3 boyutlu objelerin poz normalizasyonu ile birlikte histogram tabanlı benzerlik kontrolü

Son teknolojik başarılar ve çalışmalar, 3B nesnelerin özelliklerinin çıkarılması ve yorumlanmasının önemli hale geldiğini ve etkin ve verimli bir şekilde ele alındığını göstermektedir. Tıpta, mühendislikte, endüstride ve hatta arkeolojide, karşılaşılan 3B nesnelerin gömülü platformlarda bile analiz edilmesi bir zorunluluk haline gelmiştir, bu nedenle etkili temsiller ve verimli benzerlik hesaplama tekniklerinin geliştirilmesi gerekmektedir. 3B nesnelerin şekil içeriğini tanımlamaya yönelik mevcut tekniklerin çoğunun kendi sınırlamaları ve eksiklikleri vardır. Burada, kullanılan histogramların iki boyutta etkili olduğu gösterilen basit ancak düşük karmaşıklıklı histogram tabanlı benzerlik modeli sunulmaktadır. Bu histogramların uygun normalleştirme adımlarıyla üç boyuta genişletilmesi, entegre kullanımı kolaylaştırmak için radyal serileştirme şemasıyla birlikte sunulur. Bu histogramlar döndürme, ölçekleme ve öteleme altında değişmezdir. Önerilen tekniğin etkinliğini doğrulamak için her bir nesne kümesinde zorlu değişiklikler içeren bir veri kümesi oluşturuldu. Ayrıca Princeton Shape Benchmark üzerinde yapılan performans deneyleri bulguların literatürle karşılaştırıldığında makul olduğunu göstermektedir.

Recent technological achievements and studies show that extracting and interpreting the properties of 3D objects become important and be handled effectively and efficiently. In medicine, engineering, industry, and even archaeology, it has become a necessity to analyse the encountered 3D objects, even in embedded platforms, hence effective representations and efficient similarity computation techniques need to be developed. Most of the existing techniques for defining the shape content of 3D objects have their own limitations and short comings. Here, we presents simple yet low-complexity histogram-based similarity model, where the employed histograms were shown to be effective in 2D. The extension of these histograms to 3D with appropriate normalization steps is presented along with the radial serialization scheme to alleviate the integrated use. These histograms are invariant under rotation, scaling, and translation. We created a dataset with challenging modifications of each set of objects to verify the effectiveness of the proposed technique. Moreover, the performance experiments on Princeton Shape Benchmark show that the findings are reasonable when compared to the literature.