• Nenhum resultado encontrado

ESCALA PRECISÃO ACEITÁVEL RESOLUÇÃO DA "NUVEM DE PONTOS"

4.2.3 Pré-processamento

O pré-processamento consiste no preparo da "nuvem de pontos" para a realização das etapas posteriores. Inclui geralmente o registro (ou alinhamento) das cenas e as operações para otimização da "nuvem de pontos" (ZHIQIANG; WANG; LIU, 2009).

O registro consiste em posicionar as várias cenas (com suas coordenadas locais) em um único arquivo, com o mesmo referencial (Figura 81). Segundo Genechten e colaboradores (2008) e GSA (2009), isso pode ser realizado a partir das seguintes técnicas:

 identificação de alvos comuns a duas ou mais cenas;

posicionamento do scanner sobre um ponto de coordenadas conhecidas (através dos pontos de controle levantados por estação total);

 identificação de características físicas do objeto (como vértices, limites e centros, escaneados, preferencialmente, com maior resolução);

 associação de duas ou mais "nuvens de pontos", com área de sobreposição de pelo menos 15 a 30% (preferencialmente 50%, para resultados mais robustos);

 associação de um trecho da "nuvem de pontos" de uma cena com uma superfície gerada de outra cena, correspondente à área selecionada, ou

 associação de superfície de uma cena com a superfície correspondente em outra cena.

Figura 81 - (a) "nuvem de pontos" da cena 1; (a) "nuvem de pontos" da cena 2; (c) "nuvem de pontos" após o registro

(a) (b) (c)

Fonte: Barber, Mills e Andrews (2011).

A técnica que utiliza alvos, para o registro da cena, é a mais utilizada e a que apresenta maior precisão. Nessa técnica, recomenda-se que existam entre cenas, ao menos, cinco alvos em comum, para haver redundância de informação, possibilitando a correção de erro em algum alvo (o que não seria possível se existissem apenas três). Além disso, esses alvos

devem ser dispostos de modo a estarem bem afastados entre si nas três dimensões (x, y e z) e em diferentes posições em relação ao equipamento laser (abaixo e acima, à esquerda e à direita), evitando-se, por exemplo, que estejam alinhados na horizontal e na vertical. O levantamento dos alvos pode ser realizado por métodos topográficos, garantindo maior controle da precisão e possibilitando o georreferenciamento da "nuvem de pontos". Além disso, os alvos e seus centros são identificados de modo automático ou semiautomático pelo programa de escaneamento. A desvantagem desse método é o maior tempo em campo para colocação dos alvos e para o escaneamento dos mesmos, com resolução superior à utilizada na varredura do objeto como um todo.

Em casos em que não é possível a colocação de alvos, pode ser utilizado o registro a partir da identificação de feições naturais. O GSA (2009) recomenda a utilização de pontos que façam interseção com três planos (por exemplo, três paredes de uma edificação), e que esses pontos naturais escolhidos na edificação sejam escaneados com alta resolução a partir de duas localizações.

Em casos onde não é possível a utilização de alvos, sejam naturais ou artificiais, podem ser usadas técnicas de associação de "nuvens de pontos". Dutesco (2006) sinaliza que esse método pode gerar resultados insatisfatórios se as "nuvens de pontos" apresentarem baixa resolução ou se forem selecionados trechos muito grandes desse tipo de modelo. Além disso, é um método sensível ao algoritmo utilizado.

O método anterior pode ser simplificado se for associado um trecho de "nuvem de pontos" (de uma cena) com a superfície correspondente (primitiva tridimensional) na outra cena ou entre superfícies correspondentes em duas cenas. Nesse caso, é desejável que a "nuvem de pontos" seja de boa resolução e que a primitiva modelada esteja bem ajustada ao trecho da "nuvem de pontos".

Antes e após o registro, é comum a realização de operações para otimização da "nuvem de pontos", visando diminuir significativamente a quantidade de pontos e o tamanho do arquivo (GROETELAARS; AMORIM, 2011b). Essas operações incluem:

 filtragem;

 detecção e remoção automática de componentes desconectados;  redução de ruído;

reamostragem (sampling).

A filtragem ou limpeza consiste em apagar interativamente os pontos indesejados88, como ruídos, obstáculos e objetos fora da área de interesse.

