Технологии машинного обучения для обработки 3D данных в приложениях компьютерного зрения и дистанционного зондирования по теме: ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ МЕТОДОВ ВОССТАНОВЛЕНИЯ СВОЙСТВ ПОВЕРХНОСТЕЙ И ПЛАНИРОВАНИЯ РЕГИСТРАЦИИ 3D-ОБЪЕКТОВ

Настоящий проект посвящен разработке и исследованию алгоритмических основ технологий ма- шинного обучения для обработки 3D-данных и разработке нового поколения программного обеспе- чения для автоматизированного построения семантических и геометрических моделей 3D-данных в приложениях компьютерного зрения и дистанционного зондирования. Объектами исследования являются методы машинного обучения, в том числе глубокие искусственные нейронные сети, в при- ложении для задач интерпретации 3D-данных, заданных облаками точек, RGB снимками с глубиной ит.д.––задачкомпьютерногозрения.Основныеметодыисследования:вычислительныйэксперимент с привлечением искусственных и реальных данных, методы численной оптимизации функций, ап- парат математической статистики. Данный Отчет об исследованиях содержит краткое описание основных результатов, полученных при выполнении третьего этапа работ по гранту Министерства Образования и Науки Российской Федерации. На данном этапе российским научным коллективом были разработаны и исследованы алгоритмы восстановления свойств поверхностей 3D-тел по 3D облакам точек и/или RGB снимкам с глубиной; разработаны и исследованы алгоритмы планирования регистрации 3D-объектов, необ- ходимого для наилучшего восстановления его 3D-формы. Иностранными научными коллективами проведены работы по разработке алгоритмов генерации реальных выборок 3D данных в формате облаков точек на основе измерений сенсоров и дронов, алгоритмов разметки реальных выборок 3D данных в формате RGB изображений с глубиной и/или облаков точек; алгоритмов автоматизиро- ванного учета особенностей анализируемых 3D объектов при сегментации 3D данных, алгоритмов автоматизированного учета особенностей анализируемых 3D объектов при восстановлении 3D форм объектов.