Evaluation of Interest Point Matching Methods for Projective Reconstruction of 3D Scenes
|
|
- Sônia Flores Bentes
- 5 Há anos
- Visualizações:
Transcrição
1 Evaluation of Interest Point Matching Methods for Projective Reconstruction of 3D Scenes D. N. Brito, C. F. G. Nunes, F. L. C. Pádua and A. Lacerda 1 Abstract This work evaluates the application of different state-of-the-art methods for interest point matching, aiming the robust and efficient projective reconstruction of three-dimensional scenes. Projective reconstruction refers to the computation of the structure of a scene from images taken with uncalibrated cameras. To achieve this goal, it is essential the usage of an effective point matching algorithm. Even though several point matching methods have been proposed in the literature, their impacts in the projective reconstruction task have not yet been carefully studied. Our evaluation uses as criterion the estimated epipolar, reprojection and reconstruction errors, as well as the running times of the algorithms. Specifically, we compare five different techniques: SIFT, SURF, ORB, BRISK and FREAK. Our experiments show that binary algorithms such as, ORB and BRISK, are so accurate as float point algorithms like SIFT and SURF, nevertheless, with smaller computational cost. Keywords Point Matching Methods, Camera Self- Calibration, Projective Reconstruction. I. INTRODUÇÃO ENSORES de imagem têm se tornado cada vez mais Spopulares. Novas pesquisas produzem sensores mais eficientes e de menor custo, contribuindo assim para o surgimento de um grande número de aplicações em visão computacional [1]. Neste cenário, aplicações baseadas no processamento e análise de múltiplas vistas têm despertado especial interesse, tais como reconstrução projetiva [2], formação de imagem panorâmica [3], reconstrução 3D [4], navegação de robôs [5], entre outras [6]. Dentre tais aplicações, este trabalho aborda especialmente a reconstrução projetiva de cenas tridimensionais. O desempenho de uma técnica para reconstrução projetiva, tanto quanto à sua acurácia quanto à sua eficiência computacional, são fortemente dependentes da técnica adotada para correspondência de pontos entre as imagens de múltiplas vistas da cena. Este trabalho aborda a avaliação de diferentes métodos do estado da arte para correspondência de pontos de interesse em imagens no que diz respeito a seus impactos na robustez e eficiência da reconstrução projetiva de cenas estáticas, planares ou não, monitoradas por uma ou mais câmeras nãocalibradas, conforme ilustrado na Fig. 1. Muito embora diversos métodos para correspondência de pontos tenham sido propostos nos últimos anos [7], observa-se a ausência de 1 D. N. Brito, Universidade Federal de Ouro Preto, João Monlevade, MG, Brasil, dn.brito@gmail.com. C. F. G. Nunes, Centro Federal de Educação Tecnológica de Minas Gerais, Belo Horizonte, MG, Brasil, cfgnunes@gmail.com. F. L. C. Pádua, Centro Federal de Educação Tecnológica de Minas Gerais, Belo Horizonte, MG, Brasil, cardeal@decom.cefetmg.br. A. Lacerda, Centro Federal de Educação Tecnológica de Minas Gerais, Belo Horizonte, MG, Brasl, anisio@decom.cefetmg.br. estudos que avaliem os efeitos de suas aplicações no desempenho de estratégias para reconstrução projetiva. A. Reconstrução projetiva O processo de reconstrução projetiva pode ser visto como a recuperação de medidas geométricas de uma cena a partir de diferentes imagens, sendo cada imagem correspondente a uma vista específica [8]. Uma vez que imagens são projeções 2D de cenas 3D, uma das dimensões da cena é perdida após sua projeção. Para recuperação de medidas geométricas da cena é necessária a recuperação desta dimensão. Sendo assim, a tarefa de recuperação da dimensão perdida e consequentemente de medidas geométricas por meio de imagens é viabilizada a partir do cálculo prévio de um conjunto de parâmetros, agrupados na usualmente denominada matriz de projeção [9]. Figura 1. Cena 3D visualizada por câmeras não calibradas. A tarefa de reconstrução projetiva consiste em determinar as matrizes de projeção de pares de imagens juntamente com um conjunto de pontos específicos da cena no sistema de coordenadas cartesianas globais (SCCG). Para isto é necessário a determinação de um conjunto de pontos correspondentes nas imagens obtidas da cena, isto é, pontos nas imagens diferentes que correspondem ao mesmo ponto no SCCG [2]. Utilizando a técnica proposta em [8], sabe-se que o menor conjunto de pontos correspondentes nas imagens deve ter tamanho igual a oito pontos. Em linhas gerais, um método para reconstrução projetiva consiste de três passos básicos [8]: 1. Cálculo da chamada matriz fundamental para cada par de vistas da cena, por meio de um processo de correspondência de pontos; 2. Cálculo da matriz de projeção para cada vista, por meio da matriz fundamental correspondente; 3. Cálculo do ponto em coordenadas homogêneas no SCCG responsável por gerar o par de pontos correspondentes.
2 Considere a reconstrução projetiva de uma cena estática visualizada em duas vistas distintas. Neste caso, sejam e as matrizes de projeção referentes às duas vistas em questão e o i-ésimo ponto de um conjunto representado no sistema de coordenadas cartesianas globais. Denotando-se as projeções de em coordenadas homogêneas nos planos de imagem por e, tem-se que as relações entre tais pontos são capturadas pelas Equações (1) e (2):, (1) A reta acima mencionada, denominada reta epipolar, passa por um ponto específico no plano de imagem, denominado epipolo, o qual é a projeção dos denominados centros das câmeras [8] consideradas, conforme ilustrado na Fig. 2. A geometria epipolar é a geometria intrínseca da visualização dupla. Através desta restrição e utilizando técnicas estatísticas como RANSAC, é possível a determinação da matriz fundamental utilizando a correspondência de pontos de interesse em imagens.. (2) O objetivo central da reconstrução projetiva consiste em determinar as matrizes de projeção e, bem como as coordenadas de cada ponto na cena no sistema de coordenadas cartesianas globais. É impossível sem nenhum conhecimento sobre a cena determinar as posições absolutas de pontos no SCCG [2]. Um exemplo disto é na determinação de localização geográfica de objetos na cena. Neste caso, se a longitude e latitude de um ponto na cena, que esteja identificado nas imagens, não for conhecida, não é possível saber a localização geográfica de nenhum dos pontos da cena. No entanto, é possível recuperar a estrutura 3D de objetos presentes na cena até um fator de escala [8]. Para a reconstrução 3D de uma cena, usualmente determina-se um conjunto de parâmetros que compõem a chamada matriz fundamental [8]. Por meio de pontos correspondentes em imagens de diferentes vistas de uma cena, é possível recuperar esta matriz que é 3x3 com posto igual a 2 e espaço nulo representado pelos epipolos [8]. Esta matriz é invariante às transformações projetivas. Dessa forma, é possível aplicar uma transformação projetiva, representada por uma matriz 4x4, em um conjunto de pontos em coordenadas homogêneas no SCCG, sem que os parâmetros da matriz fundamental sejam modificados. Isto se deve ao fato de que, o ponto quando projetado no plano de imagem, não altera sua localização quando é aplicada a transformação projetiva. Considerando estas condições aplicadas à Equação (1) temos o resultado mostrado na Equação (3):. (3) Por isto esta técnica é chamada de reconstrução projetiva. Devido a este fato ainda, não é possível a reconstrução euclidiana dos pontos utilizando esta técnica. B. Geometria epipolar Dadas duas imagens e representativas de uma cena de interesse, a matriz fundamental é responsável por projetar pontos da imagem em retas na imagem e vice-versa. Isto restringe os pontos correspondentes a estarem nesta reta. Esta relação é descrita por meio da Equação (4):. (4) Figura 2. Geometria epipolar. C. Correspondência de pontos O processo de corresponder pontos em imagens pode ser visto como a determinação da correlação entre pontos de imagens diferentes que correspondam ao mesmo ponto da cena tridimensional. Diversos métodos para correspondência de pontos em imagens têm sido propostos nos últimos anos. Entre tais métodos, destacam-se, Scale Invariant Feature Transform (SIFT) [10], Speeded Up Robust Features (SURF) [11], Oriented Fast and Rotated Brief (ORB) [12], Fast Retina Keypoint (FREAK) [13] e Binary Robust Invariant Scalable Keypoints (BRISK) [14]. Os algoritmos de correspondência de pontos podem ser divididos em dois grandes grupos, quais sejam, algoritmos baseados em área e algoritmos baseados em características [15]. Os algoritmos baseados em área formam um mapa denso de pontos correspondidos. Algoritmos baseados em características formam um mapa esparso de características. Estes possuem uma série de vantagens sendo algumas delas, são mais rápidos, porque consideram menos pontos, a correspondência é mais exata já que vértices podem ser localizados com precisão de subpixel e, por fim, são menos sensíveis à variações fotométricas já que representam propriedades geométricas da cena [16]. Estas vantagens justificam uma utilização muito maior deste tipo de método para correspondência de pontos em imagens. As técnicas de correspondência de pontos baseadas em características possuem basicamente três etapas: (1) detecção de pontos chave, (2) determinação dos descritores e (3) correspondência destes descritores. Podem ser utilizados algoritmos diferentes para realização de cada uma destas etapas. Os descritores, por sua vez, podem ser divididos em dois grupos diferentes: descritores de ponto flutuante que utilizam números de ponto flutuante e descritores binários que utilizam bits. Atualmente, os principais algoritmos de correspondência de pontos baseados em características e em descritores de ponto flutuante são SIFT e SURF. Por outro lado, entre os descritores binários baseados em características, destaca-se o método ORB.
