الگوريتم جديد فشرده سازي غيراتلافي ابرنقاط با تلفيق سري الگوهاي كدگري نورساختاريافته و فشرده سازي ماتريس تك كاناله دوبعدي

Point-cloud lossless compression new algorithm by merging gray-coded structured light series patterns and compression of two-dimensional single channel matrix

با پيشرفت و توسعه روشهاي اندازه‌گيري سه بعدي غيرتماسي در طول دو دهه اخير، به موازات ارتقاء سرعت عمليات اسكن و دقت در اندازه گيري و رشد قابل توجه كاربرد آن در گستره وسيعي از زمينه‌ها (نظير طراحي، مهندسي معكوس، بازرسي و كنترل كيفي، پزشكي، مستندسازي اشياء، روباتيك و...) شاهد افزايش حجم اطلاعات بدست آمده (ابرنقاط) از دستگاه اسكنر سه بعدي بعنوان خروجي عمليات اسكن هستيم. و اين مسئله موجب بروز محدوديت‌هايي در زمينه مديريت داده، انتقال داده، ذخيره‌سازي داده و يا حتي توسعه روشهاي اسكن بلادرنگ ميگردد. بدين وسيله ضرورت فشرده‌سازي و كم كردن حجم اين مقدار داده با حفظ و يا حداقل ميزان افت در دقت و كيفيت بعنوان يكي از موضوعات مطالعاتي مورد توجه در زمينه پردازش پسين عمليات اسكن بيش از پيش آشكار شده است. اين مقاله با ارائه روشي نو و متمايز جهت فشرده‌سازي بدون اتلاف ابرنقاط بدست آمده از عمليات اسكن سه بعدي در قالب يك تصوير دو بعدي تك كاناله معمولي، مبتني بر روش‌هاي فشرده‌سازي داده‌هاي سه‌بعدي براساس تصوير، ضمن طراحي و ساخت يك دستگاه اسكنر سه بعدي غيرتماسي با الگوي نورساختاريافته مبتني بر تكنيك كدگري، كارايي روش مطرح شده را مورد ارزيابي عملي قرار داده است. نتايج بدست آمده حاكي از صحت و كاربردي بودن اين ايده و دستيابي به نرخ فشرده سازي متمايز [230:1] در ميان ساير روش‌هاي فشرده‌سازي غيراتلافي داده‌هاي سه‌بعدي ميباشد.

According to the development of non-contact three-dimensional measurement methods over the past two decades, along with the acceleration of scanning operations and the accuracy in measuring and significant development of their application in a wide range of fields (such as design, reverse engineering, quality control and inspection, medicine, documentation of objects, robotics, etc.), we have seen an increase in the amount of information obtained (points cloud) from the 3D scanner as the output of the scan operation. This raises restrictions on data management, data transfer, data storage, or even the development of real-time scanning methods. In this way, the need to compress and reduce the amount of data with the preservation of accuracy or minimum drop in accuracy and quality as one of the issues of interest in the post-processing of scanning operations has been revealed more than ever before. In this paper with presenting a new and distinct method for lossless compression on points cloud obtained from 3D scan operations in the form of an ordinary single-channel 2D image based on the image-based encoding techniques, we have evaluated the performance and effectiveness of the proposed method, while designing and constructing a non-contact 3D scanner with structured-light pattern based on the Gray code technique. The results show the accuracy and applicability of this method and the achievement of distinct compression rate [230:1] among other lossless compression methods of 3D data.