Facade labelling for better ar registration etiquetado de la fachada para mejorar el seguimiento de la realidad aumentada
La demanda de aplicaciones de Realidad Aumentada y de otras aplicaciones de auto-localización por medio de visión por computadora ha aumentado significativamente en años recientes, esto implica al mismo tiempo una expansión en la variedad de lugares donde pueden emplearse, lo cual demanda mayores es...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Estado: | Versión publicada |
| Fecha de publicación: | 2017 |
| País: | México |
| Institución: | Universidad Autónoma de Querétaro |
| Repositorio: | Repositorio Institucional de la Universidad Autónoma de Querétaro |
| OAI Identifier: | oai:ri-ng.uaq.mx:123456789/829 |
| Acceso en línea: | http://ri-ng.uaq.mx/handle/123456789/829 |
| Access Level: | acceso abierto |
| Palabra clave: | Augmented reality Computer vision Image processing Procesamiento de imágenes Realidad aumentada Visión artificial INGENIERÍA Y TECNOLOGÍA |
| Sumario: | La demanda de aplicaciones de Realidad Aumentada y de otras aplicaciones de auto-localización por medio de visión por computadora ha aumentado significativamente en años recientes, esto implica al mismo tiempo una expansión en la variedad de lugares donde pueden emplearse, lo cual demanda mayores estándares de descriptores visuales que puedan usarse en ambientes exteriores. Las características de estos escenarios requieren mayor robustez e invariancia adicionalmente a la repetibilidad de las características visuales, los descriptores necesitan ser invariantes a las condiciones de iluminación y a cambios de transformación para dar soporte a una clasificación eficiente. En esta investigación se demuestra el uso de descriptores visuales específicamente diseñados son un medio efectivo para optimizar e incrementar la robustez de las aplicaciones de realidad aumentada en exteriores. Para lograrlo, en este trabajo se propone un nuevo método de auto-ajuste basado en el uso de algoritmos genéticos y un módulo de máquina de aprendizaje para crear y optimizar un descriptor modular extensible para un ambiente exterior específico. El algoritmo genera descriptores, mejora su eficiencia y los entrena para tareas de clasificación, el algoritmo controla la preparación de la imagen y los parámetros de la máquina de aprendizaje y al mismo tiempo optimiza el tamaño del descriptor a través de los miembros de los módulos activos y sus valores. Para demostrar el desempeño del descriptor, se compara con los descriptores estándares más conocidos en términos de: velocidad, exactitud, invariancia a las condiciones de iluminación, cambios de resolución de la imagen, transformaciones afines, escala y rotación, y el resultado muestra que el método propuesto obtiene los mejores resultados en la clasificación. En la parte final del presente trabajo se integra en nuevo descriptor desarrollado con un modulo de bosques aleatorios en un sistema de seguimiento y mapeo paralelo (PTAM), de esta manera se es capaz de clasificar en grupos semánticos y remover los puntos clave detectados en tiempo real. |
|---|