Monocular Panoramic Imaging for High-Precision 3D Shape Reconstruction

कल्पना कीजिए कि आप केवल सपाट तस्वीरों का उपयोग करके किसी जटिल वस्तु, जैसे कि मानव पैर, का एक आदर्श त्रि-आयामी (थ्री-डी) मॉडल बनाने की कोशिश कर रहे हैं। यह कंप्यूटर विजन के क्षेत्र में एक मौलिक चुनौती है, जो मशीनों को देखने और दुनिया को समझने के लिए प्रशिक्षित करने के प्रति समर्पित है। दशकों से, वैज्ञानिक इसे हल करने के लिए दो मुख्य दृष्टिकोणों पर निर्भर रहे हैं। पहला तरीका इसमें शामिल है जहाँ कई कैमरों को एक घेरे में व्यवस्थित किया जाता है, जिनमें से प्रत्येक अलग कोण से एक तस्वीर खींचता है। हालांकि प्रभावी होने के बावजूद, यह विधि महंगी है, इसे स्थापित करना कठिन है, और इसके लिए सटीक सिंक्रोनाइज़ेशन की आवश्यकता होती है ताकि सभी कैमरे रंग और समय के मामले में एक समान हों। दूसरा दृष्टिकोण एक एकल कैमरे का उपयोग करता है लेकिन वस्तु की गहराई का अनुमान लगाने के लिए जटिल सॉफ्टवेयर पर निर्भर करता है, जो अक्सर तब संघर्ष करता है जब सतह में बनावट या पैटर्न की कमी होती है। दोनों विधियों को चिकनी या जटिल आकृतियों के सटीक, वास्तविक समय के माप प्राप्त करने में बाधाओं का सामना करना पड़ता है, जिसकी आवश्यकता औद्योगिक निरीक्षण और चिकित्सा निदान में बार-बार उत्पन्न होती है।

झेजियांग यूनिवर्सिटी ऑफ टेक्नोलॉजी के शोधकर्ताओं की एक टीम ने एक अलग मार्ग प्रस्तावित किया है, जो एक एकल कैमरे की सरलता को मल्टी-कैमरा एरे के व्यापक दृश्य के साथ जोड़ता है। उन्होंने एक विशेष उपकरण डिजाइन किया है जो एक ही क्षण में एक वस्तु के सात अलग-अलग परिप्रेक्ष्य कैप्चर करता है, जिसमें दर्पणों का उपयोग करके प्रकाश को एक एकल लेंस में मोड़ा जाता है। इन समवर्ती दृश्यों का एक नए गणितीय दृष्टिकोण के साथ विश्लेषण करके, वे उच्च सटीकता के साथ मानव पैर के त्रि-आयामी आकार को सफलतापूर्वक पुनर्निर्मित करने में सफल रहे। उनका कार्य यह प्रदर्शित करता है कि पारंपरिक मल्टी-कैमरा प्रणालियों की भारी लागत और जटिलता के बिना उच्च-गुणवत्ता वाले 3D माप प्राप्त करना संभव है, जो एक ऐसा समाधान प्रदान करता है जहाँ सटीकता सर्वोपरि है।

