Tras describir cual ha sido el procedimiento que he seguido durante la práctica, es hora de analizar los resultos. Para visualizar mejor los puntos he decidido utilizar un visor de puntos 3D externo, Meshlab. He notado que a medida que se van pintando los puntos obtenidos en el visor que se adjunta con Gazebo el tiempo de ejecución aumento. Por ello he optado por ir almacenando los puntos en una lista para finalmente guardarlos en un fichero .obj. De esta manera, una vez finalizada la ejecución, es posible cargar el archivo en el visualizador y y observar el resultado de la reconstrucción. Debido a un fallo de programación la reconstrucción salía con los contornos bien dibujados pero en un plano 2D dentro del mundo. Después de arreglar ese pequeño error en una condición, he podido representar los bordes de las figuras en tres dimensiones. Sin embargo, el resultado obtenido tampoco era del todo bueno. Era posible intuir alguna de las figuras pero realmente no estaba bien. Revisando el
Como se comentaba en la entrada anterior, una vez tenemos la línea epipolar calculada podemos buscar el punto homólogo correspondiente. Para ello es necesario establecer una métrica para comparar ambos puntos. Tomar simplemente los valores RGB de los puntos no parece la forma más fiable, puesto que puede ser que haya más de un punto similar. Lo ideal sería tomar una región o parche centrada en los puntos. De esta forma la comparación será mucho más fiable y discriminante a lo largo de la epipolar. Es necesario establecer una métrica para comparar ambos parches. Una de las más sencillas es el MSE (Mean Square Error), que promedia el resultado de restar los valores en escala de grises de cada uno de los elementos del parche. Existen otras métricas como comparar histogramas o la correlación, pero considero que es mejor comenzar con la más simple. Como se trata de una diferencia, hay que calcular el MSE entre todas las posibles combinaciones a lo largo de la epipolar. El punto