2024-03-29T15:53:55Zhttp://dugi-doc.udg.edu/dspace-oai/requestoai:dugi-doc.udg.edu:10256/116522021-06-14T09:11:22Zcom_10256_1515com_10256_2943com_10256_11653col_10256_4368col_10256_11654RC2openaire_dataRC1CIRAXRC4RC3driveropenaireMD2MD1recolecta
Lee, Chee Sing
2015-12-04T07:46:23Z
2015-12-04T07:46:23Z
2015-09-01
Gi. 1991-2015
http://hdl.handle.net/10803/323637
http://hdl.handle.net/10256/11652
The majority of research in feature-based SLAM builds on the legacy of foundational work using the EKF, a single-object estimation technique. Because feature-based SLAM is an inherently multi-object problem, this has led to a number of suboptimalities in popular solutions. We develop an algorithm using the SC-PHD filter, a multi-object estimator modeled on cluster processes. This algorithm hosts capabilities not typically seen with feature-base SLAM solutions such as principled handling of clutter measurements and missed detections, and navigation with a mixture of stationary and moving landmarks. We present experiments with the SC-PHD SLAM algorithm on both synthetic and real datasets using an autonomous underwater vehicle. We compare our method to the RB-PHD SLAM, showing that it requires fewer approximations in its derivation and thus achieves superior performance.
En aquesta tesis es desenvolupa aquest algoritme a partir d’un filtre PHD amb un únic grup (SC-PHD), una tècnica d’estimació multi-objecte basat en processos d’agrupació. Aquest algoritme té unes capacitats que normalment no es veuen en els algoritmes de SLAM basats en característiques, ja que és capaç de tractar falses característiques, així com característiques no detectades pels sensors del vehicle, a més de navegar en un entorn amb la presència de característiques estàtiques i característiques en moviment de forma simultània. Es presenten els resultats experimentals de l’algoritme SC-PHD en entorns reals i simulats utilitzant un vehicle autònom submarí. Els resultats són comparats amb l’algoritme de SLAM Rao-Blackwellized PHD (RB-PHD), demostrant que es requereixen menys aproximacions en la seva derivació i en conseqüència s’obté un rendiment superior.
eng
info:eu-repo/semantics/openAccess
L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by/3.0/es/
Tesis i dissertacions acadèmiques
Simultaneous localization and mapping using single cluster probability hypothesis density filters
info:eu-repo/semantics/doctoralThesis
oai:dugi-doc.udg.edu:10256/116602021-06-14T09:11:01Zcom_10256_1515com_10256_2943com_10256_11653col_10256_4368col_10256_11654RC2openaire_dataRC1CIRAXRC4RC3driveropenaireMD2MD1recolecta
Mata Miquel, Christian
2015-12-04T11:36:17Z
2015-12-04T11:36:17Z
2015-07-24
Gi. 1967-2015
http://hdl.handle.net/10803/323093
http://hdl.handle.net/10256/11660
Prostate and breast cancer are the most common cause of cancers in men and women, respectively. Medical imaging plays an important role in breast and prostate cancer detection and evaluation. Then to prove that our web-based medical application could be applied in different medical disciplines, the main part of this thesis is the implementation of two frameworks as a Java applet interface designed as a web-based tool in the domains of mammography from X-rays in radiology, and of prostate imaging from an Magnetic Resonance Imaging (MRI). This aims to facilitate the diagnosis of new mammographic and prostate cases by providing a set of image processing tools that allow a better visualization of the images, and a set of drawing tools used to annotate the suspicious regions (overlays). Each annotation allows including the attributes considered by the experts when issuing the final diagnosis. The overall set of overlays is stored in a database as eXtensible Markup Language (XML) files associated with the original images. Finally, an exhaustive evaluation of the results is also discussed in this thesis. For the application on mammography, the experimental study is performed in order to evaluate the scalability, complexity and response speed at the proposed tool. For the application on MRI of prostate cancer, the evaluation focused on the decrease of the variability of the expert assessments when collaborative work is performed. To conclude, a new architecture with the main goal of managing patient databases with potentially multi-modal imaging is presented such as for an MRI of the prostate cancer and evaluation from potentially several experts.