3 Os algoritmos SIFT e SURF utilizam uma abordagem estatística por meio de funções Gaussianas para determinar uma pirâmide de escalas e assim seus descritores, que são invariantes à escala e rotação. Para comparação dos descritores pode ser utilizada alguma norma, como por exemplo, a norma L2. Os algoritmos ORB, BRISK e FREAK, por outro lado, fazem parte de uma série de técnicas com descritores binários que têm como principal objetivo a melhoria no desempenho computacional dos algoritmos de correspondência de pontos. Eles possuem na etapa de descrição variações do detector de vértices FAST [17], que consiste em um método de detecção que possui um desempenho superior aos métodos que se baseiam em funções Gaussianas. Frequentemente, os algoritmos de correspondência de pontos são avaliados quanto ao seu desempenho, mas apesar das técnicas de reconstrução possuírem muita importância para um grande número de aplicações em visão computacional, estas avaliações são comumente focadas em aplicações como reconhecimento de objetos 3D, recuperação de imagens e classificação de texturas. Há um número muito pequeno de trabalhos focados em aplicações como odometria visual ou recuperação da estrutura 3D da cena [18], e ainda deficientes em qualidade ou quantidade de informações. II. TRABALHOS RELACIONADOS Avaliações de desempenho têm ganhado cada vez mais importância em visão computacional [19], haja visto a quantidade de trabalhos nesta área. Dentre estes, diversos trabalhos surgiram com objetivo de avaliar algoritmos de correspondência de pontos em imagens, por meio de diferentes estratégias e métricas avaliativas [19]. Jiang et al. [18] fazem uma avaliação bastante criteriosa de algoritmos detectores e descritores fornecendo dados sobre o desempenho dos algoritmos utilizados, com imagens de bases de dados da internet e obtidas pelos próprios autores. Os autores apresentam ainda uma série de métricas para avaliação de desempenho, consistentes com o estado da arte de avaliação em algoritmos de correspondência de pontos em imagens. Neste trabalho os autores consideram a performance em relação à odometria baseada em visão estéreo. O conjunto de restrições apresentadas em sistemas de odometria ao método de correspondência de pontos, são menos rígidas do que aquelas necessárias a um sistema de reconstrução projetiva. Os autores fazem testes em apenas um algoritmo de correspondência binária que é o ORB. Ahmadabadian et al. [7] testaram quatro métodos de correspondência para determinação de um mapa de pontos denso com alta exatidão: duas versões de matching semiglobal MicMac [20] e duas Patch-based Multi-View Stereo (PMVS) [21]. Para a obtenção da nuvem de pontos densa é utilizado um software chamado Bundler, desenvolvido por Snavely et al. [22]. Os resultados mostraram que a combinação de técnicas de bundle adjustment podem produzir resultados equivalentes ao scanner a laser, caso câmeras com uma alta qualidade (alta resolução) sejam utilizadas. Dwarakanath et al. [15] fazem uma avaliação dos algoritmos SIFT, SURF e ORB para sistemas de autocalibração baseados em múltiplas visualizações de uma cena 3D. Neste artigo, os autores consideram o erro epipolar em pixel e o tempo de processamento de cada algoritmo como métricas avaliativas. Os experimentos são realizados utilizando um conjunto de imagens reais de uma base de dados disponibilizada na internet, com modificações nas imagens simuladas por um módulo, chamado pelo autor de módulo de degradação. Neste caso foi considerado que o erro da geometria epipolar é suficiente para determinar o desempenho do sistema de reconstrução euclidiana. De fato, o erro epipolar é um importante parâmetro de qualidade para reconstrução euclidiana da cena através de câmeras. No entanto, como poderá ser visto mais adiante nos resultados aqui apresentados, avaliar tais métodos considerando-se apenas o erro epipolar como métrica pode levar ao negligenciamento de informações relevantes para a reconstrução tridimensional eficiente de uma cena. Os mais famosos estudos em desempenho de descritores e detectores foram publicados por Mikolajczy e Schmid [19] e Miksik e Mikolajczyke [23]. Mikolajczyk e Schmid [19] introduziram uma base de imagens que se tornou muito importante para avaliações de métodos de correspondência de pontos em imagens. Ainda neste trabalho utilizaram as métricas de 1-precisão, revocação e repetibilidade para avaliação dos métodos, contribuindo para que tais métricas se tornassem referências na avaliação de algoritmos de correspondência. Os autores apresentam conclusões importantes não somente sobre qual método é mais eficiente, como também qual conjunto de parâmetros dos métodos são mais eficientes. As conclusões dos autores indicam o melhor algoritmo para cada configuração de cena diferente. Apesar desta avaliação ser referência no estado da arte, não faz avaliação para algoritmos de reconstrução projetiva. Mikolajczyk e Miksik [23] avaliam diversos algoritmos detectores e descritores, recentemente propostos, especificamente, BRIEF, BRISK, ORB, MRRID, MROGH e LIOP. As avaliações realizadas foram focadas em custo computacional e exatidão da correspondência, novamente considerando apenas a correspondência e não sua aplicação. Li e Wang [24] fazem algumas avaliações para dar uma visão geral sobre técnicas de correspondência de pontos em imagens para vários sistemas de navegação baseados em visão. Neste artigo os autores avaliam os pontos fracos e fortes e apresentam uma modificação no algoritmo SIFT chamado ASIFT para lidar com grandes mudanças no ponto de vista. Heid e Kääb [1] fazem a avaliação de métodos de correspondência para determinação do movimento de calotas polares através de fotos de satélite. Os autores fazem a avaliação de métodos de correlação cruzada normalizada e métodos de Fourier com diferentes normalizações. Após a avaliação de dados obtidos da rede de satélites landsat, os autores concluem que os algoritmos mais eficientes são os baseados em correlação cruzada. Neste trabalho, é apresentada uma avaliação de desempenho para algoritmos de correspondência de pontos de interesse em imagens aplicados à um sistema de reconstrução projetiva, o que representa uma importante contribuição em relação às avaliações apresentadas anteriormente.
4 Apresentamos também a avaliação de um novo algoritmo, o FREAK, que segundo os autores apresentam robustez comparáveis à algoritmos já bastante utilizados como SIFT e SURF mas com um custo computacional consideravelmente menor. III. METODOLOGIA Neste trabalho, são avaliados os impactos de cinco métodos de correspondência de pontos no que se refere à exatidão e eficiência do processo de reconstrução projetiva de cenas estáticas, quais sejam: SIFT [10], SURF [11], ORB [12], FREAK [13] e BRISK [14]. Tais métodos foram escolhidos pelo fato de representarem soluções do estado da arte no que se refere ao problema de correspondência de pontos e serem, portanto, amplamente conhecidos e aplicados com frequência em diversos problemas no campo da visão computacional. Figura 3. Etapas básicas de um processo de reconstrução projetiva. Na Fig. 3 é apresentado um diagrama contendo as etapas básicas da metodologia proposta para avaliação dos algoritmos de correspondência de pontos aplicados à reconstrução projetiva. A primeira etapa refere-se à correspondência de pontos em imagens, que consiste no objetivo principal de avaliação deste trabalho. Como saída do processo de correspondência de pontos, temos pontos cartesianos, representados em coordenadas da imagem. Por meio destes pontos e da Equação (4) utilizou-se o método de decomposição em valores singulares (SVD) para otimização e determinação da matriz fundamental. Foram avaliados 05 (cinco) algoritmos de correspondência de pontos, cujos parâmetros são apresentados na TABELA II. Com o objetivo da determinação da qualidade da correspondência dos pontos em um sistema de reconstrução projetiva, três etapas adicionais são realizadas: (i) a determinação da geometria epipolar, (ii) cálculo das matrizes de projeção e (iii) triangulação. Estas três etapas são aquelas que de fato correspondem a reconstrução projetiva. A matriz fundamental estimada para cada par de imagens de entrada é utilizada na determinação das matrizes de projeção. Com as matrizes de projeção e os pontos correspondentes estimados, realiza-se o processo de triangulação, o qual fornece como resultado as coordenadas tridimensionais de tais pontos no SCCG. O processo de triangulação é repetido com as matrizes de projeção e os pontos de referência (ground-thruth). Finalmente os resultados do processo de triangulação obtidos com os pontos correspondentes estimados são comparados com aqueles obtidos a partir do processo de triangulação com os pontos de referência. Para tanto, são utilizadas diversas sequências de imagens de duas bases de dados disponibilizadas publicamente e utilizadas nos trabalhos anteriores de Heinly et al. [25] e Strecha et al. [26], bem como sequências de imagens de uma base dados especialmente criada para este estudo e caracterizada por cenários controlados em ambientes internos e externos capturadas com uma câmera SONY modelo HDR- CX240. No total foram utilizadas 10 cenas, sendo que as cenas das bases públicas contem apenas imagens não planares. Além disso, foram criadas 6 cenas para contemplar imagens planares e não planares de ambientes internos e externos. TABELA I. LISTA DE PARÂMETROS UTILIZADOS EM CADA ALGORITMO (PARTE 1). SIFT SURF Limiar da características Hessiana Camadas em 3 pirâmides de 4 cada oitava oitavas Limiar de 0.04 camada por 2 contraste oitava Limiar do Descritor detector de 10 Sim estendido borda Desvio padrão 1.6 Orientação Não TABELA II. LISTA DE PARÂMETROS UTILIZADOS EM CADA ALGORITMO (PARTE 2). ORB BRISK FREAK característic as Fator de escala níveis das pirâmides Limiar de borda pontos Tipo de pontuação Tamanho da região Harris 31 Raio da região ponto no círculo Limiar dos pares curtos Limiar dos pares longos Normalização da orientação Normalização da escala Escala do descritor oitavas Todos os experimentos foram realizados utilizando um computador com processador Intel Core i5-2430m, com 4GB de memória RAM e sistema operacional Linux versão LTS para execução dos programas. A Fig. 5 mostra exemplos das imagens utilizadas para cada uma das sequências de experimentos. Em [26], os autores utilizam um software desenvolvido por Noah Snavely [22] para determinar as matrizes de projeção corretas. Por outro lado, em [26] os autores utilizam um sensor do tipo LIDAR para obter um conjunto de medidas de referência (do inglês, ground-truth). Neste caso, marcos são espalhados pela cena com o objetivo de realizar a calibração e obtenção das matrizes de projeção. O primeiro conjunto de experimentos foi realizado com a base dados especialmente criada para este estudo, contendo imagens de três cenas planares e três não planares. Das três cenas de cada tipo, i.e. planar e não planar, uma é de ambiente interno e duas de ambientes externos. Para realização deste experimento, um alvo de calibração do tipo tabuleiro de xadrez foi utilizado para apoiar a calibração das câmeras e a obtenção das matrizes de projeção e dos pontos Sim Sim 22 4
