[pt] A aquisição de malhas triangulares normalmente introduz ruídos indesejados. A remoção de ruído de malhas é uma tarefa da área de processamento geométrico que serve para remover esse tipo de distorção. Para preservar a fidelidade em relação à malha desejada, um algoritmo de remoção de ruído de malha deve preservar detalhes enquanto remove altas frequências indesejadas sobre a superfície. Vários algoritmos foram propostos para resolver este problema usando um esquema de filtragem bilateral. Neste trabalho, propomos um algoritmo de dois passos que usa vizinhança adaptativa e filtragem bilateral para remover ruído do campo normal e, em seguida, atualizar as posições dos vértices ajustando os triângulos às novas normais. A nossa contribuição principal é a computação da vizinhança adaptativa. Essa computação é formulada como problemas locais de otimização quadrática que podem ser controlados para obter o comportamento desejado da vizinhança. A proposta é comparada visual e quantitativamente com vários algoritmos propostos na literatura, usando dados sintéticos e reais. / [en] The acquisition of triangular meshes typically introduces undesired noise. Mesh denoising is a geometry processing task to remove this kind of distortion. To preserve the geometric fidelity of the desired mesh, a mesh denoising algorithm must preserve true details while removing artificial high-frequencies from the surface. Several algorithms were proposed to address this problem using a bilateral filtering scheme. In this work, we propose a two-step algorithm which uses adaptive patches and bilateral filtering to denoise the normal field, and then update vertex positions fitting the faces to the denoised normals. The computation of the adaptive patches is our main contribution. We formulate this computation as local quadratic optimization problems that we can control to obtain a desired behavior of the patch. We compared our proposal with several algorithms proposed in the literature using synthetic and real data.

[pt] Em vários problemas de distribuição e logística, os produtos devem ser coletados em uma origem e entregues em um destino. Exemplos incluem o transporte de pessoas com deficiência, serviços de correio expresso, logística de suprimentos médicos, etc. O problema de roteamento abordado neste trabalho, conhecido como Traveling Salesman Problem with Pickup and Delivery (TSPPD), é da classe de problemas do caixeiro viajante com restrições de precedência. Neste problema, existe um mapeamento um-para-um entre coleta-entrega no qual cada cliente do tipo coleta possui um cliente do tipo entrega associado. Os clientes do tipo entrega somente podem ser visitados posteriormente à coleta associada. O TSPPD é um problema NP-difícil uma vez que generaliza o Traveling Salesman Problem (TSP). O TSP pode ser visto como um caso particular do TSPPD onde cada coleta coincide espacialmente com a respectiva entrega. As variantes com restrições de capacidade, janelas de tempo e diferentes políticas de carregamento têm recebido maior atenção na última década, embora ainda existam significantes avanços a serem realizados em termos de qualidades de soluções na versão básica do problema. Para resolver este problema, propomos um algoritmo meta-heurístico híbrido com vizinhanças largas exploradas eficientemente em O(n2). Nossos experimentos demonstram uma redução significativa no tempo computacional e também melhoria na qualidade de soluções previamente conhecidas na literatura. / [en] In various distribution and logistics issues, products must be collected at one source and delivered to a destination. Examples include disabled people transportation, express mail services, medical supplies logistics, etc. The routing problem addressed by this work, known as Traveling Salesman Problem with Pickup and Delivery (TSPPD), belongs to the class of traveling salesman problems with precedence constraints. In this problem, there is a one-to-one pickup-delivery mapping in which, for each pickuptype client, there is exactly one associated delivery-type client. Delivery clients can only be visited after the associated pickup. Since the TSPPD generalizes the TSP it is also a NP-hard problem, as the TSP is a particular casa of TSPPD where each pickup matches spatially with it s respective delivery. Variants with capacity constraints, time windows and different loading policies have received more attention in the last decade, although there are still significant advances to be made in terms of solution quality for the basic version of the problem. To solve this problem, we propose a hybrid metaheuristic algorithm with large neighborhoods efficiently explored in O(n2). Our experiments demonstrate a significant computational time reduction and also solutions quality improvement compared to the previous works.