ДИСКРЕТНО-ВОКСЕЛЬНЕ ПРЕДСТАВЛЕННЯ МОДЕЛЕЙ ОБ’ЄКТІВ ДЛЯ ІДЕНТИФІКАЦІЇ ТА РОЗРАХУНКУ ЇХ ФРАКТАЛЬНИХ ПАРАМЕТРІВ

Автор(и)

DOI:

https://doi.org/10.32347/0131-579X.2022.103.185-200

Ключові слова:

воксель, воксельні моделі, ідентифікація об’єктів, геометричні характеристики, фрактальна розмірність

Анотація

У роботі запропоновано підхід до дискретно-воксельного представлення моделей різного роду об’єктів та досліджено множину геометричних параметрів, що впливають на технічні та технологічні характеристики ефективного їх функціонування.
На основі базового елемента, яким є воксель, розглянуто взаємовідношення характеристик сусідства окремих складових моделей, що є визначальними під час дискретного представлення образів різної розмірності. У роботі наведено методику розрахунку основних геометричних параметрів воксельно представлених об’єктів, а аналіз параметрів сусідства їх елементарних складових дозволив ефективно виділяти на зображеннях граничні та внутрішні точки та об’єднувати їх у цілісні геометричні образи на просторовому зображенні.
Представлено алгоритми розрахунку характерних параметрів воксельних моделей різної розмірності. Запропоновано обчислювати площі відсіку і зовнішньої поверхні дво- та тривимірних моделей через геометричні характеристики сімейств дискретно-воксельних моделей граничних ліній каркасу в одному із напрямів.
Акцентовано на тому, що однією із базових геометричних характеристик, стосовно даної проблематики, є фрактальна розмірність дискретно-воксельних моделей досліджуваних об’єктів. Методи фрактальної теорії є достатньо добре розробленими, проте їх реалізація є трудомісткою і, як правило, вона не пов’язана з комплексним узагальненням та ідентифікацією базових геометричних характеристик модельованих об’єктів, тим більше у воксельному представленні. Тому, у ряді відомих нам опублікованих роботах, до стадії практичної реалізації процесу моделювання фрактальних структур було доведено лише синтез простих, як правило, двовимірних структур.
У роботі описано підхід до обчислення фрактальної розмірності дискретно-воксельних моделей та визначено шляхи удосконалення функціональних якостей об’єктів за рахунок ефективного управління множиною їх геометричних параметрів. Запропоновано алгоритм, який дозволяє суттєво спростити процедуру підрахунку фрактальної розмірності шляхом пониження розмірності простору для кожного шару вздовж однієї із осей системи координат.
Визначено перспективи подальших наукових досліджень як у напрямку удосконалення пропонованих програмних алгоритмів, так і в розширенні сфери їх застосування.

Біографії авторів

Сергій Пустюльга, Луцький національний технічний університет

д. т. н., професор

Володимир Самчук , Луцький національний технічний університет

к. т. н., доцент

Ігор Головачук , Луцький національний технічний університет

к. т. н., доцент

Ярослав Лелик, Луцький національний технічний університет

к. т. н., доцент

Юрій Клак, Луцький національний технічний університет

ст.викладач

Посилання

Пустюльга С.І., Самчук В.П., Самостян В.Р., Головачук І.П. Кількіс-ний аналіз нуль-вимірних (точкових) множин методами фрактальної гео-метрії. Прикладна геометрія та інженерна графіка. 2019. Вип. 96. С. 64-72.

Пустюльга С.І., Самчук В.П., Придюк В.М., Самостян В.Р. Дискретне (піксельне) представлення транспортної мережі міста для топологічної ідентифікації та фрактального аналізу її геометричних складових. Сучасні технології в машинобудуванні та транспорті. 2021. Вип. 1 (16). С. 137-149.

Пустюльга С.І., Самостян В.Р., Головачук І.П., Придюк В.М., Оксенюк В.А. Методика ідентифікації зображень п’ятен розпилу палива форсунками. Сучасні технології в машинобудуванні та транспорті. 2018. Вип. 2(11). С. 100-116.