5 correspondentes nas imagens, bem como para a determinação dos erros de reprojeção, epipolar, e de reconstrução. Especificamente, para cada cena planar e não planar visualizada, com e sem a presença do alvo de calibração, oito imagens de pontos de vista diferentes foram obtidas. Em especial, aplicou-se o método de Zhang [27] sobre as imagens contendo os alvos de calibração para determinar as matrizes de projeções das câmeras. A Fig. 4 mostra um exemplo de uma imagem da cena não planar com e sem o alvo de calibração. Vale ressaltar que o alvo de calibração foi mantido sempre na mesma posição no SCCG, garantindo-se que os pontos do alvo fossem correspondentes em todas as imagens obtidas. Estas imagens foram capturadas em ambientes internos controlados. Para a sequência de experimentos realizada com a base de dados criada, em ambientes externos contendo cenas não planares, foram realizadas as calibrações dos parâmetros intrínsecos da câmera utilizando-se novamente alvos de calibração do tipo tabuleiro de xadrez e a técnica de Zhang [27]. Na cena foram adicionadas marcações para determinação dos parâmetros extrínsecos. Nesta etapa dos experimentos foram capturadas oito imagens de pontos de vista diferentes e com pequeno intervalo de tempo para manter as condições de luminosidade da cena aproximadamente constante. (a) Figura 4. (a) Imagem de uma cena contendo um alvo de calibração do tipo tabuleiro de xadrez. (b) Imagem da mesma cena da Figura 4 (a) com a câmera na mesma posição, mas sem o alvo de calibração. Para as bases de dados de Heinly et al. [25] e Strecha et al. [26], as matrizes de projeção corretas foram fornecidas pelos autores e os pontos correspondentes corretos nos pares de imagens foram obtidos visualmente utilizando uma técnica descrita por Mikolajczyk e Schmid em [19]. Extratores de características foram usados para estimar as posições nas imagens de pontos correspondentes. Quando os pontos da imagem 1 projetados em linhas na imagem 2 não passarem pelo epipolo temos um erro chamado de erro epipolar. O erro epipolar é dado pela Equação (5) conforme descrito por Dwarakanath et al. em [15]:. (5) Onde são pontos correspondidos, estimados pelo método de correspondência de pontos que está sendo avaliado, nas imagens e, respectivamente, e é a matriz fundamental correta. Para os casos planares, a matriz fundamental correta foi estimada utilizando os pontos nas imagens e, obtidos dos alvos de calibração com uma precisão de subpixel, bem como a técnica de decomposição (b) em valores singulares SVD descrito por Hartley e Zisserman em [8]. Para os casos não planares, incluindo as imagens obtidas de bases de dados da internet, as correspondências de referência foram obtidas garantindo-se um erro menor que um pixel. Nesta técnica, como primeiro passo, são identificadas regiões correspondentes nas duas imagens utilizando a resolução original das mesmas. A seguir, é feita uma reamostragem destas regiões, nas duas imagens, utilizando filtros Gaussianos para aumentar a resolução. O processo se repete até encontrarem-se regiões do tamanho médio da região de interesse utilizada nos algoritmos de correspondência de pontos em imagens. A seguir, são selecionados os pixels centrais destas regiões como sendo os pixels correspondentes nas duas imagens. Enfim, é realizada a reamostragem para se obter novamente a resolução original juntamente com a localização dos pixels correspondentes. Além do erro epipolar, foi determinado o erro de reprojeção dos pontos. Utilizando os pontos correspondentes e a matriz de projeção foi feita a triangulação. Dadas duas matrizes de projeção e, sejam e dois pontos nas duas imagens que satisfazem a Equação (4). O objetivo principal é estimar um ponto 3D que satisfaça exatamente a geometria fornecida pela câmera, representada pelas Equações (1) e (2). É necessário computar o produto vetorial dos vetores resultantes das duas equações. Como resultado temos três equações para cada ponto na imagem, das quais duas são linearmente dependentes. Por exemplo, para a primeira imagem, escrevendo então o sistema considerando os pontos das duas imagens e aplicando as equações(1) e (2) temos, onde são as coordenadas do ponto na imagem e as coordenada do ponto correspondente na imagem, e são as linhas das matrizes e. Solucionando o problema de minimização, obtemos um ponto no SCCG para cada par de pontos correspondentes nas imagens. Este método é chamado de triangulação que é denotada por e descrita esquematicamente pela Equação (6) [8]:. (6) Os pontos no SCCG foram novamente projetados nos planos de imagem e utilizando as matrizes de projeção corretas e as equações (1) e (2). A diferença entre as coordenadas dos pontos projetados com a matriz de projeção correta e a matriz de projeção estimada é o erro de reprojeção, descrito pela Equação (7). (7)
6 Considerando os pontos correspondentes estimados, o algoritmo SIFT apresentou melhor desempenho retornando o menor erro de reprojeção em 40% dos casos estudados, mostrado na Tabela III. É possível observar que os algoritmos que retornam menos vezes o menor erro de reprojeção são os algoritmos ORB e BRISK e ainda que apresentam desempenhos equivalentes. Figura 5. Exemplo de cenas utilizadas na realização dos experimentos reais. Outra métrica utilizada foi o erro de reconstrução, representado pela diferença da estrutura reconstruída e a estrutura correta. Este erro foi calculado utilizando as diferenças das distâncias euclidianas entre os pontos corretos e os pontos estimados conforme a Equação (8): (8) onde foi estimado utilizando as matrizes de projeção estimadas e a técnica de triangulação. As equações (5), (6), (7) e (8) foram utilizadas com diferentes conjuntos de dados com o objetivo de definir qual o melhor algoritmo de correspondência de pontos para um sistema computacionalmente eficiente e robusto de reconstrução projetiva. Os dados utilizados foram matrizes projeção estimadas baseadas nas matrizes fundamentais e matrizes de projeção corretas obtidas pela calibração com o método de Zhang [27] ou fornecidas pelos autores nos casos das bases de dados da internet. A triangulação foi feita tanto com as matrizes de projeção corretas quanto com as matrizes de projeção estimadas. IV. RESULTADOS EXPERIMENTAIS Pelos resultados experimentais podemos observar que os erros de reconstrução e reprojeção apresentaram um comportamento parecido apresentando um comportamento diferente do erro epipolar. Nas Fig. Figura 6, barras azuis e vermelhas, vemos uma amostra dos resultados para os erros de reconstrução, e reprojeção, respectivamente, normalizados pela média e desvio padrão, de dez experimentos diferentes realizados utilizando as bases de dados construídas para este estudo, bem como para as bases criadas por Heinly et al. [25] e Strecha et al. [26]. Ainda na Figura 6, barras verdes, vemos os gráficos sobre as mesmas condições dos gráficos mas para o erro epipolar. Podemos então fazer uma análise distinta dos resultados para cada um dos erros, começando pelo erro de reconstrução. A. Erro de reconstrução No gráfico da Figura 6 barras azuis é possível observar que para o erro de reconstrução algoritmo SIFT foi o que apresentou o menor erro médio normalizado. Comportamento corroborado com o mostrado na Tabela III. B. Erro de reprojeção Já considerando o erro de reprojeção, é possível observar que há uma maior isonomia entre os métodos de correspondência estudados, o que pode ser observado pela Figura 6, barras vermelhas. Nota-se na Tabela III que os algoritmos SIFT, SURF e BRISK apresentam o melhor resultado em 30% dos casos cada um e 10% o ORB. C. Erro epipolar Considerando o erro epipolar os dados representados na Tabela III, o algoritmo que apresenta o menor erro epipolar em 70% dos casos é o algoritmo ORB seguido pelo SIFT em 30% dos casos. O novo algoritmo descritor testado, FREAK apresentou os piores desempenhos para os erros, epipolar e de reconstrução onde em nenhum caso retornou o menor erro. D. Custo computacional Como esperado o custo computacional em relação aos tempos de execuções para os algoritmos que usam descritores de ponto flutuante foram muito maiores do que os algoritmos com descritores binários. Os algoritmos binários apresentaram em média 2% do tempo de execução do algoritmo SIFT e 10% do algoritmo SURF como pode ser observado na Tabela II. Considerando-se que os erros de reconstrução dos algoritmos ORB e BRISK foram equivalentes aos erros de reconstrução dos algoritmos SIFT e SURF, e adicionalmente apresentaram tempos de processamento consideravelmente menores, sugerese então que os algoritmos ORB e BRISK sejam escolhidos como potenciais métodos a serem utilizados em problemas de reconstrução projetiva. V. CONCLUSÕES O presente trabalho avaliou diferentes métodos do estado da arte para correspondência de pontos de interesse em imagens no que diz respeito a seus impactos na robustez e eficiência de um problema de reconstrução projetiva. Trabalhos recentes como [15] e [18] apresentam avaliações de desempenho onde a única preocupação é na determinação do algoritmo que retorne o menor erro na localização dos pontos sem ponderar o desempenho dos algoritmos. Além disto, o presente trabalho apresenta uma avaliação em um sistema implementado de reconstrução projetiva, cujos dados mostraram-se mais completos em relação à avaliação do que considerar apenas o erro na geometria epipolar. A análise dos dados mostraram que os erros no SCCG são moderadamente correlacionados com os erros de reprojeção,
