Yapay zeka teknikleri kullanılarak yüzey modelleme
| dc.contributor.advisor | Arslan, Ahmet | |
| dc.contributor.author | Ülker, Erkan | |
| dc.date.accessioned | 2018-03-12T13:20:13Z | |
| dc.date.available | 2018-03-12T13:20:13Z | |
| dc.date.issued | 2007-07-20 | |
| dc.department | Enstitüler, Fen Bilimleri Enstitüsü, Elektrik Elektronik Mühendisliği Ana Bilim Dalı | en_US |
| dc.description.abstract | Gerçek dünyadaki çoğu nesnenin ve yüzeyin bilgisayar modelinin üretilmesinde farklı yöntemler kullanılmaktadır. Bunlardan biri de uzaydaki dağıtık veri noktalarından (nokta bulutu) 3B yüzeylerin temsilidir. Noktalar; fotogrametrik bir metot, bir lazer tarayıcı aygıt ya da diğer yüzey ölçüm teknikleri kullanılarak elde edilebilir. Yüzey modeli gerçekleştirilmeden önce eğri modelleme işlemleri gerçekleştirilmelidir. Nokta sayısının fazla olması yüksek dereceli formüllerle temsillerin gerçekleştirilmesini zorunlu kılmaktadır. Daha sonra eğrilerin harmanlanması ile yüzeyler modellenir. Nokta bulutlarından veri temsili için endüstri standardı olmuş yüzey türlerinden birisi parametrik (Bezier, B-spline ve Non- Uniform Rational B-spline (NURBS)) yüzeylerdir. Çok sayıda veriden iyi bir parametrik yüzey modeli bulmak için genelde değişkenler olarak düğümler, parametrizasyon, kontrol noktaları ve ağırlıklarla ilgilenilir. Bu çalışmada yapay zeka teknikleri açısından parametrik yüzey değişkenlerinin optimizasyonu problemine yaklaşılmıştır. Önce bilinmiyen bir eğri üzerinde uzandığı yada bu eğriye yakın geçtiği varsayılan düzensiz noktalar kümesinden ilgili eğriyi tahmin eden parametrik değişkenlerin tahmini gerçekleştirilmiştir. Sonra bilinmiyen bir gerçek nesneye yada yüzeye ait olduğu varsayılan düzensiz noktalar kümesinden tahmin edilen eğrilerin harmanlanması ile yüzey tahmini yapılmıştır. Tezde düzgün bir yüzey/eğri bulmak için uydurma hatasının minimizasyonu hedeflenmiştir. Yüzeyin kontrol noktalarının tahmininde kullanılan matematiksel metotlara alternatif olan yeni bir yöntem bulanık mantık kullanılarak önerilmiştir. Eğri veya yüzey noktası ile ilk ve son noktalar girişler olarak kabul edilip ara kontrol noktaları bulanık çıkarım mekanizması ile tahmin edilmiştir. Eğri ve yüzey parametrizasyonunda seçilen noktalara göre parametrizasyon gerçekleştirme işleminin gerçekleştirilmesinde Yapay Sinir Ağları yeni bir yaklaşım olarak kullanılmıştır. Ağın girişleri iki parametre değeri iken çıkışları üç boyutlu nokta verileridir. Düğüm ve ağırlık optimizasyonu işleminde de Genetik Algoritma ve Yapay Bağışıklık Sistemi yeni bir metodoloji olarak kullanılmıştır. Düğüm olarak noktaların seçilip seçilmemelerine göre kromozom ve antikorlar üretilmiştir. Uygunluk fonksiyonu ve duyarlılık tanımlanarak yüzeyi temsil niteliği en fazla olan noktaların düğüm olarak seçilmeleri sağlanmıştır. Hata değerlerinin hesaplanmasında ve karşılaştırılmasında r-kare ve etkin değer hataları hesaplanmıştır. Düğüm ve ağırlık optimizasyonunda Akaike'nin Bilgi Kriteri (AIC) kullanılarak aday modeller arasında en iyi model aranmıştır. Metodların etkinliğini göstermek için sayısal örnekler verilmiştir. Deneysel çalışmaların sonucunda parametrik yüzey modellemede yapay zeka tekniklerinin global optimumu bulmada ve uydurma hatasını minimize etmede literatürdeki metotlara nazaran iyi sonuçlar verdiği, verilerdeki belirsizlik ve gürültüyü azalttığı, hesaplamsal karmaşıklıktan kurtardığı ve daha düzgün yüzeyler ürettiği ispatlanmıştır. | en_US |
