RECONSTRUÇÃO 3D Hildebrando Trannin Visão Computacional e Realidade Aumentada Prof.: Marcelo...
Transcript of RECONSTRUÇÃO 3D Hildebrando Trannin Visão Computacional e Realidade Aumentada Prof.: Marcelo...
RECONSTRUÇÃO 3DHildebrando Trannin
Visão Computacional e Realidade Aumentada
Prof.: Marcelo Gattass
OBJETIVO
Implementar uma aplicação que gere uma nuvem de pontos para posterior geração manual de uma malha de triângulos de um objeto 3D
Entrada: vídeo ou conjunto de imagens Saída: Nuvem de pontos
ETAPAS
Extração de frames Detecção de características Calibração da câmera Correspondência entre essas características Criação de retalhos entre par de frames Alinhamento dos retalhos para geração da
nuvem de pontos
EXTRAÇÃO DE FRAMES Entrada: vídeo
Distância deve ser pequena: próximo de 5 graus Distância maior:
Qualidade inferior Perda de características
Entrada: imagens Imagens capturadas de acordo com o esperado
pela aplicação Distância pode ser maior: 10 graus
Qualidade superior Não perde características
DETECÇÃO DE CARACTERÍSTICAS
Características Estruturas específicas em uma imagem
canto, aresta, ...
Detector de características: SIFT
Não varia na escala e rotação da imagem Detecção de texturas Algoritmo possui 4 etapas:
Detecção dos máximos locais = Keypoints DoG = Invariante à escala
Localização dos keypoints = Refinamento Cálculo da orientação dos keypoints considerando o
gradiente = Invariante à rotação Gera descritor de acordo com orientação do
keypoint
CALIBRAÇÃO
Padrão utilizado é o tabuleiro de xadrez Tsai 2D
Simples Somente uma imagem do padrão Parâmetros intrínsecos considerados os mesmos
em todas as imagens
CORRESPONDÊNCIA Geometria epipolar
Correspondência pela geometria das câmeras Calcular matriz fundamental
Precisa de calibração (extrínsecos e intrínsecos) Resultados não satisfatórios
CORRESPONDÊNCIA SIFT
Distância Euclidiana para cálculo dos correspondentes Força bruta Kd-tree Best Bin First (modificação do kd-tree)
Não precisa de calibração Melhores resultados
Utiliza facilidades oferecidas pela detecção de características ter sido feito com SIFT
CORRESPONDÊNCIA RANSAC - RANdom SAmple Consensus
Método iterativo para estimar dados relevantes de um modelo matemático de um conjunto de dados que contém outliers
Resultados produzidos baseados na probabilidade de um certo dado ser inlier ou outlier
Eliminação dos outliers de acordo com probabilidade
Resultados muito melhores
NUVEM DE PONTOS Triangulação
Retas R e R’ deveriam se intersectar em um ponto, mas erros na calibração e correspondência impedem
Construir segmento de reta perpendicular a R e R’ e calcular o ponto médio P desta reta
P é o ponto associado a p e p’
NUVEM DE PONTOS Triangulação feita a cada par de frame
Cada par é somente um ponto de vista Geração de retalhos do objeto 3D
Alinhamento dos retalhos Correspondência entre pontos característicos do
objeto cantos, bordas, ...
Informação presente no sistema Rotação inversa do ângulo de cada retalho
10 graus (imagens) ou 5 graus (vídeo) Resultado não satisfatório
RESULTADOSDETECÇÃO DE CARACTERÍSTICAS
Imagem 1 – PataHi
RESULTADOSDETECÇÃO DE CARACTERÍSTICAS
Imagem 2 – PataHi
RESULTADOSCORRESPONDÊNCIA
Match 1 e 2 na imagem 1 – PataHi
RESULTADOSCORRESPONDÊNCIA
Match 1 e 2 na imagem 1 – PataHi
RESULTADOSDETECÇÃO DE CARACTERÍSTICAS
Imagem 1 – Carro
RESULTADOSDETECÇÃO DE CARACTERÍSTICAS
Imagem 1 – Carro Voodoo Camera Tracker
RESULTADOSCORRESPONDÊNCIA
Match 1 e 2 na imagem 1 – Carro
RESULTADOSCORRESPONDÊNCIA
Match 1 e 2 na imagem 1 – Carro Voodoo Camera Tracker
RESULTADOSDETECÇÃO DE CARACTERÍSTICAS
Imagem 1 – Pequeno construtor
RESULTADOSDETECÇÃO DE CARACTERÍSTICAS
Imagem 2 – Pequeno construtor
RESULTADOSCORRESPONDÊNCIA
Match 1 e 2 na imagem 1 – Pequeno construtor
RESULTADOSCORRESPONDÊNCIA
Match 1 e 2 na imagem 2 – Pequeno construtor
RESULTADOS CALIBRAÇÃO
Calibração – PataHi
RESULTADOS CALIBRAÇÃO
Calibração – Pequeno construtor
RESULTADOSNUVEM DE PONTOS
Retalho 1 - PataHi
RESULTADOSNUVEM DE PONTOS
Retalho 2 - PataHi
RESULTADOSNUVEM DE PONTOS
Retalho 4 - PataHi
MELHORIASCALIBRAÇÃO
Tsai 3D ou Zhang Calibração do Tsai 2D só é boa para pontos
próximos ao plano do padrão Mais adequados para reconstrução 3D
Estimar matriz fundamental pelo algoritmo de oito pontos
MELHORIASNUVEM DE PONTOS
Retificação antes da triangulação Retas que saem de p e p’ se intersectam
realmente em P
MELHORIASNUVEM DE PONTOS
Iterative Closest Point Método para alinhar pares de retalhos Iterativamente, transforma dois conjuntos de
pontos minimizando a distância entre eles Etapas do algoritmo:
Pares de pontos são identificados nos dois retalhos Método de otimização calcula o movimento rígido que
reduz a distância entre ambos
Programa de visualização da nuvem de pontos Mudar rotação pelo mouse Mudar translação pelo teclado
CONCLUSÃO Projeto válido por possibilitar um amplo
estudo dos assuntos abordados no curso
Resultados satisfatórios dependem: Estudo mais a fundo de todas as fases Utilização de diversas técnicas em cada fase Teste dessas técnicas para ajustes
REFERÊNCIAS A Review of 3D Reconstruction from Video Sequences -
MediaMill3D technical reports series, Dang Trung Kien Automatic Camera Calibration and Scene Reconstruction
with Scale-Invariant Features, Jun Liu and Roger Hubbold Computer Vision - A Modern Approach, David A. Forsyth Fotografia 3D, Luiz Velho e Paulo Cezar Carvalho Visual modeling with a hand-held camera, Marc Pollefeys VideoTrace: Rapid interactive scene modelling from video
- http://www.acvt.com.au/research/videotrace Voodoo Camera Tracker -
http://www.digilab.uni-hannover.de/docs/manual.html Object Recognition from Local Scale-Invariant Features,
David G. Lowe A method for registration of 3D shapes, Paul J. Besl e Neil
D. Mckay