قطعه‌بندي صفحه‌اي برمبناي روش‌هاي خوشه‌بندي درتصاوير RDB-D

دوربين‌هاي RGB-D مانند ميكروسافت كينكت سامانه‌هاي حسي جديدي هستند كه تصاوير RGB را همراه با اطلاعات عمق هر پيكسل ثبت مي‌كنند. اين دوربين‌ها به دليل داشتن توانايي توليد ابر نقطه‌اي، مي‌توانند در زمينه‌ رباتيك و به‌طور خاص براي ساخت نقشه‌هاي سه‌بعدي از محيط‌هاي داخلي استفاده ‌شوند. در اين مقاله در راستاي ساخت يك مدل سه بعدي از محيط و كاهش حجم داده‌ها، روشي ارايه مي‌شود تا ابر نقطه‌اي بر مبناي صفحات تصوير قطعه‌بندي ‌شود. به اين منظور، بر اساس فاصله اقليدسي در فضاي رنگي Lab تصوير، مدل صفحه‌اي متناظر با هر قطعه برازش داده مي‌شود. سپس قطعات همسايه با استفاده از ضرب داخلي بردار نرمال گذرنده از هر صفحه و متوسط رنگ آن‌ها ادغام مي‌شوند. بر اساس تغيير پارامترهاي الگوريتم‌ پيشنهادي، تعداد قطعات مناسب به‌دست آمده است كه با الگوريتم‌هاي خوشه‌بندي K-means، شبكه خود سازمانده (SOM) و خوشه‌بندي C ميانگين (FCM) مقايسه مي‌شوند. محيط سه‌بعدي ايجاد شده با داده واقعي گرفته شده از كينكت مقايسه ‌شده است. نتايج عددي نشان مي‌دهد كه روش پيشنهادي با حفظ تعداد صفحات و دقت مناسب، مي‌تواند سريع‌تر عمل كند. اين روش مي‌تواند منجر به كاهش حجم محاسبات در مسئله مكان‌يابي و تهيه نقشه همزمان گردد.