En aquesta tesi es realitza una revisió bibliogràfica de les principals publicacions recents en els últims anys en aplicacions mèdiques basades en web. Aquest estudi analitza els avantatges i inconvenients dels treballs d’investigació en el camp de la imatge mèdica, així com les arquitectures de base de dades per a la gestió d’imatges digitals. La part principal d’aquesta tesi és la implementació d’una eina basada en la web amb la finalitat de demostrar la integritat i aplicació en diferents disciplines mediques. En aquest sentit, l’aplicació proposada en aquest projecte de tesis ha sigut implementada com a eina d’ajuda al diagnòstic de càncer de mama i pròstata. L’objectiu és facilitar el diagnòstic proporcionant un conjunt d’eines de processat d’imatge que permetin una millor visualització de les imatges, i un conjunt d’eines d’anotació de regions sospitoses o malignes (superposicions). Cada anotació permet incloure tots els atributs i especificacions considerades pels experts a l’emetre el diagnòstic final. S’han dissenyat diferents arquitectures per a la gestió de base de dades (per exemple PACS per emmagatzemar imatges monogràfiques). Per altra banda, el conjunt global d’anotacions s’emmagatzemen en una base de dades d’arxius XML associats a les imatges originals. Conseqüentment, aquesta nova arquitectura es presenta amb l’objectiu d’obtenir una base de dades de casos diagnosticats i validats per radiòlegs experts per a la formació de radiòlegs novells. Finalment, conclusions i noves línies d’investigació associades al projecte com a treball futur són presentades en aquesta tesi.
eng
info:eu-repo/semantics/openAccess
ADVERTIMENT. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.
Tesis i dissertacions acadèmiques
Web-based application for medical imaging management
info:eu-repo/semantics/doctoralThesis
oai:dugi-doc.udg.edu:10256/125532017-09-21T10:56:52Zcom_10256_11653com_10256_2943col_10256_11654RC2openaire_dataRC1CIRAXRC4RC3driveropenaireMD2MD1recolecta
Valverde Valverde, Sergi
2016-07-12T10:47:04Z
2016-07-12T10:47:04Z
2016-06-14
http://hdl.handle.net/10803/386468
http://hdl.handle.net/10256/12553
L'objectiu principal d'aquesta tesi és el desenvolupament d'un nou mètode de segmentació totalment automàtic capaç de mesurar amb precisió el volum cerebral en imatges de pacients d'EM amb lesions. El mètode que hem proposat s'ha desenvolupat i implementat integrant no només la informació provinent de la intensitat dels vòxels, sinó a través de la incorporació d'atles morfològics i estructurals que guien la segmentació del teixit. Els vòxels candidats de ser lesions són estimats i processats abans de la segmentació del teixit utilitzant un algoritme de post-processat basat en la informació del context local i la informació anatòmica i morfològica prèvia. Aquest mètode de segmentació ha estat avaluat de forma quantitativa i qualitativa utilitzant diferents conjunts d'imatges que contenen lesions de substància blanca. Els resultats mostren que la precisió del mètode proposat és consistent i molt competitiva en tot tipus d'imatges en comparació amb altres tècniques proposades. En aquest sentit, els percentatges d'error obtinguts en els diferents experiments duts a terme mostren que el mètode proposat millora la segmentació del teixit cerebral de les imatges amb lesions
The main goal of this thesis is to develop a novel, fully automated brain tissue segmentation method capable of computing accurate measurements of tissue volume from images of MS patients with lesions. The proposed tissue segmentation method has been designed and implemented using a combination of intensity along with anatomical and morphological prior maps to guide the tissue segmentation. WM outliers have been estimated and filled with signal intensities similar to those of the WM before segmentation using a multi-channel post-processing rule-based algorithm with spatial context, and prior anatomical and morphological atlases. The proposed method has been quantitatively and qualitatively evaluated using different databases of images containing WM lesions, yielding competitive and consistent results in both general and MS specific databases. The percentages of errors obtained in the different experiments carried out show that the proposed algorithm effectively improves automated brain tissue segmentation in images containing lesions.
eng
info:eu-repo/semantics/openAccess
L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc-sa/3.0/es/
Tesis i dissertacions acadèmiques
Automated brain tissue segmentation of magnetic resonance images in multiple sclerosis
info:eu-repo/semantics/doctoralThesis
oai:dugi-doc.udg.edu:10256/127902017-09-21T08:59:01Zcom_10256_11653com_10256_2943com_10256_1515col_10256_11654col_10256_4368RC2openaire_dataRC1CIRAXRC4RC3driveropenaireMD2MD1recolecta
Roura Perez, Eloy
2016-10-03T07:50:10Z
2016-10-03T07:50:11Z
2016-07-01
http://hdl.handle.net/10803/394030
http://hdl.handle.net/10256/12790
In this thesis, we have focused on the image pre-processing in order to enhance the image information. The main aspects of this enhancement rely on removing any image noise and correcting any intensity bias induced by the scanner. Besides, we also contributed with a new technique based on a multispectral, adaptive, region growing algorithm in order to segment the brain from the rest of the head.
