Суперэллипсоид
Суперэллипсоид (англ. Superellipsoid) — это семейство геометрических тел, чьи горизонтальные сечения представляют собой суперэллипсы (кривые Ламе) с одинаковым показателем «квадратности» , а вертикальные сечения через центр — суперэллипсы с показателем . Суперэллипсоид является обобщением эллипсоида, который получается при [1].
Использование суперэллипсоидов как примитивов в компьютерной графике было популяризировано Аланом Х. Барром, применявшим термин «суперквадрики» для обозначения как суперэллипсоидов, так и супертороидов[1][2]. В современной литературе по компьютерному зрению и робототехнике понятия «суперквадрики» и суперэллипсоиды зачастую используются как синонимы, поскольку последние являются наиболее репрезентативной и широко применяемой формой среди всех суперквадриков[3][4].
Суперэллипсоиды обладают богатым спектром возможных форм, включая кубоиды, цилиндры, эллипсоиды, октаэдры и параметры между ними[5]. Они являются важными геометрическими примитивами, широко используемыми в компьютерном зрении[4][5][6], робототехнике[3] и физическом моделировании[7]. Основным преимуществом описания объектов и среды посредством суперэллипсоидов является их компактность и выразительность формы[5]. Кроме того, существует аналитическое выражение для суммы Минковского двух суперэллипсоидов. Всё это делает суперэллипсоиды востребованными примитивами для задач захвата объектов роботами, обнаружения столкновений и планирования движений[3].
Частные случаи
Некоторые известные математические фигуры возникают как частные случаи суперэллипсоидов при определённых значениях параметров (см. рисунок выше):
- Цилиндр
- Сфера
- Тело Штайнмеца
- Биконус
- Правильный октаэдр
- Куб, как предельный случай при стремлении показателей степени к бесконечности
Суперяйцо Пита Хейна также является частным случаем суперэллипсоида.
Формулы
Базовый (нормализованный) суперэллипсоид
Базовый суперэллипсоид определяется неявной функцией:
Параметры и — положительные действительные числа, задающие степень «квадратности» формы.
Поверхность суперэллипсоида определяется уравнением:
Для любой точки , точка находится внутри суперэллипсоида при , и вне его — при .
Любая «параллель» суперэллипсоида (горизонтальное сечение на постоянном z между −1 и +1) — это кривая Ламе с показателем , масштабируемая коэффициентом , то есть
Любой «меридиан» (сечение произвольной вертикальной плоскостью через начало координат) — это кривая Ламе с показателем , растянутая по горизонтали с коэффициентом w, который зависит от выбранной плоскости. Пусть , для некоторого , тогда сечение задаётся:
где
В частности, при горизонтальные сечения — круги, и горизонтальный масштаб для всех сечений равен 1. В этом случае суперэллипсоид становится телом вращения, получаемым вращением кривой Ламе с показателем вокруг вертикальной оси.
Общий суперэллипсоид
Базовая форма суперэллипсоида распространяется от −1 до +1 по каждой координатной оси. Общий суперэллипсоид получают масштабированием базовой формы по осям с коэффициентами , , — полуосями итогового тела. Неявная функция имеет вид:[1]
Поверхность определяется уравнением
Для точки , она находится внутри суперэллипсоида, если , и вне — если .
Поэтому неявная функция также называется функцией внутренности-внешности суперэллипсоида[1].
Существует параметрическое задание поверхности суперэллипсоида через параметры , :[2]
Суперэллипсоид в общем положении
В задачах компьютерного зрения и робототехники интерес зачастую представляют суперэллипсоиды в произвольном положении в трёхмерном евклидовом пространстве[4][5].
Для данного евклидова преобразования системы суперэллипсоида относительно системы «мир», неявная функция поверхности общего суперэллипсоида имеет вид[5]:
где символ обозначает преобразование точки из мировой системы координат в каноническую систему суперэллипсоида.
Объём суперэллипсоида
Объём, ограниченный поверхностью суперэллипсоида, выражается через бета-функции :[9]
или через гамма-функцию , поскольку
Восстановление по данным
Восстановление параметризации суперэллипсоида (или суперквадриков) по исходным данным (например, облако точек, треугольная сетка, изображения, воксели) — важная задача в компьютерном зрении[4][5][6][10], робототехнике[3] и физическом моделировании[7].
Традиционные методы рассматривают задачу как задачу наименьших квадратов[10]. Цель состоит в подборе оптимального набора параметров суперэллипсоида , минимизирующих выбранную целевую функцию. Помимо параметров формы, SE(3) — положение системы суперэллипсоида относительно мировой системы координат.
На практике применяются две целевые функции[11]. Первая получается напрямую из неявной функции:[10]
Минимизация этой функции даёт суперэллипсоид, максимально близко аппроксимирующий все входные точки . При этом величины прямо пропорциональны объёму суперэллипсоида и участвуют в минимизации также и объёма.
Вторая целевая функция минимизирует радиальное расстояние между точками и суперэллипсоидом:[11][12]
, где
Для работы с шумом и выбросами применяется вероятностный метод EMS[5]. В этой схеме задача подбора формулируется как задача максимального правдоподобия, а специальная оптимизационная процедура позволяет избежать локальных минимумов за счёт использования геометрического сходства суперэллипсоидов.
