Compressão de geometria de pointcloud por decomposição booleana

Detalhes bibliográficos
Autor(a) principal: Rosário, Rodrigo Alves
Data de Publicação: 2018
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Biblioteca Digital de Monografias da UnB
Texto Completo: https://bdm.unb.br/handle/10483/28479
Resumo: Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2018.
id UNB-2_cb846566b26138bd821ca7bb9208cee1
oai_identifier_str oai:bdm.unb.br:10483/28479
network_acronym_str UNB-2
network_name_str Biblioteca Digital de Monografias da UnB
repository_id_str 11571
spelling Rosário, Rodrigo AlvesSilva, Eduardo Peixoto Fernandes daROSÁRIO, Rodrigo Alves. Compressão de geometria de pointcloud por decomposição booleana. 2018. [18], 44 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Elétrica)—Universidade de Brasília, Brasília, 2018.https://bdm.unb.br/handle/10483/28479Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2018.PointClouds, ou nuvem de pontos, são um tipo de representação de uma cena tridimensional na qual cada ponto no espaço é definido por uma representação matricial de sua coordenada no eixo espacial xyz e sua cor por outra matriz RGB. Este tipo de arquitetura é extremamente interessante pela fácil manipulação. Porém, inevitavelmente, quanto mais detalhado o modelo tridimensional, maior o número de elementos no espaço e, consequentemente, maior o tamanho da informação necessária para descrever a PointCloud. Por este fato, se faz necessária a utilização de algoritmos de compressão para que seja possível utilizar menor espaço para o armazenamento ou transferência da informação. Este trabalho tem como objetivo, então, propor uma maneira de comprimir a geometria de PointClouds de forma eficaz e sem perdas a partir da decomposição do modelo tridimensional em cortes transversais e posterior compressão utilizando algoritmos já consolidados, como o JBIG, e manipulações booleanas. Em seguida, é realizada uma comparação entre o método proposto e métodos utilizados atualmente no mercado e os caracterizados como estado da arte. Os resultados são apresentados através de análises estatísticas da aplicação do algoritmo desenvolvido em uma grande base de dados de PointClouds, podendo representar de forma concisa os pontos positivos e negativos do projeto. O conteúdo pós análise consiste de reflexões a respeito dos prós e contras do método desenvolvido e propostas de futuro desenvolvimento.Submitted by Patricia Nunes (patricia@bce.unb.br) on 2021-09-08T04:42:27Z No. of bitstreams: 1 2018_RodrigoAlvesRosario_tcc.pdf: 2269878 bytes, checksum: 5df9a24aea16646c08f5aaccba5bbc8c (MD5)Approved for entry into archive by Patricia Nunes (patricia@bce.unb.br) on 2021-09-08T04:42:39Z (GMT) No. of bitstreams: 1 2018_RodrigoAlvesRosario_tcc.pdf: 2269878 bytes, checksum: 5df9a24aea16646c08f5aaccba5bbc8c (MD5)Made available in DSpace on 2021-09-08T04:42:39Z (GMT). No. of bitstreams: 1 2018_RodrigoAlvesRosario_tcc.pdf: 2269878 bytes, checksum: 5df9a24aea16646c08f5aaccba5bbc8c (MD5)PointClouds are a type of three-dimensional representation of a scenery in which each volume element is described in the form of a three column matrix filled by each coordinate (x,y and z) value and its color by another matrix composed by its RGB values. This type of architecture is extremely interesting because of the easy manipulation it provides. However, inevitably, the more detail the PointCloud provides, the bigger the size of the information required to describe the PointCLoud. Due to this fact, it is necessary to use compressing algorithms to make these geometries easier to transfer or to store. This paper’s objective is to provide a reliable way to compress PointClouds’ geometries effectively and without losses by decomposing the model in its cross-sections and using existing binary image compression algorithms, such as JBIG, and Boolean manipulations to compress them. In addition, a comparison between algorithms currently used in the market and the state of art and the project is then