Use este identificador para citar ou linkar para este item: https://repositorio.ufjf.br/jspui/handle/ufjf/11919
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
gustavomagalhãesmoura.pdfPDF/A45.03 MBAdobe PDFVisualizar/Abrir
Tipo: Dissertação
Título: VEM-SLAM - Virtual environment modelling through SLAM
Autor(es): Moura, Gustavo Magalhães
Primeiro Orientador: Silva, Rodrigo Luis de Souza da
Membro da banca: Vieira, Marcelo Bernardes
Membro da banca: Apolinario Junior, Antonio Lopes
Resumo: O problema de mapeamento de um ambiente real e reconhecimento dos objetos contidos neste ambiente é um problema da área de Visão Computacional e tem recebido atenção com o avanço de soluções SLAM e soluções robustas de reconhecimento de objetos. O problema da robótica de Localização e Mapeamento Simultâneos (Simultaneous Localization and Mapping - SLAM) consiste em criar um mapa (geralmente geométrico) da cena ao mesmo tempo em que estima a pose do observador. As soluções para este problema são utilizadas em diversas áreas onde se deseja mapear um ambiente e extrair informações geométricas deste. O reconhecimento de objetos permite identificar o objeto na cena conforme as classes de objetos da base de dados de referência. Para o reconhecimento em imagens 2D, as melhores soluções são baseadas em redes neurais convolucionais. Entretanto, para a obtenção das informações geométricas 3D dos objetos na cena, são necessárias outras técnicas que variam conforme o modelo do objeto 3D de referência. Neste trabalho, será apresentada uma nova abordagem para lidar com a estimativa de pose de objetos 3D a partir de imagens de cenas estáticas de ambientes internos. Para isso, uma integração entre um detector de objetos em imagens e uma solução SLAM monocular baseada em keyframes foi desenvoldida. Como resultados, demonstramos uma melhoria na estimativa da trajetória da câmera em relação ao método original e uma utilização do sistema implementado na criação de ambientes virtuais.
Abstract: The problem of mapping a real environment and recognizing the objects contained in this environment is a problem in the Computer Vision area and has received attention with the advances of SLAM solutions and robust object recognition solutions. The problem with Simultaneous Localization and Mapping (SLAM) robotics is to create a (generally geometric) map of the scene while estimating the viewer’s pose. The solutions to this problem are used in several areas where a map of the environment is desirable and extract geometric information from it. Object recognition allows us to identify the object in the scene according to the object classes of the reference database. For recognition in 2D images, the best solutions are based on convolutional neural networks. However, to obtain the 3D geometric information of the objects in the scene, other techniques are necessary that vary according to the model of the reference 3D object. In this work, we present a new approach to deal with the pose estimation of 3D objects from images of static scenes of indoor environments. We also propose a new integration between an object detector and a monocular SLAM solution based on keyframes. As results we demonstrate an improvement in the estimation of the camera’s trajectory in relation to the original method and a use of the system implemented in the creation of virtual environments.
Palavras-chave: SLAM
Deteção de objetos
Realidade virtual
Object detection
Virtual reality
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Idioma: eng
País: Brasil
Editor: Universidade Federal de Juiz de Fora (UFJF)
Sigla da Instituição: UFJF
Departamento: ICE – Instituto de Ciências Exatas
Programa: Programa de Pós-graduação em Ciência da Computação
Tipo de Acesso: Acesso Aberto
Attribution-NonCommercial-ShareAlike 3.0 Brazil
Licenças Creative Commons: http://creativecommons.org/licenses/by-nc-sa/3.0/br/
URI: https://repositorio.ufjf.br/jspui/handle/ufjf/11919
Data do documento: 4-Mar-2020
Aparece nas coleções:Mestrado em Ciência da Computação (Dissertações)



Este item está licenciado sob uma Licença Creative Commons Creative Commons