Visión. Sesión 6: Alineamiento 3D a partir de nubes de puntos. Departamento CCIA

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Visión. Sesión 6: Alineamiento 3D a partir de nubes de puntos. Departamento CCIA http://www.jtech.ua.es/vision/2011/"

Transcripción

1 Visión Sesión 6: Alineamiento 3D a partir de nubes de puntos Departamento CCIA

2 Hoy SfM (Structure from Motion) Alineamiento 3D (Registration) Descripción del Algoritmo ICP Experimentación con ICP Variantes del ICP Cámara Kinect Point Cloud Library (PCL) Referencias Andreas Nüchter Szymon Rusinkiewicz and Marc Levoy Bogdan Rusu and Steve Cousins 2

3 Objetivo: Reconstrucción de entornos 3D Para reconstruir digitalmente un entorno sin oclusiones es necesario visualizarlo desde diferentes puntos de vista Desde cada punto de vista, se obtiene una representación parcial del entorno (scan 3D) Para crear una representación completa y consistente del entorno, todos los scans deben alinearse en un único sistema de coordenadas (R. Gvili) 3

4 SfM (Structure from Motion) SfM = Alineamiento + Reconstrucción 3D (A. Bartoli) 4

5 El Problema del Alineamiento 3D Dados dos scans observados desde dos puntos de vista diferentes, en nuestro caso, dos nubes de puntos con su respectivo sistema de referencia local Se trata de encontrar la transformación rígida (rotación y traslación) entre los dos sistemas de referencia que alinea puntos correspondientes de las dos nubes (scan matching)? 5

6 Por qué es difícil el alineamiento 3D? 6

7 Métodos de Scan Matching Matching basado en características: Extraer características (features) distinguibles que permitan ser identificadas en ambos scans A partir del emparejamiento correspondiente entre características de ambos scans, se calcula la transformación rígida que las alinea Matching como un problema de optimización: Usar una función de coste que mide la calidad del alineamiento entre puntos de ambos scans Normalmente en un proceso iterativo, se determina la transformación rígida que minimiza dicha función de coste 7

8 Cálculo de la Transformación Rígida Solución en forma cerrada: Aplicable cuando se conocen las correspondencias entre los puntos 4 métodos matemáticos Usando Descomposición en Valores Singulares de una matriz (SVD) Usando matrices ortonormales Usando quaternions Usando quaternions duales Solución iterativa: Cuando las correspondencias entre los puntos son desconocidas Algoritmo ICP (Iterative Closest Points) 8

9 Descripción del algoritmo ICP Sean dos conjuntos de puntos 3D, M (model set) y D (data set), M = Nm D = Nd se trata de encontrar la transformación rígida (R,t) que minimiza la siguiente función de coste: donde wi,j determinan las correspondencias de puntos : 1 si mi empareja con dj wi,j = 0 en otro caso El algoritmo en cada paso de iteración, primero calcula las correspondencias de puntos usando el criterio del punto más cercano, y después calcula la transformación rígida que minimiza la función de coste para dichas correspondencias, utilizando uno de los métodos en forma cerrada 9

10 El algoritmo ICP Repetir for all dj D do encontrar el punto más cercano de dj en el conjunto M end for Calcular la transformación (R,t) que minimiza la función de coste Actualizar el conjunto de datos D, aplicándole esta transformación Calcular la diferencia del error cuadrático: ei = Ei-1(R,t) - Ei(R,t) hasta que ei < Umbral OR Max_iteraciones 10

11 Calcular la Transformación (R,t) con ICP Generalmente se calcula primero la rotación R y después la traslación t Idea: en la solución correcta las 2 nubes de puntos deberían tener el mismo centroide Modificar las 2 nubes de puntos restándoles sus respectivos centroides D = {d i = di - dm} 1,..,N M = {m i = mi - cm} 1,..,N De forma que el problema se reduce a minimizar la función de error: 11

12 Calcular la Transformación (R,t) con ICP Calcular la rotación R usando una solución en forma cerrada (por ejemplo SVD) Calcular la traslación t = cm - Rcd cm t Rcd cd 12

13 Descomposición en Valores Singulares (SVD) de una matriz Calcular la matriz 3x3 de correlación H donde Calcular la descomposición en valores singulares de la matriz H = U S V t La matriz 3x3 de rotación es R = V U t 13

14 Ejemplo 2D (0,0) x y Data set (2057 puntos) Model set (1966 puntos) Iteración: 1 R;t : 36.7º; (-194.3, 263.8) Error : 75.5 Iteración: 2 R;t : 5.9º; (-48.6, 11.8) Error : 36.7 Iteración: 3 R;t : 1.5º; (-9.4, -6.9) Error : 19.5 Iteración: 4 R;t : 1.4º; (-2.4, -2.8) Error : 14.5 Iteración: 5 R;t GLOBAL: 45.6º; (-241.4, 303.2) Error :

15 Ejemplo 3D: Traslación X Iteración: 1 R : (0.15,0.50,0.0) t: : (171.3, -2.8, 0.0) Error : Iteración: 2 R : (-0.15,-0.50,0.0) t: : (28.7, 2.8, 0.0) Error : Iteración: 3 R global: (0.0,0.0,0.0) t: global : (200.0, 0.0, 0.0) Error :

16 Ejemplo 3D:Rotación Yaw +Traslación X Iteración: 1 R : (-7.10,-0.38,-0.17) t: : (160.4, -2.1, 2.8) Error : Iteración: 2 R : (-2.77,0.24,0.11) t: : (38.5, -5.7, -4.8) Error : Iteración: 3 R : (-0.13,0.14,0.04) t: : (1.0., 0.3, 0.2) Error : 2.79 Iteración: 4 R global: (-10.0,0.0,0.0) t: global : (199.7, 0.7, 0.0) Error :

