Reconstrução 3D baseada em estereoscopia com a utilização de detectores de características

##plugins.themes.bootstrap3.article.main##

Jonas Cordeiro do Nascimento Neto
Bruno José Torres Fernandes

Resumo

A construção de mapas 3D é importante em diversas áreas do conhecimento, são algumas delas: topografia, exploração de terrenos desconhecidos, ambientes subaquáticos, em geral, onde a presença humana se torna inviável. Esse trabalho desenvolveu um modelo capaz de construir mapas 3D de um cenário[1], a partir de duas imagens 2D do mesmo ambiente com a utilização da estereoscopia, que torna possível o cálculo da distância que se encontram os objetos no cenário. A pesquisa também teve o objetivo de comparar os algoritmos: Scale Invariant Feature Transform (SIFT)[2], Speed Up Robust Features(SURF)[3] e Oriented FAST and Rotated BRIEF (ORB)[4] no processo de identificação de pontos nas imagens, e os algoritmos: Locality-sensitive hashing (LSH), k-d tree e BruteForce no processo de correlação dos pontos identificados. Foram obtidas duas imagens do mesmo cenário com uma pequena distância entre elas e foram aplicados algoritmos de identificação de pontos, em seguida, foram aplicados algoritmos para correlaciona-los, após esse processo, foram utilizadas técnicas estatísticas para remoção de falsas correlações, por fim, através de geometria epipolar foi calculada a distância de cada ponto para a câmera e foi construído o mapa 3D. Durante a comparação dos algoritmos utilizados, foram analisados fatores como: número de pontos correlacionados corretamente, distribuição espacial dos pontos correlacionados e tempo de execução. A utilização do algoritmo ORB em conjunto com o algoritmo LSH obteve o maior número de pontos correlacionados e o menor tempo de execução, porém, obteve uma distribuição espacial muito concentrada, enquanto que o SURF em conjunto com o k-d tree obteve um menor número de pontos correlacionados e um tempo maior de execução, mas obteve uma distribuição espacial mais ampla. A partir dos resultados obtidos, foi possível analisar que o ORB em conjunto com o LSH é mais indicado para aplicações onde a construção do mapa precisa ser rápida e que possua o maior nível de detalhes dos objetos reconstruídos, enquanto que o SURF em conjunto com o k-d tree é mais indicado quando o mapa construído precisa fornecer informações sobre o maior número possível de objetos no cenário. Palavras-chave: Estereoscopia; Reconstrução 3D; Detector de Característica; Visão Computacional.

Downloads

Não há dados estatísticos.

##plugins.themes.bootstrap3.article.details##

Seção
Engenharia da Computação e Sistemas

Referências

NASCIMENTO, J. C. N.; FERNANDES, B. J. T. Mapeamento e Reconstrução 3D com a Utilização da Estereoscópica e do SURF. Mostra de Extensão, Inovação e Pesquisa – POLI/UPE 2014, 2014. 33 p.

Lowe, David G. Object recognition from local scale-invariant features. Proc. 7th International Conference on Computer Vision (ICCV'99) (Corfu, Greece): 1150-1157

Bay, H., Tuytelaars, T., Van Gool, L., "SURF: Speeded Up Robust Features", Proceedings of the ninth European Conference on Computer Vision, May 2006.

E. Rublee, V. Rabaud, K. Konolige, and G. R. Bradski, “Orb: An efficient alternative to sift or surf,” in ICCV’11, 2011, pp. 2564–2571