Detecção de mudanças e recuperação de forma em mapas 3D basedos em nuvens de pontos

• Autor(a) principal: Paulo Lilles Jorge Drews Junior
• Data de Publicação: 2009
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/SLSS-7ZHQ23
• topic: Mapas 3D; Detecção de Mudanças; Robótica Móvel; Recuperação de Forma; Robótica; Recuperação de formas; Processamento de imagens Técnicas digitais

O presente trabalho propõe um arcabouço para determinação e segmentação de mudanças em nuvens de pontos 3D de forma eficiente. Inicialmente, é efetuada uma simplificação nesses pontos, gerando uma representação em árvore que busca preservar as características relevantes da nuvem por meio da estimação da variação da superfície. Além disso, é utilizada uma combinação de Modelos de Misturas Gaussianas (GMM) e da métrica de distância Earth Mover's Distance (EMD), por meio de uma técnica gulosa. Ela permite detectar o que é mudança em um dado local, a partir de leituras prévias do sensor, e segmentar as mudanças detectadas.Para recuperação de forma 3D são propostos dois métodos. Primeiramente, um novo método para recuperação de formas básicas é desenvolvido, no espaço das Gaussianas. Esse método é limitado a um conjunto de primitivas geométricas que incluem planos, esferas e cilindros. Esse método é comparado, ao longo do trabalho, com uma abordagem no espaço Euclidiano utilizando Random Sampling Consensus (RANSAC).Uma segunda abordagem utiliza superquádricas, visando dar uma maior expressividade à representação de forma 3D. Este trabalho utiliza uma abordagem multi-escala com o paradigma split-and-merge, que busca ultrapassar mínimos locais da segmentação fornecida pela GMM, bem como dar maior eficiência ao método como um todo.Resultados experimentais utilizando dados simulados e reais foram obtidos para avaliar a eficácia do método de simplificação utilizado, assim como da abordagem de detecção de mudança. O método para recuperação de formas básicas mostrou-se melhor que o método utilizando o espaço Euclidiano, em termos de custo computacional e exatidão, porém, apresenta algumas restrições que são contornadas pelo uso de superquádricas.