Reconstrucción de formas 3D mediante algoritmo de desplazamiento de fase estéreo usando proyección de franjas y una red neuronal convolucional

Victor Manuel Martínez Suárez

Buscar

dc.rights.license	http://creativecommons.org/licenses/by-nc-nd/4.0	es_ES
dc.contributor	Jesús Carlos Pedraza Ortega	es_ES
dc.creator	Victor Manuel Martínez Suárez	es_ES
dc.date	2023-06-01
dc.date.accessioned	2023-05-30T18:14:34Z
dc.date.available	2023-05-30T18:14:34Z
dc.date.issued	2023-06-01
dc.identifier.uri	https://ri-ng.uaq.mx/handle/123456789/8381
dc.description	La perfilometría de proyección de franjas (FPP), entre las técnicas de reconstrucción de objetos 3D sin contacto, es de las más utilizadas debido a su fácil implementación y reducción de costos. Teniendo una desventaja ya que para recuperar eficientemente la fase absoluta es necesario obtener el patrón de referencia para realizar una mejor fase de desenvolvimiento, lo que complica dadas las ambigüedades que existen en la fase envuelto. Se utilizan tres métodos como lo son la fase de desenvolvimiento de restricciones espaciales, temporales y de restricciones-geométricas, siendo la última la más eficiente y rápida sin sacrificar la precisión de la medición. Comúnmente, esta técnica se denomina desenvolvimiento de fase estéreo, que puede eliminar la ambigüedad de fase sin proyectar ningún patrón adicional, maximizando así la eficiencia de la recuperación de fase absoluta. En base a los éxitos en la implementación del aprendizaje profundo para el análisis de fase, implementamos herramientas que hacen que la recuperación de fase, las restricciones geométricas y el desenvolvimiento de fase sean más orgánicamente eficientes en un marco integral. Con extensos conjuntos de datos de entrenamiento desarrollados con una base de datos sintética, la red neuronal puede aprender gradualmente a transferir un patrón de franjas de alta frecuencia a la fase absoluta físicamente significativa y más probable, en lugar de "paso a paso" como en los enfoques convencionales. Los resultados obtenidos demuestran que, en comparación con los métodos tradicionales, podemos desarrollar imágenes de fase de manera más eficiente y estable en un volumen de medición más grande con menos vistas de cámara. Tener un enfoque propuesto que nos llevará a una medición de forma 3D sin artefactos de movimiento, precisa y de alta velocidad para objetos complicados a partir de un solo patrón de franjas.	es_ES
dc.format	Adobe PDF	es_ES
dc.language.iso	spa	es_ES
dc.publisher	Ingeniería	es_ES
dc.relation.requires	Si	es_ES
dc.rights	En Embargo	es_ES
dc.subject	Ingeniería y Tecnología	es_ES
dc.subject	Ciencias Tecnológicas	es_ES
dc.subject	Otras Especialidades Tecnológicas	es_ES
dc.title	Reconstrucción de formas 3D mediante algoritmo de desplazamiento de fase estéreo usando proyección de franjas y una red neuronal convolucional	es_ES
dc.type	Tesis de maestría	es_ES
dc.creator.tid	ORCID	es_ES
dc.contributor.tid	curp	es_ES
dc.creator.identificador	https://orcid.org/0000-0002-8006-1641	es_ES
dc.contributor.identificador	PEOJ691222HSPDRS07	es_ES
dc.contributor.role	Director	es_ES
dc.degree.name	Maestría en Ciencias en Inteligencia Artificial	es_ES
dc.degree.department	Facultad de Ingeniería	es_ES
dc.degree.level	Maestría	es_ES