Reconhecimento eficiente de objetos usando multifoveamento em nuvem de pontos 3D

• Ano de defesa: 2017
• Autor(a) principal: Oliveira, Fábio Fonseca de
• Orientador(a): Gomes, Rafael Beserra
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO
• País: Brasil
• Palavras-chave em Português: Estrutura foveada; Multifoveamento; Reconhecimento de objetos 3D; Nuvem de pontos; Nuvens de pontos foveada
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO
• Link de acesso: https://repositorio.ufrn.br/jspui/handle/123456789/24830

As inovações tecnológicas no campo de hardwares e sensores 3D permitiram realizar a aquisição de nuvens de pontos 3D em tempo real. Como consequência, surgiram variedades de aplicações interativas relacionadas ao mundo 3D que cada vez mais vêm recebendo atenção dos pesquisadores. No entanto, um dos principais problemas que ainda permanece é o processamento computacionalmente intensivo que exige abordagens otimizadas para lidar com esse modelo de visão 3D, especialmente quando é necessário realizar tarefas em tempo real. Assim sendo, partimos da proposta de um modelo de multirresolução 3D apresentado como nuvens de pontos foveada que é uma possível solução para esse problema, mas se limita a uma única estrutura foveada com mobilidade dependente do contexto. Desse modo a nossa proposta é um aperfeiçoamento desse modelo com a incorporação de múltiplas estruturas foveadas. Entretanto, a união de várias estruturas foveadas resulta em um considerável aumento de processamento, uma vez que há interseções entre regiões de estruturas distintas, as quais são processadas múltiplas vezes. Solucionamos esse problema propondo um modelo de multifoveamento que considera as interseções durante a união das estruturas foveadas. Tal modelo pode ser usado para identificar objetos em nuvens de pontos 3D, uma das tarefas chaves para a automação, com sincronização eficiente, permitindo a validação do modelo e verificação da sua aplicabilidade no contexto de visão computacional. Os resultados demonstraram um ganho em desempenho do modelo de multifoveamento proposto em relação ao uso de múltiplas estruturas foveadas do modelo de nuvens de pontos.