7 apresentando um coeficiente de correlação de Pearson igual a Isto indica que o sistema pode funcionar bem para reconhecimento de estruturas em diferentes imagens, mas produzir um desempenho ruim quando o objetivo é a reconstrução de objetos da cena. Além disso, avaliar algoritmos de correspondência de pontos por meio de métricas baseadas apenas nos pontos das imagens não é uma estratégia adequada, sendo fundamental a implementação do algoritmo de reconstrução projetiva. Pode-se concluir a partir do presente trabalho que algoritmos de correspondência binários além de possuírem custo computacional muito menor do que algoritmos de ponto flutuante, produzem resultados muito satisfatórios, algumas vezes até equivalentes para reconstrução projetiva de objetos da cena. Como trabalhos futuros, pretende-se estender a avaliação para algoritmos de recuperação da geometria Euclidiana da cena baseada apenas em imagens, visto que esta é também uma área de grande interesse em visão computacional SIFT SURF ORB BRISK FREAK Figura 6. As barras azuis representam o erro médio normalizado no sistema de coordenadas cartesianas global (SCCG), com matrizes fundamentais e matrizes de projeção estimadas, normalizado pela média e desvio padrão. As barras vermelhas o erro médio de reprojeção, com matrizes fundamentais e matrizes de projeção estimadas, normalizado pela média e desvio padrão. As verdes o erro médio epipolar, com matrizes fundamentais estimadas, normalizado pela média e desvio padrão. TABELA III. TEMPO MÉDIO DE 100 EXECUÇÕES DOS ALGORITMOS SOBRE CADA PAR DE IMAGENS. Método SIFT SURF ORB BRISK FREAK Tempo(ms) 6,20 1,26 0,18 0,14 0,14 TABELA IV. PORCENTAGENS DE EXECUÇÕES PARA AS QUAIS O ALGORITMO RETORNOU O MENOR ERRO, DE ACORDO COM CADA MÉTRICA E RESPECTIVO DESCRITOR DE IMAGEM. Método SIFT SURF ORB BRISK FREAK Reconstrução Reprojeção Epipolar AGRADECIMENTOS Os autores agradecem o apoio do CNPQ (Processos / e /2014-6); à FAPEMIG (Processo APQ ); ao CEFET-MG (Processo PROPESQ /09 e PROPESQ-10314/14), à CAPES e à FUFOP Fundação Universitária Federal de Ouro Preto. REFERÊNCIAS [1] T. Heid e A. Kääb, Evaluation of existing image matching methods for deriving glacier surface displacements globally from optical satellite imagery, Remote Sensing of Environment, vol. 118, pp , mar [2] R. Hartley, Projective Reconstruction, K. Ikeuchi, Ed., Springer US, [3] J. Zaragoza, Q.-H. Tat-Jun Chin and Tran, M. Brown e D. Suter, As- Projective-As-Possible Image Stitching with Moving DLT, Pattern Analysis and Machine Intelligence, IEEE Transactions on, vol. 36, n. 7, pp , [4] A. Geiger, J. Ziegler e C. Stiller, StereoScan: Dense 3d reconstruction in real-time, Intelligent Vehicles Symposium (IV), 2011 IEEE, pp , [5] S. Kuma, C. Micheloni, C. Piciarelli e G. L. Foresti, Stereo Localization Based on Network's Uncalibrated Camera Pairs, em Advanced Video and Signal Based Surveillance, AVSS '09. Sixth IEEE International Conference on, [6] M. Brückner, F. Bajramovic e J. Denzler, Intrinsic and extrinsic active self-calibration of multi-camera systems, Machine Vision and Applications, vol. 25, n. 2, pp , sep [7] A. H. Ahmadabadian, S. Robson, J. Boehm, M. Shortis, K. Wenzel e D. Fritsch, A comparison of dense matching algorithms for scaled surface reconstruction using stereo camera rigs, ISPRS Journal of Photogrammetry and Remote Sensing, vol. 78, pp , apr [8] R. Hartley e A. Zisserman, Multiple view geometry in computer vision, vol. 2, Cambridge Univ Press, [9] E. Trucco e A. Verri, Introductory techniques for 3-D computer vision, New Jersey: Prentice-Hall inc, [10] D. Lowe, Distinctive Image Features from Scale-Invariant Keypoints, International Journal of Computer Vision, vol. 60, n. 2, pp , [11] H. Bay, T. Tuytelaars e L. Gool, SURF: Speeded Up Robust Features, em Computer Vision, ECCV 2006, vol. 3951, A. Leonardis, H. Bischof e A. Pinz, Eds., Springer, 2006, pp [12] E. Rublee, V. Rabaud, K. Konolige e G. Bradski, ORB: An efficient alternative to SIFT or SURF, em Computer Vision (ICCV), 2011 IEEE International Conference on, [13] A. Alahi, R. Ortiz e P. Vandergheynst, FREAK: Fast Retina Keypoint, em Computer Vision and Pattern Recognition (CVPR), 2012 IEEE Conference on, [14] S. Leutenegger, M. Chli e R. Y. Siegwart, BRISK: Binary Robust invariant scalable keypoints, 2011 International Conference on Computer Vision, pp , nov [15] D. Dwarakanath, A. Eichhorn, P. Halvorsen e C. Griwodz, Evaluating Performance of Feature Extraction Methods for Practical 3D Imaging Systems, em Proceedings of the 27th Conference on Image and Vision Computing New Zealand, New York, NY, USA, [16] G. Medioni e R. Nevatia, Segment-based stereo matching, Computer Vision, Graphics, and Image Processing, vol. 31, n. 1, pp. 2-18, [17] T. Drummond e E. Rosten, Machine Learning for High-Speed Corner Detection, Computer Vision - ECCV 2006, vol. 3951, pp , [18] Y. Jiang, Y. Xu e Y. Liu, Performance evaluation of feature detection and matching in stereo visual odometry, Neurocomputing, vol. 120, n. 0, pp , [19] K. Mikolajczyk e C. Schmid, A performance evaluation of local descriptors, Pattern Analysis and Machine Intelligence, IEEE Transactions on, vol. 27, n. 10, pp , [20] M. Pierrot-Deseilligny e N. Paparoditis, A multiresolution and optimization-based image matching approach: An application to surface reconstruction from SPOT 5-HRS stereo imagery, ISPRS Workshop on Topographic Mapping from Space, [21] Y. Furukawa e J. Ponce, Accurate Camera Calibration from Multi-View Stereo and Bundle Adjustment, International Journal of Computer Vision, vol. 84, n. 3, pp , [22] N. Snavely, S. M. Seitz e R. Szeliski, Photo tourism: Exploring Photo Collections in 3D, ACM Transactions on Graphics, vol. 25, n. 212, pp , [23] O. Miksik e K. Mikolajczyk, Evaluation of local detectors and
8 descriptors for fast feature matching, Pattern Recognition (ICPR), st \ldots, pp , [24] X. Li e J. Wang, Image Matching Techniques for Vision-based Indoor Navigation Systems : Performance Analysis for 3D Map Based Approach, pp. 0-7, [25] J. Heinly, E. Dunn e J.-M. Frahm, Comparative Evaluation of Binary Features, em Computer Vision, ECCV 2012, A. Fitzgibbon, S. Lazebnik, P. Perona, Y. Sato e C. Schmid, Eds., Springer, 2012, pp [26] C. Strecha, W. von Hansen, L. Van Gool, P. Fua e U. Thoennessen, On benchmarking camera calibration and multi-view stereo for high resolution imagery, em 2008 IEEE Conference on Computer Vision and Pattern Recognition, [27] Z. Zhang, A flexible new technique for camera calibration, Pattern Analysis and Machine Intelligence, IEEE Transactions on, vol. 22, n. 11, pp , nov Darlan N. Brito received the Bachelor degree in physics from the Universidade Federal de Minas Gerais (UFMG), Brazil, in 2005, and the M.Sc. degree in mathematical and computational modeling from the Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG), Brazil, in He s doctoral student on same institution. He has been an assistant professor of computer engineering at the Universidade Federal de Ouro Preto (UFOP) since His research interests include computer vision, pattern classification and content-based image and video retrieval. Cristiano F. G. Nunes received the Bachelor degree in computation engineering from the Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG), Brazil, in He s a master degree student and has been a system analyst on the same institution. His research interests include computer vision, pattern classification and content-based image and video retrieval. Flávio L. C. Pádua received the BS degree in electrical engineering and the MS and PhD degrees in computer science from the Universidade Federal de Minas Gerais (UFMG), Brazil, in 1999, 2002, and 2005, respectively. He has been an associate professor of computer engineering at the Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG) since 2005, where he is the director of the Laboratory of Interdisciplinary Research on Multimedia Information (Piim-Lab). His research interests include computer vision, pattern classification and content-based image and video retrieval. Anísio M. Lacerda received the Bachelor degree in computer science and the MS and PhD degrees in computer science from the Universidade Federal de Minas Gerais (UFMG), Brazil, in 2005, 2008, and 2013, respectively. He has been an associate professor of computer engineering at the Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG) since 2015, His research interests include is on computer science, with emphasis on Information Retrieval and Recommender Systems, acting on the following topics: algorithm design, web advertising and knowledge representation.
