Detecting and classifying geometrically-complex CAD objects and determining their poses in unstructured point clouds

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Marques, Vítor de Godeiro
Orientador(a): Oliveira Neto, Manuel Menezes de
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:
CAD
Link de acesso: http://hdl.handle.net/10183/276063
Resumo: Sistemas CAD (projeto assistido por computador) são de extrema importância para projeto e documentação de instalações complexas. A capacidade de obter (semi-)automaticamente modelos CAD de instalações físicas tem dois benefícios importantes: (i) pode ser usado para monitorar um processo de construção, identificando, o mais rápido possível, quaisquer desvios do projeto original, economizando tempo e dinheiro; e (ii) pode ser usado para documentar instalações complexas para as quais as representações CAD estão desatua lizadas ou inexistentes. Ambos os cenários têm importante valor prático e econômico. Esta tese faz parte de um projeto cujo objetivo é desenvolver um sistema para obtenção de modelos CAD a partir de nuvens de pontos não estruturadas capturadas de instalações complexas (possivelmente ainda em construção) usando scanners 3D. A tese apresenta uma solução prática para detectar e classificar objetos CAD geometricamente complexos e determinar suas poses em nuvens de pontos não estruturadas sujeitas a ruído e oclusões parciais. Para isso, é proposto um pipeline que combina aprendizado profundo e técnicas convencionais de reconhecimento de padrões. Usando conjuntos de dados sintéticos que representam ambientes complexos sob condições realistas, demonstramos a capacidade da solução proposta para detectar, classificar e estimar poses para objetos CAD. Esses experimentos mostram que nossa solução pode automatizar a maior parte do processo, reduzindo significativamente a quantidade de intervenção manual exigida pelas soluções de engenharia reversa CAD anteriores para obter resultados semelhantes.