Testes de desempenho de algoritmos de deteção de artefatos em Plataforma Embarcada Raspberry Pi Utilizando OpenCV e Node.JS.

• Autor(a) principal: FARIAS, Arthur de Araújo.
• Data de Publicação: 2018
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
• Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18840
• topic: Algoritmos de deteção de artefatos; Raspberry Pi; OpenCV; Node.JS; Visão computacional; Sistemas embarcados; Feature matching; Speeded Up Robust Features - SURF; Extração de features em imagens; Biblioteca OpenCV; ORB - Oriented FAST and Rotated BRIEF; Oriented FAST and Rotated BRIEF - ORB; SURF - Speeded Up Robust Features; SIFT - Scale Invariant Feature Transform; Scale Invariant Feature Transform - SIFT; Raspberry Pi; Reconhecimento de objetos; Plataforma Raspberry Pi; Artifact detection algorithms; Computer vision; Embedded systems; Extracting features from images; OpenCV Library; OpenCV Library; Engenharia Elétrica.

Este trabalho de conclusão de curso contempla o desenvolvimento de um sistema de ex- perimentação de três métodos de feature matching: ORB, SIFT e SURF utilizados como base para técnicas de reconhecimento de objetos utilizados por sistemas de visão computa- cional. O sistema consiste em um software embarcado em uma plataforma Raspberry Pi, microprocessada por um núcleo ARM Cortex A53. O sistema utiliza um sistema operaci- onal Linux e foi submetido a experimentação no que tange ao tempo de processamento. Foi constatado experimentalmente que o tempo de processamento pela técnica ORB é muito mais rápio que o método SIFT. Sendo que o desempenho com respeito a taxa de acertos em relação a figura é semelhante ao do método SIFT e SURF. O método SURF possui um desempenho, em termos de processamento ligeiramente inferior ao método ORB, mas com a grande desvantagem de ser um algoritimo protegido por patentes.