Análise comparativa de detectores e descritores de características locais em imagens no âmbito do problema de autocalibração de câmeras
Análise comparativa de detectores e descritores de características locais em imagens no âmbito do problema de autocalibração de câmeras Darlan Nunes de Brito 1 Flávio Luis Cardeal Pádua 2 Aldo Peres Campos
Leia maisCORRESPONDÊNCIA DE PONTOS EM IMAGENS
CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA DE MINAS GERAIS CURSO DE ENGENHARIA DE COMPUTAÇÃO CORRESPONDÊNCIA DE PONTOS EM IMAGENS PARA AUTOCALIBRAÇÃO DE CÂMERAS CRISTIANO FRAGA GUIMARÃES NUNES Orientador:
Leia maisReconhecimento de Instâncias (parte 2)
Reconhecimento de Instâncias (parte 2) Rafael Galvão de Mesquita rgm@cin.ufpe.br Carlos Alexandre Mello cabm@cin.ufpe.br SURF Speeded-Up Robust Features [3] Computer Vision and Image Understanding, 2004
Leia maisDescritores de Imagens
Descritores de Imagens André Tavares da Silva PPGCA/UDESC Outubro de 2017 André Tavares da Silva (PPGCA/UDESC) Descritores de Imagens Outubro de 2017 1 / 18 Descritores Locais e Frameworks SIFT SURF Viola-Jones
Leia maisDescritores de Imagens
Descritores de Imagens André Tavares da Silva PPGCA/UDESC Outubro de 2017 André Tavares da Silva (PPGCA/UDESC) Descritores de Imagens Outubro de 2017 1 / 17 Introdução Excelentes pesquisas sobre descritores
Leia maisSistema de Reconhecimento de Logotipos
Sistema de Reconhecimento de Logotipos Fellipe Duarte, Saulo T. Oliveira {duartefellipe,sto}@cos.ufrj.br Relatório Técnico, Introdução ao Processamento de Imagens Programa de Engenharia de Sistemas e Computação
Leia maisImage Descriptors: local features
Image Descriptors: local features Image Processing scc0251 www.icmc.usp.br/ moacir moacir@icmc.usp.br ICMC/USP São Carlos, SP, Brazil 2011 Moacir Ponti Jr. (ICMCUSP) Image Descriptors: local features 2011
Leia maisDetecção de falsas correspondências em pares de imagens estereoscópicas utilizando a transformação projetiva no plano e o algoritmo RANSAC
Detecção de falsas correspondências em pares de imagens estereoscópicas utilizando a transformação projetiva no plano e o algoritmo RANSAC André Caceres Carrilho Mauricio Galo Renato César dos Santos Curitiba,
Leia maisFace Recognition using RGB-D Images
Face Recognition using RGB-D Images Helder C. R. de Oliveira N.USP: 7122065 Polyana Nunes N.USP: 9043220 Sobre o Artigo Publication: 2013 IEEE Sixth International Conference Author(s) Goswami, G. (Índia
Leia maisDescritores de Imagem
Descritores de Imagem André Tavares da Silva 31 de março de 2014 1 Descritores de imagem (continuação) 1.1 Frameworks de detecção de objetos SIFT (scale-invariant features transform) (Lowe, 1999) SIFT
Leia maisPMR2560 Visão Computacional Visão estéreo. Prof. Eduardo L. L. Cabral
PMR2560 Visão Computacional Visão estéreo Prof. Eduardo L. L. Cabral Objetivos Introdução Equações básicas Processo de correspondência Geometria epipolar Retificação de imagens Reconstrução 3D Visão estéreo
Leia maisReconstrução Geométrica a Partir de Imagens TIC
Reconstrução Geométrica a Partir de Imagens TIC-10.073 Aula 1 Conteúdo Apresentação da Disciplina Professor Leandro Augusto Frata Fernandes laffernandes@ic.uff.br Material disponível em http://www.ic.uff.br/~laffernandes/teaching/2016.1/tic-10.073
Leia maisApresentação de uma Plataforma Computacional para a Reconstrução e Caracterização da Forma 3D de Objectos
Apresentação de uma Plataforma Computacional para a Reconstrução e Caracterização da Forma 3D de Objectos Teresa Azevedo 1, João Manuel R. S. Tavares 1,2, Mário A. Vaz 1,2 1 Instituto de Engenharia Mecânica
Leia maisUm sistema para extração automática de keyframes a partir de fluxos de vídeo direcionado à reconstrução tridimensional de cenários virtuais
Um sistema para extração automática de keyframes a partir de fluxos de vídeo direcionado à reconstrução tridimensional de cenários virtuais Sérgio Carlos Portari Júnior Orientador: Prof. Dr. Antonio Carlos
Leia maisAnotador automático de placas de publicidade em vídeos esportivos
MAC0499 - Trabalho de Formatura Supervisionado Professor: Carlos Eduardo Ferreira Universidade de São Paulo Instituto de Matemática e Estatística Aluno: Ricardo Augusto Fernandes Orientador: Prof. Dr.
Leia maisCasamento de padrões em imagens e vídeos usando características de imagens
Casamento de padrões em imagens e vídeos usando características de imagens Kassius Vinicius Sipolati Bezerra DCEL / CEUNES / UFES São Mateus, ES, Brazil Edilson de Aguiar DCEL / CEUNES / UFES São Mateus,
Leia maisReconstrução Geométrica a Partir de Imagens TIC /TCC
Reconstrução Geométrica a Partir de Imagens TIC-00.243/TCC-00.241 Aula 1 Conteúdo Apresentação da Disciplina Professor Leandro Augusto Frata Fernandes laffernandes@ic.uff.br Material disponível em http://www.ic.uff.br/~laffernandes/teaching/2014.2/tic-00.243
Leia maisIdentificação de objetos móveis com uso de imagens aéreas obtidas por VANT. Rodrigo Augusto Rebouças 1 Matheus Habermann 1 Elcio Hideiti Shiguemori 1
Identificação de objetos móveis com uso de imagens aéreas obtidas por VANT Rodrigo Augusto Rebouças 1 Matheus Habermann 1 Elcio Hideiti Shiguemori 1 1 Instituto de Estudos Avançados IEAv/DCTA São José
Leia maisSOLUÇÕES LIVRES PARA RECONSTRUÇÃO TRIDIMENSIONAL A PARTIR DE IMAGENS DE CÂMERAS DE PEQUENO FORMATO NO ENSINO DE FOTOGRAMETRIA DIGITAL
SOLUÇÕES LIVRES PARA RECONSTRUÇÃO TRIDIMENSIONAL A PARTIR DE IMAGENS DE CÂMERAS DE PEQUENO FORMATO NO ENSINO DE FOTOGRAMETRIA DIGITAL JOÃO ALBERTO BATISTA DE CARVALHO DANIEL CARNEIRO DA SILVA Diretoria
Leia maisFeature Description (SIFT + SURF) Prof. Dr. Geraldo Braz Junior
Feature Description (SIFT + SURF) Prof. Dr. Geraldo Braz Junior Feature Detection 1. Encontre um conjunto de keypoints 2. Defina uma região ao redor do keypoint 3. Normalize a região 4. Extraia caracterísfcas
Leia maisMapeamento de ambientes e processamento visual utilizando Kinect
Mapeamento de ambientes e processamento visual utilizando Kinect Mário Alberto Cecchi Raduan Bolsista PIBIC/UFRJ Orientador: Adriano Joaquim de Oliveira Cruz, PhD Laboratório de Inteligência Computacional
Leia maisExtração de atributos usando o método LBP - Local Binary Pattern
Extração de atributos usando o método LBP - Local Binary Pattern Lia Nara Balta Quinta. 2 de maio de 2006 1 Antecedentes e Justificativa O Brasil possui, atualmente, um grande rebanho bovino, porém em
Leia maisSISTEMA E METODOLOGIA SIMPLES DE MESA ROTATÓRIA PARA A CONSTRUÇÃO AUTOMÁTICA DE MODELOS EM 3D
