[pt] As práticas atuais de imageamento de corpos estranhos dentro do corpo humano utilizam técnicas de radiografia, que apresentam uma série de limitações e problemas para a saúde do operador e do paciente. Alternativas para localizar esses corpos estranhos vêm sendo estudadas, buscando o uso de magnetômetros, como o GMI e o GMR, para medir a intensidade do campo magnético de objetos metálicos. Para desenvolver um dispositivo portátil que utilize um magnetômetro capaz de identificar a intensidade do campo magnético de um corpo estranho metálico, é essencial que o mapeamento da posição deste dispositivo tenha alta precisão e replicabilidade, garantindo assim maior segurança para o paciente. Esta dissertação busca estudar métodos de navegação inercial, utilizando um IMU (Inertial Measurement Unit) para estimar a posição através da aceleração e velocidade de rotação, e odometria visual, que usa uma câmera para estimar a posição através de uma sequência de imagens de uma determinada trajetória. Estudos comparativos entre as duas metodologias foram realizados, destacando as principais fontes de erro de cada uma e suas vantagens e desvantagens para a aplicação desejada. Os dados do IMU e os vídeos foram coletados utilizando um Raspberry Pi dentro de uma caixa impressa em 3D, capaz de se encaixar em uma calha reta de alumínio. Esta configuração reduziu as principais fontes de erro humano, permitindo análises com menos graus de liberdade. Após as análises com a calha de alumínio, foram realizados ensaios adicionais envolvendo mais graus de liberdade, utilizando calhas curvas impressas em 3D e à mão livre, buscando verificar o desempenho das metodologias em situações mais próximas da aplicação final: um dispositivo portátil de localização de corpos estranhos. / [en] Current practices for imaging foreign bodies within the human body use radiographic techniques, which present several limitations and health problems for both the operator and the patient. Alternatives for locating these foreign bodies are being studied, focusing on the use of magnetometers, such as GMI and GMR, to measure the magnetic field intensity of metallic objects. To develop a portable device that uses a magnetometer capable of identifying the magnetic field intensity of a metallic foreign body, it is essential that the positioning of this device is mapped with high precision and replicability, thus ensuring greater safety for the patient. This dissertation aims to study inertial navigation methods, using an IMU (Inertial Measurement Unit) to estimate position through acceleration and rotational velocity, and visual odometry, which uses a camera to estimate position through a sequence of images of a given trajectory. Comparative studies between the two methodologies were carried out, highlighting the main sources of error of each and their advantages and disadvantages for the desired application. The IMU data and videos were collected using a Raspberry Pi inside a 3D-printed box that fits into a straight aluminum rail. This setup reduced the main sources of human error, allowing analyses with fewer degrees of freedom. After the analyses with the aluminum rail, additional tests involving more degrees of freedom were conducted using curved 3D-printed rails and freehand, aiming to verify the performance of the methodologies in situations closer to the final application: a portable device for localizing foreign bodies.

[pt] Alvo de intenso estudo da visão computacional, a reconstrução densa 3D teve um importante marco com os primeiros sistemas em tempo real a alcançarem precisão milimétrica com uso de câmeras RGBD e GPUs. Entretanto estes métodos não são aplicáveis a dispositivos de menor poder computacional. Tendo a limitação de recursos computacionais como requisito, o objetivo deste trabalho é apresentar um método de odometria visual utilizando câmeras comuns e sem a necessidade de GPU, baseado em técnicas de Structure from Motion (SFM) com features esparsos, utilizando as informações de uma reconstrução densa. A Odometria visual é o processo de estimar a orientação e posição de um agente (um robô, por exemplo), a partir das imagens. Esta dissertação fornece uma comparação entre a precisão da odometria calculada pelo método proposto e pela reconstrução densa utilizando o Kinect Fusion. O resultado desta pesquisa é diretamente aplicável na área de realidade aumentada, tanto pelas informações da odometria que podem ser usadas para definir a posição de uma câmera, como pela reconstrução densa, que pode tratar aspectos como oclusão dos objetos virtuais com reais. / [en] Aim of intense research in the field computational vision, dense 3D reconstruction achieves an important landmark with first methods running in real time with millimetric precision, using RGBD cameras and GPUs. However these methods are not suitable for low computational resources. Having low computational resources as requirement, the goal of this work is to show a method of visual odometry using regular cameras, without using a GPU. The proposed method is based on technics of sparse Structure From Motion (SFM), using data provided by dense 3D reconstruction. Visual odometry is the process of estimating the position and orientation of an agent (a robot, for instance), based on images. This dissertation compares the proposed method with the odometry calculated by Kinect Fusion. Results of this research are applicable in augmented reality. Odometry provided by this work can be used to model a camera and the data from dense 3D reconstruction, can be used to handle occlusion between virtual and real objects.