Sistema de reconstrução 3D para a estimativa semiautomática do comprimento e da área de objetos utilizando visão estéreo

Autores

  • Bryan García Institución Universitaria Antonio José Camacho, Cali Universidad del Valle, Cali
  • Carlos Diego Ferrin B. Institución Universitaria Antonio José Camacho, Cali Universidad del Valle, Cali
  • Jorge Humberto Erazo Institución Universitaria Antonio José Camacho, Cali Universidad del Valle, Cali

DOI:

https://doi.org/10.18046/syt.v15i40.2372

Palavras-chave:

Visão estéreo, reconstrução 3D, Processamento digital de imagens.

Resumo

Em processos de controle de qualidade na fabricação de peças industriais, é necessária a obtenção de medidas básicas, tais como o comprimento e a área. Este procedimento fica mais difícil quando não é possível ter contato com as peças e devem se utilizar métodos sem contato. A visão estéreo é uma técnica passiva, robusta e confiável para executar este tipo de tarefas não invasivas. Este trabalho descreve a construção de um sistema de visão estéreo para reconstrução em 3D e a estimativa do comprimento e da área de objetos; esta ferramenta permite facilmente incorporar técnicas do estado da arte em correspondência de imagens ao seu pipeline de execução principal. Os testes realizados em alguns objetos mostram os benefícios de ter técnicas de correspondência de imagens cada vez mais precisas.

Biografia do Autor

  • Bryan García, Institución Universitaria Antonio José Camacho, Cali Universidad del Valle, Cali

    Electronic Engineer (2016) and student of the Master in Engineering with emphasis in Automation of the Universidad del Valle (Cali, Colombia). His interest areas are: artificial vision, thermography, machine learning, and signals/images processing

  • Carlos Diego Ferrin B., Institución Universitaria Antonio José Camacho, Cali Universidad del Valle, Cali

    Physics Engineer (Universidad del Cauca, Popayan – Colombia); Master in Electronics Engineering (Universidad del Valle, 2015) and student of the Doctorate in Engineering with emphasis in Electrics and Electronics of the Universidad del Valle. He was beneficiary of the “young researchers” program of Colciencias (2011) and his interest areas are: artificial vision, machine learning, and processing of signals, images, and point clouds

  • Jorge Humberto Erazo, Institución Universitaria Antonio José Camacho, Cali Universidad del Valle, Cali

    Electronic Engineer (2014), Master in Engineering with emphasis in Electronics (2010) and student of the Doctorate in Engineering with emphasis in Electrics and Electronics of the Universidad del Valle. Full time and auxiliary professor affiliated to the engineering faculty of the Institución Universitaria Antonio José Camacho (Cali-Colombia). Thermography professional level I and II of the Infrared Training Center – ITC (2007 and 2011). His areas of interest are: thermography, artificial vision, digital signal processing, and pattern recognition

Referências

Bodkin, B. H. (2012). Real-Time Mobile Stereo Vision. University of Tennessee. Retrieved from http://trace.tennessee.edu/utk_gradthes/1313

Cignoni, P., Callieri, M., Corsini, M., Dellepiane, M., Ganovelli, F., & Ranzuglia, G. (2008). MeshLab: an Open-Source Mesh Processing Tool. Sixth Eurographics Italian Chapter Conference, (pp. 129-136). doi:10.2312/LocalChapterEvents/ItalChap/ItalianChapConf2008/129-136

De Loera, J. A., Rambau, J., & Santos, F. (2010). Triangulations (Vol. 25). Berlin, Heidelberg: Springer Berlin Heidelberg. doi:10.1007/978-3-642-12971-1

Demant, C., Streicher-Abel, B., & Garnica, C. (2013). Industrial image processing. Berlin, Heidelberg: Springer Berlin Heidelberg. doi:10.1007/978-3-642-33905-9

Ferrin, C. (2017). UNIAJC: Proyecto visión estéreo. Retrieved from https://github.com/cdfbdex/UNIAJC_VISION-ESTEREO

Foix, S. & Aleny, G. (2011). Lock-in time-of-flight (ToF) cameras: A survey. IEEE Sensors Journal, 11(3). doi: 10.1109/JSEN.2010.2101060

Hagen, H., Disch, A., Ehret, J., Klein, R., Sascha, K., Zeckzer, D., & Michael, M. (n.d.). Visual inspection methods for quality control in automotive engineering. Visualization, 2004 IEEE. doi:10.1109/VISUAL.2004.111

Hamzah, R. A., Hamid, A. M. A., & Salim, S. I. M. (2010). The solution of stereo correspondence problem using block matching algorithm in stereo vision mobile robot. 2010 Second International Conference on Computer Research and Development, (pp. 733-737). doi:10.1109/ICCRD.2010.167

Hamzah, R. A. & Ibrahim, H. (2016). Literature survey on stereo vision disparity map algorithms. Journal of Sensors, 2016. Art. 8742920. doi:10.1155/2016/8742920

Hansard, M., Lee, S., Choi, O., & Horaud, R. (2013). Time of flight cameras: Principles, methods, and applications. London, UK: Springer. https://doi.org/10.1007/978-1-4471-4658-2

Kim, M. Y., Ayaz, S. M., Park, J., & Roh, Y. (2014). Adaptive 3D sensing system based on variable magnification using stereo vision and structured light. Optics and Lasers in Engineering, 55, 113-127. doi:10.1016/j.optlaseng.2013.10.021

Krig, S. (2014). Computer Vision Metrics. Computer Vision Metrics: Survey, Taxonomy, and Analysis. Berkeley, CA: Apress. https://doi.org/10.1007/978-1-4302-5930-5

Lee, S., Lee, J. H., Lim, J., & Suh, I. H. (2015). Robust stereo matching using adaptive random walk with restart algorithm. Image and Vision Computing, 37, 1-11. doi:10.1016/j.imavis.2015.01.003

Szeliski, R. (2011). Computer vision. Media (Vol. 42). London, UK: Springer. doi:10.1007/978-1-84882-935-0

Wöhler, C. (2013). 3D Computer vision. London, UK: Springer. doi:10.1007/978-1-4471-4150-1

Zhang, S., Wang, C., & Chan, S. C. (2013). A new high resolution depth map estimation system using stereo vision and kinect depth sensing. Journal of Signal Processing Systems, 79(1), 19-31. doi:10.1007/s11265-013-0821-8

Downloads

Publicado

2017-04-05

Edição

v. 15 n. 40 (2017)

Seção

Original Research

Licença

Esta publicação está licenciada sob os termos da licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/deed.pt_BR).