1 SISTEMA E METODOLOGIA SIMPLES DE MESA ROTATÓRIA PARA A CONSTRUÇÃO AUTOMÁTICA DE MODELOS EM 3D MARCELO LEMOS ROSSI 1 ; GILBERTO ARANTES CARRIJO 2 Resumo: Nesse artigo é apresentado uma metodologia para
Leia maisSketch to Photo Matching: A Feature-based Approach (Klare and Jain [2010])
Sketch to Photo Matching: A Feature-based Approach (Klare and Jain [2010]) Marco Antonio de A. Silva Programa de Pós-Graduação em Ciência da Computação - PPGCC Departamento de Computação - DECOM Universidade
Leia maisSIFT - Scale Invariant Feature Transform
SIFT - Scale Invariant Feature Transform Daniel Pinto Coutinho Prof. Ricardo Marroquim 1 Introdução A detecção de pontos de interesse em uma figura é uma tarefa muito comum no campo de processamento de
Leia maisCalibração Robusta de Vídeo Para Realidade Aumentada
Calibração Robusta de Vídeo Para Realidade Aumentada Bruno Madeira 1,2, Luiz Velho 1, Paulo Cezar Carvalho 1 1 Instituto Nacional de Matemática Pura e Aplicada (IMPA) Estrada Dona Castorina, 110, Jardim
Leia maisSEMINÁRIO DOS ARTIGOS:
SEMINÁRIO DOS ARTIGOS: Text Detection and Character Recognition in Scene Images with Unsupervised Feature Learning End-to-End Text Recognition with Convolutional Neural Networks Fernanda Maria Sirlene
Leia maisMouseCam: aplicação de controle do mouse via câmera
MouseCam: aplicação de controle do mouse via câmera Introdução ao Processamento de Imagens COS756 PESC/COPPE/UFRJ 2013 1 Renan Garrot garrot@cos.ufrj.br 1. Introdução O processo de tracking por vídeo consiste
Leia maisCalibração de múltiplas câmeras baseada em um padrão invariante. (Multiple camera calibration based on invariant pattern)
Calibração de múltiplas câmeras baseada em um padrão invariante (Multiple camera calibration based on invariant pattern) Manuel Eduardo Loaiza Fernandez Marcelo Gattass (orientador) Alberto B. Raposo (co-orientador)
Leia mais2 Trabalhos Relacionados
2 Trabalhos Relacionados Nesta seção são expostos os principais trabalhos utilizados como base para esta pesquisa. O objetivo é introduzir os conceitos que foram desenvolvidos nesses trabalhos, usados
Leia maisAplicação de Histograma de Gradientes Orientados para detecção de hidrômetros em imagens de fundo complexo
Aplicação de Histograma de Gradientes Orientados para detecção de hidrômetros em imagens de fundo complexo Juliana Patrícia Detroz Professor: André Tavares da Silva Universidade do Estado de Santa Catarina
Leia maisTeresa C. S. Azevedo
Teresa C. S. Azevedo Orientador: Prof. João Manuel R. S. Tavares Co-orientador: Prof. Mário A. P. Vaz Sumário: I. Reconstrução 3D do corpo humano: i. Aplicações; ii. Técnicas; iii. Objectivos; II. utilizadas
Leia maisVisão Computacional CPS754
Visão Computacional CPS754 aula 11 - reconstrução 3D de câmeras Antonio Oliveira Ricardo Marroquim 1 / 1 visão computacional tópicos conhecido: conjunto de correspondências x i x não conhecido: os respectivos
Leia maisUm Sistema de Calibração de Câmera
Um impa Instituto Nacional de Matemática Pura e Aplicada Sistemas Gráficos 3D Um Sistema de Clarissa Codá dos Santos Cavalcanti Marques Rio de Janeiro, 05 de julho de 2007 Um EditCalib/ExecCalib Correspondência
Leia maisReconstrução 3D baseada em estereoscopia com a utilização de detectores de características
Revista de Engenharia e Pesquisa Aplicada, Volume 2, Número 1, 2016 Reconstrução 3D baseada em estereoscopia com a utilização de detectores de características 3D reconstruction based on stereoscopy utilizing
Leia maisCORRESPONDÊNCIA POR CARACTERÍSTICAS EM IMAGENS PANORÂMICAS TERRESTRES
Presidente Prudente - SP, 24-26 de julho de 2017 p. 258-265 CORRESPONDÊNCIA POR CARACTERÍSTICAS EM IMAGENS PANORÂMICAS TERRESTRES LETÍCIA FERRARI CASTANHEIRO 1 ANTONIO MARIA GARCIA TOMMASELLI 2 MARIANA
Leia maisMODELAGEM 3D URBANA A PARTIR DE IMAGENS DO STREETVIEW. M. L. Rossi, M. L. Lopes, e G. A. Carrijo
MODELAGEM 3D URBANA A PARTIR DE IMAGENS DO STREETVIEW M. L. Rossi, M. L. Lopes, e G. A. Carrijo RESUMO Na constante evolução do planejamento urbano contemporâneo, a tecnologia, principalmente as ferramentas
Leia maisStereo Calibration with a Free-Moving Stick
Stereo Calibration with a Free-Moving Stick José A. de França Universidade Estadual de Londrina Departamento de Engenharia Elétrica Caixa Postal 6025 8605-990, Londrina - PR, Brazil http://research.eeol.org/
Leia maisConstrução de Mosaicos de Imagens Aéreas Agrícolas e Comparação com Outras Metodologias
Construção de Mosaicos de Imagens Aéreas Agrícolas e Comparação com Outras Metodologias André de Souza Tarallo 1, Francisco Assis da Silva 1, Alan Kazuo Hiraga 2, Maria Stela Veludo de Paiva 1, Lúcio André
Leia maisAnálise do Uso de Descritores Locais e Classificadores no Reconhecimento de Cédulas de Real
III Escola Regional de Informática do Piauí. Livro Anais - Artigos e Minicursos, v. 1, n. 1, p. 218-223, jun, 2017. www.eripi.com.br/2017 - ISBN: 978-85-7669-395-6 Análise do Uso de Descritores Locais
Leia maisExemplo de aplicação
Exemplo de aplicação Paralaxe O conceito de paralaxe está relacionado com o deslocamento relativo ou aparente dos objetos estacionários, quando um observador em movimento os olha de pontos diferentes.
Leia maisReconstrução 3D com auxílio de segmentações múltiplas
! Universidade Federal de Pernambuco Centro de Informática Graduação em Ciência da Computação Reconstrução 3D com auxílio de segmentações múltiplas Rafael Francisco Cavalcanti Campos Gouveia Proposta de
Leia maisReconstrução Geométrica a Partir de Imagens TIC /TCC
Reconstrução Geométrica a Partir de Imagens TIC-00.243/TCC-00.24 Aula 7 Conteúdo Cálculo da Matriz Fundamental Professor Leandro Augusto Frata Fernandes laffernandes@ic.uff.br Material disponível em http://www.ic.uff.br/~laffernandes/teaching/204.2/tic-00.243
Leia maisReconhecimento Facial 3D utilizando o Simulated Annealing com as Medidas Surface Interpenetration Measure e M-Estimator Sample Consensus
Reconhecimento Facial 3D utilizando o Simulated Annealing com as Medidas Surface Interpenetration Measure e M-Estimator Sample Consensus Dissertação de Mestrado em Informática Sídnei Augusto Drovetto Jr.
Leia maisMosaico Automático de Imagens Agrícolas através da Transformada SIFT
Mosaico Automático de Imagens Agrícolas através da Transformada SIFT André de Souza Tarallo 1 ; Roberta Vendramini Gonçalves 2 ; Maria Stela Veludo de Paiva 1 ; Lúcio André de Castro Jorge 3 1- Escola
Leia maisReconhecimento de texturas utilizando padrão binário local e classificador knn.