We include, as a pre-processing step, the image registration process, in which we proposed a novel pipeline by using information from multiple modalities to improve the results of this process.
Furthermore, we have also studied the current techniques for the detection and segmentation of WML, proposing a new method based on a previous proposal. Therefore, we presented a tool able to automatically detect and segment WML of Multiple sclerosis and Lupus patients.
En aquesta tesi ens centrem, per una part, en el pre-processat de la imatge per tal d'eliminar el soroll i corregir les inhomogeneïtats en les intensitats, ambdós errors introduïts per l'escàner. A més hem contribuït també amb una nova tècnica basada en un algoritme de “región growing” per tal de segmentar el cervell de dins de tota la imatge del cap.
Incloem com a pre-processat el registre d'imatges, on hem proposat una “pipeline" mitjançant la informació de múltiples modalitats per tal de millorar els resultats d'aquest procés.
Per altra banda, hem estudiat també les tècniques actuals de detecció i segmentació de lesions en la matèria blanca, proposant un mètode nou basat en anteriors propostes. Així doncs, presentem una eina automàtica capaç de detectar i segmentar lesions en la matèria blanca de pacients d'Esclerosi Múltiple i Lupus.
eng
info:eu-repo/semantics/openAccess
L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc-sa/4.0/
Tesis i dissertacions acadèmiques
Automated methods on magnetic resonance brain imaging in multiple sclerosis
info:eu-repo/semantics/doctoralThesis
oai:dugi-doc.udg.edu:10256/156192018-06-20T11:04:23Zcom_10256_1515com_10256_2943com_10256_11653col_10256_4368col_10256_11654RC2openaire_dataRC1CIRAXRC4RC3driveropenaireMD2MD1recolecta
García Marcos, Eloy
2018-06-18T05:57:48Z
2018-06-18T05:57:48Z
2018-04-05
http://hdl.handle.net/10803/585969
http://hdl.handle.net/10256/15619
Breast cancer is the most common cancer among women worldwide. Several studies have shown that the combination of the different medical image modalities, such as the x-ray mammography and the magnetic resonance imaging (MRI), leads to a more accurate diagnosis. The aim of this thesis is double, on the one hand, to evaluate the similarity between the information obtained from x-ray mammography and from MRI images and, on the other hand, to propose new registration algorithms to perform the correlation between the two image modalities. The problem includes from the biomechanical model construction, obtained from the MRI volume, the mechanical deformation, which is performed during the mammographic acquisition, the x-ray beam simulation traversing the breast in order to obtain the image (pseudo-mammogram) and the registration process to improve the similarity between the real and the synthetic images
El càncer de mama és el tipus de càncer més comú entre les dones de tot el món. Diversos estudis han demostrat que la combinació de diferents modalitats d'imatge mèdica, com ara la mamografia i la ressonància magnètica (MRI), comporta un diagnòstic més precís. L'objectiu d'aquesta tesi és doble, per una banda avaluar la similitud de la informació entre la mamografia de raigs X i la MRI i, d’altra banda, proposar nous algoritmes de registre que serveixin per a correlacionar la posició espacial en les dues modalitats d'imatge. El problema abarca la construcció del model biomecànic de la mama a partir de la ressonància magnètica, la simulació de la deformació que pateix la mama durant l’adquisició mamogràfica, la simulació dels rajos X atravessant la mama fins a obtenir la imatge (pseudo-mamografia) i els mètodes de registre posteriors per tal de millorar la similitud entre la imatge real i la simulada
eng
info:eu-repo/semantics/openAccess
L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc-sa/4.0/
Glandular tissue pattern analysis through multimodal MRI-mammography registration
info:eu-repo/semantics/doctoralThesis
oai:dugi-doc.udg.edu:10256/195502021-05-20T09:51:51Zcom_10256_1515com_10256_2943com_10256_11653col_10256_4368col_10256_11654RC2openaire_dataRC1CIRAXRC4RC3driveropenaireMD2MD1recolecta
Bernal Moyano, Jose
2021-05-20T07:16:56Z
2021-05-20T07:16:57Z
2020-10-27
http://hdl.handle.net/10803/671699
