Utilização do AWS Rekognition na identificação de objetos para reconstrução 3D.

Abstract

Este trabalho investiga o uso do AWS Rekognition para a identificação e o processamento de objetos em imagens e vídeos, integrando essas funcionalidades a uma pipeline modular de reconstrução tridimensional (3D). A reconstrução 3D exige a identificação precisa de elementos visuais, sendo um processo tradicionalmente complexo e com alto custo computacional. Em cenários reais, conjuntos de imagens capturados por câmeras convencionais ou por drones frequentemente contêm redundâncias, imagens com baixa nitidez ou ângulos inadequados, o que eleva desnecessariamente a carga computacional nas etapas subsequentes e pode comprometer a qualidade do modelo final. Nesse contexto, o AWS Rekognition, um serviço de visão computacional baseado em técnicas de aprendizado profundo disponibilizado pela Amazon Web Services, é utilizado como etapa de pré-processamento para filtragem automática dessas imagens irrelevantes antes da reconstrução. O estudo contempla desde a aquisição em vídeo e a extração de frames até a visualização do modelo gerado no MeshLab. A pipeline proposta é estruturada de forma modular, dividida em etapas independentes e interconectadas: extração de frames do vídeo por amostragem uniforme, filtragem via AWS Rekognition, reconstrução esparsa e densa por meio de Structure from Motion (SfM) e Multi-View Stereo (MVS) com o COLMAP, e alinhamento de nuvens de pontos por \textit{Global Registration} (RANSAC sobre descritores FPFH) seguido de refinamento por Iterative Closest Point (ICP) e reconstrução de superfície com a técnica de \textit{Screened Poisson}. Essa arquitetura favorece maior flexibilidade, escalabilidade e facilidade de análise individual de cada fase do processo. As vantagens, limitações e possíveis aplicações da solução são discutidas, com foco no seu potencial para cenários de reconstrução 3D com hardware convencional e recursos limitados.