Detecção de mudanças e recuperação de forma em mapas 3D basedos em nuvens de pontos
Autor(a) principal: | |
---|---|
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 |
Resumo: | 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. |
id |
UFMG_de946b82fe65ba0ba1b50e7ef1ec4804 |
---|---|
oai_identifier_str |
oai:repositorio.ufmg.br:1843/SLSS-7ZHQ23 |
network_acronym_str |
UFMG |
network_name_str |
Repositório Institucional da UFMG |
repository_id_str |
|
spelling |
Mario Fernando Montenegro CamposJorge Manuel Miranda DiasSilvia S.c. BotelhoLuiz ChaimowiczPaulo Lilles Jorge Drews Junior2019-08-10T15:27:11Z2019-08-10T15:27:11Z2009-12-21http://hdl.handle.net/1843/SLSS-7ZHQ23O 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.This work proposes a framework to efficiently detect and segment changes in 3D point clouds. Initially, we simplify the point cloud which generates a tree representation in order to preserve the relevant characteristics using surface variation as the key constraint. Then, a combined approach using Gaussian Mixture Models (GMM) and the Earth Mover's Distance (EMD) is proposed, together with a greedy technique. It detects what has changed in a given locale from a previous sensor reading and segments the detected novelty.The 3D shape retrieval is achieved using two different approaches. The first approach is a new method that we developed which directly retrieves the detected shape in the Gaussian space. It uses a limited set or geometric primitives including planes, spheres and cylinders. This method is compared with another one that operates in the Euclidean space using Random Sampling Consensus (RANSAC). The second approach uses superquadric models due to their good expressiveness in representing more generalized three dimensional shapes. In order to achieve a good level of efficiency and to overcome the limitations of GMM segmentation, a multi-scale approach using the split-and-merge paradigm was devised and successfully implemented.Experimental results in both real and simulated scenarios were obtained to evaluate the efficacy of the simplification and change detection methods. The shape retrieval method in the Gaussian space showed better results than the Euclidean space method, both in accuracy and computational cost. The limitations on shape representation were adequately overcome by the use of superquadrics.Universidade Federal de Minas GeraisUFMGRobóticaRecuperação de formasProcessamento de imagens Técnicas digitaisMapas 3DDetecção de MudançasRobótica MóvelRecuperação de FormaDetecção de mudanças e recuperação de forma em mapas 3D basedos em nuvens de pontosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALpaulolilles.pdfapplication/pdf7755356https://repositorio.ufmg.br/bitstream/1843/SLSS-7ZHQ23/1/paulolilles.pdf661178ecf399b10ecb0e7928a3c198a6MD51TEXTpaulolilles.pdf.txtpaulolilles.pdf.txtExtracted texttext/plain282750https://repositorio.ufmg.br/bitstream/1843/SLSS-7ZHQ23/2/paulolilles.pdf.txtd2d696ce4f0c6fc79cd83dd2b1c36adbMD521843/SLSS-7ZHQ232019-11-14 11:16:48.868oai:repositorio.ufmg.br:1843/SLSS-7ZHQ23Repositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T14:16:48Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false |
dc.title.pt_BR.fl_str_mv |
Detecção de mudanças e recuperação de forma em mapas 3D basedos em nuvens de pontos |
title |
Detecção de mudanças e recuperação de forma em mapas 3D basedos em nuvens de pontos |
spellingShingle |
Detecção de mudanças e recuperação de forma em mapas 3D basedos em nuvens de pontos Paulo Lilles Jorge Drews Junior Mapas 3D Detecção de Mudanças Robótica Móvel Recuperação de Forma Robótica Recuperação de formas Processamento de imagens Técnicas digitais |
title_short |
Detecção de mudanças e recuperação de forma em mapas 3D basedos em nuvens de pontos |
title_full |
Detecção de mudanças e recuperação de forma em mapas 3D basedos em nuvens de pontos |
title_fullStr |
Detecção de mudanças e recuperação de forma em mapas 3D basedos em nuvens de pontos |
title_full_unstemmed |
Detecção de mudanças e recuperação de forma em mapas 3D basedos em nuvens de pontos |
title_sort |
Detecção de mudanças e recuperação de forma em mapas 3D basedos em nuvens de pontos |
author |
Paulo Lilles Jorge Drews Junior |
author_facet |
Paulo Lilles Jorge Drews Junior |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Mario Fernando Montenegro Campos |
dc.contributor.referee1.fl_str_mv |
Jorge Manuel Miranda Dias |
dc.contributor.referee2.fl_str_mv |
Silvia S.c. Botelho |
dc.contributor.referee3.fl_str_mv |
Luiz Chaimowicz |
dc.contributor.author.fl_str_mv |
Paulo Lilles Jorge Drews Junior |
contributor_str_mv |
Mario Fernando Montenegro Campos Jorge Manuel Miranda Dias Silvia S.c. Botelho Luiz Chaimowicz |
dc.subject.por.fl_str_mv |
Mapas 3D Detecção de Mudanças Robótica Móvel Recuperação de Forma |
topic |
Mapas 3D Detecção de Mudanças Robótica Móvel Recuperação de Forma Robótica Recuperação de formas Processamento de imagens Técnicas digitais |
dc.subject.other.pt_BR.fl_str_mv |
Robótica Recuperação de formas Processamento de imagens Técnicas digitais |
description |
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. |
publishDate |
2009 |
dc.date.issued.fl_str_mv |
2009-12-21 |
dc.date.accessioned.fl_str_mv |
2019-08-10T15:27:11Z |
dc.date.available.fl_str_mv |
2019-08-10T15:27:11Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/1843/SLSS-7ZHQ23 |
url |
http://hdl.handle.net/1843/SLSS-7ZHQ23 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.publisher.initials.fl_str_mv |
UFMG |
publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMG instname:Universidade Federal de Minas Gerais (UFMG) instacron:UFMG |
instname_str |
Universidade Federal de Minas Gerais (UFMG) |
instacron_str |
UFMG |
institution |
UFMG |
reponame_str |
Repositório Institucional da UFMG |
collection |
Repositório Institucional da UFMG |
bitstream.url.fl_str_mv |
https://repositorio.ufmg.br/bitstream/1843/SLSS-7ZHQ23/1/paulolilles.pdf https://repositorio.ufmg.br/bitstream/1843/SLSS-7ZHQ23/2/paulolilles.pdf.txt |
bitstream.checksum.fl_str_mv |
661178ecf399b10ecb0e7928a3c198a6 d2d696ce4f0c6fc79cd83dd2b1c36adb |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG) |
repository.mail.fl_str_mv |
|
_version_ |
1803589185528922112 |