Подход расширяется на одновременное восстановление нескольких суперэллипсоидов с применением непараметрических байесовских методов.[13]
Примечания
- ↑ 1 2 3 4 Barr (1981). “Superquadrics and Angle-Preserving Transformations”. IEEE Computer Graphics and Applications. 1 (1): 11—23. Bibcode:1981ICGA....1a..11B. DOI:10.1109/MCG.1981.1673799. ISSN 1558-1756. S2CID 9389947.
- ↑ 1 2 Barr, A.H. (1992), Rigid Physically Based Superquadrics. Глава III.8 из Graphics Gems III, ред. D. Kirk, c. 137—159
- ↑ 1 2 3 4 Ruan, Sipu; Wang, Xiaoli; Chirikjian, Gregory S. (2022). “Collision Detection for Unions of Convex Bodies With Smooth Boundaries Using Closed-Form Contact Space Parameterization”. IEEE Robotics and Automation Letters. 7 (4): 9485—9492. Bibcode:2022IRAL....7.9485R. DOI:10.1109/LRA.2022.3190629. ISSN 2377-3766. S2CID 250543506.
- ↑ 1 2 3 4 Paschalidou, Despoina. Learning Unsupervised Hierarchical Part Decomposition of 3D Objects from a Single RGB Image // 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) / Despoina Paschalidou, Luc Van Gool, Andreas Geiger. — 2020. — P. 1057–1067. — ISBN 978-1-7281-7168-5. — doi:10.1109/CVPR42600.2020.00114.
- ↑ 1 2 3 4 5 6 7 Liu, Weixiao. Robust and Accurate Superquadric Recovery: A Probabilistic Approach // 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) / Weixiao Liu, Yuwei Wu, Sipu Ruan … [и др.]. — 2022. — P. 2666–2675. — ISBN 978-1-6654-6946-3. — doi:10.1109/CVPR52688.2022.00270.
- ↑ 1 2 Paschalidou, Despoina. Superquadrics Revisited: Learning 3D Shape Parsing Beyond Cuboids // 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) / Despoina Paschalidou, Ali Osman Ulusoy, Andreas Geiger. — 2019. — P. 10336–10345. — ISBN 978-1-7281-3293-8. — doi:10.1109/CVPR.2019.01059.
- ↑ 1 2 Lu, G.; Third, J. R.; Müller, C. R. (20 августа 2012). “Critical assessment of two approaches for evaluating contacts between super-quadric shaped particles in DEM simulations”. Chemical Engineering Science [англ.]. 78: 226—235. Bibcode:2012ChEnS..78..226L. DOI:10.1016/j.ces.2012.05.041. ISSN 0009-2509.
- ↑ POV-Ray: Documentation: 2.4.1.11 Superquadric Ellipsoid. POV-Ray. Дата обращения: 29 июня 2024.
- ↑ SUPERQUADRICS AND THEIR GEOMETRIC PROPERTIES. University at Buffalo. Дата обращения: 29 июня 2024.
- ↑ 1 2 3 Bajcsy, R.; Solina, F. (1987). “Three dimensional object representation revisited”. Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV): 231—240.
- ↑ 1 2 Zhang, Yan (1 октября 2003). “Experimental comparison of superquadric fitting objective functions”. Pattern Recognition Letters [англ.]. 24 (14): 2185—2193. Bibcode:2003PaReL..24.2185Z. DOI:10.1016/S0167-8655(02)00400-2. ISSN 0167-8655.
- ↑ Gross, A.D. Error of Fit Measures for Recovering Parametric Solids // [1988 Proceedings] Second International Conference on Computer Vision / A.D. Gross, T.E. Boult. — 1988. — P. 690–694. — ISBN 0-8186-0883-8. — doi:10.1109/CCV.1988.590052.
- ↑ Wu, Yuwei. Primitive-Based Shape Abstraction via Nonparametric Bayesian Inference // Computer Vision – ECCV 2022 : [англ.] / Yuwei Wu, Weixiao Liu, Sipu Ruan … [et al.]. — Cham : Springer Nature Switzerland, 2022. — Vol. 13687. — P. 479–495. — ISBN 978-3-031-19812-0. — doi:10.1007/978-3-031-19812-0_28.
Литература
- Barr, «Superquadrics and Angle-Preserving Transformations», // IEEE Computer Graphics and Applications, 1(1), 11-23, январь 1981, doi: 10.1109/MCG.1981.1673799.
- Aleš Jaklič, Aleš Leonardis, Franc Solina. Segmentation and Recovery of Superquadrics. Dordrecht: Kluwer Academic Publishers, 2000.
- Aleš Jaklič, Franc Solina. Moments of Superellipsoids and their Application to Range Image Registration. // IEEE Transactions on Systems, Man, and Cybernetics, 33 (4), 648—657 (2003).
- W. Liu, Y. Wu, S. Ruan, G. S. Chirikjian. Robust and Accurate Superquadric Recovery: a Probabilistic Approach. // 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), New Orleans, LA, USA, с. 2666—2675, 2022, doi: 10.1109/CVPR52688.2022.00270.
Ссылки
- Bibliography: SuperQuadric Representations
- SuperQuadric Ellipsoids and Toroids, OpenGL Lighting, and Timing
- Superquadratics — проект The Wolfram Demonstrations Project.
- Реализация алгоритма восстановления суперквадриков (Python, MATLAB)