| dc.description.abstract | Different methods are used to produce the computer model of most of the objects and surfaces in the real world. One of these methods is the representation of 3D surfaces from the scattered data points (point cloud) in space. The points can be obtained by using fotogrametric method, laser scanner tool or other surface measure techniques. Curve modeling operations must be implemented before implementing the surface model. Large amounts of data points require the implementation of high ordered formula representations. Later the surface is modeled by blending the curves. ii One of the surface types which are the industry standards for data representation from point clouds is parametric (Bezier, B-spline and Non-Uniform Rational Bspline (NURBS)) surfaces. In order to find a good parametric surface model from large amount of data, generally the knots, parameterization, control points and weights are handled as variables. In this study, the optimization of parametric surface variables problem was investigated in the point of view of artificial intelligence techniques. Firstly, from the unordered points set which lie on an unknown curve or assumed to pass close this curve, the estimation of the parametric variables which approximates the related curve was implemented. Secondly surface approximation is made by blending the curves which were estimated from the unordered point set which are assumed to belong to a real unknown object or surface. In the thesis, the minimization of the fitting error is aimed in order to find a smooth surface/curve. An alternative new method based on the fuzzy logic was proposed other than the mathematical methods which are used for the approximation of surface control points. The curve or surface point and the first and last points are assumed as inputs, the intermediate control points were estimated via fuzzy inference mechanism. For the implementation of the parameterization process according to the points selected in curve and surface parameterization, the artificial neural networks were used as a new approach. The inputs of the network were two parameter values and the outputs were the threedimensional point data. Genetic algorithm and artificial immune system were used as a new methodology for the knots and weight optimization operation. The chromosome and antibodies were produced according to the selection of points as knots. Using the fitting function and affinity, the points which have the most representation capability were selected as knots. In calculated and compare of the error values, the r-square and root mean square errors were used. In knot and weight optimization, the best model was searched among the candidate models by using the Akaike?s Information Criteria (AIC). Numerical examples were given in order to show the efficiency of the methods. According to the experimental results, for parametric surface modeling the artificial intelligence techniques give good results than the other methods in the literature to find the global optimum and to minimize iii the fitting error. The newly proposed techniques reduce the imprecision and noise in data and also the clarification complexity and produce more smooth surfaces. | en_US |
| dc.identifier.citation | Ülker, E. (2007). Yapay zeka teknikleri kullanılarak yüzey modelleme. Selçuk Üniversitesi, Yayımlanmış doktora tezi, Konya. | en_US |
| dc.identifier.uri | https://hdl.handle.net/20.500.12395/9508 | |
| dc.language.iso | tr | en_US |
| dc.publisher | Selçuk Üniversitesi Fen Bilimleri Enstitüsü | en_US |
| dc.relation.publicationcategory | Tez | en_US |
| dc.rights | info:eu-repo/semantics/openAccess | en_US |
| dc.selcuk | 20240510_oaig | en_US |
| dc.subject | Yapay zeka | en_US |
| dc.subject | Ağırlıklar | en_US |
| dc.subject | Kontrol noktaları | en_US |
| dc.subject | Düğümler | en_US |
| dc.subject | Nokta bulutu | en_US |
| dc.subject | Yüzey tahmini | en_US |
| dc.subject | Bezier | en_US |
| dc.subject | B-spline | en_US |
| dc.subject | Artificial intelligence | en_US |
| dc.subject | Weights | en_US |
| dc.subject | Control points | en_US |
| dc.subject | Point cloud | en_US |
| dc.subject | Surface approximation | en_US |
| dc.subject | Knots | en_US |
| dc.title | Yapay zeka teknikleri kullanılarak yüzey modelleme | en_US |
| dc.title.alternative | Surface modeling using artificial intelligence techniques | en_US |
| dc.type | Doctoral Thesis | en_US |
