Online frame-to-model pipeline to 3D reconstruction with depth cameras using RGB-D information
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | eng |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/211267 |
Resumo: | Muitos dos desafios da visão computacional e da robótica envolvem o desenvolvimento de algoritmos capazes de usar informação espacial parcial para a geração de uma percepção 3D confiável do mundo. Várias tecnologias inovadoras aplicadas como Realidade Mista, Robótica Autônoma, Veículos Autônomos, Engenharia Reversa, Impressão 3D, entre outras, dependem desta área de pesquisa para seguirem evoluindo. Para implementar uma aplicação completa, que seja capaz de realizar reconstruções 3D para objetos individualmente, esta dissertação apresenta um pipeline de reconstrução 3D incremental e de estimativa de pose de câmera baseado em nuvens de pontos coloridas capturadas por câmeras RGB-D de uso doméstico. A abordagem proposta combina casamento geo- métrico e fotométrico de dados fornecidos pelos sensores de profundidade e cor através de um esquema adaptativo de ponderação que lida com eventuais desalinhamentos entre os dados RGB e de profundidade. Os resultados experimentais indicam que as recons- truções 3D obtidas com esquema proposto são visualmente melhores que a abordagem competidora. |
id |
URGS_02002960ebd487b903164b72c682bfe2 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/211267 |
network_acronym_str |
URGS |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
repository_id_str |
1853 |
spelling |
Dornelles, Thiago de AzevedoJung, Claudio Rosito2020-07-02T03:36:25Z2020http://hdl.handle.net/10183/211267001114954Muitos dos desafios da visão computacional e da robótica envolvem o desenvolvimento de algoritmos capazes de usar informação espacial parcial para a geração de uma percepção 3D confiável do mundo. Várias tecnologias inovadoras aplicadas como Realidade Mista, Robótica Autônoma, Veículos Autônomos, Engenharia Reversa, Impressão 3D, entre outras, dependem desta área de pesquisa para seguirem evoluindo. Para implementar uma aplicação completa, que seja capaz de realizar reconstruções 3D para objetos individualmente, esta dissertação apresenta um pipeline de reconstrução 3D incremental e de estimativa de pose de câmera baseado em nuvens de pontos coloridas capturadas por câmeras RGB-D de uso doméstico. A abordagem proposta combina casamento geo- métrico e fotométrico de dados fornecidos pelos sensores de profundidade e cor através de um esquema adaptativo de ponderação que lida com eventuais desalinhamentos entre os dados RGB e de profundidade. Os resultados experimentais indicam que as recons- truções 3D obtidas com esquema proposto são visualmente melhores que a abordagem competidora.Several challenges in computer vision and robotics involve developing algorithms capable of using partial spatial information to generate a reliable 3D perception of the world. Var- ious breakthrough applicable technologies such as Mixed Reality, Autonomous Robotics, Autonomous Driving, Reverse Engineering, 3D Printing, among others, depend on this research topic to move forward. In order to implement a complete application to build 3D reconstructions for individual objects, this master’s thesis presents an online pipeline for incremental 3D reconstruction and 6-DoF camera pose estimation based on colored point clouds captured by consumer RGB-D cameras. The proposed approach combines geometric and photometric matching of data provided by both depth and color sensors through an adaptive weighting scheme that copes with eventual misalignment errors be- tween RGB and depth data. Our experimental results indicate that the 3D reconstructions achieved by the proposed scheme are visually better than competitive approaches.application/pdfengVisão computacionalRobóticaReconstrução 3DVisual odometryRGB-D CamerasFrame-to-modelOnline frame-to-model pipeline to 3D reconstruction with depth cameras using RGB-D informationModelo online para reconstrução 3D usando informação RGB-D