Apictorial Jigsaw Puzzle Reconstruction Based on Curve Matching via a Corotational Beam Spline
Igor Orynyak, Dmytro Koltsov, Danylo Tavrov
自动组装的刻影拼图提出了一个经典的曲线匹配问题,从根本上受到从数字化获得的离散和嘈杂轮廓数据的挑战。 处理这些数据所需的常规平滑方法通常会扭曲用于匹配的基于曲率的标准,并导致关键信息丢失。 本文提出了克服这些问题的方法,演示了54件拼图的自动重建。 我们使用新颖的旋转光束旋转来重建每件作品的轮廓,该光束将边界建模为具有固定弹簧支撑的柔性光束,在测量数据点。 一个显着的特征是这些点的动态重新索引;随着它们计算的定位被改进,它们根据它们投影到计算轮廓上重新编号。 另一个贡献是确定与点预测之间的距离成比例的春季遵守情况的方法。 这种方法独特地确保了相应曲线的统一平滑度,使匹配过程与点密度的变化一致,并且仅依赖于测量精度。 实际计算和拼图的成功自动重建证明了建议的方法的有效性。
Automatic assembly of apictorial jigsaw puzzles presents a classic curve matching problem, fundamentally challenged by discrete and noisy contour data obtained from digitization. Conventional smoothing methods, which are required to process these data, often distort the curvature-based criteria used for matching and cause a loss of critical information. This paper proposes a method to overcome these issues, demonstrated on the automatic reconstruction of a 54-piece puzzle. We reconstruct each pi...
