000106905 001__ 106905 000106905 005__ 20210909132519.0 000106905 037__ $$aTAZ-TFG-2021-2094 000106905 041__ $$aspa 000106905 1001_ $$aSubías Sarrato, José Daniel 000106905 24200 $$a3D modeling of the colon from real colonoscopies using multiview geometry 000106905 24500 $$aModelado 3D del colon a partir de colonoscopias reales mediante geometría multivista 000106905 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2021 000106905 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/ 000106905 520__ $$aEl proyecto EndoMapper tiene como objetivo utilizar secuencias de colonoscopias reales, para lograr realizar Simultaneous Localization and Mapping(SLAM) en el intestino humano. Utilizar técnicas como Structure from Motion(SfM) permite estructurar en grupos los vídeos de manera automática, en regiones donde se sabe que el entorno es aproximadamente rígido. Esto da la oportunidad a los investigadores de probar a realizar SLAM en las zonas donde puede asumirse rigidez. Adicionalmente en estas regiones también es factible el poder probar a crear modelos fotorrealistas mediante Stereo, utilizando algoritmos como Multi-View Stereo(MVS). El software COLMAP permite crear reconstrucciones dispersas de regiones rígidas usando SfM, para posteriormente intentar densificarlas mediante MVS. <br />Durante la realización del proyecto se ha trabajado sintonizar COLMAP, tanto el SfM como el MVS, para el procesamiento de secuencias de endoscopia médica. Por una parte se a optimizado la implementación de SfM para trabajar con el modelo de cámara Fisheye Kannala-Brandt, que utiliza el endoscopio. Eliminando así una selección de modelos innecesaria en este tipo de secuencias de vídeo, consiguiendo así una reducción del tiempo de cómputo del 45\%. Como segundo punto positivo el sistema desarrollado, logra realizar una mejor agrupación de las imágenes de las secuencias que pertenecen a una misma zona. Esto se ha podido comprobar haciendo un análisis de la segmentación realizada para una secuencia de vídeo completa. <br />Como parte complementaria se ha tratado de estimar la profundidad de cada píxel de cada imagen de la entrada, con el objetivo de generar un mapa de profundidad y de normales para cada fotograma. Esto ha sido posible al conocer mediante SfM que regiones son rígidas. Para poder utilizar MVS, tomando como medidas a optimizar la fotoconsistencia entre los píxeles, y la consistencia geométrica entre su posiciones 3D. Los parámetros predefinidos de COLMAP están ajustados para trabajar con edificios y fotografías tomadas de internet. Trabajar con endoscopias ha supuesto ajustar los parámetros del programa para adaptar el proceso de densificación. <br />Podemos concluir con que el software COLMAP permite estructurar de forma no supervisada los vídeos endoscopias. Simplificando notablemente la identificación de secciones de vídeo donde SLAM es mas prometedor, además de proporcionar un etiquetado para el entrenamiento de sistemas de aprendizaje automático o incluso Stereo<br /><br /> 000106905 521__ $$aGraduado en Ingeniería Informática 000106905 540__ $$aDerechos regulados por licencia Creative Commons 000106905 700__ $$aMartínez Montiel, José María$$edir. 000106905 7102_ $$aUniversidad de Zaragoza$$bInformática e Ingeniería de Sistemas$$cIngeniería de Sistemas y Automática 000106905 8560_ $$f759533@unizar.es 000106905 8564_ $$s5960479$$uhttps://zaguan.unizar.es/record/106905/files/TAZ-TFG-2021-2094.pdf$$yMemoria (spa) 000106905 909CO $$ooai:zaguan.unizar.es:106905$$pdriver$$ptrabajos-fin-grado 000106905 950__ $$a 000106905 951__ $$adeposita:2021-09-09 000106905 980__ $$aTAZ$$bTFG$$cEINA 000106905 999__ $$a20210622114859.CREATION_DATE