17 Ejemplo 3D: YawPitchRoll + XYZ Iteración: 1 R : (-2.79,-7.27,-4.95) t: : (92.4, 61.8, 134.3) Error : Iteración: 2 R : (-3.66,-4.59,-2.30) t: : (78.4, 18.5, 120.5) Error : Iteración: 3 R : (-2.52, -6.22, -0.13) t: : (4.1, 2.4, 129.6) Error : Iteración: 4 R : (0.64, -2.69, 0.02) t: : (-21.1, 11.6, 50.9) Error : Iteración: 5 R global: (-10.00, , ) t: global : (200.1, 99.9, 400.4) Error :

18 Variantes del ICP El algoritmo ICP fue originalmente creado en 1991 de forma simultánea por Chen y Medioni y por Bels y McKay Desde entonces han aparecido múltiples variantes que afectan a los distintos pasos del algoritmo: Seleccionar puntos en uno o ambos conjuntos Emparejar (matching) puntos entre los dos conjuntos Ponderar las correspondencias entre puntos Eliminar correspondencias incorrectas (outliers) Métrica de error asociado a las correspondencias Minimizar el error 18

19 Selección de puntos Todos los puntos disponibles Muestreo uniforme Muestreo aleatorio con diferentes muestras en cada iteración Con alto gradiente (color o intensidad) Muestreo con la mayor distribución de normales Muestreo uniforme en cada sub-espacio angular de normales Facilita la convergencia en escenas con características pequeñas y dispersas (Levoy) 19

20 Emparejamiento de puntos Encontrar el punto más cercano en el otro conjunto (Closest Point) Para acelerar la búsqueda, se utiliza un Kd-tree Encontrar la intersección del rayo en la dirección de la normal, con el conjunto modelo (Normal Shooting) (Levoy) Proyectar el punto sobre el conjunto modelo desde el punto de vista de la cámara del conjunto modelo (Reverse Calibration) (R. Gvili) 20

21 Ponderación de correspondencias Pesos constantes Asignar pesos en función de la distancia entre los puntos: Ponderar en función de la compatibilidad de normales: Weight = n1. n2 Ponderar en función del color Ponderación basada en la incertidumbre de la medición (ruido del sensor) Por ejemplo, con la kinect las mediciones entre [60cm..1,5m] son más fiables que mediciones > 3m 21

22 Eliminación de correspondencias (outliers) Eliminar correspondencias con distancia entre sus puntos superior a un determinado umbral (R. Gvili) Eliminar un determinado porcentaje (por ejemplo 10%) de los peores emparejamientos, según alguna métrica (por ejemplo distancia entre puntos) Eliminar emparejamientos cuya distancia entre sus puntos sea superior a un determinado múltiplo (por ejemplo, 2.5) de la desviación típica de las distancias 22

23 Eliminación de outliers Eliminar emparejamientos que no son consistentes con otros emparejamientos vecinos Dos emparejamientos (p1,q1) y (p2,q2) son inconsistentes sii < Umbral (R. Gvili) Eliminar correspondencias que contienen puntos en los límites del conjunto destino Aplicable cuando el solapamiento entre los conjuntos no es completo (R. Gvili) 23

24 Medición del error de emparejamiento Métricas punto-a-punto que consideran la suma de distancias al cuadrado entre puntos correspondientes También pueden tener en cuenta la diferencia de color Distancia punto-al-plano que considera la suma de distancias al cuadrado entre cada punto con el plano más cercano (perpendicular a la normal del punto destino) (R. Gvili) 24

25 Minimización del error Generar repetidamente emparejamientos usando la transformación actual, y encontrar una nueva transformación que minimiza la métrica de error Minimización iterativa combinada con extrapolación en el espacio de las transformaciones para acelerar la convergencia Realizar la minimización iterativa con distintas perturbaciones en las condiciones iniciales, y seleccionar el mejor resultado Realizar la minimización iterativa usando distintos subconjuntos de puntos seleccionados aleatoriamente, y elegir el resultado óptimo usando una métrica robusta (least median of squares) 25

26 La cámara Kinect Comercializada desde Noviembre de 2010 Desarrollada por Primesense y utilizada por Microsoft para la consola Xbox 360 Reconoce gestos, comandos de voz, objetos e imágenes Se ha extendido su uso a la comunidad científica APIs OpenNI (Primesense) SDK (Microsoft) OpenKinect (comunidad abierta) 26

27 Sensores de la cámara Kinect (2) (1) (3) (5) (4) Cámara RGB (1) 32 bits de color 640x480 pixels 57º x 47º campo visual 30 Hz Sensor de profundidad proyector infrarrojo (2) cámara de infrarrojos (3) 16 bits de profundidad 320x Hz 1,2 a 3,5 metros Motor de inclinación (4) Tilt (hacia arriba o abajo) hasta 27º Micrófonos multiarray (5) 4 canales a 16 bit de audio 16 khz 27

28 Cálculo de la profundidad Se proyecta un patrón de puntos con un láser infrarrojo A partir de la luz infrarroja que llega rebotada a la cámara de infrarrojos se obtiene la profundidad a la que se encuentra cada pixel El patrón de puntos está memorizado para una profundidad conocida. Al poner objetos delante, el patrón aparece distorsionado y así se puede calcular la profundidad Como hay menos puntos en el patrón de IR que el mapa de profundidad, algunas partes de este mapa son interpoladas (J. Kjaer) 28

29 Capacidades de la kinect Ventajas Bajo coste (100 ) Proporciona 30 fps con resolución 640x480 Es capaz de detectar profundidad en zonas sin textura Puede funcionar a oscuras Inconvenientes Alcance limitado (50cm - 4m) Falla en zonas que reflejan mal la luz infrarroja No funciona en entornos de exterior Suele fallar en los bordes de los objetos 29

30 PCL (Point Cloud Library) Librería de procesamiento de nubes de puntos 3D Software de libre distribución (licencia BSD), desarrollado por la empresa Willow Garage Incluye algoritmos de Filtrado Extracción de características Reconstrucción de superficies Alineamiento Ajustes de modelo Segmentación Visualización Implementada en C++ Plataformas de desarrollo Linux, MacOS, Windows y Android Soporta de forma nativa las interfaces 3D de OpenNI 30