Пустюльга С.І., Придюк В.М., Головачук І.П. Метод фрактальної оцінки показника накладання маршрутних схем для оптимізації міських пасажирських перевезень. Сучасні технології в машинобудуванні та транспорті. 2020. Вип. 1(14). С. 124-135.

Толок А.В., Толок Н.Б. Решение задач математического программирования функционально-воксельным методом, Пробл. управл., 2017, № 3, с. 37–42.

Толок А.В. Функционально-воксельный метод в компьютерном моделировании. Физматлит. 2016. 112 с.

Pearse G.D., Watt M.S., Dash J.P., Stone C., Caccamo G. Comparison of models describing forest inventory attributes using standard and voxel-based lidar predictors across a range of pulse densities. Int. J. Appl. Earth Obs. Geoinf., 78 (2019), pp. 341-351.

Ghadai S., Jignasu A., Krishnamurthy A. Direct 3D printing of multi-level voxel models. Addit. Manuf., 40 (2021), Article 101929.

Martins D., Rademacher L., Gabay A.S., Taylor R., Richey J.A., Smith D.V., Goerlich K.S., Nawijn L., Cremers H.R., Wilson R., Bhattacharyya S., Paloyelis Y. Mapping social reward and punishment processing in the human brain: a voxel-based meta-analysis of neuroimaging findings using the social incentive delay task. Neurosci. Biobehav. Rev., 122 (2021), pp. 1-17.

References

Pustiulha S.I., Samchuk V.P., Samostian V.R., Holovachuk I.P. Kilkisnyi analiz nul-vymirnykh (tochkovykh) mnozhyn metodamy fraktalnoi heometrii. Prykladna heometriia ta inzhenerna hrafika. 2019. Vyp. 96. S. 64-72. {in Ukranian}

Pustiulha S.I., Samchuk V.P., Prydiuk V.M., Samostian V.R. Dyskretne (pikselne) predstavlennia transportnoi merezhi mista dlia topolohichnoi identyfikatsii ta fraktalnoho analizu yii heometrychnykh skladovykh. Suchasni tekhnolohii v mashynobuduvanni ta transporti. 2021. Vyp. 1 (16). S. 137-149. {in Ukranian}

Pustiulha S.I., Samostian V.R., Holovachuk I.P., Prydiuk V.M., Okseniuk V.A. Metodyka identyfikatsii zobrazhen p’iaten rozpylu palyva forsunkamy. Suchasni tekhnolohii v mashynobuduvanni ta transporti. 2018. Vyp. 2(11). S. 100-116. {in Ukranian}

Pustiulha S.I., Prydiuk V.M., Holovachuk I.P. Metod fraktalnoi otsinky pokaznyka nakladannia marshrutnykh skhem dlia optymizatsii miskykh pasazhyrskykh perevezen. Suchasni tekhnolohii v mashynobuduvanni ta transporti. 2020. Vyp. 1(14). S. 124-135. {in Ukranian}

Tolok A.V., Tolok N.B. Reshenye zadach matematycheskoho prohrammyrovanyia funktsyonalno-vokselnыm metodom, Probl. upravl., 2017, № 3, 37–42. {in Russian}

Tolok A.V. Funktsyonalno-vokselnыi metod v kompiuternom modelyrovanyy. Fyzmatlyt. 2016. 112 s. {in Russian}

Pearse G.D., Watt M.S., Dash J.P., Stone C., Caccamo G. Comparison of models describing forest inventory attributes using standard and voxel-based lidar predictors across a range of pulse densities. Int. J. Appl. Earth Obs. Geoinf., 78 (2019), pp. 341-351. {in English}

Ghadai S., Jignasu A., Krishnamurthy A. Direct 3D printing of multi-level voxel models. Addit. Manuf., 40 (2021), Article 101929. {in English}

Martins D., Rademacher L., Gabay A.S., Taylor R., Richey J.A., Smith D.V., Goerlich K.S., Nawijn L., Cremers H.R., Wilson R., Bhattacharyya S., Paloyelis Y. Mapping social reward and punishment processing in the human brain: a voxel-based meta-analysis of neuroimaging findings using the social incentive delay task. Neurosci. Biobehav. Rev., 122 (2021), pp. 1-17. {in English}

##submission.downloads##

Опубліковано

2022-12-23

Номер

Розділ

Статті