Geometric Constraints for Object Detection and Delineation

قابلیت استخراج اشیاء سه بعدی عمومی از تصاویر، گامی حیاتی به سوی اتوماسیون انواع مشکلات در گردآوری پایگاه داده نقشه برداری، بازرسی صنعتی و مونتاژ، و ناوبری مستقل است. بسیاری از این حوزه‌های مشکل محدودیت‌های قوی بر روی شکل شی یا محتوای صحنه ندارند، که موانع جدی را برای توسعه تکنیک‌های تشخیص و ترسیم شی قوی ایجاد می‌کند. محدودیت‌های هندسی برای تشخیص اشیاو ترسیم این مشکلات را با مجموعه‌ای از روش‌ها و تکنیک‌های جدید برای تشخیص و ترسیم اشیاء عمومی در تصاویر صحنه‌های پیچیده برطرف می‌کند و آنها را برای موارد خاص اعمال می‌کند. وظیفه تشخیص و ترسیم ساختمان از تصاویر هوایی تک چشمی.
PIVOT، سیستم کاملاً خودکاری که این تکنیک‌ها را پیاده‌سازی می‌کند، بر روی 83 تصویر که 18 صحنه آزمایشی را پوشش می‌دهند، ارزیابی کمی شده و با سه سیستم موجود برای استخراج ساختمان مقایسه می‌شود. نتایج بهبود عملکرد ممکن با مدل‌سازی دقیق دوربین فتوگرامتری، نمایش‌های شیء مبتنی بر بدوی، و محدودیت‌های هندسی حاصل از ترکیب آنها را برجسته می‌کنند. عملکرد PIVOT مفاهیم مجموعه‌ای از اصول فلسفی را به وضوح نشان می‌دهد که گام مهمی را به سمت تشخیص و ترسیم خودکار اشیاء سه بعدی در محیط‌های واقعی برداشته است.
محدودیت‌های هندسی برای تشخیص و ترسیم شیء به‌عنوان کتاب درسی یا به‌عنوان متن ثانویه برای دوره‌های تحصیلات تکمیلی، و به‌عنوان مرجع برای محققان و متخصصان صنعت مناسب است.

The ability to extract generic 3D objects from images is a crucial step towards automation of a variety of problems in cartographic database compilation, industrial inspection and assembly, and autonomous navigation. Many of these problem domains do not have strong constraints on object shape or scene content, presenting serious obstacles for the development of robust object detection and delineation techniques. Geometric Constraints for Object Detectionand Delineation addresses these problems with a suite of novel methods and techniques for detecting and delineating generic objects in images of complex scenes, and applies them to the specific task of building detection and delineation from monocular aerial imagery.
PIVOT, the fully automated system implementing these techniques, is quantitatively evaluated on 83 images covering 18 test scenes, and compared to three existing systems for building extraction. The results highlight the performance improvements possible with rigorous photogrammetric camera modeling, primitive-based object representations, and geometric constraints derived from their combination. PIVOT's performance illustrates the implications of a clearly articulated set of philosophical principles, taking a significant step towards automatic detection and delineation of 3D objects in real-world environments.
Geometric Constraints for Object Detection and Delineation is suitable as a textbook or as a secondary text for a graduate-level course, and as a reference for researchers and practitioners in industry.