Tez No	İndirme	Tez Künye	Durumu
510284		Nokta bulutu verilerinden nesne ayırt etme / Distinguishing objects on point cloud data Yazar:ERDAL ÖZBAY Danışman: DR. ÖĞR. ÜYESİ AHMET ÇINAR Yer Bilgisi: Fırat Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı / Bilgisayar Mühendisliği Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora Türkçe 2018 97 s.
Nesnelerin ayırt edilmesi problemlerine, bilgisayar grafiği ve bilgisayar görmesi alanlarında, uzun yıllardır çok çeşitli çalışmalarla yanıt aranmaktadır. Bu problemin çözümü için görüntü tabanlı birçok yaklaşım üretilmesine rağmen, bu çözümlerin bazı alanlarda kullanılabilmesi için yetersiz kaldığı düşünülmektedir. Günlük hayatta sıklıkla karşılaşılan nesneler ve şekiller arasında ayrım yapabilme ve tanıma, bu alanlardaki önemli bir sorundur. Tez çalışmasında, kapalı bir sahne içerisindeki fiziksel nesnelerin ayırt edilmesi adına, gerçek hayatta kullanılan nesnelere ait nokta bulutları üzerinden yeni bir iskelet eğrisi çıkarma algoritması uygulanmaktadır. 3B nesnenin iskelet eğrisi, 3B şekillerin soyut olarak, geometrik ve topolojik bir gösterimidir. Bu iskelet yapısı var olan nokta bulutu içerisinden elde edilmiş bir ortalama nokta bulutu verilerinin bütünleşmiş halidir. Nokta bulutu verileri üzerinden iskelet bilgisi çıkarımı için Medial iskelet çıkarma algoritması ve ona yardımcı Laplace daraltma algoritması uygulanmaktadır. Mevcut iskelet çıkarım algoritmalarının her birinin kendine özgü kullandığı bir veri türü ve işleyiş biçimi bulunmaktadır. Sağlam bir iskelet yapısı elde etmenin en temel yolu, nesnelere ait nokta bulutunun, mümkün olduğunca kusursuz olmasıdır. Bunun yolu, nesnelere ait iyi bir tarama işlemini yerine getirmekten geçmektedir. Bu alanlardaki tarama işlemlerinde, çoklu ya da hareketli sensör kullanımı şeklinde, çeşitli uygulamalar bulunmaktadır. Bu bakımdan tez çalışmasında, kullanımı geleneksel tarayıcılara kıyasla daha pratik ve maliyeti düşük olan, sabit bir Kinect sensör vasıtasıyla, kullanıcının nesne için uygulayacağı doğal bir hareketle, tarama üreten bir yaklaşım uygulanmaktadır. Bu yaklaşım kapalı mekân ve kısa mesafede bulunan 3B nesnelerin, geniş bir yelpazede tam (360 derece) nokta bulutu verisinin üretilmesine olanak tanımaktadır. Nesne tarama için oluşturulan sistem kolay kurulabilir, basit ve etkileyici sonuçlar üretmektedir. Sabitlenmiş tek bir Kinect sensör karşısında, döner tabla üzerinde duran 3B nesnenin, belirli açılarla (ör. 90) döndürülerek birden fazla nokta bulutu tarama verisi elde edilmektedir. Birleştirme ve hizalama işlemleri için her bir taramanın ağırlık merkezi (0, 0, 0) olacak şekilde tüm nokta bulutları ötelenmektedir. İkinci ve daha sonraki taramalardan elde edilen nokta bulutu verileri için sırasıyla, merkez noktasına (0, 0, 0) göre y-ekseni hizasında dönüşüm işlemi yapılmaktadır. Farklı açılardan elde edilmiş, dönüştürülmüş nokta bulutu verileri, belirlenen birleşim anahtar noktalarına göre ötelenerek, sırasıyla birbirlerine göre hizalanmaktadır. Elde edilen tam bir kaba 3B nokta bulutu verisi üzerinde, düzeltme ve iyileştirme işlemleri için kesitler üzerinde çalışan bir algoritma yürütülmektedir. Böylece elde edilen tarama, veri kalabalığından arınmış, 3B, sade ve düzenli bir yapıya kavuşmuştur. Bu bakımdan, nokta bulutlarının, iskelet çıkarımı yapılabilecek en uygun hale getirilmesi sağlanmıştır.
For many years, a variety of studies have been sought in the problems of distinction of objects, in computer graphics and computer vision areas. Although there are many image-based approaches to solve this problem, it is thought that these solutions are insufficient to be used in some areas. Distinguishing and recognizing between objects and shapes that are frequently encountered in everyday life is an important question in these areas. In this thesis, a curve skeleton extraction algorithm is applied to the point clouds of objects used in real life in order to distinguish the physical objects in a scene. The curve skeleton of the 3D object is an abstract, geometric and topological representation of 3D shapes. This skeleton structure is the integrated state of an average point cloud data obtained from the existing point cloud. Medial skeleton extraction algorithm and its assistant Laplace shrinking algorithm are applied for extracting curve skeleton information on point cloud data. There is a data type and a method of operation that each of the existing skeletal extraction algorithms uses in its own way. The most basic way of achieving a robust skeletal structure is that the point cloud of objects is being as perfect as possible. Its way is to implement a good scanning of the objects. There are a variety of applications in this area, such as the use of multiple or moving sensors in the scanning process. In this thesis, an approach which generates a scan with a natural movement of the user for the object is implemented by means of a fixed Kinect sensor, which is more practical and cost-effective than conventional scanners. This approach allows the production of indoor and short-range 3D objects in a wide range of full (360 degrees) point cloud data. The system for object scanning is easy to set up, producing simple and impressive results. In response to a single fixed Kinect sensor, the 3D object standing on the turntable is rotated at specific angles (eg. 90) to obtain multiple point cloud scan data. All the point clouds are shifted so that the center of gravity of each scan is (0, 0, 0) for merging and aligning operations. The 3D rotation process is performed in the y-axis direction with respect to the center point (0, 0, 0) for the point cloud data obtained from the second and subsequent scans. The transformed point cloud data obtained from the different angles are aligned with respect to each other, shifted relative to the specified junction key points. An algorithm running on the cross sections for the improvement and reduction processes is carried out on the obtained full 3D coarse point cloud data. Thus, the obtained scan is free from the data and has a 3D, simple and regular structure. In this respect, it has been ensured that the point clouds are optimized to allow skeleton extraction.