31 Estructuras básicas en PCL Tipo PointT Existen distintos tipos de puntos predefinidos: PointXYZ, PointXYZRGB, PointNormal, etc. Se pueden añadir tipos definidos por el usuario adding_custom_ptype.php#adding-custom-ptype Tipo PointCloud Permite almacenar una nube de puntos int width int height std::vector<pointt> points Nube de puntos organizada (height = número de filas) o desorganizada (height = 1) Ejemplo: pcl::pointcloud<pcl::pointxyz> cloud; std::vector<pcl::pointxyz> data = cloud.points; // Nube organizada cloud.width = 640; cloud.height = 480; // Nube desorganizada cloud.width = ; cloud.height = 1; basic_structures.php#basic-structures 31

32 Librerías de PCL libpcl_filters Filtros de datos: reducción de la resolución (downsampling), eliminación de outliers, etc. libpcl_features Extracción de características 3D: normales de superficies, puntos frontera, descriptores SIFT, NARF, etc libpcl_io Entrada y Salida: escribir y leer ficheros en formato PCD (Point Cloud Data) libpcl_segmentation Segmentación: extracción de clusters, ajustes de modelo mediante métodos de consenso, etc libpcl_surface Reconstrucción de superficies libpcl_registration ICP libpcl_keypoints Extracción de puntos clave que puede utilizarse para decidir dónde extraer descriptores de características libpcl_range_image Dar soporte a mapas de profundidad creados a partir de nubes de puntos 32

33 Procesamiento pipeline en PCL 1. Crear el objeto de procesamiento (filtro, estimador de características, segmentación, etc) 2. Utilizar setinputcloud para pasar la nube de puntos de entrada al módulo de procesamiento 3. Actualizar algunos parámetros 4. Invocar al correspondiente módulo de procesamiento (compute, filter, segment, etc) para obtener el resultado (R.B. Rusu) 33

34 Proyecto KinectFusion Un proyecto para la kinect que fusiona el mundo real y el virtual Generar modelos 3D en tiempo real: objetos, personas y habitaciones enteras Motor de física realista que permite escanear objetos para ser manipulados con realismo 34

35 Referencias 3D Robotic Mapping: The Simultaneous Localization and Mapping Problem with Six Degrees of Freedom. Andreas Nüchter (Springer 2009).: cap. 4 Efficient Variants of the ICP Algorithm. Rusinkiewicz and Levoy. (3DIM 2001) 3D is here: Point Cloud Library (PCL). Radu Bogdan Rusu and Steve Cousins (ICRA 2011) 35

SURFACE FROM POINT CLOUDS. Superficies a partir de nubes de puntos

SURFACE FROM POINT CLOUDS. Superficies a partir de nubes de puntos SURFACE FROM POINT CLOUDS Superficies a partir de nubes de puntos Qué es una nube de puntos? Conjunto de vértices en un sistema de coordenadas tridimensional. Representaciones de la superficie externa

Más detalles

Luis Esteban Peñaherrera Sandoval Ing. de Software

Luis Esteban Peñaherrera Sandoval Ing. de Software DESARROLLO DE UN SISTEMA DE APRENDIZAJE INTERACTIVO PARA EL ÁREA DEL IDIOMA INGLÉS CON EL SOPORTE DEL KINECT DE MICROSOFT- CASO PRÁCTICO PARA NIÑOS DE 6 A 8 AÑOS EN EL CENTRO EDUCATIVO ILINIZAS. Luis Esteban

Más detalles

Object Search and Localization for an Indoor Mobile Robot

Object Search and Localization for an Indoor Mobile Robot Object Search and Localization for an Indoor Mobile Robot Kristoffer Sjö, Dorian Gálvez López, Chandana Paul, Patric Jensfelt and Danica Kragic Artículo presentado por : Javier Cabanillas Lugar : Laboratorio

Más detalles

Visión. Sesión 4: Búsqueda y tracking de modelos 2D en imágenes. Departamento CCIA http://www.jtech.ua.es/vision/2011/

Visión. Sesión 4: Búsqueda y tracking de modelos 2D en imágenes. Departamento CCIA http://www.jtech.ua.es/vision/2011/ Visión Sesión 4: Búsqueda y tracking de modelos 2D en imágenes Departamento CCIA http://www.jtech.ua.es/vision/2011/ Hoy Detección de aristas Transformada de Hough Componentes conectadas Alineación de

Más detalles

Capítulo 3. 3. Marco Teórico.

Capítulo 3. 3. Marco Teórico. Capítulo 3 3. Marco Teórico. La visión artificial o visión por computador se define como un área multidisciplinar que pretende, en cierta medida, reproducir artificialmente el sentido de la vista mediante

Más detalles

UNIVERSIDAD DE CASTILLA-LA MANCHA ESCUELA SUPERIOR DE INGENIERÍA INFORMÁTICA MÁSTER UNIVERSITARIO EN INGENIERÍA INFORMÁTICA TRABAJO FIN DE MÁSTER

UNIVERSIDAD DE CASTILLA-LA MANCHA ESCUELA SUPERIOR DE INGENIERÍA INFORMÁTICA MÁSTER UNIVERSITARIO EN INGENIERÍA INFORMÁTICA TRABAJO FIN DE MÁSTER UNIVERSIDAD DE CASTILLA-LA MANCHA ESCUELA SUPERIOR DE INGENIERÍA INFORMÁTICA MÁSTER UNIVERSITARIO EN INGENIERÍA INFORMÁTICA TRABAJO FIN DE MÁSTER Clasificación automática de espacios utilizando información

Más detalles

Capítulo 2. Técnicas de procesamiento digital de imágenes y reconocimiento de patrones.

