АНАЛІЗ ЗОБРАЖЕНЬ, ОТРИМАНИХ ЛАЗЕРНИМ СКАНУВАННЯМ ПРОСТОРУ В УМОВАХ НЕДОСТАТНЬОЇ ВИДИМОСТІ, З ВИКОРИСТАННЯМ ДІАГРАМ ВОРОНОГО

Abstract

Проблема. Обробка даних сканування простору лідаром має особливості, зумовлені принципом роботи пристрою. Розміщені ближче об’єкти затіняють розташовані за ними. Це відбувається і у випадку наявності перешкод у вигляді диму та інших подібних явищ. Зафіксовані внаслідок відбиття від диму точки створюють завади у вигляді шумів та погіршують чіткість зображень на задньому плані. Прибирання їх внаслідок звуження діапазонів відстаней може призвести до втрати зображень реальних об’єктів, розташованих на передньому плані. Використання традиційних методів кластеризації має як позитивні сторони, так і недоліки, зумовлені потребою вибору методу та підбору вхідних параметрів. Тому актуальним є використання інших простих і ефективних методів аналізу та покращення зображення для ідентифікації реальних об’єктів та прибирання шумів в умовах задимлення, зокрема методу діаграм Вороного. Мета. Метою роботи є удосконалення аналізу зображень, отриманих лідаром, з використанням методу визначення локальної щільності точок, що базується на застосуванні діаграм Вороного. Методи дослідження. Методи аналізу дискретних 3D зображень, отриманих з допомогою лідара Intel RealSense L515 у звичайних умовах та за недостатньої видимості (задимлення), з використанням діаграм Вороного. Реалізацію методу здійснено у Python. Для аналізу використано інтервальні статистичні розподіли. Основні результати. За діаграмами Вороного можна визначити локальну щільність в комірці Вороного кожної точки набору даних. Для уникнення загромадження зображення та кращого розрізнення за локальною щільністю під час візуалізації доцільно цей показник відображати кольором точок у логарифмічній шкалі. Реалізовано метод у Python для двох наборів точок: у звичайних умовах та за задимлення. У проранжованих за локальною щільністю множинах точок відкинуто ті, що мають найбільші та найменші ці показники. Виявлено очищення від шумів, зокрема спричинених задимленням, після відкидання точок з найменшою локальною щільністю та покращення зображень реальних об’єктів, відкинувши точки з найбільшою локальною щільністю. Оскільки реальний просторовий об’єкт невеликого розміру після такої процедури може бути втрачений, тому є потреба вибору оптимальної частки точок, які відкидають. Порівняння інтервальних розподілів за локальною щільністю для обох наборів даних виявило зростання кількостей точок на інтервалі, близькому до максимальної щільності, та спадання на інтервалі, що йому передує. Висновки. Метод діаграм Вороного дає можливість виявити точки скупчення, що відповідають реальним об’єктам, та зменшити зашумленість відкиданням точок з найменшою щільністю. Невеликі за розмірами реальні об’єкти у задимленому середовищі виявити складніше з причин відображення меншою кількістю точок та меншими локальними щільностями для межових точок, що потребує вибору частки відкидання.