A detecção e remoção automática de outliers é uma operação realizada de modo semiautomático por programas para processamento de "nuvens de pontos", onde o usuário determina um valor de sensibilidade de seleção e depois decide se os pontos destacados estão corretos ou não. Os outliers são pontos dispersos, que não se ajustam a um padrão definido pela maioria dos pontos próximos da "nuvem de pontos". Eles são gerados durante o processo de escaneamento e podem produzir erros na etapa de modelagem. A Figura 82 ilustra a influência de diferentes valores de sensibilidade, na detecção dos pontos que "fogem a regra" de concentração dos pontos, nesse caso, uma circunferência.

Figura 82 - Detecção e remoção de outliers: (a) identificação de valores mais discrepantes; (b) seleção de pontos mais refinada

(a) (b)

Fonte: Dutesco (2006, p. 33).

A detecção e remoção automática de componentes desconectados, ou seja, de pontos distantes da maior parte dos pontos da "nuvem de pontos", também é uma operação semiautomática, baseada nos valores determinados pelo usuário.

O processo de redução de ruído visa diminuir ou eliminar pontos registrados de forma "equivocada" em uma "nuvem de pontos". Esses pontos podem ser gerados durante a

88

Os pontos indesejados podem serdivididos em duas categorias: (1) pontos que não atrapalham a área de interesse, mas não serão utilizados no registro nem na modelagem; (2) obstáculos na área de interesse, como carros, sinalizações ou pessoas na frente do objeto de interesse.

varredura a laser, em função de diversos fatores, como: a divergência do feixe do raio laser quando atinge arestas, o ângulo de incidência do laser em relação ao objeto escaneado, a resolução de varredura e as características da superfície do material. Dependendo dos fatores e da conformação desses falsos pontos, eles podem ser classificados em phantom points, jumping points ou in-depth points (DUTESCO, 2006).

A principal causa da aparição de phantom points ("pontos fantasmas") está relacionada à inclinação entre o raio laser e a aresta do objeto, o que gera a divisão do sinal, fazendo com que o raio laser incida em duas diferentes posições no objeto. A distância registrada é a interpolação entre as duas distâncias, o que acaba criando um ponto em posição inexistente no objeto (Figura 83). A remoção dessa categoria de "pontos falsos" deve ser realizada interativamente pelo operador durante a inspeção da "nuvem de pontos" ou da malha triangular. A automatização desse processo é difícil devido ao tamanho reduzido dos erros para serem considerados outliers ou pontos desconectados.

Figura 83 - Surgimento dos phantom points devido à inclinação do raio laser e a divisão do sinal: (a) corte esquemático da incidência de um raio laser em um degrau; (b) phantom points na "nuvem de pontos"

(a) (b)

Fonte: (a) elaboração da autora; (b) Dutesco (2006, p. 34).

Os chamados jumping points (Figura 84a) são pontos registrados a determinada distância da superfície real dos objetos. O registro errôneo dos pontos deve-se à refletividade dos materiais. Os depth points (Figura 84b) aparecem quando são escaneadas superfícies porosas. A visualização de seções da "nuvem de pontos" é a melhor forma de detectar esses pontos, presentes nas áreas aparentemente mais espessas do que a realidade.

Figura 84 - "Pontos falsos" registrados na "nuvem de pontos" do tipo Jumping point e in-depth points

Fonte: Dutesco (2006).

A operação chamada de reamostragem (point sampling) reduz o número de pontos na "nuvem de pontos" visando melhorar a performance computacional e facilitar a etapa posterior de modelagem. Podem ser eliminados pontos presentes em áreas de sobreposição de diferentes cenas na "nuvem de pontos" registrada ou em modelos com densidade acima do desejado. Segundo Genechten e colaboradores (2008), a técnica mais adequada de remoção de pontos é através de reamostragem realizada por algoritmos do tipo “curvature point sampling”, que permite manter pontos que representam regiões mais complexas e com curvaturas reversas, removendo pontos em áreas mais planas e homogêneas. Dessa forma, é possível a redução significativa da quantidade de pontos do arquivo original, sem a perda das características formais dos objetos.

O processo chamado adição de pontos permite a geração automática de novos pontos visando: (1) completar vazios na "nuvem de pontos", operação chamada de fill holes, ou (2) aumentar a densidade da "nuvem de pontos" como um todo, operação chamada de "refinamento".

Muitas vezes, a operação de preenchimento de vazios é realizada na etapa de geração da malha poligonal, especialmente em situações como: (1) os vazios são muito pequenos e difíceis de serem detectados; (2) os vazios da "nuvem de pontos" estão em uma posição em que não irão causar problemas de modelagem, como no caso de superfícies planas que

podem ser ajustadas com pequena quantidade de pontos; (3) vazios em áreas com curvaturas mais acentuadas são melhor tratados na etapa de modelagem da malha.