http://hdl.handle.net/10256/19550
The quantification of cerebral atrophy is fundamental in neuroinformatics since it permits diagnosing brain diseases, assessing their progression, and determining the effectiveness of novel treatments to counteract them. However, this is still an open and challenging problem since the performance
2/2
of traditional methods depends on imaging protocols and quality, data harmonisation errors, and brain abnormalities. In this doctoral thesis, we question whether deep learning methods can be used for better estimating cerebral atrophy from magnetic resonance images. Our work shows that deep learning can lead to a state-of-the-art performance in cross-sectional assessments and compete and surpass traditional longitudinal atrophy quantification methods. We believe that the proposed cross-sectional and longitudinal methods can be beneficial for the research and clinical community
La cuantificación de la atrofia cerebral es fundamental en la neuroinformática ya que permite diagnosticar enfermedades cerebrales, evaluar su progresión y determinar la eficacia de los nuevos tratamientos para contrarrestarlas. Sin embargo, éste sigue siendo un problema abierto y difícil, ya que el rendimiento de los métodos tradicionales depende de los protocolos y la calidad de las imágenes, los errores de armonización de los datos y las anomalías del cerebro. En esta tesis doctoral, cuestionamos si los métodos de aprendizaje profundo pueden ser utilizados para estimar mejor la atrofia cerebral a partir de imágenes de resonancia magnética. Nuestro trabajo muestra que el aprendizaje profundo puede conducir a un rendimiento de vanguardia en las evaluaciones transversales y competir y superar los métodos tradicionales de cuantificación de la atrofia longitudinal. Creemos que los métodos transversales y longitudinales propuestos pueden ser beneficiosos para la comunidad investigadora y clínica
eng
info:eu-repo/semantics/openAccess
ADVERTIMENT. Tots els drets reservats. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.
Deep learning for atrophy quantification in brain magnetic resonance imaging
info:eu-repo/semantics/doctoralThesis
oai:dugi-doc.udg.edu:10256/197422021-07-27T07:31:29Zcom_10256_1515com_10256_2943com_10256_11653col_10256_4368col_10256_11654RC2openaire_dataRC1CIRAXRC4RC3driveropenaireMD2MD1recolecta
Istenič, Klemen
2021-07-23T11:35:57Z
2021-07-23T11:35:58Z
2021-03-25
http://hdl.handle.net/10803/672199
http://hdl.handle.net/10256/19742
This thesis addresses the development of resources for accurate scaling and uncertainty estimation of image-based 3D models for scientific purposes based on data acquired with monocular or unsynchronized camera systems in difficult-to-access GPS-denied (underwater) environments.
The developed 3D reconstruction framework allows the creation of textured 3D models based on optical and navigation data and is independent of a specific platform, camera or mission. The dissertation presents two new methods for automatically scaling of SfM-based 3D models using laser scalers. Both were used to perform an in-depth scale error analysis of large-scale models of deep-sea underwater environments to determine the advantages and limitations of image-based 3D reconstruction strategies.
In addition, a novel SfM-based system is proposed to demonstrate the feasibility of producing a globally consistent reconstruction with its uncertainty while the robot is still in the water or shortly after
Aquesta tesi aborda el desenvolupament de mètodes per a l'estimació precisa de l’escala i la incertesa de models 3D basats en imatges adquirides amb sistemes de càmeres monoculars o no sincronitzades en entorns submarins, de difícil accés i sense GPS.
El sistema desenvolupat permet la creació de models 3D amb textura fent servir dades òptiques i de navegació, i és independent d’una plataforma, càmera o missió específica. La tesi presenta dos nous mètodes per a l’escalat automàtic de models 3D basats en SfM mitjançant mesuradors làser. Tots dos es van utilitzar per realitzar una anàlisi exhaustiva d'errors d’escalat de models en aigües submarines profundes per determinar avantatges i limitacions de les estratègies de reconstrucció 3D.
