Ciencias de la Computación

Permanent URI for this community

https://hdl.handle.net/20.500.12590/18025

Browse

Browsing Ciencias de la Computación by browse.metadata.advisor "Loaiza Fernández, Manuel Eduardo"

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Calibración de cámara usando invariantes proyectivas
    (Universidad Católica San Pablo, 2021) Vilca Vargas, Jose Rodrigo; Loaiza Fernández, Manuel Eduardo
    Los sistemas de seguimiento son un factor clave en diversas áreas, como la realidad virtual y aumentada, reconstrucción 3D, navegación, etc. La tecnología óptica es ampliamente usada debido a su disponibilidad a bajos costos y a que el objeto a seguir no se sobrepone de cables u otros componentes. Es por esto que uno de los principales objetivos en esta área es incrementar el campo de seguimiento sin perder precisión en la captura y respuesta de la posición y orientación 3D de los objetos y, esta precisión está relacionada directamente a una calibración correcta y precisa de cámara. En el método propuesto, buscamos realizar una calibración ´optima usando el reconocimiento de patrones para la calibración inicial. Posteriormente, usaremos las propiedades invariantes proyectivas para obtener patrones proyectivos invariantes en el proceso de adquisición de datos. Luego, usaremos un modelo híbrido de calibración fotogramétrica y autocalibración con los datos obtenidos anteriormente. Y, por ´ultimo, generaremos una optimización de parámetros de la cámara en relación a la información procesada.
  • Thumbnail Image
    Item
    Empaquetado de esferas paralelo indexado para dominios arbitrarios
    (Universidad Católica San Pablo, 2022) Cuba Lajo, Ruben Adrian; Loaiza Fernández, Manuel Eduardo
    Los empaquetados de partículas son métodos que se utilizan para llenar de partículas un contenedor. Estos son usados para simular materia granular, la cual tiene varios usos. Los empaquetados de partículas buscan ser densos, sin embargo, los empaquetados de partículas son lentos, no llegan a ser completamente densos y la mayoría solo funcionan en contenedores simples. En la actualidad se han propuesto varias técnicas para lograr un empaquetado denso, disminuyendo significativamente el tiempo de construcción del empaquetado, pero se ha visto poco avance en aumentar la densidad de un empaquetado. Los empaquetados de partículas llegan en promedio a una densidad máxima aproximada de 70% en contenedores rectangulares y cilíndricos, y de 60% en contenedores arbitrarios. La densidad de los empaquetados también se conoce como compactación o fracción sólida. El objetivo de este trabajo es realizar un empaquetado compacto que en contenedores arbitrarios alcance entre el 60% y 70% de compactación. Para ello se toma como base un empaquetado de esferas periódico compacto, que basado en el uso de esferas del mismo tamaño, logra la compactación más alta, es decir, es el más denso. El empaquetado buscado se realiza siguiendo un patrón periódico hexagonal, a este se le añade dos tamaños de esferas, los cuales son menores al tamaño inicial, estas esferas van en los espacios vacíos que deja el empaquetado hexagonal. El método propuesto alcanza densidades en contenedores arbitrarios entre 60% y 70% en tiempos menores a 5 minutos utilizando una optimización paralela sobre el recurso GPU.
  • Thumbnail Image
    Item
    Reducción de ruido de una nube de puntos densa 3D, basado en el regularizador de grafo laplaciano y preservando las características de forma fina
    (Universidad Católica San Pablo, 2022) Cutire Sivincha, Wilber Eder; Loaiza Fernández, Manuel Eduardo
    La nube de puntos 3D ha ganado cada vez más atención como representación de objetos para realizar la reconstrucción de superficies. La nube de puntos generada por sistemas de cámaras binoculares son fácilmente corrompidas ya sea cambios de iluminación en la captura, vibraciones de los sistemas o por errores computacionales en la triangulación. Obtener una adecuada nube de puntos ayuda a conocer de forma más precisa el volumen del objeto a reconstruir. Para ello se busca eliminar el ruido que la nube de puntos presenta, manteniendo las características y los detalles de la superficie a reconstruir. En este trabajo proponemos un método que aprovecha de la estructura de la nube de puntos, para la construcción basada en grafo y usarlo como señal, además usamos un nuevo vector de características que representen a los nodos. Nos basamos en el regularizador de grafo laplaciano, construyendo un método con convergencia definida y realizamos una evaluación experimental para la demostrar robustez, y calidad de nuestro método, comparándolo con los métodos más relevantes del estado del arte.