных моделей, такая информация лишена четкой внутренней структуры, что традиционно требует значительных вычислительных мощностей и больших объемов памяти для обработки.

Авторы работы, представляющие кафедру суперкомпьютеров и квантовой информатики ВМК МГУ, предложили иной подход. Вместо работы с разреженными массивами точек ученые разработали алгоритм сведения этих данных к совокупности простых геометрических фигур и фиксации связей между ними. В результате объект описывается в виде графа: вершины такого графа соответствуют геометрическим примитивам, а ребра показывают, пересекаются ли эти элементы между собой.

Новый подход предложили ученые факультета вычислительной математики и кибернетики МГУ имени М.В.Ломоносова

Источник: commons.wikimedia.org/

Как пояснил доцент кафедры Илья Никольский, идея использования графов примитивов для описания трехмерных форм не нова. Однако главная особенность работы российских исследователей заключается в максимальном сжатии информации. В разработанной модели используется минимальный набор фигур и всего один тип отношений — наличие или отсутствие пересечений. Это позволяет сократить объем данных, нужных для хранения эталона объекта, при этом сохранив достаточную точность для его корректной идентификации.

Эффективность методики была подтверждена в ходе тестирования на изображениях из общедоступной коллекции трехмерных моделей ShapeNet. Анализ показал, что даже стандартные архитектуры графовых нейросетей способны успешно распознавать большинство объектов из повседневной жизни, используя предложенное минималистичное представление. Данный подход может найти применение в системах, работающих в условиях ограниченных вычислительных ресурсов, особенно в сфере автономной навигации и промышленной робототехники.

Ранее в России выявили новую генетическую причину аутизма.