A més, es proposa un nou sistema basat en SfM per demostrar la viabilitat de la reconstrucció 3D, globalment consistent, i amb informació d'incertesa mentre el robot encara està a l’aigua o poc després
Esta tesis aborda el desarrollo de recursos para el escalado preciso y la estimación de la incertidumbre de modelos 3D basados en imágenes, y con fines científicos.
El marco de reconstrucción 3D desarrollado permite la creación de modelos 3D texturizados basados en datos ópticos y de navegación, adquiridos con sistemas monoculares o no sincronizados de cámaras en entornos (submarinos) de difícil acceso sin disponibilidad de GPS. Además, presenta dos nuevos métodos para el escalado automático de modelos 3D basados en SfM mediante medidores laser. Ambos se utilizaron para analizar los errores en escala, de modelos de ambientes submarinos en aguas profundas, con el fin de determinar las ventajas y las limitaciones de las estrategias de reconstrucción 3D.
Además, se propone un nuevo sistema para demostrar la viabilidad de una reconstrucción global consistente junto con su incertidumbre mientras el robot aún está en el agua o poco después
eng
info:eu-repo/semantics/openAccess
ADVERTIMENT. Tots els drets reservats. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.
Underwater image-based 3D reconstruction with quality estimation
info:eu-repo/semantics/doctoralThesis
oai:dugi-doc.udg.edu:10256/208102022-03-29T12:34:31Zcom_10256_1515com_10256_2943com_10256_11653col_10256_4368col_10256_11654RC2openaire_dataRC1CIRAXRC4RC3driveropenaireMD2MD1recolecta
Himri, Khadidja
2022-03-29T12:34:30Z
2022-03-29T12:34:31Z
2021-12-10
http://hdl.handle.net/10803/673811
http://hdl.handle.net/10256/20810
In recent decades, the rapid development of intelligent vehicle and 3D scanning tecnologies has led to a growing interest in applications based on 3D point data processing, with
many applications such as augmented reality or robot manipulation and obstacle avoidance,
scene understanding, robot navigation, tracking and assistive technology among
others, requiring an accurate solution for the 3D pose of the recognized objects. Thus object
recognition is becoming an important topic in computer vision, where machine vision
and robotics techniques are becoming key players.
In this thesis work, the main objective is to develop a semantic mapping method by
integrating a 3D object recognition pipeline with a feature-based SLAM system, in order
to assist autonomous underwater interventions in the near future.
To this end, the work proposed in this paper targets three axes. First, it aims to
compare the performance of 3D global descriptors within the state of the art, focusing on
those based on point clouds and targeted at real-time object recognition applications. For
this purpose, we selected a set of test objects representative of Inspection, Maintenance
and Repair (IMR) applications and whose shape is usually known a priori. Their CAD
models were used to: 1) create a data base of synthetic object views used as a priori
knowledge, and 2) simulate the point clouds that would be gathered during the scanning
under realistic conditions, with added noise and varying resolution. Extensive experiments
were performed with both virtual scans and real data collected with an AUV equipped
with a fast laser scanner developed at our research centre.
The second goal of our work was to use a real-time laser scanner mounted on an AUV
to detect, identify, and locate objects in the robot’s environment, with the aim of allowing
an intervention Autonomous Underwater Vehicle (I-AUV) to know what manipulation
actions could be performed on each object. This goal was tackled by the design and
development of a 3D object recognition method for uncolored point clouds (laser scans)
using point features. The algorithm uses a database of partial views of the objects stored
as point clouds. The recognition pipeline includes 5 stages: 1) Plane segmentation, 2)
Pipe detection, 3) Semantic Object-segmentation, 4) Feature-based Object Recognition
and 5) Bayesian estimation. To apply Bayesian estimation, it is necessary to track objects
across scans. For this purpose, the Inter-distance Joint Compatibility Branch and Bound
(IJCBB) data association algorithm was proposed based on the distances between objects.
The performance of the method was tested using a dataset of the inspection of a pipe
infrastructure made of PVC objects connected by pipes. The structure is representative of
those commonly used by the offshore industry. Experimental results show that Bayesian
estimation improves the recognition performance with respect to the case where only the descriptor is used. The inclusion of semantic information about object pipe connectivity
further improves recognition performance.