Capítulo 2. Técnicas de procesamiento digital de imágenes y reconocimiento de patrones. Capítulo 2. Técnicas de procesamiento digital de imágenes y reconocimiento de patrones. 2.1 Revisión sistema reconocimiento caracteres [9]: Un sistema de reconocimiento típicamente esta conformado por

Más detalles

PROCESAMIENTO DE IMÁGENES 3D EN GPU

PROCESAMIENTO DE IMÁGENES 3D EN GPU Trabajo final PROCESAMIENTO DE IMÁGENES 3D EN GPU Para la materia de posgrado: Procesamiento digital de imágenes Dictada por el Profesor: Dr. Claudio Delrieux Propuesta presentada por Ing. Juan P. D Amato

Más detalles

GUÍA PARA UN ESCANEO ÓPTIMO

GUÍA PARA UN ESCANEO ÓPTIMO Condiciones para obtener un buen escaneo Los factores que intervienen en el proceso de escaneo son ambientales, propios de la configuración y calibración del escáner así como del objeto a escanear. El

Más detalles

Procesado de Imagen para Reconocimiento de Huellas Digitales

Procesado de Imagen para Reconocimiento de Huellas Digitales Procesado de Imagen para Reconocimiento de Huellas Digitales Técnicas Avanzadas de Procesado de Imagen Marcos Ortega Hortas 1 Introducción (I) Identificación por huella dactilar, o fingerprint en inglés,

Más detalles

Modelización de entornos con visión artificial aplicado al guiado de robots

Modelización de entornos con visión artificial aplicado al guiado de robots Modelización de entornos con visión artificial aplicado al guiado de robots Boyán Bonev (boyan@ua.es) Grupo de Visión Robótica (), Departamento de Ciencia de la Computación e Inteligencia Artificial, Universidad

Más detalles

MODULO DE NI-VISION DE LABVIEW GUÍA DE INICIO JONATHAN EDUARDO CRUZ ORTIZ

MODULO DE NI-VISION DE LABVIEW GUÍA DE INICIO JONATHAN EDUARDO CRUZ ORTIZ MODULO DE NI-VISION DE LABVIEW GUÍA DE INICIO JONATHAN EDUARDO CRUZ ORTIZ UNIVERSIDAD DISTRITAL FRANCISCO JOSE DE CALDAS FACULTAD TECNOLÓGICA TECNOLOGÍA EN ELECTRÓNICA INGENIERÍA EN CONTROL Índice general

Más detalles

Reconocimiento de imágenes

Reconocimiento de imágenes Capítulo 4 Reconocimiento de imágenes En la actualidad, el reconocimiento de imágenes es una herramienta de gran utilidad en el área de control y automatización. Varias empresas usan el reconocimiento

Más detalles

Diseño de un pizarrón digital interactivo como apoyo a la enseñanza/aprendizaje en las aulas, usando visión por computadora

Diseño de un pizarrón digital interactivo como apoyo a la enseñanza/aprendizaje en las aulas, usando visión por computadora Diseño de un pizarrón digital interactivo como apoyo a la enseñanza/aprendizaje en las aulas, usando visión por computadora Laura Briones Severo Instituto Tecnológico de Apizaco laurabrioness@gmail.com

Más detalles

CAPÍTULO 2 PROCESAMIENTO DIGITAL DE IMÁGENES

CAPÍTULO 2 PROCESAMIENTO DIGITAL DE IMÁGENES CAPÍTULO PROCESAMIENTO DIGITAL DE IMÁGENES En este capítulo se presentan de manera breve, una explicación de la visión, las imágenes digitales y como son capturadas por medios electrónicos, el campo encargado

Más detalles

Tema 1.- Introducción a la Visión Artificial

Tema 1.- Introducción a la Visión Artificial Tema 1.- Introducción a la Visión Artificial Visión Artificial Avanzada Prof. Dr. Nicolás Luis Fernández García Departamento de Informática y Análisis Numérico Escuela Politécnica Superior Universidad

Más detalles

A robust identification approach to gait recognition

A robust identification approach to gait recognition A robust identification approach to gait recognition Autor: Tao Ding Presentación: Carlos García Argos The Pennsylvania State University Presentación para la asignatura Reconocimiento Biométrico en EPS-UAM

Más detalles

UNIVERSIDAD POLITÉCNICA DE VALENCIA INGENIERÍA SUPERIOR DE INFORMÁTICA. Curso académico 2011-2012. Proyecto Fin de Carrera

UNIVERSIDAD POLITÉCNICA DE VALENCIA INGENIERÍA SUPERIOR DE INFORMÁTICA. Curso académico 2011-2012. Proyecto Fin de Carrera UNIVERSIDAD POLITÉCNICA DE VALENCIA INGENIERÍA SUPERIOR DE INFORMÁTICA Curso académico 2011-2012 Proyecto Fin de Carrera LIBRERÍAS WRAPPER PARA EL ACCESO A CÁMARAS KINECT Y HERRAMIENTAS PARA EL CALIBRADO

Más detalles

Diseño de un sistema de navegación en interiores adaptado al guiado de personas.

Diseño de un sistema de navegación en interiores adaptado al guiado de personas. UNIVERSIDAD DE ZARAGOZA Diseño de un sistema de navegación en interiores adaptado al guiado de personas. Aitor Aladrén Tudela Índice general 1 2 Sección 1 Introducción 1.1. Marco de trabajo La obtención

Más detalles

Universidad de Cantabria Departamento de Tecnología Electrónica, Ingeniería de Sistemas y Automática. Tesis Doctoral

Universidad de Cantabria Departamento de Tecnología Electrónica, Ingeniería de Sistemas y Automática. Tesis Doctoral Universidad de Cantabria Departamento de Tecnología Electrónica, Ingeniería de Sistemas y Automática Tesis Doctoral CONTRIBUCIONES AL ALINEAMIENTO DE NUBES DE PUNTOS 3D PARA SU USO EN APLICACIONES DE CAPTURA

Más detalles

Procesamiento Digital De Imágenes

Procesamiento Digital De Imágenes Introducción 1 Procesamiento Digital De Imágenes El término procesamiento digital de imágenes versa sobre la manipulación y análisis de imágenes por computadora Se utiliza mayormente para extraer/revelar

Más detalles

UNIVERSIDAD DE LAS FUERZAS ARMADAS CARRERA DE INGENIERÍA EN ELECTRÓNICA E INSTRUMENTACIÓN

UNIVERSIDAD DE LAS FUERZAS ARMADAS CARRERA DE INGENIERÍA EN ELECTRÓNICA E INSTRUMENTACIÓN UNIVERSIDAD DE LAS FUERZAS ARMADAS CARRERA DE INGENIERÍA EN ELECTRÓNICA E INSTRUMENTACIÓN DESARROLLO E IMPLEMENTACIÓN DE UN SISTEMA PARA EL CONTROL DE UN ROBOT MÓVIL PARA ACCESO A LUGARES REMOTOS UTILIZANDO

Más detalles

Texturas. Descripción y aplicaciones

Texturas. Descripción y aplicaciones Texturas Descripciónyaplicaciones Motivación Segmentación de texturas. Clasificación de texturas. Síntesis de texturas. Extracción de características. Reconocimiento de patrones. Reconocimiento de objetos.