Reconhecimento de texturas utilizando padrão binário local e classificador knn. Vinicius Santos Andrade 1 Resumo. Através de uma imagem é possível obter inúmeras informações. Portanto, é cada vez mais
Leia maisUm Estudo das Técnicas de Obtenção de Forma a partir de Estéreo e Luz Estruturada para Engenharia
Um Estudo das Técnicas de Obtenção de Forma a partir de Estéreo e Luz Estruturada para Engenharia Aluno: Gabriel Malizia Orientador: Professor Marcelo Gattass Co-Orientador: Professor Paulo Cezar Carvalho
Leia maisDESENVOLVIMENTO DE SISTEMA PARA GERAÇÃO DE MOSAICO DE IMAGENS VISANDO LOCALIZAÇÃO E NAVEGAÇÃO DE ROBÔS MÓVEIS
DESENVOLVIMENTO DE SISTEMA PARA GERAÇÃO DE MOSAICO DE IMAGENS VISANDO LOCALIZAÇÃO E NAVEGAÇÃO DE ROBÔS MÓVEIS Edson CAVALCANTI Neto (1), Guilherme Costa HOLANDA (1), Antonio Themoteo VARELA (1), André
Leia maisSIFT (Scale-invariant feature transform), SURF (Speeded up robust features)
SIFT (Scale-invariant feature transform), SURF (Speeded up robust features) Scale- and rotation-invariant interest point detector and descriptor. detector (keypoints) descriptor matching Aplicações: Camera
Leia mais5 Estudo de Caso e Resultados
5 Estudo de Caso e Resultados 5.1. Introdução Finalizado o desenvolvimento da ferramenta, é indispensável testar suas funcionalidades e a eficácia da aplicação conjunta dos seus módulos de geração de experimentos
Leia maisRefinamento de Reconstrução 3D através de Seleção Apropriada de Keyframes
Refinamento de Reconstrução 3D através de Seleção Apropriada de Keyframes Andréa Santos 1, Márcio Bueno 1, André Ferreira 1, Judith Kelner 1, Iony Siqueira 2 1 GRVM Cin UFPE Recife-PE 2 CHESF Recife-PE
Leia maisUMA TÉCNICA PARA DETERMINAÇÃO DE LINHAS EPIPOLARES EM IMAGENS PANORÂMICAS TERRESTRES RESUMO ABSTRACT
S B C Anais do XXVII Congresso Brasileiro de Cartografia e XXVI Exposicarta 6 a 9 de novembro de 2017, SBC, Rio de Janeiro - RJ, p. 908-912 UMA TÉCNICA PARA DETERMINAÇÃO DE LINHAS EPIPOLARES EM IMAGENS
Leia maisMétodos de Segmentação de Imagem para Análise da Marcha
Métodos de Segmentação de Imagem para Análise da Marcha Maria João M. Vasconcelos, João Manuel R. S. Tavares maria.vasconcelos@fe.up.pt, tavares@fe.up.pt 3º Congresso Nacional de Biomecânica 11-12 Fevereiro
Leia maisCriação de mosaico usadando o SURF e o matcher FLANN
Criação de mosaico usadando o SURF e o matcher FLANN Felipe Jordão Pinheiro de Andrade Universidade Federal do Maranhão, São Luis, BRA Abstract. O trabalho propoe uma metodologia para a criação de um mosaico
Leia maisRELATÓRIO TÉCNICO - CIENTÍFICO
UNIVERSIDADE FEDERAL DO PARÁ PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO DIRETORIA DE PESQUISA PROGRAMA INSTITUCIONAL DE BOLSAS DE INICIAÇÃO CIENTÍFICA PIBIC : CNPq, CNPq/AF, UFPA, UFPA/AF, PIBIC/INTERIOR,
Leia maisEstimativa de Posição 3D de Obstáculos para VANTs
Estimativa de Posição 3D de Obstáculos para VANTs Rodolfo Barros Chiaramonte, Kalinka Regina Lucas Jaquie Castelo Branco Institute of Mathematics and Computing Sciences (ICMC) University of São Paulo (USP),
Leia maisINTERPOLAÇÃO LINEAR E BILINEAR: APLICAÇÃO EM TRANSFORMAÇÕES GEOMÉTRICAS DE IMAGEM INTRODUÇÃO
INTERPOLAÇÃO LINEAR E BILINEAR: APLICAÇÃO EM TRANSFORMAÇÕES GEOMÉTRICAS DE IMAGEM Autores: Giulia Denise Kujat VIEIRA; Milene Karine GUBETTI. Identificação autores: Estudantes do Curso Técnico em Informática
Leia maisAjuste de parâmetros no algoritmo de segmentação de imagens do software ecognition. Giovana Mira de Espindola Gilberto Câmara
Ajuste de parâmetros no algoritmo de segmentação de imagens do software ecognition Giovana Mira de Espindola Gilberto Câmara Instituto Nacional de Pesquisas Espaciais - INPE Caixa Postal 515-12245-970
Leia mais10º Congresso Interinstitucional de Iniciação Científica CIIC a 04 de agosto de 2016 Campinas, São Paulo ISBN
Um Estudo de Descritores e Classificadores para Reconhecimento de Bagas de Café Pedro Henrique Ferreira Stringhini 1 ; Thiago Teixeira Santos 2 Nº 16605 RESUMO Métodos de reconhecimento de frutos baseados
Leia maisMétodos de Extração de Características
1. Introdução Métodos de Extração de Características A Interpretação ou entendimento de uma cena demanda o reconhecimento de seus objetos. Reconhecimento de objetos ou padrões contidos em uma cena -> é
Leia maisImage Descriptors: color
Image Descriptors: color Image Processing scc0251 www.icmc.usp.br/ moacir moacir@icmc.usp.br ICMC/USP São Carlos, SP, Brazil 2011 Moacir Ponti Jr. (ICMCUSP) Image Descriptors: color 2011 1 / 29 Agenda
Leia maisDiego Martin Mancini Orientador: Prof. Paulo A. V. de Miranda Instituto de Matemática e Estatística Universidade de São Paulo
Estudo de comparação do descritor de imagens coloridas BIC empregando diferentes abordagens de classificação de detecção de bordas: Canny e Operador Laplaciano Diego Martin Mancini Orientador: Prof. Paulo
Leia maisOccupancy grid based graph-slam using the distance transform, SURF features and SGD
Occupancy grid based graph-slam using the distance transform, SURF features and SGD Autores: Arturo Gil, Miguel Juliá, Óscar Reinoso Artur Segal Kaim Agenda Introdução Arquitetura Resultados Trabalho futuro
Leia maisLocal SLAM. Defesa de Dissertação. Mestrado em Informática Lucas Teixeira. Departamento de Informática, PUC-Rio
Local SLAM Defesa de Dissertação Mestrado em Informática Lucas Teixeira Departamento de Informática, PUC-Rio Overview Dehnel Consulting Ltd. Use of Commercial Cyclotrons Cyclotron Components Extraction
Leia maisAVALIAÇÃO QUALITATIVA DE DETECÇÃO DE BORDAS EM IMAGENS DE RADIOGRAFIA PERIAPICAIS
AVALIAÇÃO QUALITATIVA DE DETECÇÃO DE BORDAS EM IMAGENS DE RADIOGRAFIA PERIAPICAIS Hedlund Erik Martins Távora 1, John Hebert Da Silva Felix 2, Darleison Rodrigues Barros Filho 3, Fausta Joaquim Faustino
Leia maisPerson Re-Identification. Autor: Guilherme Zasyeki Machado
Person Re-Identification Autor: Guilherme Zasyeki Machado Sumário - Introdução ao problema - Visão geral ao processo de Re-Identificação - Evolução estado da arte - Datasets disponíveis - Análise estado
Leia maisProposal of a Hybrid Algorithm Based on SURF and ORB
Proposal of a Hybrid Algorithm Based on SURF and ORB Ricardo Ribani 2 Luiz Lino Bertanha de Abreu 1 rribani@hotmail.com lino.bertanha.br@gmail.com 1 FATEC Americana Cleberson Forte 1,2 Mauricio Marengoni
Leia mais2 SIFT (Scale Invariant Feature Transform)
SIFT (Scale Invariant Feature Transform) O SIFT é um algoritmo de visão computacional proposto e publicado pelo pesquisador David Lowe (Lowe, 1999), professor do departamento de Ciência da Computação na
Leia maisVideo Quality Assessment in Java
Video Quality Assessment in Java Pós-graduação strictu sensu em Ciência da Computação PROCESSAMENTO DE IMAGENS, Prof. Tsang Ing Ren Estêvão Monteiro Ricardo Scholz Junho de 2014 Introdução Fidelidade de
Leia maisIDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS. André Zuconelli 1 ; Manassés Ribeiro 2
IDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS André Zuconelli 1 ; Manassés Ribeiro 2 INTRODUÇÃO As tecnologias assistivas têm a finalidade de auxiliar pessoas com deficiência a alcançar
Leia mais2 Trabalhos Relacionados
2 Trabalhos Relacionados Este capítulo apresenta os algoritmos já existentes que são utilizados nesta dissertação para obter pontos homólogos entre duas imagens de um par estéreo. Pode-se classificar essas
Leia maisDetecção e Correção Automáticas de Olhos Vermelhos
Setor de Tecnologia da Universidade Federal do Paraná Curso de Engenharia Elétrica TE 072 Processamento Digital de Sinais Detecção e Correção Automáticas de Olhos Vermelhos Trabalho elaborado pelo aluno
Leia maisReconhecimento de Notas Musicais Manuscritas Utilizando os Descritores ORB com Bag of Words