The final goal of the thesis, consists of integrating the 3D object recognition system
with a feature-based SLAM system to implement a semantic map providing the robot
with information about the location and the type of objects in its surroundings. The
SLAM improved both the accuracy and reliability of pose estimates of the robot and the
objects. This is especially important in challenging scenarios where significant changes in
viewpoint and appearance arise
A les darreres dècades, el ràpid desenvolupament de vehicles intel·ligents i de les tecnologies d’escaneig 3D han contribuït a augmentar l’interès en les aplicacions basades en processament de núvols de punts 3D, amb aplicacions com la realitat augmentada, la manipulació robòtica, l’evasió d’obstacles, la comprensió d’escenes, la navegació robòtica, el seguiment d’objectes i la tecnologia d’assistència, etc., que requereixen una soluci´o precisa de la posició 3D i l’orientació d’un objecte. Per tant, el reconeixement d’objectes
s’està convertint en un tema, on la visió per computador i les tècniques robòtiques esdevenen protagonistes clau. En aquest treball de tesi, l’objectiu principal és desenvolupar
un mètode per a la construcció de mapes semàntic mitjançant la integració d’una cadena
de processament per al reconeixement d’objectes 3D, amb un sistema de SLAM basat en
característiques, amb l’objectiu d’ajudar a les futures intervencions submarines. Per això,
el treball proposat en aquesta tesi es divideix en tres eixos principals. El primer té com a
objectiu comparar el rendiment de descriptors globals d’última generació, centrant-se en
els basats en núvols de punts 3D i destinats a aplicacions de reconeixement d’objectes en
temps real. Per a aquest objectiu, s’ha seleccionat un conjunt d’objectes de prova representatius d’aplicacions d’inspecció, manteniment i reparació (IMR), la forma dels quals es coneix a priori. Els seus models CAD s’han utilitzat per a: 1) crear una base de dades
amb les vistes sintètiques dels objectes, i 2) simular els núvols de punts que adquiriria,
en condicions realistes, un escàner làser incloent soroll sintètic i simulant diferents resolucions.
S’han dut a terme experiments tant a partir d’escaneigs virtuals com de dades
reals recopilades amb un AUV equipat amb un escàner làser de temps real desenvolupat
al nostre centre de recerca. El segon objectiu del nostre treball va consistir en utilitzar
aquest escàner làser, muntat a un AUV per detectar, reconèixer i localitzar objectes a
l’entorn del robot, per tal de permetre, a un Vehicle Submarí Autònoms d’Intervenció (IAUV),
saber quines accions de manipulació podria fer amb cada objecte. Aquest objectiu es
va abordar amb el disseny i el desenvolupament d’un mètode de reconeixement d’objectes
3D en núvols de punts incolors (escanejos làser) utilitzant descriptors dels punts 3D.
L’algorisme utilitza una base de dades de vistes parcials dels objectes emmagatzemats en
forma de núvols de punts. El procés de reconeixement consta de 5 passos: 1) Segmentació
de plànols, 2) Detecció de canonades, 3) Segmentació semàntica d’objectes, 4) Reconeixement d’objectes a partir dels descriptors de punts 3D i 5) Estimació bayesiana. Per aplicar l’estimació bayesiana, cal ser capaços de fer un seguiment dels objectes en escanejos successius. Per fer-ho, s’ha proposat l’algorisme Inter-distance Joint-Compatibility Branch and Bound (IJCBB) d’associació de dades basada en les distancies entre objectes dins del núvol de punts. El rendiment del mètode es va avaluar fent servir dades experimentals relatives a la inspecció d’una infraestructura composta de canonades interconnectades per objectes de PVC. L’estructura ´es representativa de les comunament utilitzades per la indústria offshore. Els resultats experimentals mostren que l’estimació bayesiana millora el rendiment del reconeixement en comparació de l’ús ´únic del descriptor. La inclusió d’informació semàntica sobre la connectivitat d’objectes a canonades millora encara més el rendiment del reconeixement. L’objectiu final de la tesi va abordar la integració del sistema de reconeixement d’objectes 3D basat en descriptors amb un sistema de SLAM basat en característiques, per implementar un mapa semàntic que proporciona al robot informació sobre la ubicació i el tipus d’objectes a l’entorn. La utilització de tècniques
de SLAM ha millorat la precisió i la fiabilitat de les estimacions de la postura del robot i
els objectes. Això és especialment important en escenaris difícils on es produeixen canvis
significatius de perspectiva i aparença
eng
info:eu-repo/semantics/openAccess
L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by/4.0/
Automated 3D object recognition in underwater scenarios for manipulation
info:eu-repo/semantics/doctoralThesis
oai:dugi-doc.udg.edu:10256/230292023-05-24T10:44:43Zcom_10256_11653com_10256_2943com_10256_1515col_10256_11654col_10256_4368RC2openaire_dataRC1CIRAXRC4RC3driveropenaireMD2MD1recolecta
Castillón Sánchez, Miguel
2023-05-23T09:04:14Z
2023-05-23T09:04:15Z
2023-02-10
http://hdl.handle.net/10803/688341
http://hdl.handle.net/10256/23029
Accurate underwater 3D perception is essential to advance towards the automation
of expensive, dangerous and/or time-consuming tasks, such as the inspection, maintenance
and repair of off-shore industrial sites. Accurate underwater 3D sensors can potentially
have a large positive impact on the progress of tasks like object detection and
semantic mapping, which are key to the development of robotic platforms capable of a
higher level of abstraction. Moreover, these advances would decidedly contribute to the
transition from remotely operated vehicles (ROVs) towards autonomous underwater vehicles
(AUVs) in industrial operations. However, accurate underwater 3D perception is very
hard to achieve because of the many physical particularities of light propagation in water,
including refraction: the direction of light rays changes due to the different refraction
indices of the media it travels through.
