Estudo de métodos para classificação e localização precisa de padrões usando um sistema de luz estruturada

Abstract

Algumas das tarefas mais significativas em Visão Computacional e em Fotogrametria Digital à curta distância estão associadas à segmentação, ao reconhecimento de objetos na imagem e à posterior reconstrução. Esta dissertação apresenta uma metodologia para a identificação e para a medição automáticas de alvos projetados em imagens tomadas à curta-distância, usando o sistema ativo denominado luz estruturada. Para a classificação de tais padrões, dois métodos de correspondência são comparados: correspondência por padrão (template matching) e por assinatura. O método de correspondência por padrão consiste na classificação por correlação, que mede a similaridade entre as janelas de referência e de busca utilizando uma função de correlação adequada. Os problemas existentes neste método estão relacionados com os ruídos na imagem, variações de brilho, distorções geométricas, o grande número de padrões a serem comparados e a escolha do tamanho do padrão. O método de assinatura consiste na comparação da representação funcional unidimensional da fronteira do padrão. Este método de assinatura não varia em relação à translação, mas depende da rotação e da mudança de escala. Para a localização precisa, dois métodos foram comparados: correspondência por mínimos quadrados e detector de cantos. O método de correspondência por mínimos quadrados refina a correspondência obtida por correlação, estimando os parâmetros de transformação radiométricos e geométricos entre as janelas de referência e de pesquisa, de acordo com o critério de erro dos mínimos quadrados. Já o detector de cantos determina as coordenadas subpixel usando uma combinação dos operadores de Moravec e de Förstner. Experimentos realizados com dados simulados e reais foram conduzidos com o objetivo de verificar a eficácia da metodologia...

Some of the main tasks in computer vision and close range Photogrammetry are related to the processes of segmentation, object recognition in the image and later reconstruction. The aim of this work is to study an automatic recognition system to identify and to measure targets projected with a structured light system. For target recognition two methods are compared: template matching and the signature method. The template matching method consists in the detection of area similarity by correlation. The idea of correlation is to compare the gray level distribution of a small sub image with its homologous in the search image. In this paper, the function used is the modified cross covariance which presented the best results. The problems in this method are related to illumination differences between the two images, geometric distortions, noise, the great number of templates to be compared and determination of template size. The signature method is based in the analysis of the onedimensional representation of target border. The signature depends on the rotation and the scale changes of the target. Two methods were compared for precise localization: LSM (least square matching) and corner detection. The idea of least squares matching is to minimize the gray level differences between the image patch and the matching window; the geometric and radiometric parameters from the template to the matching window are determined in the adjustment process. The corner detection consists in the determination of the subpixel coordinates of corners using the Förstner and Moravec operators. Experiments were performed, in order to verify the performance of the methodology for detection and precise localization. The results showed that the classification works appropriately, identifying 98% of targets in plane surfaces and 93% in oblique surfaces. Besides, the results of precise localization were equivalent in both methods: LSM and corner detection.