उनकी नवाचार की मुख्य विशेषता एक कस्टम-निर्मित इमेजिंग चैंबर है। वस्तु के सामने कैमरा रखकर उसे घुमाने के बजाय, शोधकर्ताओं ने वस्तु को दर्पणों से ढके हुए एक बॉक्स के भीतर रखा। यह बॉक्स एक फनल (कीप) के आकार का है, जिसे छह ट्रैपेज़ॉइडल (समलंब) दर्पणों से बनाया गया है जो अंदर की ओर मुख किए हुए हैं। एक सिंगल हाई-डेफिनिशन कैमरा इस चैंबर के केंद्र में नीचे की ओर देखता है। जब कोई वस्तु, जैसे कि पैर, इस चैंबर के अंदर रखी जाती है, तो कैमरा न केवल वस्तु को सीधे देखता है; बल्कि वह दर्पणों से टकराकर वापस आने वाले वस्तु के कई प्रतिबिंब भी देखता है। एक ही स्नैपशॉट में, कैमरा वस्तु के ऊपरी भाग का एक सीधा दृश्य और किनारों एवं पीछे के छह आभासी दृश्य कैप्चर करता है, जो प्रभावी रूप से एक सात-कैमरा सेटअप का अनुकरण करता है। चूंकि ये सभी दृश्य एक ही लेंस से एक ही क्षण में आते हैं, इसलिए यह प्रणाली कई कैमरों को कैलिब्रेट करने या उनके रंगों को सिंक्रोनाइज़ करने की सामान्य समस्याओं से बच जाती है। लाइटिंग को भी चैंबर के भीतर नियंत्रित किया जाता है, जिससे यह सुनिश्चित होता है कि वस्तु समान रूप से प्रकाशित हो और वह भटकाने वाली छाया या चमक से मुक्त रहे।

एक बार छवि कैप्चर हो जाने के बाद, शोधकर्ताओं के सामने उन सपाट प्रतिबिंबों को एक ठोस 3D आकार में बदलने का कार्य आता है। उन्होंने एक विधि विकसित की है जो वस्तु के चारों ओर के स्थान को छोटे, अदृश्य क्यूब्स, या वोक्सेल्स (voxels) की एक श्रृंखला के रूप में मानती है। कल्पना कीजिए कि पैर के चारों ओर के स्थान को इन क्यूब्स के ग्रिड से भरना। एल्गोरिदम फिर वस्तु के चारों ओर हर संभव कोण से व्यवस्थित रूप से जाँच करता है, ऊपर से नीचे तक और चारों ओर से। प्रत्येक कोण के लिए, यह निर्धारित करने के लिए कि एक क्यूब वस्तु का हिस्सा होना चाहिए या खाली स्थान, यह सात दृश्यों में संबंधित प्रतिबिंबों को देखता है। यह चेक करता है कि क्या क्यूब के प्रोजेक्शन की चमक सभी विभिन्न दृश्यों में सुसंगत है। यदि प्रकाश हर प्रतिबिंब में एक जैसा दिखता है, तो वह क्यूब वस्तु की सतह का हिस्सा होने की संभावना रखता है; यदि चमक बहुत अधिक भिन्न होती है, तो उस क्यूब को हटा दिया जाता है। यह प्रक्रिया, जिसे 'स्पेस कार्विंग' (space carving) कहा जाता है, सिस्टम को खाली स्थान को तराशने की अनुमति देती है जब तक कि केवल वस्तु का आकार ही शेष न रह जाए, जिससे एक विस्तृत पॉइंट क्लाउड बनता है जो उसकी सतह को परिभाषित करता है।

अपने सिस्टम का परीक्षण करने के लिए, शोधकर्ताओं ने मानव पैरों के पुनर्निर्माण के लिए इसे लागू किया, जो मानव पैर के जटिल वक्रों और चिकनी त्वचा के कारण उच्च सटीकता की मांग करता है। उन्होंने एक पैर को मिरर चैंबर के अंदर रखा और पैनोरमिक छवि कैप्चर की। सिस्टम ने छवि को प्रोसेस किया, पैर को काले बैकग्राउंड से अलग किया और रंग डेटा को उस प्रारूप में परिवर्तित किया जिसका एल्गोरिदम उपयोग कर सके। परिणाम स्वरूप, पैर का एक पूर्ण त्रि-आयामी पॉइंट क्लाउड प्राप्त हुआ, जिसमें उसकी रंग संबंधी जानकारी भी शामिल थी। उनकी सटीकता को सत्यापित करने के लिए, उन्होंने इस 3D मॉडल को वापस एक सपाट स्क्रीन पर प्रोजेक्ट किया ताकि यह देखा जा सके कि यह कैमरा दृश्य में पैर के मूल सिल्हूट (silhouette) के साथ कितनी अच्छी तरह मेल खाता है। तुलना से पता चला कि इसमें ओवरलैप की डिग्री बहुत अधिक थी, और अधिकांश दृश्यों के लिए त्रुटि दर आमतौर पर 3 प्रतिशत से नीचे रही। शीर्ष दृश्य और दो सहायक पार्श्व दृश्यों ने उच्चतम सटीकता दिखाई, जिसमें त्रुटि 0.68 प्रतिशत जितनी कम थी।

