МЕТОДЫ И АЛГОРИТМЫ ОТОБРАЖЕНИЯ ТРЕХМЕРНЫХ ОБЪЕКТОВ В РЕАЛЬНОМ ВРЕМЕНИ ОТНОСИТЕЛЬНО ГЕОГРАФИЧЕСКИХ КООРДИНАТ

METHODS AND ALGORITHMS FOR DISPLAYING THREE-DIMENSIONAL OBJECTS IN REAL TIME WITH RESPECT TO GEOGRAPHIC COORDINATES

Igor Marinin

student, The Institute of Information Technologies, Sevastopol State University,

Russia, Sevastopol

Vadim Karlusov

scientific supervisor, Candidate of Technical Sciences, associate professor, Sevastopol State University,

Russia, Sevastopol

АННОТАЦИЯ

В данной статье проводится анализ задачи отображения 3D-объектов в реальном времени относительно географических координат, фокусируясь на методах точного позиционирования. Рассматриваются подходы, их преимущества, ограничения, калибровка и синхронизация данных. Особое внимание уделяется применению в геоинформационных системах, дополненной реальности и навигации. Статья предоставляет обзор текущих исследований и технологий, выделяя направления для будущих разработок.

ABSTRACT

This paper analyzes the problem of displaying 3D objects in real time with respect to geographic coordinates, focusing on precise positioning methods. The approaches, their advantages, limitations, calibration and data synchronization are discussed. Applications in geographic information systems, augmented reality, and navigation are emphasized. The article provides an overview of current research and technology, highlighting directions for future developments.

Ключевые слова: отображение трехмерных объектов, географические координаты, дополненная реальность, геоинформационные системы.

Keywords: three-dimensional object display, geographic coordinates, augmented reality, geographic information systems.

Технологии виртуальной и дополненной реальности позволяют интегрировать виртуальные объекты в реальный мир, что важно для геоинформационных систем и навигации. Однако точное отображение 3D-объектов относительно географических координат требует калибровки, синхронизации данных и высокой точности. Статья анализирует эту задачу и рассматривает существующие методы и технологии, их преимущества, ограничения и перспективы.

Существует множество методов и технологий, направленных на решение задачи точного и реалистичного отображения трехмерных объектов относительно географических координат. Основные из них включают использование GNSS и ГИС для определения точных координат и анализа данных; методы калибровки сенсоров и камер, а также технологии синхронизации данных обеспечивают точное соответствие реальных и виртуальных объектов; визуальная одометрия и SLAM, интеграция данных от IMU и камер повышают точность отслеживания; технологии рендеринга (OpenGL, Vulkan) и шейдеры улучшают визуальное восприятие.

Эти методы и технологии в совокупности позволяют создавать системы, способные точно и реалистично отображать трехмерные объекты в реальном мире, обеспечивая высокое качество пользовательского опыта и широкие возможности для различных приложений.

В данной работе основной фокус будет установлен на алгоритмы позиционирования и отслеживания, с особым вниманием к анализу монокулярных визуальных SLAM-алгоритмов. Это обусловлено тем, что большинство современных мобильных устройств, таких как смартфоны, оснащены только одной камерой.

SLAM – это алгоритм, который позволяет одновременно оценивать местоположение и строить карту окружающей среды, используя данные с различных датчиков, таких как камеры, лидары, гироскопы и акселерометры [6].

В общем SLAM состоит из двух частей, именуемые фронтендом и бекендом [6]. Фронтенд – это методы визуальной одометрии, позволяющие выделить ключевые точки с изображения и описать их окресности. Бекенд – сопоставление этих точек между разными картинками, построение карты пространства и её оптимизация.

Среди методов визуальной одометрии можно выделить такие методы, как алгоритм детектора углов Харриса [2], алгоритм детектора углов Ши-Томаси [3], SIFT [4], SURF [1], FAST [7] и ORB [5].

Алгоритмы детекторов углов Харриса и Ши-Томаси являются классическими методами для обнаружения углов: Харрис использует матрицу автокорреляции, а Ши-Томаси улучшает его, выбирая углы с большей минимальной собственной величиной. SIFT и SURF обеспечивают масштабную и вращательную инвариантность, но SIFT более точен, а SURF быстрее. FAST фокусируется на высокой скорости обнаружения углов, что делает его подходящим для реального времени, но он менее точен. ORB объединяет преимущества FAST и BRIEF, обеспечивая высокую скорость и инвариантность к вращению, что делает его эффективным для мобильных устройств.

В данной статье проведен всесторонний анализ задачи отображения трехмерных объектов в реальном времени относительно географических координат. Рассмотрены различные методы и технологии, применяемые для точного позиционирования виртуальных объектов в пространстве, включая алгоритмы калибровки, синхронизации данных и визуализации. Особое внимание уделено монокулярным визуальным SLAM-алгоритмам, которые являются особенно актуальными для мобильных устройств с одной камерой. Проведенный обзор показал, что, несмотря на значительные достижения в этой области, остаются нерешенные вопросы, требующие дальнейших исследований и разработок. В частности, необходимы улучшения в точности и стабильности алгоритмов, а также в их адаптации к различным условиям окружающей среды. Будущие исследования должны сосредоточиться на интеграции новых технологий и методов для повышения эффективности и надежности систем отображения трехмерных объектов.

Список литературы:

1. Bay H., Tuytelaars T., Van Gool L. SURF: Speeded Up Robust Features Lecture Notes in Computer Science / под ред. A. Leonardis, H. Bischof, A. Pinz, Berlin, Heidelberg: Springer Berlin Heidelberg, 2006.C. 404–417.
2. Harris C., Stephens M. A Combined Corner and Edge Detector Manchester: Alvey Vision Club, 1988.C. 147–151.
3. Jianbo Shi, Tomasi Good features to track Seattle, WA, USA: IEEE Comput. Soc. Press, 1994.C. 593–600.
4. Lowe D. G. Distinctive Image Features from Scale-Invariant Keypoints // International Journal of Computer Vision. 2004. № 2 (60). C. 91–110.
5. Rublee E. [и др.]. ORB: An efficient alternative to SIFT or SURF Barcelona, Spain: IEEE, 2011.C. 2564–2571.
6. Xiang Gao [и др.]. 14 Lectures on Visual SLAM: From Theory to Practice / Xiang Gao, Tao Zhang, Yi Liu, Qinrui Yan, Publishing House of Electronics Industry-е изд., 2017.
7. Fast Approximate Nearest Neighbors With Automatic Algorithm Configuration: Lisboa, Portugal: SciTePress - Science and and Technology Publications, 2009.C. 331–340.