| dc.contributor | Honório, Leonardo de Mello | |
| dc.contributor | http://lattes.cnpq.br/4319412527458142 | |
| dc.contributor | Pinto, Milena Faria | |
| dc.contributor | http://lattes.cnpq.br/9537851345288279 | |
| dc.contributor | Conceição, Andre Gustavo Scolari | |
| dc.contributor | http://lattes.cnpq.br/6840685961007897 | |
| dc.contributor | Marcato, André Luís Marques | |
| dc.contributor | http://lattes.cnpq.br/1033215067775319 | |
| dc.creator | Dias, Felipe Meneguitti | |
| dc.date | 2021-02-09T11:38:48Z | |
| dc.date | 2021-02-09 | |
| dc.date | 2021-02-09T11:38:48Z | |
| dc.date | 2020-08-17 | |
| dc.date.accessioned | 2023-09-29T16:38:11Z | |
| dc.date.available | 2023-09-29T16:38:11Z | |
| dc.identifier | https://repositorio.ufjf.br/jspui/handle/ufjf/12331 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/9137776 | |
| dc.description | Monitoring large-scale infrastructures, such as dams or those built on sloped foundations, is essential for ensuring their structural integrity and safe use. The conventional monitoring process utilizes several sensors spread throughout the structure. This limits the detection and calculation of deformities to areas where the sensors are positioned. Photogrammetry techniques combat this limitation by monitoring entire areas at low-cost, using only a camera. In this context, the Multiscale Model to Model Cloud Comparison (M3C2) technique is considered state-of-the-art for structural deformation calculation in point clouds. However, M3C2 incorrectly assumes that all structural deformities occur normal to the monitored surface, which can lead to inaccurate deformation estimates. Consequently, this work proposes a novel methodology for calculating deformations in infrastructure, entitled Visual Correspondence and Point Reprojection Distance. This method uses visual descriptors to find corresponding points among point clouds captured at different times. Validation of the proposed technique was performed in three controlled experiments using artificially created deformations, and one test conducted in a rock slope infrastructure. The results show that the proposed method is superior to M3C2, especially when deformations are not normal to the structure’s surface. | |
| dc.description | O monitoramento de infraestruturas de larga escala, como barragens e taludes, é essencial para garantir a integridade estrutural e a segurança de utilização. O processo de monitoramento convencional utiliza diversos sensores espalhados ao longo da estrutura. Sendo assim, isso limita a detecção e o cálculo das deformidades às áreas onde os sensores foram posicionados. Técnicas fotométricas combatem essa limitação, pois monitoram grandes áreas a baixo custo, utilizando apenas uma câmera. Nesse contexto, a técnica Comparação Multiescala de Nuvem a Nuvem (M3C2) é considerada o estado da arte para cálculo de deformações estruturais em nuvens de pontos. Entretanto, o M3C2 considera que todas as deformações ocorrem na direção normal da superfície monitorada, e isso pode gerar estimativas incorretas. Consequentemente, este trabalho propõe uma nova metodologia para cálculo de deformações em estruturas, intitulada Distância por Correspondência Visual e Reprojeção de Pontos (DCVRP). Tal método utiliza descritores visuais para encontrar pontos correspondentes entre nuvens de pontos capturadas em tempos diferentes. A validação da técnica proposta foi realizada em três experimentos controlados, utilizando deformações criadas artificialmente, e um teste conduzido em um talude de rochas. Os resultados mostraram que o método proposto é superior à técnica M3C2, especialmente quando as deformações não são normais à superfície da estrutura. | |
| dc.format | application/pdf | |
| dc.language | por | |
| dc.publisher | Universidade Federal de Juiz de Fora (UFJF) | |
| dc.publisher | Brasil | |
| dc.publisher | Faculdade de Engenharia | |
| dc.publisher | Programa de Pós-graduação em Engenharia Elétrica | |
| dc.publisher | UFJF | |
| dc.rights | Acesso Aberto | |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | |
| dc.rights | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | |
| dc.subject | Monitoramento de estruturas | |
| dc.subject | Visão computacional | |
| dc.subject | Aprendizado profundo | |
| dc.subject | Descritores visuais | |
| dc.subject | Estrutura a partir do movimento | |
| dc.subject | Structural monitoring | |
| dc.subject | Computer vision | |
| dc.subject | Deep learning | |
| dc.subject | Visual descriptors | |
| dc.subject | Structure from motion | |
| dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | |
| dc.title | Metodologia para monitoramento de estruturas utilizando descritores visuais | |
| dc.type | Dissertação | |
