Mapeo 3D empleando nubes de puntos
En la presente asistencia de investigación se muestran los resultados obtenidos al utilizar algoritmos aplicados a la reconstrucción tridimensional para el procesamiento de nubes de puntos provenientes de escaneos 3D de diferentes escenas improvisadas o ambientes exteriores, mediante una serie de bi...
- Autores:
-
Casallas Lozano, Edwin Andrés
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2020
- Institución:
- Universidad de Ibagué
- Repositorio:
- Repositorio Universidad de Ibagué
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unibague.edu.co:20.500.12313/5012
- Acceso en línea:
- https://hdl.handle.net/20.500.12313/5012
- Palabra clave:
- Nubes de puntos - Mapeo 3D
Mapeo 3D - Nubes de puntos
Nube de puntos
ICP
registro 3D
puntos clave
Descriptores
Mapeo tridimensional
PointCloud
ICP
Registration 3D
Keypoints
Descriptors
Mapping 3D
- Rights
- openAccess
- License
- http://purl.org/coar/access_right/c_abf2
| Summary: | En la presente asistencia de investigación se muestran los resultados obtenidos al utilizar algoritmos aplicados a la reconstrucción tridimensional para el procesamiento de nubes de puntos provenientes de escaneos 3D de diferentes escenas improvisadas o ambientes exteriores, mediante una serie de bibliotecas modulares provenientes de PCL y herramientas de solapamiento de Open3D, como son los filtros, puntos clave, entrada y salida de datos tridimensionales, visualización y registro. La herramienta de registro se convirtió en la más importante debido al desarrollo que género en la resolución de problemas en cada una de las pruebas que surgieron a lo largo de la asistencia. Al ejecutar los primeros algoritmos de puntos clave y descriptores sobre las imágenes tridimensionales de prueba, se alcanzaron resultados satisfactorios, lo cual permitió establecer las diferencias entre cada uno, evaluando su nivel de eficiencia en los diferentes experimentos que se hicieron como cambio de luz, distancia y posición. Posteriormente se realizó una reducción y eliminación de puntos insignificantes para el trabajo por medio de filtros. Debido a lo anterior se consiguió generar el emparejamiento de las características de los descriptores dando lugar a la etapa de matching apoyado por el método ICP, donde se consiguió realizar el solapamiento de entre la nube de puntos fuente y la nube de puntos destino. Finalmente, este acople logro guardar una matriz de transformación 3D para luego mapear y generar la nube de puntos resultante de este registro 3D. |
|---|
