Detalhes bibliográficos
| Ano de defesa: |
2020 |
| Autor(a) principal: |
Dornelles, Thiago de Azevedo |
| Orientador(a): |
Jung, Claudio Rosito |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
eng |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Palavras-chave em Inglês: |
|
| Link de acesso: |
http://hdl.handle.net/10183/211267
|
Resumo: |
Muitos dos desafios da visão computacional e da robótica envolvem o desenvolvimento de algoritmos capazes de usar informação espacial parcial para a geração de uma percepção 3D confiável do mundo. Várias tecnologias inovadoras aplicadas como Realidade Mista, Robótica Autônoma, Veículos Autônomos, Engenharia Reversa, Impressão 3D, entre outras, dependem desta área de pesquisa para seguirem evoluindo. Para implementar uma aplicação completa, que seja capaz de realizar reconstruções 3D para objetos individualmente, esta dissertação apresenta um pipeline de reconstrução 3D incremental e de estimativa de pose de câmera baseado em nuvens de pontos coloridas capturadas por câmeras RGB-D de uso doméstico. A abordagem proposta combina casamento geo- métrico e fotométrico de dados fornecidos pelos sensores de profundidade e cor através de um esquema adaptativo de ponderação que lida com eventuais desalinhamentos entre os dados RGB e de profundidade. Os resultados experimentais indicam que as recons- truções 3D obtidas com esquema proposto são visualmente melhores que a abordagem competidora. |
