エントリー
写真測量は、写真画像からオブジェクトの形状、サイズ、位置を決定するための技術です。
写真測量は測地学、地図作成、軍事、宇宙研究などで最も広く使用されています。しかし、技術のより狭い応用、すなわち材料の研究についてお話します。
材料の特性の研究で行われた実験の1つは、さまざまな荷重の影響下で変形を測定することです。
古典的なバージョンでは、実験は手動で実行されます。異なる荷重に対して、質量と呼ばれるメカニズムを使用して変形の値が決定されます。 面倒なプロセスであり、ほとんどの場合、質量の精度でさえ0.01mmに制限されています。 この場合の写真測量により、変形の判定プロセスを簡素化し、測定の精度を高め、データ処理を自動化できます。
ハイライト
写真の基準点として、次の形式の3つのサイズ（1、2、4 cm）のマークを使用しました。
作業領域は、3つの焦点距離から撮影されたように見えます（ソフトウェアテストの目的のため）。
どの写真にも、スケールバー（中央）、安定したポイント（左右の角）は表示されません。
必要な精度：0.01mm以上。
さらに：自動タグ検出、タグオフセットの自動追跡。
技術的な実装
考案されたアイデアを実装するとき、落とし穴が現れました。そのため、ソフトウェアのいくつかの要件を再定式化する必要がありました。
自動タグ検出
認識の古典的なケースですが、最初の落とし穴に出会ったのはここです。 マーキングへのいくつかのアプローチが試みられましたが、受け入れられる結果をもたらすものはありませんでした
ニューラルネットワーク。 トレーニングは、あらゆる種類のラベル（1サイズ）で実施されました。 ニューラルネットワークによる処理のために、元の画像は32x32pxの断片にカットされ、ネットワーク入力に送られました。 このアルゴリズムの結果は満足のいくものではありませんでした。認識されたラベルの約20％です。
プリセットマスクでフィルターします。 アルゴリズムの入力は、グレーシェードの元のラベルの画像であり、マスクに変換されます。 マークが大きすぎる場合、マークの中心のみがマスクになります。 その結果、48x48配列がいっぱいになります。 次のステップは、画像にマスクを適用することです。 その結果、マークの中心の輝度はほぼ100％になり、画像の残りの部分は暗くなります。 認識率-60〜70％。 悪くはありませんが、マイナスはプラスを消します。1枚の写真の処理は約2〜4分で、ユーザーの参加が必要です（最初のマークを示す）。
アナログを分析し、その認識結果を評価した後、タグの自動検出を放棄し、他の問題に焦点を合わせることが決定されました。
歪み
歪みは、視野に沿って線形倍率が変化する光学システムの収差です。 これは、オブジェクトとその画像の類似性に違反します。
近距離で撮影する場合-測定結果に影響しません。 歪みを修正するために、OpenCVライブラリが使用されました。
自動タグオフセット追跡
プログラムは、各マテリアルのロードの写真をロードします。 材料への負荷が大きいほど、変形が大きくなります。 したがって、ラベルはシフトされます。 マークの追跡に使用されるアルゴリズムは簡単です。次の各写真では、 currentCoordinates + Cの特定の領域でマークを探します。ここで、Cは、現在の写真のマークの中心を基準にした定数です。
この機能は、各写真の単調な手動ラベル付けのユーザーを解放します。
ラベルセンターの定義
プログラムの中核。 ラベルのおおよその位置を決定した後、正確な座標をピクセルの10分の1または100分の1単位で計算する必要があります。
中心を決定するアルゴリズムは、いくつかのステップで構成されています。
1.ラベルの予備センターの定義。 予備センターは、センターの手動表示の結果として、またはマークオフセットの自動追跡機能の結果として取得されます。
2.分析するラベルの周りの領域を選択します。 ユーザータグのサイズが必要です。
3.適応二値化アルゴリズムの使用。 肉眼での写真では、明るさの違いが顕著です。 Sauvolaアルゴリズムが使用されます。
二値化から生じる各白いピクセルは、計算に含まれます。 計算は、重心の式に従って実行されます。
Iはi番目のピクセルの明るさで、Xiは座標です。
アルゴリズムの結果（画像にスムージングが適用されます）：
スケール
スケールを決定するには、2つのマークが所定の距離に固定された固定スケールルーラーが使用されます。 2点の中心間の距離をセンチメートル単位で知ることで、pc / cm値を計算することは難しくありません。
結果
そして今、最も重要なことについて-結果。 しかし、彼らは勇気づけられることが判明しました：質量の精度は実際に達成され、サードパーティのプログラムによる測定値からの偏差-3-5％。
ラベルのサイズが2 cmの場合、ピクセルの中心を決定する際の最高の精度が達成されることが実験的にわかっています。
有望な結果：
そのような結果がありますが：
おわりに
このプログラムは教育目的で作成されており、将来は学士号を取得するために使用できます。 また、プログラムの開発は停止されておらず、改善が続けられており、将来、ステレオメトリーの分野での作業が計画されています。
参照資料
1. Gary Bradski、Adrian Kaehler-OpenCVの学習
2.ウィリアムK.プラット-デジタル画像処理