CLASSIFICAÇÃO AUTOMÁTICA DE PADRÕES PROJETADOS POR UM SISTEMA DE LUZ ESTRUTURADA

Abstract

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.