ISSN: 0137-0782
Поступила: 06.01.2026
Принята к публикации: 02.02.2026
Ключевые слова: облако точек, RANSAC, топологический граф, геометрические примитивы, текстовое представление, распознавание
DOI: 10.55959/MSU/0137–0782–15–2026–50–2–50–60
Доступно в on-line версии с: 24.07.2026
Никольский И.М., Сайбель Т.А. Использование текстового представления облаков точек для решения задачи распознавания // Вестник Московского университета. Серия 15. Вычислительная математика и кибернетика. 2026. № 2. С. 50-60 https://doi.org/10.55959/MSU/0137–0782–15–2026–50–2–50–60.
В данной работе предложено компактное текстовое представление сканированных трехмерных объектов. Такое представление может быть получено из исходного облака точек путем выделения геометрических примитивов, формирования топологического графа, отображающего взаимное расположение примитивов в объекте, и последующего преобразования графа в строку символов. Наши эксперименты показывают, что многие объекты могут быть достаточно точно описаны как совокупность геометрических примитивов. При этом предложенное представление позволяет значительно уменьшить объем занимаемой памяти по сравнению с исходным облаком точек. Задача распознавания объекта может быть решена путем поиска в базе объекта, чье текстовое представление наиболее близко в смысле расстояния Левенштейна к текстовому представлению распознаваемого объекта. Вычислительные эксперименты показывают, что предложенное представление позволяет достигать достаточно высокой точности при распознавании.
B i e d e r m a n I. Recognition-by-components: a theory of human image understanding // Psychological Review. 1987. 94. N 2. P. 115–147.
M a r r D. Vision: A Computational Investigation into the Human Representation and Processing of Visual Information. W. H. Freeman and Company, 1982.
S c h n a b e l R., Wa h l R., K l e i n R. Efficient RANSAC for point-cloud shape detection // Computer Graphics Forum. 26. N 2. Wiley, 2007.
M a X., B h a l g a t Y., S m a r t B., et al. When LLMs step into the 3D World: A Survey and Meta-Analysis of 3D Tasks via Multi-modal Large Language Models // arXiv Preprint arXiv:2405.10255v1. 2024.
Y a n X., H a n J. gSpan: graph-based substructure pattern mining // IEEE International Conference on Data Mining, 2002. Proceedings. Maebashi City, Japan, 2002. P. 721–724.
C h a n g A. X., F u n k h o u s e r T., G u i b a s L., H a n r a h a n P., H u a n g Q., L i Z., S a v a r e s e S., et al. ShapeNet: An Information-Rich 3D Model Repository // arXiv Preprint arXiv:1512.03012. 2015.
F i s c h l e r M. A., B o l l e s R. C. Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography // Communications of the ACM. 1981. 24. N 6. P. 381–395.
C o r s i n i M., C i g n o n i P., S c o p i g n o R. Efficient and flexible sampling with blue noise properties of triangular meshes // IEEE Transactions on Visualization and Computer Graphics. 2012. 18. N 6. P. 914–924.
C a o B. et al. Measuring similarity between graphs based on the Levenshtein distance // Appl. Math. 2013. 7. N 1L. P. 169–175.
C i g n o n i P., C a l l i e r i M., C o r s i n i M., D e l l e p i a n e M., G a n o v e l l i F., R a n z u g l i a G. MeshLab: an open-source mesh processing tool // Eurographics Italian Chapter Conference. 2008. Proceedings. Salerno, Italy, 2008. P. 129–136.
F a b r i A., P i o n S. CGAL: The computational geometry algorithms library // 17th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems. Proceedings. Redondo Beach, California, USA. 2009. P. 538–539.
G u p t a A., A l l i e z P., P i o n S. Principal Component Analysis in CGAL // Research Report, RR-6642, INRIA. 2008.