Reconhecimento de Notas Musicais Manuscritas Utilizando os Descritores ORB com Bag of Words Gustavo Ântonny. de S. da S., João D. S. de Almeida, Geraldo Braz Junior Departamento de Informática Universidade
Leia maisProcessamento de Imagens COS756 / COC603
Processamento de Imagens COS756 / COC603 aula 13 - Transformada de Hough e SIFT Antonio Oliveira Ricardo Marroquim 1 / 41 aula de hoje descritores Transformada de Hough SIFT 2 / 41 transformada de Hough
Leia maisMathematical Morphology An Overview
Universidade Federal Fluminense Instituto de Computação Mathematical Morphology An Overview Jacó Júlio de Souza Costa jacojulio@gmail.com jacojulio@id.uff.br March 29, 2019 Sumário 1 Definição do Tema
Leia maisProjetos finais. Grupo 3
Projetos finais Grupo 3 Integrantes Laez Barbosa da Fonseca Filho 8586902 laez.filho@usp.br Caetano Mastroianni Dieguez 7210164 caetano.dieguez@usp.br Lais Harumi Fukujima Aguiar 8587142 lais.aguiar.br@ieee.org
Leia maisRECONHECIMENTO IDENTIFICAÇÃO BASEADA EM APARÊNCIA
RECONHECIMENTO IDENTIFICAÇÃO BASEADA EM APARÊNCIA Envolve a pergunta: É esta parte da imagem uma parte do objeto X? (modelo dado, região da imagem dada) Utiliza imagens ao invés de características como
Leia maisDESENVOLVIMENTO DE METODOLOGIA PARA AFERIÇÃO DA QUALIDADE DE UM SCANNER 3D
DESENVOLVIMENTO DE METODOLOGIA PARA AFERIÇÃO DA QUALIDADE DE UM SCANNER 3D Valeria S. PEREIRA 1 ; Marcelo A. dos REIS 2 RESUMO Nesse trabalho, apresentamos os resultados parciais do projeto que visa o
Leia maisUNIVERSIDADE FEDERAL DE PERNAMBUCO CENTRO DE INFORMÁTICA GRADUAÇÃO EM ENGENHARIA DA COMPUTAÇÃO
UNIVERSIDADE FEDERAL DE PERNAMBUCO CENTRO DE INFORMÁTICA GRADUAÇÃO EM ENGENHARIA DA COMPUTAÇÃO Aluno: Larissa Lages de Oliveira (llo@cin.ufpe.br) Orientador: Daniel Carvalho da Cunha (dcunha@cin.ufpe.br)
Leia maisEXTRAÇÃO SEMI - AUTOMÁTICA DE FEIÇÕES LINEARES E A CALIBRAÇÃO DOS PARÂMETROS INTRÍNSECOS DE CÂMERAS Projeto de Pesquisa PIBIC/CNPq ( )
USP UNIVERSIDADE DE SÃO PAULO EP ESCOLA POLITÉCNICA EXTRAÇÃO SEMI - AUTOMÁTICA DE FEIÇÕES LINEARES E A CALIBRAÇÃO DOS PARÂMETROS INTRÍNSECOS DE CÂMERAS Projeto de Pesquisa PIBIC/CNPq (2000-2001) LEONARDO
Leia maisSLAM Visual. Fernando Zuher Mohamad Said Cavalcante Orientadora: Profª. Drª. Roseli Romero Mestrado em Computação, ICMC-USP
SLAM Visual Fernando Zuher Mohamad Said Cavalcante Orientadora: Profª. Drª. Roseli Romero Mestrado em Computação, ICMC-USP Divisão da apresentação 1. Introdução O que é SLAM? Classificação adotada 2. Principais
Leia maisTÍTULO: IDENTIFICAÇÃO DE CARACTERES APRESENTADOS A UMA CÂMERA POR MEIO DO MOVIMENTO DOS DEDOS DA MÃO DE UM SER HUMANO
Anais do Conic-Semesp. Volume 1, 2013 - Faculdade Anhanguera de Campinas - Unidade 3. ISSN 2357-8904 TÍTULO: IDENTIFICAÇÃO DE CARACTERES APRESENTADOS A UMA CÂMERA POR MEIO DO MOVIMENTO DOS DEDOS DA MÃO
Leia maisFace Descrip+on with Local Binary Pa6erns: Applica+on to Face Recogni+on JULIANO RAMOS LUANN LUNA
Face Descrip+on with Local Binary Pa6erns: Applica+on to Face Recogni+on JULIANO RAMOS LUANN LUNA Introdução O ar%go visa criar uma abordagem para o problema de reconhecimento de face: i.e.: Dada uma face,
Leia maisCOMPARAÇÃO DE TÉCNICAS DE VISÃO COMPUTACIONAL NA IDENTIFICAÇÃO DE CABEÇOTES FUNDIDOS USANDO WEBCAM PARA GUIAR UM ROBÔ INDUSTRIAL
COMPARAÇÃO DE TÉCNICAS DE VISÃO COMPUTACIONAL NA IDENTIFICAÇÃO DE CABEÇOTES FUNDIDOS USANDO WEBCAM PARA GUIAR UM ROBÔ INDUSTRIAL Victor Hugo Bueno Preuss, victor.preuss@gmail.com 1 Ramon Cascaes Semim,
Leia maisMosaicos de Imagens Aéreas Sequenciais Construídos Automaticamente
Capítulo 20 Mosaicos de Imagens Aéreas Sequenciais Construídos Automaticamente André de Souza Tarallo, Francisco Assis da Silva, Alan Kazuo Hiraga, Maria Stela Veludo de Paiva, Lúcio André de Castro Jorge
Leia maisIMAGENS DIGITAIS APLICADAS PARA DETERMINAÇÃO DE ÁREAS AGRÍCOLAS ATRAVÉS DO CLASSIFICADOR BAYES
IMAGENS DIGITAIS APLICADAS PARA DETERMINAÇÃO DE ÁREAS AGRÍCOLAS ATRAVÉS DO CLASSIFICADOR BAYES RAFAEL COLL DELGADO 1 ; GILBERTO CHOHAKU SEDIYAMA 2 ; EVALDO DE PAIVA LIMA 3, RICARDO GUIMARÃES ANDRADE 4
Leia maisProcessamento de Imagens CPS755
Processamento de Imagens CPS755 aula 05 - sistemas lineares - parte 2 Antonio Oliveira Ricardo Marroquim 1 / 27 laboratório de processamento de imagens tópicos métodos lineares mínimos quadrados equações
Leia maisSistema de Localização Visual da Equipe de Futebol de Robôs POTI-UFRN (versão 2008) na Categoria Very Small Size
Sistema de Localização Visual da Equipe de Futebol de Robôs POTI-UFRN versão 2008) na Categoria Very Small Size Ellon P Mendes, Adelardo AD Medeiros UFRN-CT-DCA 59072-900 Natal RN Email: [ellonpaiva,adelardo]@dcaufrnbr
Leia maisCursos da Escola de Engenharias e Ciências Exatas - UnP
Cursos da Escola de Engenharias e Ciências Exatas - UnP Professor Nielsen Castelo Damasceno E-mail: nielsen.castelo@unp.br Web: http://ncdd.com.br Sala Virtual Disciplina Visão Computacional (CH Total
Leia maisOBTENÇÃO DA FORMA 3D DE OBJECTOS ATRAVÉS DE MÉTODOS VOLUMÉTRICOS
Congreso de Métodos Numéricos en Ingeniería 2009 Barcelona, 29 junio al 2 de julio 2009 SEMNI, España 2009 OBTENÇÃO DA FORMA 3D DE OBJECTOS ATRAVÉS DE MÉTODOS VOLUMÉTRICOS Teresa C. S. Azevedo 1, João
Leia maisINSTITUTO NACIONAL DE PESQUISAS ESPACIAIS PROGRAMA DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO DIVISÃO DE PROCESSAMENTO DE IMAGENS
INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS PROGRAMA DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO DIVISÃO DE PROCESSAMENTO DE IMAGENS SER-300: INTRODUÇÃO AO GEOPROCESSAMENTO Laboratório II: Cartografia em GIS/Registro
Leia maisDescritores de Imagem (introdução)
Descritores de Imagem (introdução) André Tavares da Silva andre.silva@udesc.br Roteiro da aula Definição de descritor de imagem Extração de Característica Tipos Geral x Específico Global (cor, textura,
Leia maisPROGRAMA DE ENSINO. Área de Concentração Aquisição, análise e representação da informação espacial
PROGRAMA DE ENSINO Disciplina Seminários em Métodos de Análise de Imagem para a Extração de Informações Espaciais Semestre Código Ano Letivo Área de Concentração Aquisição, análise e representação da informação
Leia maisMétodo Híbrido de Correspondência para Pares Estereoscópicos de Imagens Aéreas e de Satélite de Alta Definição
Yves Denis Heckel Método Híbrido de Correspondência para Pares Estereoscópicos de Imagens Aéreas e de Satélite de Alta Definição Dissertação de Mestrado Dissertação apresentada como requisito parcial para
Leia maisProcessamento de Imagens. Texturas
Processamento de Imagens Texturas Exemplos Introdução Texturas Não existe abordagem formal Não existe definição formal São definidas qualitativamente e não há consenso quanto a sua definição quantitativa
Leia maisRECONHECIMENTO FACIAL UTILIZANDO EIGENFACES
Universidade Federal do Rio de Janeiro Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia Programa de Engenharia de Sistemas e Computação Rio de Janeiro, RJ Brasil RECONHECIMENTO
Leia maisJuliane Cristina Botelho de Oliveira Lima
Pós-Graduação em Ciência da Computação Avaliação de Algoritmos de Alinhamento em Reconstrução 3D utilizando várias Imagens Por Juliane Cristina Botelho de Oliveira Lima Dissertação de Mestrado Universidade
Leia maisPMR2560 ELEMENTOS DE ROBÓTICA 2016 TRABALHO DE VISÃO COMPUTACIONAL CALIBRAÇÃO DE CÂMERAS E VISÃO ESTÉREO
PMR2560 ELEMENTOS DE ROBÓTICA 2016 TRABALHO DE VISÃO COMPUTACIONAL CALIBRAÇÃO DE CÂMERAS E VISÃO ESTÉREO Esse trabalho consiste de três partes. Na primeira parte do trabalho você vai calibrar duas câmeras
Leia maisLocalização de Robôs Móveis por Aparência Visual
Felipe Gustavo Bombardelli Localização de Robôs Móveis por Aparência Visual Curitiba 2014 Felipe Gustavo Bombardelli Localização de Robôs Móveis por Aparência Visual Trabalho de Graduação apresentado
Leia mais