This thesis focuses on the development of a novel underwater 3D scanner and a nonrigid
point cloud registration method aimed at enabling underwater 3D reconstructions
with accuracies in the order of millimeters both in static and dynamic missions.
The thesis is structured according to these two main contributions, which resulted in
five journal articles. The first main contribution of this thesis is designing and building an
underwater 3D scanner using a 2-axis mirror. The second axis of the rotating mirror allows
us to project optimally-curved scanning patterns designed to counteract refraction, so that
they transform into straight lines when entering the water. This results in a decrease in
computational complexity of the 3D reconstruction while maintaining millimeter accuracy.
Minor contributions of this part of the thesis are the design of a ray-tracing model to
study the effect of each optical component on the quality of the 3D reconstruction and the
development of a simplified calibration algorithm based on numeric projection functions.
The second main contribution of this thesis is the development of a non-rigid point cloud
registration method that can successfully minimize the motion distortion that appears
when the scanner is mounted on a moving robot.
Finally, this thesis also includes unpublished 3D reconstructions performed during
missions both in the water tank at the Centre d’Investigació en Robòtica Submarina
(CIRS) and at sea
Una percepció submarina 3D d’alta precisió és essencial per avançar cap a l’automatització
de tasques com la inspecció, el manteniment i la reparació d’estructures industrials
submarines, las quals actualment comporten un elevat preu, risc i/o durada. Disposar
de sensors 3D subaquàtics d’alta precisió podria accelerar el progrés de tasques com
la detecció d’objectes i el mapejat semàntic, claus per al desenvolupament de plataformes
robòtiques capaces d’un nivell d’abstracció més alt. A més, aquest avenç contribuiria de
forma decisiva a la transició a nivell industrial des de vehicles submarins operats remotament
(ROVs) cap a vehicles submarins autònoms (AUVs). No obstant això, aconseguir
percepció 3D d’alta precisió sota l’aigua és difícil per les moltes particularitats físiques de
la propagació de la llum a l’aigua, incloent-hi la refracció: la llum canvia de direcció a
causa dels diferents índexs de refracció dels mitjans pels quals viatja.
Aquesta tesi se centra en el desenvolupament d’un nou escàner 3D submarí i un mètode
de registre no-rígid de núvols de punts amb l’objectiu de crear reconstruccions submarines
en 3D amb precisions a l’ordre de mil·límetres tant en missions estàtiques com dinàmiques.
La tesi s’estructura segons aquestes dues contribucions principals, las quals ens han
permès publicar cinc articles en revistes científiques. La primera contribució principal és
el disseny i la construcció d’un escàner 3D submarí usant un mirall de dos eixos de rotació.
El segon eix del mirall ens permet projectar patrons d’escaneig corbats de manera òptima
per contrarestar la refracció, de manera que es transformin en línies rectes en entrar
a l’aigua. Així, podem disminuir la complexitat computacional de la reconstrucció 3D
mentre mantenim una precisió mil·limètrica. Altres contribucions de menor rang d’aquesta
part de la tesi són el disseny d’un model de la direcció del feix làser per estudiar l’efecte
de cada component òptic en la qualitat de la reconstrucció 3D, i el desenvolupament d’un
algoritme de calibració simplificat basat en funcions numèriques de projecció. La segona
contribució principal és un mètode de registre no-rígid de núvols de punts que minimitza
la distorsió present als escanejats quan el sensor està muntat en un robot en moviment.
