Monocular Panoramic Imaging for High-Precision 3D Shape Reconstruction

Imagina intentar construir un modelo tridimensional perfecto de un objeto complejo, como un pie humano, utilizando únicamente fotografías planas. Este es un desafío fundamental en la visión artificial, el campo dedicado a enseñar a las máquinas a ver y comprender el mundo. Durante décadas, los científicos han dependido de dos enfoques principales para resolver esto. El primero consiste en utilizar muchas cámaras dispuestas en un círculo, cada una capturando una imagen desde un ángulo diferente. Aunque es efectivo, este método es costoso, difícil de configurar y requiere una sincronización precisa para asegurar que todas las cámaras coincidan en color y tiempo. El segundo enfoque utiliza una sola cámara pero depende de un software complejo para adivinar la profundidad de un objeto, teniendo a menudo dificultades cuando la superficie carece de textura o patrones. Ambos métodos enfrentan obstáculos al intentar capturar mediciones precisas y en tiempo real de formas suaves o intrincadas, una necesidad que surge con frecuencia en la inspección industrial y el diagnóstico médico.

Un equipo de investigadores de la Universidad de Tecnología de Zhejiang ha propuesto un camino diferente, uno que combina la simplicidad de una sola cámara con la vista integral de un arreglo de múltiples cámaras. Diseñaron un dispositivo especializado que captura siete perspectivas diferentes de un objeto en un solo instante, utilizando espejos para plegar la luz hacia una única lente. Al analizar estas vistas simultáneas con un nuevo enfoque matemático, reconstruyeron con éxito la forma tridimensional de un pie humano con alta precisión. Su trabajo demuestra que es posible lograr mediciones 3D de alta calidad sin el alto costo y la complejidad de los sistemas tradicionales de múltiples cámaras, ofreciendo una solución robusta para escenarios donde la precisión es primordial.

El núcleo de su innovación reside en una cámara de imagen personalizada. En lugar de colocar una cámara frente a un objeto y moverla alrededor, los investigadores colocaron el objeto dentro de una caja revestida de espejos. Esta caja tiene forma de embudo, construida a partir de seis espejos trapezoidales dispuestos para mirar hacia adentro. Una sola cámara de alta definición mira hacia el centro de esta cámara. Cuando un objeto, como un pie, se coloca dentro, la cámara no solo ve el objeto directamente; también ve múltiples reflejos del objeto rebotando en los espejos. En una sola instantánea, la cámara captura una vista directa de la parte superior del objeto y seis vistas virtuales de los lados y la parte posterior, simulando efectivamente una configuración de siete cámaras. Debido a que todas estas vistas provienen de la misma lente en el mismo momento, el sistema evita los dolores de cabeza comunes de calibrar múltiples cámaras o sincronizar sus colores. La iluminación también se controla dentro de la cámara, asegurando que el objeto esté iluminado uniformemente y libre de sombras o destellos distractores.

Una vez capturada la imagen, los investigadores se enfrentan a la tarea de convertir esos reflejos planos en una forma 3D sólida. Desarrollaron un método que trata el espacio alrededor del objeto como una serie de pequeños cubos invisibles, o vóxeles. Imagina llenar el espacio alrededor del pie con una cuadrícula de estos cubos. El algoritmo luego comprueba sistemáticamente cada ángulo posible alrededor del objeto, desde la parte superior hasta la inferior y recorriendo todos los lados. Para cada ángulo, observa las reflexiones correspondientes en las siete vistas para determinar si un cubo debe ser parte del objeto o espacio vacío. Lo hace comprobando si el brillo de la proyección del cubo es consistente en todas las diferentes vistas. Si la luz se ve igual en cada reflejo, el cubo es probablemente parte de la superficie; si el brillo varía drásticamente, el cubo es descartado. Este proceso, conocido como tallado de espacio (space carving), permite al sistema ir eliminando el espacio vacío hasta que solo queda la forma del objeto, creando una nube de puntos detallada que define su superficie.

Para probar su sistema, los investigadores lo aplicaron a la reconstrucción de pies humanos, una tarea que requiere alta precisión debido a las curvas complejas y la piel suave del pie. Colocaron un pie dentro de la cámara de espejos y capturaron la imagen panorámica. El sistema procesó la imagen, separando el pie del fondo negro y convirtiendo los datos de color en un formato que el algoritmo pudiera utilizar. El resultado fue una nube de puntos tridimensional completa del pie, incluyendo su información de color. Para verificar la precisión, proyectaron este modelo 3D de nuevo sobre una pantalla plana para ver qué tan bien coincidía con la silueta original del pie en la vista de la cámara. La comparación reveló un grado de superposición muy alto, con tasas de error que generalmente se mantuvieron por debajo del 3 por ciento para la mayoría de las vistas. La vista superior y las dos vistas laterales auxiliares mostraron la mayor precisión, con errores de tan solo 0,68 por ciento.

El estudio también comparó su sistema de siete vistas contra una configuración previa de cinco vistas para ver si los espejos adicionales marcaban la diferencia. El sistema de cinco vistas, que carece de los dos espejos auxiliares adicionales, tuvo dificultades para capturar la parte posterior del pie con precisión, lo que provocó huecos y mayores tasas de error en esa área específica. El sistema de siete vistas, al proporcionar ángulos independientes para la sección trasera, llenó esos detalles faltantes y redujo significamente el error general. Los investigadores encontraron que los puntos de vista adicionales suavizaron las fluctuaciones en la precisión de la medición, asegurando que incluso las partes más difíciles de ver del objeto se reconstruyeran fielmente. Si bien el método es altamente efectivo para objetos sólidos y suaves, los autores señalan que tiene limitaciones con agujeros profundos o estructuras internas complejas, ya que la luz no puede alcanzar el interior de esas áreas para crear un reflejo.

Esta investigación ofrece una alternativa convincente a la maquinaria costosa y compleja que se utiliza a menudo para el escaneo 3D. Al utilizar una sola cámara y una ingeniosa disposición de espejos, el equipo creó un sistema que es tanto rentable como altamente preciso. La capacidad de capturar una vista de 360 grados en una sola exposición elimina la necesidad de piezas móviles o de múltiples dispositivos sincronizados, haciendo que el proceso sea más rápido y confiable. La reconstrucción exitosa de la forma del pie demuestra que este enfoque puede manejar objetos del mundo real con la precisión requerida para aplicaciones médicas o industriales. Si bien la tecnología aún no es una solución universal para cada tipo de objeto, particularmente aquellos con cavidades profundas, representa un paso significativo hacia la creación de mediciones 3D de alta precisión más accesibles y prácticas. El código fuente y la documentación del sistema se han hecho públicos, permitiendo que otros científicos construyan sobre este trabajo y perfeccionen aún más la técnica para futuras aplicaciones.