Clasificación automática de anomalías asociadas con ausencia de información en superficies tridimensionales de objetos de forma libre
En este trabajo se propone un método computacional para clasificar anomalías relacionadas con ausencia de información sobre modelos tridimensionales de forma libre. Para ello, se hizo una exploración descriptiva de las propiedades geométricas globales y locales de las anomalías y una evaluación post...
- Autores:
-
Atencio Ortiz, Pedro Sandino
- Tipo de recurso:
- Fecha de publicación:
- 2012
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/10227
- Acceso en línea:
- https://repositorio.unal.edu.co/handle/unal/10227
http://bdigital.unal.edu.co/7330/
- Palabra clave:
- 0 Generalidades / Computer science, information and general works
Visión artificial
Reconstrucción tridimensional
Corrección de huecos
Artificial vision
Tridimensional reconstruction
Hole filling.
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
Summary: | En este trabajo se propone un método computacional para clasificar anomalías relacionadas con ausencia de información sobre modelos tridimensionales de forma libre. Para ello, se hizo una exploración descriptiva de las propiedades geométricas globales y locales de las anomalías y una evaluación posterior de distintos métodos de clasificación utilizados en visión artificial y aplicaciones de reconstrucción tridimensional. El método propuesto logra un nivel de clasificación cercano al 90% y un tiempo de ejecución de alrededor de 100 milisegundos. Restringir la clasificación de acuerdo a la aplicación en específico se propone como trabajo futuro./Abstract. In this work it is proposed a computational method to classify anomalies related with information absence over free-form tridimensional models. For that, it was made a descriptive exploration of global and local geometric properties of anomalies and a posterior evaluation of different classification methods widely used in artificial vision and tridimensional reconstruction applications. The proposed method achieved a classification level near to 90% and an execution time near to 100 miliseconds. Constrain classification according to the specific application is suggested as future work. |
---|