Dissertação

BeKi - Benchmark Kinect EVALUATED

Câmeras de profundidade de baixo custo estão lentamente a entrar nos nossos lares a cada dia. Simultaneamente, também expande a exploração das suas capacidades. Recentemente começaram a surgir aplicações que permitem efetuar capturas em tempo real de modelos 3D utilizando estas câmeras. Apesar do seu grau de resolução ser muito inferior ao de varredores laser profissionais, o aparecimento destes dispositivos tornou possível a utilizadores de quotidiano ter possibilidades onde estas eram previamente inexistentes. É esperado que uma onda de modelos 3D de qualidade inferior apareça na web no futuro próximo, enquanto expande também o mercado das impressoras 3D. Esta tese almeja o problema da recuperação de modelos 3D capturados com estes dispositivos. Ao criar uma coleção de teste incluindo objectos reconstruídos desta forma, um conjunto de interrogações e um novo tipo de base de conhecimento gerada por humanos, esta explora a eficácia destas câmeras em reconstruir formas 3D, e estuda um conjunto de descritores para inferir quais são melhor se ajustam a estes modelos. Uma competição SHREC foi organizada de forma a estimular a comunidade e reunir possíveis candidatos a expandir o campo. Os algoritmos submetidos foram LCoD, ZFDR e SI-HKS. Os resultados foram publicados num artigo conjunto com os participantes. Estudos adicionais foram conduzidos para comparar estes descritores com outros previamente existentes, e para avaliar a influência de ordenar a relevância de resultados durante a criação da base de conhecimento.
BeKi, SHREC, Modelos 3D, Recuperação de informação, Câmeras de Profundidade de Baixo Custo, Base de Conhecimento Gerada por Humanos

Novembro 8, 2013, 10:30

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Alfredo Manuel Dos Santos Ferreira Júnior

Departamento de Engenharia Informática (DEI)

Professor Auxiliar