[pt] A partir da disponibilização comercial de imagens de alta resolução, modelos 3D de superfícies geradas a partir de imagens aéreas e de satélite tornaram-se uma alternativa mais atraente para aplicações como planejamento de telecomunicações, monitoramento de desastres e planejamento urbano. A exatidão dos modelos 3D da superfície terrestre baseados em pares de imagens estereoscópicas depende da exatidão com que pontos homólogos são localizados em ambas as imagens. Os métodos automáticos de localização de pontos homólogos em imagens digitais baseados em área, combinados com técnicas de crescimento de região, são capazes de produzir uma nuvem densa e exata de pontos homólogos. Entretanto, o processo de crescimento de região pode ser interrompido em regiões da imagem cujo efeito de uma variação abrupta da paralaxe no eixo x aparece de maneira importante. Neste caso, novas sementes devem ser introduzidas, normalmente por um operador humano. A partir dessas novas sementes, o processo será reiniciado. Dependendo do tipo da imagem utilizada e da estrutura 3D da região mapeada, a intervenção humana pode ser considerável. Propõe-se então uma alternativa completamente automatizada no qual se combinam as técnicas do SIFT (Scale Invariant Feature Transform), mínimos quadrados e crescimento de região. Experimentos realizados em pares de imagens aéreas e de satélite cobrindo diversos tipos de terrenos mostraram a eficácia do método proposto, especialmente em regiões com mudanças abruptas de elevação, como fachadas de prédios altos. / [en] After the high resolution images became commercially available, 3D surface models generated from space-born stereo images turned into an attractive alternative for applications such as telecommunication planning, disaster monitoring and urban planning. The accuracy of the 3D models of the earth surface depends on the accuracy of corresponding points located in both images. Area-based automatic image matching combined with a region-growing technique are able to provide a dense and accurate grid of corresponding points. However the region-growing process may stop at image patches where the effect of a sudden change in the x-parallax is important. In such a case new seed points must be provided, usually by human operator. From the additional seed points the region-growing procedure may continue. Depending upon the type of image and the 3D-structure of the mapped area, the human intervention may be considerable. A fully automatic alternative that combines the SIFT (Scale Invariant Feature Transform), least square matching and region-growing technique is proposed in this work. Experiments conducted on stereo pairs of Ikonos and aerial images covering different terrain types have shown the effectiveness of the proposed method especially in locations with abrupt height changes, such as façades of high buildings.

[pt] A análise de deformações em torno de regiões de concentração de tensões é uma importante ferramenta na avaliação da integridade estrutural de peças e componentes mecânicos. Todavia, esta análise se torna mais complexa quando o material atinge a plastificação junto ao entalhe. Neste trabalho, uma nova metodologia numérico-experimental para medição de deformações na superfície de um material, combinando métodos sem malha e visão computacional, é apresentada. A parte experimental da técnica é baseada na captura de imagens de um material em estados diferentes de deformação durante um ensaio mecânico. A técnica de visão computacional conhecida como Scale Invariant Feature Tecnique (SIFT) é utilizada aqui para extrair pontos característicos nas imagens capturadas. Para tanto, uma textura aleatória foi pintada na superfície do corpo de prova. Em seguida, os deslocamentos são obtidos experimentalmente, através do seguimento das posições dos pontos SIFT corretamente correspondidos no par de imagens capturadas do ensaio, antes e depois da aplicação da carga. Os pontos fornecidos pelo algoritmo SIFT são selecionados como nós de uma formulação sem malha, e o método de mínimos quadrados móveis é utilizado para gerar uma aproximação numérica do campo de deslocamentos e as suas derivadas. Assim, deformações na região próxima ao entalhe são devidamente quantificadas para posterior análise. Na validação da metodologia proposta, corpos de prova entalhados foram utilizados para estudar o comportamento da deformação plástica nas regiões de concentração de tensões. Os resultados dos testes mostraram boa concordância e precisão quando comparados com soluções analíticas, simulações pelo método dos elementos finitos (ANSYS) e soluções obtidas através de um software comercial de correlação de imagens digitais. / [en] Strain analysis near stress concentration regions is an important tool for structural integrity of mechanical components. However, this analysis becomes more complex when the material starts to deform plastically near the notch root. In this work, a novel experimental-numerical technique for the measurement of the strain distribution on the surface of a deformable body is described, which uses meshless methods and computer vision. The experimental part of this technique is based on the capture of images at different stages of material deformation during a mechanical test. The Scale Invariant Feature Transform (SIFT) is a computer vision algorithm used here to extract distinctive points or features in the captured images. For this purpose, a random texture was painted on the specimen surface. Then, the displacements are experimentally obtained by tracking the positions of successfully matched SIFT points in an undeformeddeformed pair of images. The points provided by SIFT are selected as nodes in a meshless formulation and the moving least square method is used to generate a numerical approximation for the displacement field and its derivates. Thus, the corresponding strain field close to the notch is calculated. To validate the proposed methodology, notched specimens were employed to study the deformation behavior on regions of stress concentration. Experimental results showed good agreement and accuracy when compared to analytical solutions, to simulations by finite elements (ANSYS) and to solutions obtained by using a commercial software based on the digital image correlation technique.

