CLASSIFICAÇÃO AUTOMÁTICA DE PADRÕES PROJETADOS POR UM SISTEMA DE LUZ ESTRUTURADA

• Autor(a) principal: KOKUBUM, CHRISTIANE NOGUEIRA DE CARVALHO
• Data de Publicação: 2005
• Outros Autores: TOMMASELLI, ANTONIO MARIA GARCIA, REISS, MÁRIO LUIZ LOPES
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Boletim de Ciências Geodésicas
• Texto Completo: https://revistas.ufpr.br/bcg/article/view/1547

Um dos problemas mais significativos em Visão Computacional e em Fotogrametria Digital é a reconstrução 3D. A reconstrução 3D por luz estruturada é uma das técnicas existentes e que apresenta vários problemas, um dos quais a identificação ou classificação dos padrões projetados. O tratamento deste problema é o objetivo deste trabalho. Para a classificação de tais padrões, usou-se o método baseado em área denominado correspondência por padrão (template matching). Este método consiste na classificação por correlação, que mede a similaridade entre as janelas de referência e de busca, utilizando uma função de correlação adequada. A função usada, neste trabalho, é a covariância cruzada modificada ou coeficiente de correlação, e que foi a que proporcionou melhores resultados. Foi desenvolvida uma estratégia para reamostragem adaptativa dos padrões, o que resolveu o problema de deformação dos alvos devido à inclinação da superfície. Experimentos com dados simulados e reais foram conduzidos com o objetivo de verificar a eficácia da metodologia para a identificação dos alvos projetados. Os resultados mostram que a metodologia de classificação funciona adequadamente, identificando 98% de alvos em superfícies planas e 93% em superfícies oblíquas. Automatic classification of targets projected with a structured light system Abstract One of the main problems in Computer Vision and Close Range Digital Photogrammetry is 3D reconstruction. 3D reconstruction with structured light is one of the existing techniques and which still has several problems, one of them the identification or classification of the projected targets. Approaching this problem is the goal of this paper. An area based method called template matching was used for target classification. This method performs detection of area similarity by correlation, which measures the similarity between the reference and search windows, using a suitable correlation function. In this paper the modified cross covariance function was used, which presented the best results. A strategy was developed for adaptative resampling of the patterns, which solved the problem of deformation of the targets due to object surface inclination. Experiments with simulated and real data were performed in order to assess the efficiency of the proposed methodology for target detection. The results showed that the proposed classification strategy works properly, identifying 98% of targets in plane surfaces and 93% in oblique surfaces.