Исследователи Центра ИИ МГУ совместно с коллегами из AIRI и НИУ ВШЭ предложили метод, который по обычным изображениям одновременно восстанавливает планировку помещения и определяет расположение объектов в трехмерном пространстве. Подход может работать без заранее известных положений камер и показал более высокое качество по сравнению с рядом существующих решений. Работа представлена на международной конференции по робототехнике и автоматизации 2026 года в Рио-де-Жанейро.
Для робототехники, систем дополненной и виртуальной реальности, проектирования интерьеров и осмотра недвижимости важно не просто получать изображение комнаты, а понимать ее пространственную структуру: где находятся стены, какие объекты расположены внутри и как они соотносятся друг с другом. Обычно для таких задач используют облака точек — трехмерные данные, полученные с помощью датчиков глубины или специального сканирования. Однако такие данные доступны не всегда: многие обычные камеры и пользовательские устройства не оснащены датчиками глубины.
Авторы исследования предложили метод, который позволяет анализировать помещение по набору изображений с разных точек съемки. Он решает две задачи одновременно: определяет планировку помещения и находит объекты в трехмерном пространстве. В результате получается компактное, но содержательное описание сцены: форма комнаты и расположение основных предметов.
Особенность подхода заключается в том, что он может работать с разными типами входных данных. Метод можно применять к облакам точек, к изображениям с известными положениями камер, а также к изображениям, для которых такие положения заранее неизвестны. Последний вариант особенно важен для практических задач, поскольку он ближе к обычной съемке на пользовательские устройства.
Для определения планировки авторы предложили новый способ описания стен. Вместо избыточного набора пространственных параметров метод использует более компактное представление, которое помогает точнее восстанавливать геометрию помещения и снижает риск некорректного описания стен.
Исследователи проверили подход на нескольких наборах данных с реальными и искусственно созданными помещениями. Сравнение показало, что предложенный метод улучшает качество определения планировки и обнаружения объектов по сравнению с рядом существующих решений. При этом он работает быстрее некоторых методов, решающих сходные задачи, что важно для практического применения.
«Во многих прикладных сценариях нам нужно получить не детальную трехмерную копию помещения, а понятное описание его структуры: где стены, где основные объекты и как они расположены в пространстве. В этой работе мы показали, что такую информацию можно извлекать не только из специальных трехмерных данных, но и из обычных изображений, в том числе без заранее известных положений камер. Это делает подобные методы ближе к использованию на пользовательских устройствах и в робототехнических системах», — отметил научный руководитель Исследовательского центра ИИ МГУ и руководитель группы «Пространственный интеллект» AIRI Антон Конушин.
Полученные результаты могут использоваться при разработке систем компьютерного зрения для робототехники, анализа помещений, дополненной и виртуальной реальности, интерьерного проектирования и автоматизированного осмотра объектов недвижимости.
Информация предоставлена пресс-службой МГУ
Источник фото: captainvector / ru.123rf.com
