3D rigid object scanner by kinect

Abstract

3 boyutlu nesne tarama olayı, ortamı bir kamera aracılığıyla tarama ve bu taranmışveriyi bir takım yöntemlerle bir bir 3 boyutlu nesne elde etmekten oluşur. Kinect gibitarayıcı kameraları birçok çeşitli Computer Vision uygulamarına öncülük ederler.GPS'in kullanılamadığı kapalı ortamlarda, 3 boyutlu nesne tarayıcıları, Robotikuygulamalara çözüm getirebilirler. Daha detaylı olarak, ortamın bir haritasını çıkarıp buortama göre yön bulma konusunda yardımcı olur. Hatta açık ortamlarda yakın mesafegörüşü gerektiren uygulamalarda da tarayıcılar kullanılabilir. Örnek vermek gerekirsearaç takip mesafesi uygulamaları, ayrıca insansız hava araçları da bu teknolojiyikullanabilir. Bunlara ek olarak kontrol cihazsız oyunlar, artırılmış gerçeklik uygulamarlıbunlara örnek verilebilir.Bu projede 2 boyutlu resimlerden 3 boyutlu bir modelin nasıl çıkarılacağı gösterilmiştir.Projede algoritma ve metod olarak SURF feature tespit etme ve eşleştirme, RANSACve Katı cisim eşleştirme, donanım olarak da Kinect kamera kullanılmıştır. Son olaraklocal feature match surecinin iyileştirilmesi icin deneyler yapilmıştır.

3D Object scanning is the result of scanning the environment by a camera, and gainingthe scanned environment as a map. Because of the ability of scanner cameras (such asKinect) can lead various Computer Vision applications. For Instance RoboticApplications, due to the fact that GPS is not available for indoor environments rigidobject scanning brings a solution for indoor robotic applications. In other words,mapping the indoor environment and navigating. Also outdoor applications can need thelow distance environment detection for some reasons such as vehicle following distancefor unmanned vehicles. Same thing can apply for unmanned air vehicles. In addition theability of 3d scanners inspire many applications like free controller games, augmentedreality applications/games etc.In this project, building a model map from 2D image feature detection to registration of2 set point cloud is shown by using the following method, algorithms and hardware:SURF feature detection, feature matching, RANSAC, Rigid Registration and Kinect.Lastly, local feature matching process is enhanced by a measure called Depthscale.