Please use this identifier to cite or link to this item: https://repositorio.fei.edu.br/handle/FEI/467
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorSantos, Paulo Eduardo-
dc.contributor.authorGuimarães, A. A. R.-
dc.date.accessioned2019-03-20T14:00:57Z-
dc.date.available2019-03-20T14:00:57Z-
dc.date.issued2015-
dc.identifier.urihttps://repositorio.fei.edu.br/handle/FEI/467-
dc.description.abstractNa literatura atual sobre correspondência de pontos podem-se destacar três algoritmos principais: ASIFT, SIFT e SURF, que procuram pontos correspondentes entre imagens através de descritores locais, fazendo a correspondência de pontos entre imagens semelhantes em várias cenas. No entanto, quando a correspondência entre a imagem de referência e a imagem a ser correspondida possui uma variação de latitude e longitude expressiva, esses algoritmos perdem em precisão e revocação. Diante disso, esta dissertação apresenta um algoritmo capaz de realizar a correspondência entre regiões das imagens, onde tem-se variações de latitude e longitude expressivas, em diferentes cenas e pontos de vista. O algoritmo desenvolvido neste trabalho foi chamado de Método de Correspondência utilizando o ICP (MCICP). Para a produção das regiões relevantes da imagem, foi utilizado um algoritmo de segmentação em grafo, que produz regiões que se aproximam dos objetos em estudo. Para a correspondência das regiões produzidas, utilizou-se o algoritmo Iterative Closest Point (ICP) como comparador dessas regiões, produzindo assim, a correspondência entre imagens. Foram criados três cenários para testes, no primeiro cenário utilizamos somente objetos volumétricos, no segundo cenário somente objetos planos e no terceiro uma combinação entre eles. O sensor Kinect foi utilizado para a obtenção do mapa de profundidade de cada imagem. Os resultados obtidos comprovam que o nosso modelo conseguiu fazer a correspondência entre regiões. Nesta dissertação, comprovou-se que o ICP pode ser utilizado na correspondência de regiões, em que a métrica de comparação é o erro produzido pelas nuvens.-
dc.description.abstractIn the current literature on image correspondence, three algorithms can be highlighted: ASIFT, SIFT and SURF, that seek corresponding points on pairs of images using local descriptors, matching those points between similar images in various scenes. However, when the correspondence between the reference image and the image to be matched has an expressive latitude and longitude variation, these algorithms lose their precision and recall. Thus, in this dissertation we present an algorithm that performs the correspondence between regions of images where there is a significant latitude and longitude variation in different scenes and views. The algorithm developed in this work is called Method of Correspondence using ICP (MCICP). For the production of the relevant image regions, the algorithm used a graph segmentation algorithm, which produces regions approaching the objects under study. For the correspondence of the regions produced we used the algorithm Iterative Closest Point (ICP) to compare regions between the images, thereby matching these regions. Three scenarios were created for evaluation proposes, the first scenario only uses volumetric objects, the second scenario only uses planar objects and the third uses a combination of them. A Kinect sensor was used for obtaining the depth map for each image. The results show that our model has achieved the correspondence between regions. This dissertation shows that ICP serves as an algorithm of correspondence where the comparing metric is the error produced by the analysed clouds. Thus, it can be used in matching areas for comparing images.-
dc.languagepor-
dc.language.isopt_BR-
dc.publisherCentro Universitário da FEI, São Bernardo do Campo-
dc.subjectAlgoritmos de computador-
dc.titleCorrespondência entre regiões de imagens por meio do algoritmo iterative closet point (ICP)pt_BR
dc.typeDissertaçãopt_BR
Appears in Collections:Teses e Dissertações

Files in This Item:
File Description SizeFormat 
fulltext.pdf14.63 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.