अध्ययन ने यह देखने के लिए उनके सात-दृश्य प्रणाली की तुलना एक पिछले पांच-दृश्य सेटअप से की कि क्या अतिरिक्त दर्पणों ने कोई अंतर पैदा किया। पांच-दृश्य प्रणाली, जिसमें दो अतिरिक्त सहायक दर्पणों की कमी है, पैर के पिछले हिस्से को सटीक रूप से कैप्चर करने में संघर्ष करती है, जिससे उस विशिष्ट क्षेत्र में अंतराल और उच्च त्रुटि दर आती है। सात-दृश्य प्रणाली, पिछले हिस्से के लिए स्वतंत्र कोण प्रदान करके, इन छूटे हुए विवरणों को भर देती है और समग्र त्रुटि को काफी कम कर देती है। शोधकर्ताओं ने पाया कि अतिरिक्त दृश्यपटल ने माप सटीकता के उतार-चढ़ाव को सुचारू बनाया, जिससे यह सुनिश्चित हुआ कि वस्तु के सबसे कठिन-से-देखने वाले हिस्सों को भी निष्ठापूर्वक पुनर्निर्मित किया गया। हालांकि यह विधि चिकनी, ठोस वस्तुओं के लिए अत्यधिक प्रभावी है, लेखक नोट करते हैं कि गहरे छिद्रों या जटिल आंतरिक संरचनाओं के साथ इसकी कुछ सीमाएं हैं, क्योंकि प्रकाश उन क्षेत्रों के अंदर नहीं पहुँच पाता जिससे प्रतिबिंब बन सके।

यह शोध 3D स्कैनिंग के लिए उपयोग की जाने वाली महंगी और जटिल मशीनरी का एक सम्मोहक विकल्प प्रदान करता है। एक एकल कैमरे और दर्पणों की एक चतुर व्यवस्था का उपयोग करके, टीम ने एक ऐसा सिस्टम बनाया है जो लागत प्रभावी और अत्यधिक सटीक है। एक ही एक्सपोज़र में पूर्ण 360-डिग्री दृश्य कैप्चर करने की क्षमता से चलने वाले पुर्जों या कई सिंक्रोनाइज़्ड उपकरणों की आवश्यकता समाप्त हो जाती है, जिससे यह प्रक्रिया तेज़ और अधिक विश्वसनीय हो जाती है। मानव पैर के आकार का सफल पुनर्निर्माण यह दर्शाता है कि यह दृष्टिकोण चिकित्सा या औद्योगिक अनुप्रयोगों के लिए आवश्यक सटीकता के साथ वास्तविक दुनिया की वस्तुओं को संभाल सकता है। हालांकि यह तकनीक अभी तक हर प्रकार की वस्तु के लिए सार्वभौमिक समाधान नहीं है, विशेष रूप से वे जिनमें गहरे गड्ढे होते हैं, फिर भी यह उच्च-सटीक 3D माप को अधिक सुलभ और व्यावहारिक बनाने की दिशा में एक महत्वपूर्ण कदम है। सिस्टम का सोर्स कोड और दस्तावेज़ीकरण सार्वजनिक कर दिया गया है, जिससे अन्य वैज्ञानिकों को इस कार्य को आगे बढ़ाने और भविष्य के अनुप्रयोगों के लिए इस तकनीक को और अधिक परिष्कृत करने की अनुमति मिलती है।