Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-06-07T15:41:47Z No. of bitstreams: 1 lucianowalentyxaviercejnog.pdf: 14234810 bytes, checksum: 492ebb7393b5f0e7cfc6e822067fe492 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-06-24T13:12:44Z (GMT) No. of bitstreams: 1 lucianowalentyxaviercejnog.pdf: 14234810 bytes, checksum: 492ebb7393b5f0e7cfc6e822067fe492 (MD5) / Made available in DSpace on 2017-06-24T13:12:44Z (GMT). No. of bitstreams: 1 lucianowalentyxaviercejnog.pdf: 14234810 bytes, checksum: 492ebb7393b5f0e7cfc6e822067fe492 (MD5) Previous issue date: 2015-09-21 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Este trabalho visa melhorar um método clássico para o problema de registro rígido, o ICP (iterative Closest Point), fazendo com que a busca dos pontos mais próximos, uma de suas fases principais, considere informações aproximadas da geometria local de cada ponto combinadas à distância Euclidiana originalmente usada. Para isso é necessária uma etapa de pré-processamento, na qual a geometria local é estimada em tensores de orientação de segunda ordem. É definido o CTSF, um fator de similaridade entre tensores. O ICP é alterado de modo a considerar uma combinação linear do CTSF com a distância Euclidiana para estabelecer correspondências entre duas nuvens de pontos, variando os pesos relativos entre os dois fatores. Isso proporciona uma capacidade maior de convergência para ângulos maiores em relação ao ICP original, tornando o método comparável aos que constituem o estado da arte da área. Para comprovar o ganho obtido, foram realizados testes exaustivos em malhas com características geométricas variadas, para diferentes níveis de ruído aditivo, outliers e em casos de sobreposição parcial, variando os parâmetros do método de estimativa dos tensores. Foi definida uma nova base com malhas sintéticas para os experimentos, bem como um protocolo estatístico de avaliação quantitativa. Nos resultados, a avaliação foi feita de modo a determinar bons valores de parâmetros para malhas com diferentes características, e de que modo os parâmetros afetam a qualidade do método em situações com ruído aditivo, outliers, e sobreposição parcial. / This work aims to enhance a classic method for the rigid registration problem, the ICP (Iterative Closest Point), modifying one of its main steps, the closest point search, in order to consider approximated information of local geometry combined to the Euclidean distance, originally used. For this, a preprocessing stage is applied, in which the local geometry is estimated in second-order orientation tensors. We define the CTSF, a similarity factor between tensors. Our method uses a linear combination between this factor and the Euclidean distance, in order to establish correspondences, and a strategy of weight variation between both factors. This increases the convergence probability for higher angles with respect to the original ICP, making our method comparable to some of the state-of-art techniques. In order to comprove the enhancement, exhaustive tests were made in point clouds with different geometric features, with variable levels of additive noise and outliers and in partial overlapping situations, varying also the parameters of the tensor estimative method. A dataset of synthetic point clouds was defined for the experiments, as well as a statistic protocol for quantitative evaluation. The results were analyzed in order to highlight good parameter ranges for different point clouds, and how these parameters affect the behavior of the method in situations of additive noise, outliers and partial overlapping.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-06-07T17:49:03Z No. of bitstreams: 1 fernandoakiodearaujoyamada.pdf: 21095203 bytes, checksum: 1842e801a538bdeef0368c963b9d98b7 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-06-24T13:47:22Z (GMT) No. of bitstreams: 1 fernandoakiodearaujoyamada.pdf: 21095203 bytes, checksum: 1842e801a538bdeef0368c963b9d98b7 (MD5) / Made available in DSpace on 2017-06-24T13:47:22Z (GMT). No. of bitstreams: 1 fernandoakiodearaujoyamada.pdf: 21095203 bytes, checksum: 1842e801a538bdeef0368c963b9d98b7 (MD5) Previous issue date: 2016-03-15 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / No problema de registro rígido por pares é preciso encontrar uma transformação rígida que alinha duas nuvens de pontos. A sulução clássica e mais comum é o algoritmo Iterative Closest Point (ICP). No entanto, o ICP e muitas de suas variantes requerem que as nuvens de pontos já estejam grosseiramente alinhadas. Este trabalho apresenta um método denominado Shape-based Weighting Covariance Iterative Closest Point (SWC-ICP), uma melhoria do ICP clássico. A abordagem proposta aumenta a possibilidade de alinhar corretamente duas nuvens de pontos, independente da pose inicial, mesmo quando existe apenas sobreposição parcial entre elas, ou na presença de ruído e outliers. Ela se beneficia da geometria local dos pontos, codificada em tensores de orientação de segunda ordem, para prover um segundo conjunto de correspondências para o ICP. A matriz de covariância cruzada computada a partir deste conjunto é combinada com a matriz de covariância cruzada usual, seguindo uma estratégia heurística. Para comparar o método proposto com algumas abordagens recentes, um protocolo de avaliação detalhado para registro rígido é apresentado. Os resultados mostram que o SWC-ICP está entre os melhores métodos comparados, com performance superior em situações de grande deslocamento angular, mesmo na presença de ruído e outliers. / In the pairwise rigid registration problem we need to find a rigid transformation that aligns two point clouds. The classical and most common solution is the Iterative Closest Point (ICP) algorithm. However, the ICP and many of its variants require that the point clouds are already coarsely aligned. We present in this work a method named Shape-based Weighting Covariance Iterative Closest Point (SWC-ICP), an improvement over the classical ICP. Our approach improves the possibility to correctly align two point clouds, regardless of the initial pose, even when there is only a partial overlapping between them, or in the presence of noise and outliers. It benefits from the local geometry of the points, encoded in second-order orientation tensors, to provide a second correspondences set to the ICP. The cross-covariance matrix computed from this set is combined with the usual cross-covariance matrix following a heuristic strategy. In order to compare our method with some recent approaches, we present a detailed evaluation protocol to rigid registration. Results show that the SWC-ICP is among the best methods compared, with superior performance in situations of wide angular displacement, even in situations of noise and outliers.