|
Acadêmico(a): Gabriel Castellani de Oliveira |
Título: Reconstrução de superfícies 3D a partir de imagens dermatológicas 2D |
|
Introdução: |
Com o surgimento das técnicas de visão computacional, diversas atividades que antes eram feitas através de
modelos matemáticos ou por ação manual, como por exemplo, a identificação de suspeitos em um lugar com fluxo de
pessoas, contagem de células em uma placa experimental e a identificação de regiões defeituosas em plantações, puderam
se tornar automáticas e mais exatas com o auxílio de tecnologias de visão computacional (COSTA, 2021, p. 16). Segundo
José e Lopes (2007), a reconstrução 3D é um ramo da visão computacional que tem como objetivo prover informações
tridimensionais de ambientes reais, podendo ser do seu volume completo, incluindo seu interior ou somente da superfície.
A grande aplicabilidade da reconstrução 3D a torna uma área bastante pesquisada, importante e
promissora. Existem diversos desafios nesta área dentre eles um que se destaca é o custo alto dos
aparatos necessários para a pesquisa muitas vezes inacessíveis para pesquisadores independentes e até
para algumas universidades (JOSÉ; LOPES, 2007, p. 2).
Segundo José (2008), a aquisição geométrica 3D de um ambiente, objeto ou corpo podem ser obtidas através de
varreduras laser, sonares, tomografias, ressonância magnética e fotografias. Além disso, o autor comenta que os sistemas
que utilizam a varredura a laser, medem a distância dos objetos através de cálculos entre o atraso do envio do sinal
luminoso com a recepção do mesmo sinal pelo sensor. Já os sistemas baseados em fotografias, realizam a reconstrução
3D a partir de uma imagem ou a partir de múltiplas imagens em diferentes ângulos. Segundo José (2008), caso utilize-se
múltiplas imagens para realizar a reconstrução 3D de um objeto, marcações de pontos de referência são necessários para
identificar as partes em comum para o mesmo objeto em imagens diferentes.
Para Fanti (2016), a digitalização de um objeto, consiste em adquirir as coordenadas cartesianas tridimensionais
dos pontos que fazem referência à superfície do objeto. Dessa forma, resultando em uma nuvem de pontos que não
necessariamente serão organizados. Segundo Fanti (2016), a reconstrução de superfícies em 3D a partir de nuvens de
pontos é um problema difícil, que gera muitos problemas caso os dados obtidos estejam incompletos, com ruídos ou
esparsos. De acordo com Laura et al. (2018), o projeto Michelangelo Digital foi executado no museu Galleria
dell’Accademia, onde foram obtidas as nuvens de pontos dos objetos através de um scanner de alta resolução. A partir
das informações capturadas, aplicou-se algoritmos de visão computacional que permitiu a reconstrução 3D de algumas
esculturas de Michelangelo, considerado como um dos maiores criadores da história da arte. Desta forma, Costa (2021)
comenta que o processamento de imagens passa a ter duas grandes categorias, a análise automática de objetos em uma
cena por computadores e o aprimoramento das informações já presentes na cena para uma melhor percepção humana.
Neste contexto, a reconstrução tridimensional de um objeto, possibilita a interação do usuário com a estrutura
reconstruída, permitindo a rotação e a escala do objeto reconstruído tridimensionalmente (KLENT; INFANTOSI, 2011).
Segundo Benalcazar et al. (2020), o resultado de uma reconstrução 3D contém informações de profundidade e cor,
possibilitando uma visualização mais detalhada do objeto reconstruído. Mescheder et al. (2019) mencionam que as
abordagens baseadas em aprendizagem para reconstrução 3D se popularizaram mais que os algoritmos estéreos multiview tradicionais, pois conseguem codificar informações prévias sobre o espaço das formas 3D, assim, resolvendo
problemas de ambiguidades nas imagens de entrada. Além disso, os autores comentam que os modelos generativos alcançaram sucessos notáveis na geração de imagens de alta resolução para um domínio 2D, porém, para um domínio 3D
ainda não foi alcançado.
Diante desse contexto, este trabalho apresenta um comparativo entre dois algoritmos que possuem o mesmo
objetivo, reconstruir superfícies em 3D para objetos reais. Para isso, utilizou-se um algoritmo que realiza a reconstrução
3D a partir de imagens capturadas através de uma câmera fotográfica e algoritmos que realizam a reconstrução 3D a partir
de nuvens de pontos obtidas através do sensor Light Detection and Ranging (LiDAR).
|
|
|