O processo de "refinamento" é usado para permitir gerar posteriormente uma malha poligonal mais densa e suave. No entanto, esta operação não melhora a qualidade da "nuvem de pontos", não substitui o preenchimento de vazios e geralmente acarreta maior tempo de processamento na fase de construção das superfícies (DUTESCO, 2006).

4.2.4 Processamento

A fase de processamento geralmente contempla as seguintes operações: segmentação, geração de modelo preliminar, otimização, edição e conversão do modelo.

4.2.4.1 Segmentação

O processo de segmentação tem como objetivo agrupar regiões ou objetos similares (Figura 85), como por exemplo: paredes, esquadrias, pisos e coberturas. Isto é possível a partir de critérios de agregação, como a definição de limites por alterações nas cores, mudanças de planos, de inclinações ou de material. A segmentação pode ser realizada através de processos interativos, em programas mais simples, como a seleção de trechos específicos das "nuvens de pontos", ou através de processos automatizados, em programas mais avançados, como o Edgewise e o Geomagic Studio, que fazem a classificação a partir de "nuvens de pontos" ou malhas poligonais (respectivamente).

Figura 85 - Segmentação de: (a) "nuvem de pontos" de uma edificação, mostrando os planos em diferentes cores; (b) malha triangular de uma peça mecânica

(a) (b)

4.2.4.2 Geração de modelo preliminar

Como já abordado na seção 4.1, a modelagem inclui o processo de obtenção de desenhos e de modelos geométricos, que pode ser realizada através de processos interativos, semiautomáticos e automáticos. Tanto na modelagem interativa como automatizada, é comum a geração de produtos preliminares, que devem ser refinados e modificados até a obtenção dos produtos finais requeridos. Dentre os modelos preliminares mais comuns, pode-se citar quatro situações:

 primitivas geométricas, que podem ser editadas seguindo padrões predefinidos na biblioteca de elementos, caso frequente em se tratando de aplicações mecânicas e industriais, com diversos objetos com dimensões e características padronizadas;  sólidos ou superfícies (através de diversas técnicas de modelagem), geralmente

modificados para melhor ajuste na "nuvem de pontos" e/ou refinados para incluir mais detalhes; operação comum em documentação arquitetônica;

 malhas TIN, que devem sofrer operações de otimização para melhor representação de objetos mais complexos e irregulares;

 malhas TIN, produto intermediário necessário em vários programas para obtenção de outros tipos de modelos.

4.2.4.3 Otimização e edição do modelo preliminar

Após a etapa de modelagem preliminar, geralmente são realizados procedimentos de otimização e edição dos modelos. Pode-se citar alguns exemplos de otimização do modelo do tipo malha TIN:

 preenchimento de vazios, eliminação de triângulos sobrepostos, remoção de elementos estranhos (spikes), redução de ruído (alguns podem ser vistos na Figura 86);

 suavização e refinamento da malha;  decimação da malha (mesh decimation).

Figura 86 - Exemplos de erros geométricos e topológicos da malha triangular

Fonte: adaptado de Dutescu (2006, p. 59).

Outra operação comum é a suavização da superfície, aplicada quando a malha poligonal apresenta um aspecto rugoso, fragmentado, não correspondendo à suavidade da curvatura do objeto real. O algoritmo não somente subdivide cada face, criando novos vértices e novos polígonos, como também ajusta as coordenadas dos vértices existentes, permitindo melhorar a continuidade dos trechos curvos. Em se tratando de objetos prismáticos, novos vértices podem ser criados sem a movimentação das arestas existentes.

Figura 87 - Decimação de malha poligonal: modelos com redução gradativa no número de polígonos

Fonte: Disponível em: <http://vcg.isti.cnr.it/Publications/2010/TPCPP10/>. Acesso em: 2 jun. 2014.

A operação inversa ao refinamento é a "decimação da malha" (Figura 87), que reduz o número de polígonos (triangulares ou quadrangulares), visando diminuir o tamanho do

spike s

triângulos sobrepostos

arquivo (consequentemente o tempo de processamento) e, ao mesmo tempo, permitindo preservar o nível de detalhe mínimo requerido pela aplicação.

Além disso, há operações que permitem aparar, estender ou ajustar a malha para pontos desejados. Outra operação que pode ser realizada sobre a malha triangular é a transformação desse modelo em outros tipos de produtos, como superfície do tipo NURBS e modelos paramétricos, procedimento disponível em programas mais robustos.