Más detalles

En este capitulo se presentan los métodos y algoritmos utilizados para el desarrollo del

En este capitulo se presentan los métodos y algoritmos utilizados para el desarrollo del 33 En este capitulo se presentan los métodos y algoritmos utilizados para el desarrollo del sistema de procesamiento de imágenes para controlar un robot manipulador y se describen en la forma como serán

Más detalles

Modelado 3D de cabeza mediante Kinect

Modelado 3D de cabeza mediante Kinect E.T.S. de Ingeniería Industrial, Informática y de Telecomunicación Andoni Larumbe Bergera Modelado 3D de cabeza mediante Kinect Grado en Ingeniería en Tecnologías de Telecomunicación Andoni Larumbe Bergera

Más detalles

Estimación de Movimiento (Marzo 2012)

Estimación de Movimiento (Marzo 2012) Estimación de Movimiento (Marzo 2012) 1 Estimación de Movimiento (Marzo 2012) Iván López Espejo, Jonathan Prados Garzón Documento que trata de la estimación de movimiento en imágenes. L I. INTRODUCCIÓN

Más detalles

Alineamiento. Cognitens-WLS400M

Alineamiento. Cognitens-WLS400M Alineamiento Objetivos Lograr entender el procedimiento de alineación. Entender el razón del alineamiento en el proceso de medición. Revisar y practicar los diferentes tipos de alineamiento. Familiarizarse

Más detalles

Tema 6: Morfología. Primera parte

Tema 6: Morfología. Primera parte Tema 6: Morfología Primera parte Morfología La morfología matemática se basa en operaciones de teoría de conjuntos. En el caso de imágenes binarias, los conjuntos tratados son subconjuntos de Z 2 y en

Más detalles

Cámara. Práctica 5. 5.1. Introducción. 5.1.1. Proyección

Cámara. Práctica 5. 5.1. Introducción. 5.1.1. Proyección Práctica 5 Cámara 5.1. Introducción En esta práctica se aborda la creación de la cámara virtual, esto es, el medio o forma mediante el cual vamos a poder observar los elementos de la escena. De nuevo,

Más detalles

PRACTICA 1: RECONOCIMIENTO DE IMAGENES.

PRACTICA 1: RECONOCIMIENTO DE IMAGENES. PRACTICA 1: RECONOCIMIENTO DE IMAGENES. A. Juan, C. Martínez, R. Paredes y E. Vidal Aprendizaje y Percepción. Facultad de Informática. Curso 2005-2006 Introducción. El objetivo de la presente práctica

Más detalles

Corrección de bordes en imágenes de rango por medio de un algoritmo genético

Corrección de bordes en imágenes de rango por medio de un algoritmo genético Corrección de bordes en imágenes de rango por medio de un algoritmo genético Idanis B. Díaz* y John W. Branch** Resumen En este artículo se propone un método que permite completar y mejorar los bordes

Más detalles

Técnicas Clásicas de Segmentación de Imagen

Técnicas Clásicas de Segmentación de Imagen Técnicas Clásicas de Segmentación de Imagen Marcos Martín 21 de mayo de 2002 1. Introducción El primer paso en cualquier proceso de análisis de imagen es la segmentación. Mediante la segmentación vamos

Más detalles

Sector Metal-Decoletaje. Aplicación 3D para la detección de golpes, rebabas o defectos en piezas de forja

Sector Metal-Decoletaje. Aplicación 3D para la detección de golpes, rebabas o defectos en piezas de forja Sector Metal-Decoletaje Aplicación 3D para la detección de golpes, rebabas o defectos en piezas de forja La visión 3D llega donde la visión 2D no puede llegar La obtención de un modelo 3D permite inspecciones

Más detalles

Construcción de mapas 3D y extracción de primitivas geométricas del entorno

Construcción de mapas 3D y extracción de primitivas geométricas del entorno Construcción de mapas 3D y extracción de primitivas geométricas del entorno Diego Viejo Miguel Cazorla Dpto. Ciencia de la Computación e I.A. Universidad de Alicante Apdo 99 03080 Alicante {dviejo,miguel}@dccia.ua.es

Más detalles

Superficies a partir de nubes de puntos

Superficies a partir de nubes de puntos 1 Realizado por: López D. Hilda M., Gómez F. Antonio R. Superficies a partir de nubes de puntos En el trabajo a continuación estudiaremos la técnica para extrapolar superficies de objetos de la vida real

Más detalles

Visión artificial y Robótica Detección de movimiento y flujo óptico. Depto. de Ciencia de la Computación e Inteligencia Artificial

Visión artificial y Robótica Detección de movimiento y flujo óptico. Depto. de Ciencia de la Computación e Inteligencia Artificial Visión artificial y Robótica Detección de movimiento y flujo óptico Depto. de Ciencia de la Computación e Inteligencia Artificial Contenidos Introducción Flujo óptico Structure From Motion Introducción

Más detalles

TEMA VI ANÁLISIS DIGITAL DE IMÁGENES

TEMA VI ANÁLISIS DIGITAL DE IMÁGENES TEMA VI ANÁLISIS DIGITAL DE IMÁGENES Qué es una imagen digital? Radianza media de una parcela Valor numérico Tratamiento digital Pixel Nº entero (ND) Pixel: unidad mínima de información en una imagen digital

