Mapeo de texturas a objetos 3D basado en la geometría de la escena
En este documento, se presenta un sistema para el mapeo de texturas a modelos de objetos del mundo real. La configuración del experimento consiste en el digitalizador 3D Minolta VIVID9i para la adquisición de imágenes de rango y la cámara CCD SONY DSC 717 para adquirir las imágenes de intensidad del...
- Autores:
-
Hernández Londoño, Jorge Eduardo
- Tipo de recurso:
- Fecha de publicación:
- 2006
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/7077
- Palabra clave:
- 0 Generalidades / Computer science, information and general works
62 Ingeniería y operaciones afines / Engineering
Imágenes de rango, Texturas, Fotografía, Modelos geométricos, Modelos tridimensionales, Visión por computador
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
Summary: | En este documento, se presenta un sistema para el mapeo de texturas a modelos de objetos del mundo real. La configuración del experimento consiste en el digitalizador 3D Minolta VIVID9i para la adquisición de imágenes de rango y la cámara CCD SONY DSC 717 para adquirir las imágenes de intensidad del objeto a texturar. Aunque el VIVID puede producir las imágenes de color así como la geometría 3D, se utilizó la cámara digital para tomar imágenes de alta calidad. La resolución de las imágenes adquiridas es de 2560 × 1920. El proceso del mapeo de texturas describe tres aproximaciones para la función de parametrización de una imagen de rango o el punto de vista de un modelo completamente reconstruido. El primero es una estimación inicial de la orientación de la cámara, la cual es calculada desde la selección interactiva de las correspondencias. La siguiente, la medida digital de la cámara es referenciada sobre el sensor de rango y los parámetros de cámara son estimados desde técnicas de calibración, utilizando un patrón de calibración; antes de la adquisición de los datos. El ´ultimo, los parámetros desconocidos son calculados de forma precisa, minimizando una función objetivo en un registro 3D - 2D. Se describe una estrategia del mapeo de texturas basada en múltiples vistas dirigida a problemas de la fotografía tales como iluminación no homogénea, brillos y oclusión. Para cada triángulo en el modelo, la imagen ´optima es seleccionada desde la imágenes fuente con un promedio ponderado de los productos escalares entre el vector normal de la imagen y el vector normal del triángulo. Por ´ultimo, se desarrollo una metodología donde algunas métricas son definidas para medir la calidad de la reconstrucción del modelo texturado / Abstract: In this document we present a system for texture mapping of models of real world objects. Our experimental setup consists of the no contact 3D digitizer Minolta VIVID9i for range image acquisition and the camera CCD SONY DSC 717 to acquire of intensity images of the target object. Although VIVID can produce the color images as well as the 3D geometry, we utilize digital camera to get high quality images. The resolution of acquired images is 2560 × 1920. The mapping texture process describes three approaches to parameterization function by a range image or point of view of complete reconstruction model. The first is an initial estimate of the camera orientation, which is calculated from interactive selected point correspondences. The other, the measurement digital camera is mounted on the range sensor and camera parameters are estimated from calibration techniques, utilizing pattern calibration before data acquisition. The last one, the unknown parameters are accurately calculated by minimizing an objective function in a 3D-2D projective registration approach. We describe a texture mapping strategy based on multi-view to adequately address photography related problems such as inhomogeneous lighting, highlights and occlusion. For each triangle in the model, the optimal image is select from source images with an average weighted the scalar product between the image normal vector and triangle normal vector. Finally, we develop a methodology where some metrics are defined to measure the quality of the reconstruction texture model. |
---|