Finalment, aquesta tesi també inclou reconstruccions 3D no publicades fins ara i que
van ser realitzades en missions tant a la piscina del Centre d’Investigació en Robòtica
Submarina (CIRS) com al mar
eng
info:eu-repo/semantics/openAccess
L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc/4.0/
Underwater 3d sensing using structured light: development of an underwater laser scanner and a non-rigid point cloud registration method
info:eu-repo/semantics/doctoralThesis
oai:dugi-doc.udg.edu:10256/230472023-09-04T09:29:30Zcom_10256_11653com_10256_2943com_10256_1515col_10256_11654col_10256_4368RC2openaire_dataRC1CIRAXRC4RC3driveropenaireMD2MD1recolecta
Clèrigues Garcia, Albert
2023-05-30T09:37:58Z
2023-05-30T09:37:58Z
2023-02-13
http://hdl.handle.net/10803/688369
http://hdl.handle.net/10256/23047
This PhD thesis focuses on improving the extraction of neuroimage markers for
the prognosis and outcome prediction of neurological pathologies such as ischemic
stroke, Alzheimer’s disease (AD) and multiple sclerosis (MS). Our work has been
developed on two of the most relevant neuroimage markers for diagnosis and
prediction, brain lesion segmentation and longitudinal atrophy quantification.
Brain lesion segmentation can be directly used in MS and ischemic stroke as a
prognostic marker and can also be useful for other downstream segmentation
tasks. In MS, disease activity produces very characteristic lesions which can
help with diagnosis and prognosis of the pathology. In ischemic stroke, lesion
segmentation can inform the treatment decision workflow by quantifying the
amount of tissue that could be salvaged against the risks of surgical intervention.
We also tackle in this PhD thesis the task of brain tissue segmentation for
longitudinal atrophy quantification, a validated prognostic image marker in MS
and AD. Measurements of longitudinal atrophy can be used to assess the rate of
disease progression and might even help to predict AD onset years in advance. In
MS patients, an accelerated rate of brain atrophy is also observed as a result of
disease activity and is used as a prognostic marker and to evaluate the response
of disease-modifying treatments
Aquesta tesi doctoral se centra en millorar l’extracció de marcadors de neuroimatge
per al pronòstic i predicció de l’estat del pacient en patologies neurològiques
com l’ictus isquèmic, la malaltia d’Alzheimer o l’esclerosi múltiple
(EM). El nostre treball ha estat desenvolupat en dos dels marcadors de neuroimatge
més rellevants per al diagnòstic i la predicció; la segmentació de lesions
cerebrals i la quantificació longitudinal d’atròfia. La segmentació de lesions
pot ser utilitzada directament en ictus i en EM com a marcador del pronòstic
i també pot ser útil en posteriors tasques de segmentació. A l’EM, l’activitat
de la malaltia produeix lesions molt característiques que poden informar el
diagnòstic i el pronòstic de la patologia. A l’ictus isquèmic, la segmentació de
la lesió pot assistir en la decisió del tractament mitjançant la quantificació del
teixit que podria salvar-se front als riscos de la intervenció quirúrgica. També
abordem en aquesta tesi doctoral la segmentació del teixit cerebral per a la
quantificació de l’atròfia longitudinal, un marcador d’imatge pronòstic validat a
la EM i la malaltia d’Alzheimer. Les mesures de l’atròfia longitudinal es poden
fer servir per avaluar la velocitat de progressió de la malaltia i fins i tot podrien
ajudar a predir l’inici de la malaltia d’Alzheimer anys abans de mostrar els
primers símptomes. En pacients amb EM, també s’observa una taxa accelerada
d’atròfia cerebral com a resultat de l’activitat de la malaltia i la seva mesura pot
servir com a marcador pronòstic i també per avaluar la resposta als tractaments
modificadors de la malaltia
eng
info:eu-repo/semantics/openAccess
L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc/4.0/
Deep learning methods for extraction of neuroimage markers in the prognosis of brain pathologies
info:eu-repo/semantics/doctoralThesis