Más detalles

Captura de movimiento del alumnado: una aproximación

Captura de movimiento del alumnado: una aproximación Captura de movimiento del alumnado: una aproximación F. Fernández Carrasco [1]; J. Botana Gómez; M. Sempere Tortosa [2]; C. González Gómez [1]; I. J. Navarro Soria [2]; D. Gil Méndez [3] [1] Departamento

Más detalles

IB14 Informática para la construcción. Tema 5. Tratamiento de imágenes digitales

IB14 Informática para la construcción. Tema 5. Tratamiento de imágenes digitales IB14 Informática para la construcción Tema 5. Tratamiento de imágenes digitales Contenidos Fotografía tradicional. Fotografía digital. Procesamiento digital de imágenes. Cómo almacena el ordenador

Más detalles

CONFERENCIA REALIDAD AUMENTADA. Ingeniero CARLOS ENRIQUE ORTIZ RANGEL carlos.ortiz@tecnomovilidad.com

CONFERENCIA REALIDAD AUMENTADA. Ingeniero CARLOS ENRIQUE ORTIZ RANGEL carlos.ortiz@tecnomovilidad.com CONFERENCIA REALIDAD AUMENTADA Ingeniero CARLOS ENRIQUE ORTIZ RANGEL carlos.ortiz@tecnomovilidad.com Bogotá, Septiembre 2012 OBJETIVO GENERAL El objetivo es presentar un recorrido actualizado por las diferentes

Más detalles

8.1. FITROS DE PASO BAJO 81. Figura 8.1: Tipos de filtro y mecanismo de aplicación

8.1. FITROS DE PASO BAJO 81. Figura 8.1: Tipos de filtro y mecanismo de aplicación 8.1. FITROS DE PASO BAJO 81 Figura 8.1: Tipos de filtro y mecanismo de aplicación 82 TEMA 8. TÉCNICAS DE FILTRADO -2-1 0 1 2-2 -1 0 1 2-2 -1 0 1 2-2 -1 0 1 2-2 -1 0 1 2-2 -2-2 -2-2 -1-1 -1-1 -1 0 0 0 0

Más detalles

TÉCNICAS DE CARACTERIZACIÓN DE CAMPO DE VELOCIDADES

TÉCNICAS DE CARACTERIZACIÓN DE CAMPO DE VELOCIDADES TÉCNICAS DE CARACTERIZACIÓN DE CAMPO DE VELOCIDADES La velocimetría de partículas es una de las técnicas más recientes que permite determinar el campo de velocidad del flujo. Los métodos conocidos basados

Más detalles

Tema 4:Segmentación de imágenes

Tema 4:Segmentación de imágenes Tema 4:Segmentación de imágenes La segmentación de imágenes divide la imagen en sus partes constituyentes hasta un nivel de subdivisión en el que se aíslen las regiones u objetos de interés. Los algoritmos

Más detalles

Robótica y visión artificial. Miguel Cazorla http://www.dccia.ua.es/~miguel Grupo de Visión Robótica Universidad de Alicante

Robótica y visión artificial. Miguel Cazorla http://www.dccia.ua.es/~miguel Grupo de Visión Robótica Universidad de Alicante Robótica y visión artificial Miguel Cazorla http://www.dccia.ua.es/~miguel Grupo de Visión Robótica Universidad de Alicante Introducción Percepción biológica vs. computacional Qué es una imagen? Procesamiento

Más detalles

TRABAJO FIN DE GRADO Estimación de zonas cruzables utilizando el sensor Kinect.

TRABAJO FIN DE GRADO Estimación de zonas cruzables utilizando el sensor Kinect. TRABAJO FIN DE GRADO Estimación de zonas cruzables utilizando el sensor Kinect. Autor: Adrián García López Titulación: Grado en Electrónica Industrial y Automática Profesor: Fernando M. Monar Fecha: Septiembre

Más detalles

Práctica 2 - Procesamiento de Imágenes

Práctica 2 - Procesamiento de Imágenes Práctica 2 - Procesamiento de Imágenes En esta práctica veremos diferentes técnicas de tratamiento que suelen ser aplicadas a las imágenes obtenidas desde satélites. Muchos de los procedimientos que aprendamos

Más detalles

Nombre: M. Rosmery Santos J. Materia: Arquitectura de Computadoras. Docente: Lic. Mirna Baena

Nombre: M. Rosmery Santos J. Materia: Arquitectura de Computadoras. Docente: Lic. Mirna Baena Nombre: M. Rosmery Santos J. Materia: Arquitectura de Computadoras Docente: Lic. Mirna Baena Fecha: 27-09-2011 Defunción Sistemas De Representación: [Representacion de Imagen] Procedimientos utilizados

Más detalles

Tecnología. Fácil integración y desarrollo. automáticos (ATM) que en 2011. 15 millones de Euros. Detección de sospechosos

Tecnología. Fácil integración y desarrollo. automáticos (ATM) que en 2011. 15 millones de Euros. Detección de sospechosos Reconocimiento Facial en ATM Aplicada en diferentes sectores Reducción de fraude en cajeros Control de acceso automáticos (ATM) que en 2011 Banca On-line en Europa, ascendieron a Cajeros automáticos 15

Más detalles

2 Representación poligonal

2 Representación poligonal INGENIERÍA INFORMÁTICA 2 Representación poligonal Introducción Modelo poligonal Teselación Simplificación Prof. Miguel Chover Introducción Modelado geométrico Creación del modelo 3D en el ordenador Técnica

Más detalles

Implenemtacion de un software de escaneo tridimensional para la maquina prototipadora de 3D serie Dimension 1200es para el laboratorio de mecanica.

Implenemtacion de un software de escaneo tridimensional para la maquina prototipadora de 3D serie Dimension 1200es para el laboratorio de mecanica. Implenemtacion de un software de escaneo tridimensional para la maquina prototipadora de 3D serie Dimension 1200es para el laboratorio de mecanica. 9 de junio de 2012 Autores Leonardo Gonzalez Juan Linares.

