Análise comparativa de detectores e descritores de características locais em imagens no âmbito do problema de autocalibração de câmeras

Autores

  • Darlan Nunes Brito Universidade Federal de Ouro Preto
  • Flávio Luis Cardeal Pádua Centro Federal de Educação Tecnológica de Minas Gerais
  • Aldo Peres Campos e Lopes Universidade Federal de Itajubá
  • Daniel Hasan Dalip Centro Federal de Educação Tecnológica de Minas Gerais

DOI:

https://doi.org/10.5335/rbca.v8i3.6166

Palavras-chave:

Autocalibração de Câmeras, Detectores e Descritores Locais, Correspondência de Pontos em Imagens

Resumo

Este trabalho apresenta uma análise comparativa de diferentes métodos do estado da arte para detecção e descrição de características locais em imagens, com o objetivo de solucionar de forma robusta e eficiente o problema de autocalibração de câmeras. Para atingir esse objetivo, é essencial a utilização de métodos detectores e descritores eficazes, uma vez que a correspondência robusta de características em um conjunto de imagens sucessivas sujeitas a uma ampla variedade de distorções afins e mudanças no ponto de vista 3D da cena, é crucial para a exatidão dos cálculos dos parâmetros da câmera. Muito embora diversos detectores e descritores têm sido propostos na literatura, seus impactos no processo de autocalibração de câmeras não foram ainda devidamente estudados. Nesse trabalho de análise comparativa, utilizam-se como critérios de qualidade da autocalibração os erros: epipolar, de reprojeção e reconstrução, bem como os tempos de execução dos métodos. Os resultados experimentais demonstram que detectores e descritores binários de características (ORB, BRISK e FREAK) e de ponto flutuante (SIFT e SURF) apresentam erros de reprojeção e reconstrução equivalentes. Considerando-se, porém, o menor custo computacional dos métodos binários, recomenda-se, fortemente, o uso destes em soluções de problemas de autocalibração de câmeras.

Downloads

Os dados de download ainda não estão disponíveis.

Biografia do Autor

  • Darlan Nunes Brito, Universidade Federal de Ouro Preto
    ossui graduação em Física-Licenciatura pela Universidade Federal de Minas Gerais (2005) e mestrado em Modelagem Matemática e Computacional pelo Centro Federal de Educação Tecnológica de Minas Gerais (2008). Atualmente é professor substituto do Centro Federal de Educação Tecnológica de Minas Gerais e instrutor de formação profissional - SENAI - Departamento Regional de Minas Gerais. Tem experiência na área de microcontroladores, microeletrônica, eletrônica geral e manutenção elétrica industrial.
  • Flávio Luis Cardeal Pádua, Centro Federal de Educação Tecnológica de Minas Gerais
    Flávio Cardeal concluiu o doutorado em Ciência da Computação pela Universidade Federal de Minas Gerais (UFMG) em 2005. Atualmente, é Bolsista de Produtividade em Desenvolvimento Tecnológico e Extensão Inovadora do CNPq (Nível 2) e trabalha como Professor Associado no Departamento de Computação do Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG), onde compõe o núcleo docente estruturante do Curso de Graduação em Engenharia de Computação, atua como membro permanente do Programa de Pós-Graduação em Modelagem Matemática e Computacional e coordena o Laboratório de Pesquisas Interdisciplinares em Informação Multimídia (Piim-Lab). Entre outras funções de gestão exercidas no CEFET-MG, atuou como Coordenador do Curso de Graduação em Engenharia de Computação (2007 a 2009), Chefe do Departamento de Computação (2009 a 2010), Coordenador do Programa de Pós-Graduação em Modelagem Matemática e Computacional (2010 a 2011) e Diretor de Pesquisa e Pós-Graduação (2011 a 2015). Trabalhou como professor visitante nas instituições: Centennial College, em Toronto no Canadá, e Institut Universitaire de Technologie 1 em Grenoble na França , nos anos de 2014 e 2010, respectivamente. Atuou como pesquisador visitante no laboratório GIPSA-Lab em Grenoble na França (2010) e no Institut für Werkzeugmaschinen und Fabrikbetrieb em Berlim na Alemanha (1998 a 1999). Seus interesses de pesquisa concentram-se no desenvolvimento de projetos interdisciplinares que envolvam a concepção e aplicação de técnicas de Processamento e Análise de Imagens e Vídeos. Em seu currículo Lattes, os termos mais frequentes na contextualização da produção científica e tecnológica são: Visão Computacional, Processamento e Análise de Imagens, Recuperação de Imagens e Vídeos Baseada em Conteúdo, Informação Multimídia e Classificação de Padrões.
  • Aldo Peres Campos e Lopes, Universidade Federal de Itajubá
    Doutorado em Matemática na UFMG, em Análise Geométrica. Graduação em Matemática pela Universidade Federal de Minas Gerais (2006) e mestrado pela mesma universidade (2009). Experiência na área de Geometria Diferencial. Porém, atualmente trabalho em problemas de análise geométrica. Professor na Unifei/Itabira.
  • Daniel Hasan Dalip, Centro Federal de Educação Tecnológica de Minas Gerais
    Daniel Hasan realiza pesquisas nas áreas de banco de dados e recuperação de informação tem experiência de docência nas disciplinas de Algoritmos, Recuperação de Informação, Pesquisa Operacional. Já lecionou na PUC-MG, Uni-BH e atualmente é professor efetivo no Cefet-MG. Doutor (UFMG/2015), mestre (UFMG/2009) e bacharel (Uni-BH/2006) em Ciência da Computação. Durante seu mestrado e o doutorado, desenvolveu pesquisas sobre o uso de aprendizagem de máquina para avaliar automaticamente a qualidade em documentos colaborativos na Web e participou do Instituto Nacional de Ciência e Tecnologia para a Web (InWeb). Além disso, auxiliou no gerenciamento da rede e servidores do Laboratório de Banco de Dados.

Downloads

Publicado

08-11-2016

Edição

v. 8 n. 3 (2016)

Seção

Artigo Original

Licença

Licença Creative Commons
Todos os artigos estão licenciados com a licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional. Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
b) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
c) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).

Como Citar

[1]
2016. Análise comparativa de detectores e descritores de características locais em imagens no âmbito do problema de autocalibração de câmeras. Revista Brasileira de Computação Aplicada. 8, 3 (nov. 2016), 85–99. DOI:https://doi.org/10.5335/rbca.v8i3.6166.