[pt] A maioria dos robôs industriais da atualidade são programados para seguir uma trajetória pré-definida. Isto é suficiente quando o robô está trabalhando em um ambiente imutável onde todos os objetos estão em uma posição conhecida em relação à base do manipulador. No entanto, se a posição da base do robô é alterada, todas as trajetórias precisam ser reprogramadas para que ele seja capaz de cumprir suas tarefas. Outra opção é a teleoperação, onde um operador humano conduz todos os movimento durante a operação em uma arquitetura mestre-escravo. Uma vez que qualquer erro de posicionamento pode ser visualmente compensado pelo operador humano, essa configuração não requer que o robô possua alta precisão absoluta. No entanto, a desvantagem deste enfoque é a baixa velocidade e precisão se comparado com um sistema totalmente automatizado. O manipulador considerado nesta dissertação está fixo em um ROV (Remote Operating Vehicle) e é trazido até seu ambiente de trabalho por um teleoperador. A cada vez que a base do manipulador é reposicionada, este precisa estimar sua posição e orientação relativa ao ambiente de trabalho. O ROV opera em grandes profundidades, e há poucos sensores que podem operar nestas condições adversas. Isto incentiva o uso de visão computacional para estimar a posição relativa do manipulador. A diferença entre a posição real e a desejada é estimada através do uso de câmeras submarinas. A informação é enviada aos controladores para corrigir as trajetórias préprogramadas. Os comandos de movimento do manipulador podem então ser programados off-line por um sistema de CAD, sem a necessidade de ligar o robô, permitindo rapidez na validação das trajetórias. Esse trabalho inclui a calibragem tanto da câmera quanto da estrutura do manipulador. As melhores precisões absolutas obtidas por essas metodologias são combinadas para obter calibração in-situ da base do manipulador. / [en] The majority of today`s industrial robots are programmed to follow a predefined trajectory. This is sufficient when the robot is working in a fixed environment where all objects of interest are situated in a predetermined position relative to the robot base. However, if the robot`s position is altered all the trajectories have to be reprogrammed for the robot to be able to perform its tasks. Another option is teleoperation, where a human operator conducts all the movements during the operation in master-slave architecture. Since any positioning errors can be visually compensated by the human operator, this configuration does not demand that the robot has a high absolute accuracy. However, the drawback is the low speed and low accuracy of the human operator scheme. The manipulator considered in this thesis is attached to a ROV (Remote Operating Vehicle) and is brought to its working environment by the ROV operator. Every time the robot is repositioned, it needs to estimate its position and orientation relative to the work environment. The ROV operates at great depths and there are few sensors which can operate at extreme depths. This is the incentive for the use of computer vision to estimate the relative position of the manipulator. Through cameras the differences between the actual and desired position of the manipulators is estimated. This information is sent to controllers to correct the pre-programmed trajectories. The manipulator movement commands are programmed off-line by a CAD system, without need even to turn on the robot, allowing for greatest speed on its validation, as well as problem solving. This work includes camera calibration and calibration of the structure of the manipulator. The increased accuracies achieved by these steps are merged to achieve in-situ calibration of the manipulator base.