Η παρούσα διδακτορική διατριβή εστιάζει στο πρόβλημα της ανάκτησης 3Δ
αντικειμένων από μεγάλες βάσεις δεδομένων σε σχεδόν πραγματικό χρόνο. Για την
αντιμετώπιση του προβλήματος αυτού, η έρευνα επικεντρώνεται σε τρία βασικά
υποπροβλήματα του χώρου: (α) κανονικοποίηση θέσης άκαμπτων 3Δ μοντέλων με
εφαρμογές στην ανάκτηση 3Δ αντικειμένων, (β) περιγραφή εύκαμπτων 3Δ
αντικειμένων και (γ) αναζήτηση από βάσεις δεδομένων 3Δ αντικειμένων βασιζόμενη
σε 2Δ εικόνες-ερώτησης. Σχετικά με το πρώτο υποπρόβλημα, την κανονικοποίηση
θέσης 3Δ μοντέλων, παρουσιάζονται τρεις νέες μέθοδοι οι οποίες βασίζονται στις
εξής αρχές: (α) Τριδιάστατη Ανακλαστική Συμμετρία Αντικειμένου (ROSy) και (β,
γ) Διδιάστατη Ανακλαστική Συμμετρία Αντικειμένου υπολογιζόμενη επί Πανοραμικών
Προβολών (SymPan και SymPan+). Όσον αφορά το δεύτερο υποπρόβλημα, αναπτύχθηκε
μια μέθοδος ανάκτησης εύκαμπτων 3Δ αντικειμένων, η οποία συνδυάζει τις
ιδιότητες της σύμμορφης γεωμετρίας και της τοπολογικής πληροφορίας βασιζόμενης
σε γράφους, με ενιαίο τρόπο (ConTopo++). Επιπλέον, προτείνεται μια στρατηγική
συνταιριασμού συμβολοσειρών, για τη σύγκριση των γράφων που αναπαριστούν 3Δ
αντικείμενα.
Σχετικά με το τρίτο υποπρόβλημα, παρουσιάζεται μια μέθοδος ανάκτησης 3Δ
αντικειμένων, βασιζόμενη σε 2Δ εικόνες-ερώτησης, οι οποίες αντιπροσωπεύουν
προβολές πραγματικών 3Δ αντικειμένων. Τα πλήρη 3Δ αντικείμενα της βάσης
δεδομένων περιγράφονται από ένα σύνολο πανοραμικών προβολών και ένα μοντέλο
Bag-of-Visual-Words δημιουργείται χρησιμοποιώντας τα χαρακτηριστικά SIFT που
προέρχονται από αυτά. Οι μεθοδολογίες που αναπτύχθηκαν και περιγράφονται στην
παρούσα διατριβή αξιολογούνται όσον αφορά την ακρίβεια ανάκτησης και
παρουσιάζονται κάνοντας χρήση ποσοτικών και ποιοτικών μέτρων μέσω μιας
εκτεταμένης και συνεκτικής αξιολόγησης σε σχέση με μεθόδους τρέχουσας
τεχνολογικής στάθμης επάνω σε τυποποιημένες βάσεις δεδομένων.
(EL)
This dissertation focuses on the problem of 3D object retrieval from large
datasets in a near realtime manner. In order to address this task we focus on
three major subproblems of the field: (i) pose normalization of rigid 3D models
with applications to 3D object retrieval, (ii) non-rigid 3D object description
and (iii) search over rigid 3D object datasets based on 2D image queries.
Regarding the first of the three subproblems, 3D model pose normalization,
three novel pose normalization methods are presented, based on: (i) 3D
Reflective Object Symmetry (ROSy) and (ii, iii) 2D Reflective Object Symmetry
computed on Panoramic Views (SymPan and SymPan+). Considering the second
subproblem, a non-rigid 3D object retrieval methodology, based on the
properties of conformal geometry and graph-based topological information
(ConTopo++) has been developed. Furthermore, a string matching strategy for the
comparison of graphs that describe 3D objects, is proposed. Regarding the third
subproblem a 3D object retrieval method, based on 2D range image queries that
represent partial views of real 3D objects, is presented. The complete 3D
objects of the database are described by a set of panoramic views and a
Bag-of-Visual-Words model is built using SIFT features extracted from them. The
methodologies developed and described in this dissertation are evaluated in
terms of retrieval accuracy and demonstrated using both quantitative and
qualitative measures via an extensive consistent evaluation against
state-of-the-art methods on standard datasets.
(EN)
/aggregator-openarchives/portal/institutions/uoa
