Предложенная методика уменьшает объем данных и открывает новые горизонты для робототехники и автономной навигации.
Исследователи факультета вычислительной математики и кибернетики МГУ имени М.В. Ломоносова разработали новый метод для распознавания трехмерных объектов. Вместо работы с массивами данных, получаемыми с лазерных сканеров, они предлагают представлять любой объект в форме графа — набора простых геометрических фигур и связей между ними. Такой подход позволяет значительно сократить требования к вычислительным ресурсам без потери точности, отмечается на сайте университета.
Современные системы автономной навигации и робототехники часто используют так называемые «облака точек». Это трехмерные изображения, состоящие из миллионов координат, которые не имеют внутренней структуры. Обработка таких данных требует огромных вычислительных мощностей.
Российские исследователи нашли способ упростить эту задачу. Их алгоритм сводит сложный объект к набору сфер, кубов, цилиндров и других элементарных геометрических примитивов. Эти примитивы становятся вершинами графа, а ребра графа показывают лишь один тип связи — наличие или отсутствие пересечений между фигурами.
«Основная особенность нашего подхода заключается в том, что объем сохраняемой информации удалось значительно уменьшить: используется минимальный набор геометрических примитивов и лишь один тип отношений между ними — наличие или отсутствие пересечений. Это способствует снижению объема памяти, необходимого для хранения данных, при этом обеспечивая высокую точность распознавания», — подчеркивает доцент кафедры суперкомпьютеров и квантовой информатики факультета ВМК МГУ Илья Никольский.
Для проверки нового метода ученые применили базу данных ShapeNet, содержащую 3D-модели повседневных предметов. Результаты тестирования показали, что даже такое упрощенное представление объекта позволяет графовым нейросетям стандартной архитектуры успешно его распознавать.
Новый подход открывает широкие возможности для практического использования. В особенности, в робототехнике манипуляторы смогут быстрее определять объекты, с которыми им придется взаимодействовать, а беспилотные автомобили получат шанс анализировать дорожную ситуацию, используя менее мощные бортовые компьютеры. Таким образом, разработка решает ключевую задачу систем компьютерного зрения — необходимость обработки огромных объемов данных в реальном времени при ограниченных аппаратных возможностях устройства.
Фото: hi-tech.mail.ru
