🧭 pose_CAD_registration

Este repositorio implementa un sistema de registro de pose para modelos CAD 3D a partir de imágenes 2D, basado principalmente en el algoritmo propuesto por Atoche (2011). Se emplean correspondencias punto-rayo y visibilidad geométrica para estimar la rotación y traslación que alinean el modelo con la vista de una cámara calibrada.

---

🎯 Objetivo

Desarrollar una herramienta funcional de visión por computadora que:

• Detecte bordes relevantes en la imagen (SUSAN, Canny).
• Genere rayos proyectados desde puntos de borde utilizando la matriz intrínseca de cámara.
• Empareje estos rayos con puntos visibles del modelo CAD.
• Calcule la transformación óptima (pose) que alinee el modelo con la imagen.

---

🛠️ Herramientas y métodos utilizados

• Lenguaje: Python 3.x
• Librerías: Open3D (con CUDA), OpenCV, NumPy, Matplotlib
• Métodos clave:
  • Correspondencia punto-rayo (CLP)
  • Estimación robusta de pose (SVD + Huber)
  • Visibilidad por geometría (normales perpendiculares)
  • Transformaciones iterativas y multivista

---

📂 Desglose por scripts

intento_viejo.py — 🌀 Primer intento de optimización

Un algoritmo funcional que intenta minimizar el error entre rayos proyectados y puntos CAD.

🎬 Video:

📌 Resultado:

• Calcula error ponderado y muestra convergencia.

• 🚨 Se atasca en mínimos locales.

• No escapa por falta de exploración angular.

  

---

visible_modern.py — 🧰 Visualizador moderno

Visualizador interactivo que permite inspeccionar:

• Las listas geométricas: vértices, aristas, normales, puntos interpolados.
• La imagen texturizada.
• Rayos proyectados desde la imagen.
• La cámara calibrada con perspectiva.

🎯 Función clave: Diagnóstico geométrico completo.

---

visible_rotations.py — 🔄 Transformaciones en tiempo real

Aplica rotaciones dinámicas al modelo CAD y recalcula visibilidad.

📍 Ideal para comprobar que el sistema responde correctamente a transformaciones.

---

32_optimizacionn.py — 🔬 Optimización según Atoche

Implementación casi completa del método de Atoche (2011):

• Construcción de listas geométricas (Listas 1–4).
• Evaluación de visibilidad (Lista 5) mediante normales perpendiculares.
• Emparejamiento rayo ↔ modelo.
• Estimación de pose con pesos robustos y SVD.
• Iteración controlada por error ponderado.

🎬 Video:

📌 Resultado:

• Logro parcial: estructura funcional y visualización completa.
• 🚨 Fracaso en converger a la pose real debido a mínimos locales persistentes.
• ⚠️ Alta complejidad del modelo Benchy contribuyó a errores y lentitud de procesamiento.

---

🚧 Problemas encontrados

Problema	Descripción
❌ Mínimos locales	La optimización converge en poses incorrectas.
🐌 Modelo CAD complejo (Benchy)	Alto número de vértices dificultó la visibilidad y emparejamiento.
⏱️ Tiempo limitado	No se integraron estrategias de exploración global ni depuración fina.

---

🧠 Conclusión

Este proyecto demostró la complejidad real de aplicar algoritmos teóricos de visión por computadora en escenarios prácticos. Replicar la metodología de Atoche permitió:

• Comprender en profundidad el registro CAD↔imagen.
• Identificar los cuellos de botella geométricos y algorítmicos.
• Visualizar en tiempo real los efectos de transformaciones y correspondencias.

Aunque el sistema no logró estimar correctamente la pose, dejó como legado una plataforma sólida para exploraciones futuras que incorporen:

• Métodos de escape de mínimos locales.
• Reducción de complejidad geométrica.
• Integración con redes neuronales o aprendizaje supervisado.

---

📚 Referencias

• Atoche, A. (2011). Pose Estimation of 3D CAD Models from Monocular Images (Tesis de Maestría).
• Wunsch, P. (1996). Registration of CAD-models to images by iterative inverse perspective matching.
• Open3D
• OpenCV