Más detalles

ELABORACIÓN DE MAPAS COGNITIVOS DE ENTORNO EMPLEANDO UN SENSOR LÁSER ACTIVO

ELABORACIÓN DE MAPAS COGNITIVOS DE ENTORNO EMPLEANDO UN SENSOR LÁSER ACTIVO INSTITUTO UNIVERSITARIO DE SISTEMAS INTELIGENTES Y APLICACIONES NUMÉRICAS EN INGENIERÍA UNIVERSIDAD DE LAS PALMAS DE GRAN CANARIA TRABAJO FINAL DE MÁSTER ELABORACIÓN DE MAPAS COGNITIVOS DE ENTORNO EMPLEANDO

Más detalles

Investigación sobre el cambio en la aceleración de un carrito que rueda hacia abajo sobre un plano inclinado

Investigación sobre el cambio en la aceleración de un carrito que rueda hacia abajo sobre un plano inclinado Investigación sobre el cambio en la aceleración de un carrito que rueda hacia abajo sobre un plano inclinado La investigación Pregunta de investigación: Es constante la aceleración de un carrito que cae

Más detalles

2 1.1 2 1.2 2 2. SOFTWARE +... 3 3. COMUNICACIÓN - CONEXIÓN DEL DISPOSITIVO...

2 1.1 2 1.2 2 2. SOFTWARE +... 3 3. COMUNICACIÓN - CONEXIÓN DEL DISPOSITIVO... Manual de software Dynamic Plus Fecha: 03/04/2014 Manual Software Dynamic Plus v2.0.5 ÍNDICE GENERAL 1. INTRODUCCIÓN... 2 1.1 Configuración mínima del PC... 2 1.2 Instalación del Software Dynamic Plus...

Más detalles

ANEXO 1 ESPECIFICACIONES TECNICAS DE LOS MÓDULOS. La propuesta técnica y económica debe contener los siguientes módulos con estándar ICDL:

ANEXO 1 ESPECIFICACIONES TECNICAS DE LOS MÓDULOS. La propuesta técnica y económica debe contener los siguientes módulos con estándar ICDL: ANEXO 1 ESPECIFICACIONES TECNICAS DE LOS MÓDULOS. La propuesta técnica y económica debe contener los siguientes módulos con estándar ICDL: Módulo 1: Conceptos Básicos de Tecnologías de Información Identificar

Más detalles

Estudio y Selección de las Técnicas SIFT, SURF y ASIFT de Reconocimiento de Imágenes para el Diseño de un Prototipo en Dispositivos Móviles.

Estudio y Selección de las Técnicas SIFT, SURF y ASIFT de Reconocimiento de Imágenes para el Diseño de un Prototipo en Dispositivos Móviles. Estudio y Selección de las Técnicas SIFT, SURF y ASIFT de Reconocimiento de Imágenes para el Diseño de un Prototipo en Dispositivos Móviles. Andrea Maricela Plaza Cordero Jorge Luis Zambrano Martínez Autores

Más detalles

Un Programa Interactivo para la Enseñanza de Algoritmos de Procesamiento Digital de Imágenes

Un Programa Interactivo para la Enseñanza de Algoritmos de Procesamiento Digital de Imágenes Formación Universitaria Un Vol. Programa 1(5), 21-28 Interactivo (2008) para la Enseñanza de Algoritmos de Procesamiento Digital doi: 10.4067/S0718-50062008000500004 Un Programa Interactivo para la Enseñanza

Más detalles

Cálculo de mapas de elevación de zonas urbanas

Cálculo de mapas de elevación de zonas urbanas Universidad de la República Facultad de Ingeniería Instituto de Computación Informe de Proyecto de Grado Supervisor: Andrés Almansa Co-supervisor: Javier Preciozzi Cálculo de mapas de elevación de zonas

Más detalles

qwertyuiopasdfghjklzxcvbnmq

qwertyuiopasdfghjklzxcvbnmq qwertyuiopasdfghjklzxcvbnmq wertyuiopasdfghjklzxcvbnmqw ertyuiopasdfghjklzxcvbnmqwer tyuiopasdfghjklzxcvbnmqwerty uiopasdfghjklzxcvbnmqwertyui opasdfghjklzxcvbnmqwertyuiop asdfghjklzxcvbnmqwertyuiopas

Más detalles

XV Conferencia Colombiana de Usuarios Esri Bogotá, Agosto 26 30 de 2013

XV Conferencia Colombiana de Usuarios Esri Bogotá, Agosto 26 30 de 2013 Taller Técnico Líder en soluciones geográficas empresariales XV Conferencia Colombiana de Usuarios Esri Bogotá, Agosto 26 30 de 2013 Flujos de trabajo con la Plataforma de ENVI Jenny Paola Vanegas Forero

Más detalles

APÉNDICE C Vision Toolkit: Funciones

APÉNDICE C Vision Toolkit: Funciones APÉNDICE C Vision Toolkit: Funciones En la figura B.2 se muestran las funciones de Vision que se encuentran en el diagrama de bloques. Dentro de las funciones de Vision se agregan las opciones para realizar

Más detalles

CLASIFICACIÓN NO SUPERVISADA

CLASIFICACIÓN NO SUPERVISADA CLASIFICACIÓN NO SUPERVISADA CLASIFICACION IMPORTANCIA PROPÓSITO METODOLOGÍAS EXTRACTORES DE CARACTERÍSTICAS TIPOS DE CLASIFICACIÓN IMPORTANCIA CLASIFICAR HA SIDO, Y ES HOY DÍA, UN PROBLEMA FUNDAMENTAL

Más detalles

UNIVERSIDAD SIMÓN BOLÍVAR DECANATO DE ESTUDIOS PROFESIONALES COORDINACIÓN DE INGENIERÍA ELECTRÓNICA

UNIVERSIDAD SIMÓN BOLÍVAR DECANATO DE ESTUDIOS PROFESIONALES COORDINACIÓN DE INGENIERÍA ELECTRÓNICA UNIVERSIDAD SIMÓN BOLÍVAR DECANATO DE ESTUDIOS PROFESIONALES COORDINACIÓN DE INGENIERÍA ELECTRÓNICA DESARROLLO DE UNA PLATAFORMA DE CONTROL PARA EL ROBOT MÓVIL ROOMBA UTILIZANDO ROS E INTEGRACIÓN DE UN

