В МГУ предложили метод распознавания 3D–объектов с меньшими затратами памяти

Учёные факультета вычислительной математики и кибернетики МГУ имени М.В.Ломоносова предложили подход к распознаванию трёхмерных объектов, основанный на представлении их в виде графов простых геометрических форм и применении графовых нейросетей.

В робототехнике и системах автономной навигации широко используются трёхмерные точечные изображения объектов — так называемые «облака точек», получаемые с помощью лазерного сканирования. В отличие от полигональных моделей, такие данные не имеют внутренней структуры, что усложняет их обработку и требует значительных вычислительных ресурсов.

Для решения задачи распознавания объектов, представленных облаками точек, авторы предложили сводить большие массивы точек к совокупности простых геометрических форм и связей между ними. В результате формируется компактное представление объекта в виде графа, где каждой вершине соответствует геометрический примитив, а рёбра отражают наличие пересечений между такими элементами.

«Подход к представлению трёхмерных объектов в виде графов примитивов известен давно. Особенность нашей работы состоит в том, что объём сохраняемой информации удалось существенно сократить: используется минимальный набор геометрических примитивов и только один тип отношений между ними — наличие или отсутствие пересечений. Это позволяет уменьшить объём памяти, необходимый для хранения данных, оставляя при этом достаточно высокую точность распознавания», — отметил доцент кафедры суперкомпьютеров и квантовой информатики факультета ВМК МГУ Илья Никольский.

Предложенный способ был протестирован на изображениях из коллекции трёхмерных моделей ShapeNet. Результаты показали, что многие объекты, встречающиеся в повседневной жизни, могут быть распознаны по такому минималистичному представлению с помощью графовых нейросетей стандартной архитектуры.

Подход может использоваться в задачах робототехники и автономной навигации, где требуется распознавание трёхмерных объектов при ограниченных вычислительных ресурсах.

Результаты работы были представлены на научной конференции Ломоносовские чтения на факультете вычислительной математики и кибернетики МГУ.