Publicación: Optimización del algoritmo de parametrización de cilindros a partir de una nube de cinco puntos
Portada
Citas bibliográficas
Código QR
LA Referencia Stats
Director
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Editores
Tipo de Material
Fecha
Cita bibliográfica
Título de serie/ reporte/ volumen/ colección
Es Parte de
Resumen en español
Actualmente, el escaneo y procesamiento de modelos 3D se da de manera automatizada gracias a la evolución de tecnologías de digitalización y procesamiento de imágenes. Con este proceso se obtienen modelos e imágenes tridimensionales gracias a la información y estructura obtenida del objeto escaneado, en donde dicha información puede ser tan detallada como para contener densidades, materiales, fricciones, entre otros datos. Dentro de las figuras que se usan frecuentemente para realizar escaneos y análisis de objetos tridimensionales se habla con mayor frecuencia de los cilindros ya sean uniformes o no uniformes. Esto se debe a que esta figura permite modelar con mayor facilidad los objetos de la vida cotidiana como neumáticos, tuberías, fractales, árboles, e incluso el modelamiento de figuras geométricas básicas. Sin embargo, a pesar de ser figuras sencillas y cotidianas, en el momento de escanearlas y llevarlas a un entorno digital se presentan diversos problemas de fiabilidad y precisión en los datos obtenidos, desde puntos no pertenecientes al objeto (también llamados ruido) hasta la creación de múltiples figuras que no representan el objeto escaneado una vez realizado el proceso de digitalización. La industria computacional ha buscado múltiples soluciones a estos inconvenientes y hasta ahora realizar un escaneo exhaustivo punto a punto y el uso de filtros de ruido ha logrado mitigar estos inconvenientes. Lo cierto es que dichos procesos causan altos tiempos de espera, necesidades de hardware computacional especializado y costos elevados al contar con procesamientos de alto nivel. Actualmente, existen algoritmos que permiten tomar puntos de una nube aleatoria y resolver las ecuaciones que dichos puntos describen en el espacio, obteniendo así los parámetros que se necesitan, lo que también se entiende por tomar la figura correcta que representa el objeto físico. Pero, aunque éstos parámetros suelen arrojar resultados acordes a lo esperado, en aquellos procesos en los cuales la precisión debe ser muy alta, los resultados fallan. Ante los problemas mencionados anteriormente, se plantea como objetivo de trabajo de grado la Optimización del algoritmo de parametrización de cilindros a partir de una nube de puntos para obtener resultados dentro de un rango de aceptación definido en el ajuste de curvas, aplicando métodos numéricos y algoritmos computacionales que permitan una figura geométrica más precisa sin necesidad de escaneos punto a punto. Para realizar dicha parametrización, se procesan y analizan nubes de puntos buscando optimizar los métodos de digitalización y escaneo existentes actualmente. Para lograr dicho fin, se usan 2 sets de datos que representan cilindros. El primer set corresponde a dos cilindros que comparten 5 puntos de su geometría, pero el eje y dirección difieren en cada caso. El segundo corresponde a un neumático escaneado. En ambos casos, el objetivo es lograr simular el cilindro que mejor se ajuste a cada set de datos obteniendo el mínimo error permitido. El procedimiento empleado consta de tres etapas principales. 1. Parametrización: Se busca conocer los posibles cilindros formados entre los puntos, los ejes de dirección y los radios. Se usan 5 puntos como cantidad mínima necesaria. 2. Filtrado y suavizado del ruido: Se hace para cada cilindro encontrado con el fin de descartar figuras que no cumplan los requerimientos de precisión. Este proceso aumenta la fiabilidad y similitud del objeto digital con el objeto real y, para esto, existen diversos filtros de eliminación de ruidos en sets de datos. El método de filtrado y suavizado del ruido utilizado para el desarrollo del proyecto es RANSAC. 3. Ajuste de curvas con un método no lineal para obtener un único cilindro que se ajuste de la manera más acertada a la figura buscada, el método elegido es Levenberg-Marquardt. Los resultados del algoritmo en ambos sets de datos mostraron gran precisión en el ajuste de curvas y la definición de cilindros con 5 de los puntos que los conforman. Se observó un incremento en la velocidad de parametrización comparándolo con el método tradicional, en el cual era imposible para algunas de las pruebas ya que con los puntos base no podían encontrar solución.