info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2020mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001114954.pdf.txt001114954.pdf.txtExtracted Texttext/plain106079http://www.lume.ufrgs.br/bitstream/10183/211267/2/001114954.pdf.txt5259f8e09cf4b7cd58b83fa8925e3571MD52ORIGINAL001114954.pdfTexto completo (inglês)application/pdf33160305http://www.lume.ufrgs.br/bitstream/10183/211267/1/001114954.pdfdb2f4b66a488442dbd1f094c2cc2232eMD5110183/2112672024-04-28 06:55:37.223497oai:www.lume.ufrgs.br:10183/211267Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532024-04-28T09:55:37Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Online frame-to-model pipeline to 3D reconstruction with depth cameras using RGB-D information |
dc.title.alternative.pt.fl_str_mv |
Modelo online para reconstrução 3D usando informação RGB-D |
title |
Online frame-to-model pipeline to 3D reconstruction with depth cameras using RGB-D information |
spellingShingle |
Online frame-to-model pipeline to 3D reconstruction with depth cameras using RGB-D information Dornelles, Thiago de Azevedo Visão computacional Robótica Reconstrução 3D Visual odometry RGB-D Cameras Frame-to-model |
title_short |
Online frame-to-model pipeline to 3D reconstruction with depth cameras using RGB-D information |
title_full |
Online frame-to-model pipeline to 3D reconstruction with depth cameras using RGB-D information |
title_fullStr |
Online frame-to-model pipeline to 3D reconstruction with depth cameras using RGB-D information |
title_full_unstemmed |
Online frame-to-model pipeline to 3D reconstruction with depth cameras using RGB-D information |
title_sort |
Online frame-to-model pipeline to 3D reconstruction with depth cameras using RGB-D information |
author |
Dornelles, Thiago de Azevedo |
author_facet |
Dornelles, Thiago de Azevedo |
author_role |
author |
dc.contributor.author.fl_str_mv |
Dornelles, Thiago de Azevedo |
dc.contributor.advisor1.fl_str_mv |
Jung, Claudio Rosito |
contributor_str_mv |
Jung, Claudio Rosito |
dc.subject.por.fl_str_mv |
Visão computacional Robótica Reconstrução 3D |
topic |
Visão computacional Robótica Reconstrução 3D Visual odometry RGB-D Cameras Frame-to-model |
dc.subject.eng.fl_str_mv |
Visual odometry RGB-D Cameras Frame-to-model |
description |
Muitos dos desafios da visão computacional e da robótica envolvem o desenvolvimento de algoritmos capazes de usar informação espacial parcial para a geração de uma percepção 3D confiável do mundo. Várias tecnologias inovadoras aplicadas como Realidade Mista, Robótica Autônoma, Veículos Autônomos, Engenharia Reversa, Impressão 3D, entre outras, dependem desta área de pesquisa para seguirem evoluindo. Para implementar uma aplicação completa, que seja capaz de realizar reconstruções 3D para objetos individualmente, esta dissertação apresenta um pipeline de reconstrução 3D incremental e de estimativa de pose de câmera baseado em nuvens de pontos coloridas capturadas por câmeras RGB-D de uso doméstico. A abordagem proposta combina casamento geo- métrico e fotométrico de dados fornecidos pelos sensores de profundidade e cor através de um esquema adaptativo de ponderação que lida com eventuais desalinhamentos entre os dados RGB e de profundidade. Os resultados experimentais indicam que as recons- truções 3D obtidas com esquema proposto são visualmente melhores que a abordagem competidora. |
publishDate |
2020 |
dc.date.accessioned.fl_str_mv |
2020-07-02T03:36:25Z |
dc.date.issued.fl_str_mv |
2020 |
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/10183/211267 |
dc.identifier.nrb.pt_BR.fl_str_mv |
001114954 |
url |
http://hdl.handle.net/10183/211267 |
identifier_str_mv |
001114954 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
collection |
Biblioteca Digital de Teses e Dissertações da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/211267/2/001114954.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/211267/1/001114954.pdf |
bitstream.checksum.fl_str_mv |
5259f8e09cf4b7cd58b83fa8925e3571 db2f4b66a488442dbd1f094c2cc2232e |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
lume@ufrgs.br||lume@ufrgs.br |
_version_ |
1810085524755447808 |