Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-05-03T22:56:47Z No. of bitstreams: 1 BrunoMarquesFerreiraDaSilva_TESE.pdf: 3729350 bytes, checksum: c9553610a20c907ef1ea2b82c67a5095 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-05-05T19:39:25Z (GMT) No. of bitstreams: 1 BrunoMarquesFerreiraDaSilva_TESE.pdf: 3729350 bytes, checksum: c9553610a20c907ef1ea2b82c67a5095 (MD5) / Made available in DSpace on 2016-05-05T19:39:25Z (GMT). No. of bitstreams: 1 BrunoMarquesFerreiraDaSilva_TESE.pdf: 3729350 bytes, checksum: c9553610a20c907ef1ea2b82c67a5095 (MD5) Previous issue date: 2015-07-31 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior (CAPES) / O registro de nuvens de pontos capturadas por sensores de profundidade ? uma importante etapa em aplica??es de reconstru??o 3D. Em diversos casos como localiza??o e mapeamento para rob?tica ou realidade aumentada para entretenimento, o registro deve ser realizado n?o s? com precis?o estrita, como tamb?m na frequ?ncia de dados de aquisi??o do sensor. Com o objetivo de registrar nuvens de pontos de sensores RGB-D (p. ex. Microsoft Kinect), ? proposto nesta tese o uso do algoritmo de fluxo ?ptico piramidal esparso para registro incremental a partir de dados de apar?ncia e profundidade. O erro acumulado inerente ao processo incremental ? posteriormente reduzido, atrav?s do uso de um marcador artificial e minimiza??o de erro por otimiza??o em grafo de poses. Resultados experimentais obtidos ap?s o processamento de diversos conjuntos de dados RGB-D validam o sistema proposto por esta tese para aplica??es de odometria visual, SLAM visual e digitaliza??o de objetos em tempo real. / Registration of point clouds captured by depth sensors is an important task in 3D reconstruction applications based on computer vision. In many applications with strict performance requirements, the registration should be executed not only with precision, but also in the same frequency as data is acquired by the sensor. This thesis proposes theuse of the pyramidal sparse optical flow algorithm to incrementally register point clouds captured by RGB-D sensors (e.g. Microsoft Kinect) in real time. The accumulated errorinherent to the process is posteriorly minimized by utilizing a marker and pose graph optimization. Experimental results gathered by processing several RGB-D datasets validatethe system proposed by this thesis in visual odometry and simultaneous localization and mapping (SLAM) applications.

Made available in DSpace on 2014-12-17T15:48:12Z (GMT). No. of bitstreams: 1 LucasMO.pdf: 1455032 bytes, checksum: 6bc4218b3d779cfc9915c6a2efda34f1 (MD5) Previous issue date: 2007-02-23 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / Image segmentation is the process of subdiving an image into constituent regions or objects that have similar features. In video segmentation, more than subdividing the frames in object that have similar features, there is a consistency requirement among segmentations of successive frames of the video. Fuzzy segmentation is a region growing technique that assigns to each element in an image (which may have been corrupted by noise and/or shading) a grade of membership between 0 and 1 to an object. In this work we present an application that uses a fuzzy segmentation algorithm to identify and select particles in micrographs and an extension of the algorithm to perform video segmentation. Here, we treat a video shot is treated as a three-dimensional volume with different z slices being occupied by different frames of the video shot. The volume is interactively segmented based on selected seed elements, that will determine the affinity functions based on their motion and color properties. The color information can be extracted from a specific color space or from three channels of a set of color models that are selected based on the correlation of the information from all channels. The motion information is provided into the form of dense optical flows maps. Finally, segmentation of real and synthetic videos and their application in a non-photorealistic rendering (NPR) toll are presented / Segmenta??o de imagens ? o processo que subdivide uma imagem em partes ou objetos de acordo com alguma caracter?stica comum. J? na segmenta??o de v?deos, al?m dos quadros serem divididos em fun??o de alguma caracter?stica, ? necess?rio obter uma coer?ncia temporal entre as segmenta??es de frames sucessivos do v?deo. A segmenta??o fuzzy ? uma t?cnica de segmenta??o por crescimento de regi?es que determina para cada elemento da imagem um grau de pertin?ncia (entre zero e um) indicando a confian?a de que esse elemento perten?a a um determinado objeto ou regi?o existente na imagem. O presente trabalho apresenta uma aplica??o do algoritmo de segmenta??o fuzzy de imagem, e a extens?o deste para segmentar v?deos coloridos. Nesse contexto, os v?deos s?o tratados como volumes 3D e o crescimento das regi?es ? realizado usando fun??es de afinidade que atribuem a cada pixel um valor entre zero e um para indicar o grau de pertin?ncia que esse pixel tem com os objetos segmentados. Para segmentar as seq??ncias foram utilizadas informa??es de movimento e de cor, sendo que essa ?ltima ? proveniente de um modelo de cor convencional, ou atrav?s de uma metodologia que utiliza a correla??o de Pearson para selecionar os melhores canais para realizar a segmenta??o. A informa??o de movimento foi extra?da atrav?s do c?lculo do fluxo ?ptico entre dois frames adjacentes. Por ?ltimo ? apresentada uma an?lise do comportamento do algoritmo na segmenta??o de seis v?deos e um exemplo de uma aplica??o que utiliza os mapas de segmenta??o para realizar renderiza??es que n?o sejam foto real?sticas