Reconhecimento De Objetos Tridimensionais
Mostrando 1-4 de 4 artigos, teses e dissertações.
-
1. ANÁLISE COMPARATIVA DOS RESULTADOS OBTIDOS PELOS MÉTODOS DE CALIBRAÇÃO DE CAMPO TRIDIMENSIONAL E BIDIMENSIONAL
Os recursos de automação têm facilitado a utilização da Fotogrametria Digital em várias aplicações. Um processo complexo e crítico em Fotogrametria, a calibração de câmaras, pode ser realizado automaticamente, existindo programas comerciais com essa capacidade. Dentre os métodos de calibração, destaca-se o método de calibração de campo, usa
Bol. Ciênc. Geod.. Publicado em: 2015-06
-
2. O conhecimento geometrico de alunos do CEFAM sobre figuras espaciais : um estudo das habilidades e dos niveis de conceito
Este trabalho avalia o conhecimento geométrico de alunos do curso Cefam (Centro Específico de Formação e Aperfeiçoamento do Magistério) sobre figuras tridimensionais mais comuns que deveriam ser, de acordo com várias propostas curriculares, objetos de estudo das séries iniciais do Ensino Fundamental. Foram sujeitos da pesquisa 377 alunos das quatr
Publicado em: 2000
-
3. A proposal for structuration and integration of color processing in artifical vision systems. / Uma proposta de estruturação e integração de processamento de cores em sistemas artificiais de visão.
Esta tese descreve uma abordagem para a utilização da informação de cores no sistema de visão artificial com inspiração biológica denominada Cyvis-1. Considerando-se que grande parte da literatura sobre segmentação de imagens se refere a imagens em níveis de cinza, informações cromáticas na segmentação permanecem uma área que ainda deve ser
Publicado em: 1999
-
4. Tecnologia para o reconhecimento do formato de objetos tri-dimensionais. / Three dimensional shape recognition technology.
We present in this work a new method for three dimensional Shape Recognition. Traditional Computer Vision systems use bi-dimensional TV camera images. In most of the industrial Robotic applications, the excess of detail obtained by the TV camera is needless. Traditional classification algorithms spend a lot of time to process the excess of information. For t
Publicado em: 1991