Detecção de primitivas usando soluções de realidade aumentada para dispositivos móveis

• Ano de defesa: 2020
• Autor(a) principal: SILVA, Ricardo Luna da
• Orientador(a): TEICHRIEB, Veronica
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso embargado
• Idioma: por
• Instituição de defesa: Universidade Federal de Pernambuco
• Programa de Pós-Graduação: Programa de Pos Graduacao em Ciencia da Computacao
• País: Brasil
• Palavras-chave em Português: Mídia e interação; Dispositivos móveis
• Link de acesso: https://repositorio.ufpe.br/handle/123456789/46295

Aplicações de Realidade Aumentada geralmente utilizam uma técnica ou um conjunto de técnicas capaz de mapear, analisar, identificar e reconhecer o ambiente ao redor do usuário. A informação do espaço físico pode ser utilizada para adição de objetos virtuais, mapeamento ou localização no meio. Com um mapeamento do ambiente é possível sair de uma representação de mais baixo nível, como uma nuvem de pontos 3D, para uma representação de mais alto nível, como informações sobre formas ou objetos presentes no ambiente. Conhecer uma forma ou conjunto de primitivas geométricas pode ser útil em várias aplicações para compreensão da cena e engenharia reversa. As primitivas são sólidos geométricos (por exemplo, esferas, cilindros e planos) que compõem o objeto ou um conjunto de objetos. Com a evolução do hardware em dispositivos móveis, as possibilidades de uso e informações obtidas em tempo real estão aumentando, permitindo um uso em campos que antes não poderiam ser contemplados. Bibliotecas que utilizam esse tipo de hardware para o desenvolvimento de aplicações de Realidade Virtual e Realidade Aumentada estão sendo popularizadas, mas não sendo utilizada no contexto da detecção de primitivas em si. Esse trabalho utilizou nuvens de pontos geradas a partir de um dispositivo móvel utilizando o ARCore, biblioteca de Realidade Aumentada, como entrada para um algoritmo modificado a partir do Efficient RANSAC para efetuar a detecção de primitivas. Sendo esse tipo de abordagem não avaliada até o momento. Essa combinação demonstrou resultados significativos para detecção de primitivas como também evidenciou pontos de melhoria na etapa de mapeamento e na etapa de detecção.