made. The results are presented through a statistical analysis of the proposed method being applied in a large PointCloud data base, providing information about the positive and negative sides of the developed algorithm. The post analysis content is made of reflections about the pros and cons of the method and a series of ideas for future development.A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.info:eu-repo/semantics/openAccessNuvem de pontosCompressão de sinaisImagens 3DCompressão de geometria de pointcloud por decomposição booleanainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis2021-09-08T04:42:39Z2021-09-08T04:42:39Z2018-12-06porreponame:Biblioteca Digital de Monografias da UnBinstname:Universidade de Brasília (UnB)instacron:UNBLICENSElicense.txtlicense.txttext/plain1817http://bdm.unb.br/xmlui/bitstream/10483/28479/2/license.txt21554873e56ad8ddc69c092699b98f95MD52ORIGINAL2018_RodrigoAlvesRosario_tcc.pdf2018_RodrigoAlvesRosario_tcc.pdfapplication/pdf2269878http://bdm.unb.br/xmlui/bitstream/10483/28479/1/2018_RodrigoAlvesRosario_tcc.pdf5df9a24aea16646c08f5aaccba5bbc8cMD5110483/284792021-09-21 15:22:59.835oai:bdm.unb.br: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Biblioteca Digital de Monografiahttps://bdm.unb.br/PUBhttp://bdm.unb.br/oai/requestbdm@bce.unb.br||patricia@bce.unb.bropendoar:115712021-09-21T18:22:59Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB)false
dc.title.pt_BR.fl_str_mv Compressão de geometria de pointcloud por decomposição booleana
title Compressão de geometria de pointcloud por decomposição booleana
spellingShingle Compressão de geometria de pointcloud por decomposição booleana
Rosário, Rodrigo Alves
Nuvem de pontos
Compressão de sinais
Imagens 3D
title_short Compressão de geometria de pointcloud por decomposição booleana
title_full Compressão de geometria de pointcloud por decomposição booleana
title_fullStr Compressão de geometria de pointcloud por decomposição booleana
title_full_unstemmed Compressão de geometria de pointcloud por decomposição booleana
title_sort Compressão de geometria de pointcloud por decomposição booleana
author Rosário, Rodrigo Alves
author_facet Rosário, Rodrigo Alves
author_role author
dc.contributor.author.fl_str_mv Rosário, Rodrigo Alves
dc.contributor.advisor1.fl_str_mv Silva, Eduardo Peixoto Fernandes da
contributor_str_mv Silva, Eduardo Peixoto Fernandes da
dc.subject.keyword.pt_BR.fl_str_mv Nuvem de pontos
Compressão de sinais
Imagens 3D
topic Nuvem de pontos
Compressão de sinais
Imagens 3D
description Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2018.
publishDate 2018
dc.date.submitted.none.fl_str_mv 2018-12-06
dc.date.accessioned.fl_str_mv 2021-09-08T04:42:39Z
dc.date.available.fl_str_mv 2021-09-08T04:42:39Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv ROSÁRIO, Rodrigo Alves. Compressão de geometria de pointcloud por decomposição booleana. 2018. [18], 44 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Elétrica)—Universidade de Brasília, Brasília, 2018.
dc.identifier.uri.fl_str_mv https://bdm.unb.br/handle/10483/28479
identifier_str_mv ROSÁRIO, Rodrigo Alves. Compressão de geometria de pointcloud por decomposição booleana. 2018. [18], 44 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Elétrica)—Universidade de Brasília, Brasília, 2018.
url https://bdm.unb.br/handle/10483/28479
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.source.none.fl_str_mv reponame:Biblioteca Digital de Monografias da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Biblioteca Digital de Monografias da UnB
collection Biblioteca Digital de Monografias da UnB
bitstream.url.fl_str_mv http://bdm.unb.br/xmlui/bitstream/10483/28479/2/license.txt
http://bdm.unb.br/xmlui/bitstream/10483/28479/1/2018_RodrigoAlvesRosario_tcc.pdf
bitstream.checksum.fl_str_mv 21554873e56ad8ddc69c092699b98f95
5df9a24aea16646c08f5aaccba5bbc8c
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv bdm@bce.unb.br||patricia@bce.unb.br
_version_ 1813908052419543040

Registros relacionados