[pt] À medida que o processo de digitalização avança em diversos setores,
a criação de modelos digitais 3D torna-se cada vez mais necessária. Normalmente, esses modelos são construídos por designers 3D, exigindo um esforço
manual considerável quando o objeto modelado é complexo. Além disso, como
o designer não tem uma referência precisa na maioria dos casos, o modelo
resultante está sujeito a erros de medição. No entanto, é possível minimizar
o esforço de construção e o erro de medição usando técnicas de aquisição 3D
e modelos CAD previamente construídos. A saída típica de uma técnica de
aquisição 3D é uma nuvem de pontos 3D bruta, que precisa de processamento
para reduzir o ruído inerente e a falta de informações topológicas. Os modelos CAD são normalmente usados para documentar um processo de projeto
de engenharia, apresentando alta complexidade e muitos detalhes irrelevantes
para muitos processos de visualização. Portanto, dependendo da aplicação, devemos simplificar bastante o modelo CAD para atender aos seus requisitos.
Nesta tese, nos concentramos na construção de modelos digitais 3D a partir
dessas fontes. Mais precisamente, apresentamos um conjunto de algoritmos de
processamento de geometria para automatizar diferentes etapas de um fluxo
de trabalho típico usado para esta construção. Primeiro, apresentamos um algoritmo de redução de ruído de nuvem de pontos que visa preservar as feições
nítidas da superfície subjacente. Este algoritmo inclui soluções para a estimativa normal e problemas de detecção de feições nítidas. Em segundo lugar,
apresentamos uma extensão do algoritmo de redução de ruído de nuvem de
pontos para processar malhas triangulares, onde tiramos proveito da topologia
explícita definida pela malha. Por fim, apresentamos um algoritmo para a simplificação extrema de modelos CAD complexos, que tendem a se aproximar da
superfície externa do objeto modelado. Os algoritmos propostos são comparados com métodos de última geração, apresentando resultados competitivos e
superando-os na maioria dos casos de teste. / [en] As the digitalization process advances in several industries, the creation
of 3D digital models is becoming more and more required. Commonly, these
models are constructed by 3D designers, requiring considerable manual effort
when the modeled object is complex. In addition, since the designer does
not have an accurate reference in most cases, the resulting model is prone to
measurement errors. However, it is possible to minimize the construction effort
and the measurement error by using 3D acquisition techniques and previously
constructed CAD models. The typical output of a 3D acquisition technique is
a raw 3D point cloud, which needs processing to reduce the inherent noise and
lack of topological information. CAD models are typically used to document an
engineering design process, presenting high complexity and too many details
irrelevant to many visualization processes. So, depending on the application, we
must severely simplify the CAD model to meet its requirements. In this thesis,
we focus on the construction of 3D digital models from these sources. More
precisely, we present a set of geometry processing algorithms to automatize
different stages of a typical workflow used for this construction. First, we
present a point cloud denoising algorithm that seeks to preserve the sharp
features of the underlying surface. This algorithm includes solutions for the
normal estimation and sharp feature detection problems. Second, we present
an extension of the point cloud denoising algorithm to process triangle meshes,
where we take advantage of the explicit topology defined by the mesh. Finally,
we present an algorithm for the extreme simplification of complex CAD models,
which tends to approximate the outer surface of the modeled object. The
proposed algorithms are compared with state-of-the-art methods, showing
competitive results and outperforming them in most test cases.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:57258 |
| Date | 01 February 2022 |
| Creators | JAN JOSE HURTADO JAUREGUI |
| Contributors | MARCELO GATTASS |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | English |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0028 seconds