A construção de mapas 3D é importante em diversas áreas do conhecimento, são algumas delas: topografia, exploração de terrenos desconhecidos, ambientes subaquáticos, em geral, onde a presença humana se torna inviável. Esse trabalho desenvolveu um modelo capaz de construir mapas 3D de um cenário, a partir de duas imagens 2D do mesmo ambiente com a utilização da estereoscopia, que torna possível o cálculo da distância que se encontram os objetos no cenário. A pesquisa também teve o objetivo de comparar os algoritmos: Scale Invariant Feature Transform (SIFT)[15], Speed Up Robust Features(SURF)[13] e Oriented FAST and Rotated BRIEF (ORB)[16] no processo de identificação de pontos nas imagens, e os algoritmos: Localitysensitive hashing (LSH), k-d tree e BruteForce no processo de correlação dos pontos identificados. Foram obtidas duas imagens do mesmo cenário com uma pequena distância entre elas e foram aplicados algoritmos de identificação de pontos, em seguida, foram aplicados algoritmos para correlaciona-los, após esse processo, foram utilizadas técnicas estatísticas para remoção de falsas correlações, por fim, através de geometria epipolar foi calculada a distância de cada ponto para a câmera e foi construído o mapa 3D. Durante a comparação dos algoritmos utilizados, foram analisados fatores como: número de pontos correlacionados corretamente, distribuição espacial dos pontos correlacionados e tempo de execução.
The 3D map construction is important in many study fields, some of those are: topography, unknown land exploration, subaquatic environments, in general, places where the human presence becomes inviable. This study developed a model capable of built 3D maps of a scene[1], from two 2D images of the same enviroment using stereoscopy, which makes possible the distance calculus of the objects in the scenario. The research also had the objective of comparing algorithms: Scale Invariant Feature Transform (SIFT)[2], Speed Up Robust Features (SURF) [3] and Oriented FAST and Rotated BRIEF (ORB) [4] in the process of identification points in the images, and the algorithms: Locality-sensitive hashing (LSH), k-d tree and BruteForce in the process of correlation of the identified points. Two images were obtained of the same scenario with a small distance between them, and were applied the algorithms for point identification, then, were applied algorithms to the point correlation, after those processes were utilized elastic techniques to remove false correlations, then, using epipolar geometry was calculated the distance between the each point and the camera, and the 3D map was built. During the algorithm comparisions factors like: number of points correctly correlated, spacial distribution of the correlated points and execution time were analised.
