Use este identificador para citar ou linkar para este item: https://repository.ufrpe.br/handle/123456789/4301
Título: Avaliação de algoritmo de clusterização para segmentação de nuvens de pontos 3D
Autor: Melo, Davi de Almeida
Endereco Lattes do autor: http://lattes.cnpq.br/3528552393951602
Orientador: Ferreira, Felipe Alberto Barbosa Simão
Endereco Lattes do orientador : http://lattes.cnpq.br/9939255113143786
Palavras-chave: Automação;Clusterização;Segmentação;Nuvem de pontos
Data do documento: 5-Out-2022
Citação: MELO, Davi de Almeida. Avaliação de algoritmo de clusterização para segmentação de nuvens de pontos 3D. 2022. 45 f. Trabalho de Conclusão de Curso (Tecnólogo em Automação Industrial) - Unidade Acadêmica do Cabo de Santo Agostinho, Universidade Federal Rural de Pernambuco, 2023.
Abstract: 3D technologies have been explored in many industrial fields. With those technologies functions such as visualization, instrumentation, control, simulation, training, planning, documentation, and more are performed. From that, new types of media were introduced to the industrial context. For instance, the point clouds, which is a set of points distributed on a tridimensional model of reality. They are often built through the operation of a scanner and may contain the characteristics of an object, such as localization, color, reflectance and more in every one of its points. Given that the point clouds represent pieces, equipments, piping, machines, areas and structures in the industrial context, a useful tool is to segment the point clouds and enable a better visualization of separate parts of the same structure. Furthermore, among the presented 3D technologies, point cloud segmentation permeates directly and indirectly the fields of visualization, instrumentation, and control. Thus, verified the importance of the point cloud segmentation, the goal of this monography is to assess two clustering algorithms for 3D point cloud segmentation. They are the DBSCAN and the K-means. Both are categorized as clustering algorithms through unsupervised machine learning. After the assessment, the differences between each algorithm were found. The K-means was verified to have better performance when it comes to disperse data and the equivalent to the DBSCAN when it comes to data distribution with a certain distance between the clusters.
Resumo: As tecnologias 3D têm sido exploradas nas diversas áreas da indústria. Com essas tecnologias são executadas funções como visualização, instrumentação, controle, simulação, treinamento, planejamento, documentação, entre outros. A partir disso, novos tipos de mídia foram introduzidos a esse contexto industrial. Como exemplo, existem as nuvens de pontos, que trata-se de um conjunto de pontos distribuídos num modelo tridimensional da realidade. Elas, geralmente, são construídas através da atuação de um scanner e podem conter em cada um de seus pontos as características de um objeto como localização, cor, reflectância e entre outros aspectos. Dado que as nuvens de pontos irão representar peças, equipamentos, tubulações, máquinas, áreas, e estruturas no contexto industrial, conseguir segmentar as nuvens de pontos e possibilitar uma melhor visualização das partes separadas da mesma estrutura é uma ferramenta proveitosa. Além disso, dentre as funções das tecnologias 3D apresentadas, a segmentação de nuvens de pontos perpassa de forma direta e indireta as áreas de visualização, instrumentação e controle. Portanto, verificada a importância da segmentação de nuvens de pontos, o objetivo desta monografia é avaliar dois algoritmos de clusterização para segmentação de nuvens de pontos 3D. São eles, o DBSCAN e o K-means. Ambos estão categorizados como algoritmos de clusterização por meio aprendizagem de máquina não supervisionada. Após a avaliação, foram constatadas as diferenças entre cada algoritmo. Verificou-se um melhor desempenho por parte do K- means quando se trata de dados dispersos e o equivalente para o DBSCAN quando se referem a distribuição de dados com certa distância entre os clusters.
URI: https://repository.ufrpe.br/handle/123456789/4301
Aparece nas coleções:TCC - Automação Industrial (UACSA)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
tcc_davidealmeidamelo.pdf1,58 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.