Más detalles

Capítulo 5. Modelo Matemático

Capítulo 5. Modelo Matemático Capítulo 5. Modelo Matemático Una vez establecidas las bases completas de diseño, se empieza a plantear todo el análisis que este proyecto requiere. Recordemos que un sistema mecatrónico requiere diferentes

Más detalles

PREPROCESADO DE DATOS PARA MINERIA DE DATOS

PREPROCESADO DE DATOS PARA MINERIA DE DATOS Ó 10.1007/978-3-319-02738-8-2. PREPROCESADO DE DATOS PARA MINERIA DE DATOS Miguel Cárdenas-Montes Frecuentemente las actividades de minería de datos suelen prestar poca atención a las actividades de procesado

Más detalles

102784 [20380] Visió per Computador Prueba 1 (2015) [A] Teoría (10p) (una pregunta test fallada descuenta 1/4 de pregunta acertada)

102784 [20380] Visió per Computador Prueba 1 (2015) [A] Teoría (10p) (una pregunta test fallada descuenta 1/4 de pregunta acertada) 102784 [20380] Visió per Computador Prueba 1 (2015) [A] Teoría (10p) (una pregunta test fallada descuenta 1/4 de pregunta acertada) 1. El gap del silicio es de 1.11eV (salto energético entre banda de valencia

Más detalles

Cursos AUTOCAD 2D Y 3D: Planos y maquetas

Cursos AUTOCAD 2D Y 3D: Planos y maquetas Cursos AUTOCAD 2D Y 3D: Planos y maquetas OBJETIVOS Con la realización de este curso adquieres un conocimiento sólido en el manejo de Auto- CAD para el desarrollo de cualquier tipo de plano, tanto en 2

Más detalles

UNIVERSIDAD POLITÉCNICA SALESIANA

UNIVERSIDAD POLITÉCNICA SALESIANA UNIVERSIDAD POLITÉCNICA SALESIANA SEDE CUENCA CARRERA DE INGENIERÍA ELECTRÓNICA Tesis previa a la obtención del Título de: Ingeniero Electrónico DISEÑO E IMPLEMENTACIÓN DE UN SISTEMA PARA EL ANÁLISIS DEL

Más detalles

Luis Sosa : 06-40351 Cesar Hernández: 06-39724

Luis Sosa : 06-40351 Cesar Hernández: 06-39724 Sistemas de Operación en Dispositivos Móviles Un enfoque a Android y ios. Luis Sosa : 06-40351 Cesar Hernández: 06-39724 Historia Desarrollado inicialmente por Android Inc. Firma comprada por Google en

Más detalles

Estructuras en Imagen Médica y Tecnologías Cloud

Estructuras en Imagen Médica y Tecnologías Cloud Segmentación e Identificación de Estructuras en Imagen Médica y Tecnologías Cloud José Crespo DLSIIS Grupo de Informática Biomédica Facultad de Informática Universidad Politécnica de Madrid Campus de Montegancedo,

Más detalles

Introducción: Visualización, Discretización,

Introducción: Visualización, Discretización, Introducción: Visualización, Discretización, Hardware y Métodos Numéricos Prof. M.C. Rivara 2011 M.C.Rivara 2011 1 Contenido Visualización Científica versus Visualización Realista Modelación de objetos

Más detalles

Capítulo III Procesamiento Digital de Imágenes

Capítulo III Procesamiento Digital de Imágenes Capítulo III Procesamiento Digital de Imágenes Contenido Introducción al Procesamiento digital de imágenes Orígenes del procesamiento digital de imágenes. Aplicaciones del Procesamiento de Imágenes Componentes

Más detalles

Geometría Vectorial y Analítica con GEOGEBRA

Geometría Vectorial y Analítica con GEOGEBRA Geometría Vectorial y Analítica con GEOGEBRA Fuente Martos, Miguel de la 1 Resumen Partiendo sólo de un conocimiento muy básico de GEOGEBRA, pretendemos trabajar con la mayoría de herramientas y comandos

Más detalles

Imágenes en Matlab. Cristian S. Rocha, Andrea Manna,... Taller 1

Imágenes en Matlab. Cristian S. Rocha, Andrea Manna,... Taller 1 Imágenes en Matlab Cristian S. Rocha, Andrea Manna,... Taller 1 1. Prefacio Antes de empezar a trabajar con el Octavehay que asegurarse que la versión en la que se trabaja no tiene ningún bug perdido.

Más detalles

SISTEMAS DE SEGURIDAD DE RECONOCIMIENTO FACIAL

SISTEMAS DE SEGURIDAD DE RECONOCIMIENTO FACIAL SISTEMAS DE SEGURIDAD DE RECONOCIMIENTO FACIAL INTRODUCCIÓN Los sistemas de reconocimiento facial son sistemas de seguridad basados en aplicaciones que detectan e identifican automáticamente rostros humanos.

Más detalles

6 de Mayo Bogotá, Colombia. ni.com/colombia 01 8000 513680 o (1) 482.4888

6 de Mayo Bogotá, Colombia. ni.com/colombia 01 8000 513680 o (1) 482.4888 6 de Mayo Bogotá, Colombia ni.com/colombia 01 8000 513680 o (1) 482.4888 Diseño y Simulación de Control y Código Matemático con LabVIEW Carlos Pazos Technical Marketing Engineer National Instruments Mexico

Más detalles

CLASIFICACIÓN DE IMÁGENES

CLASIFICACIÓN DE IMÁGENES CLASIFICACIÓN DE IMÁGENES Cesar Juárez Megías I.T.T. Imagen y sonido Carlos III de Madrid 100061832@alumnos.uc3m.es OBJETIVO. El objetivo principal de nuestro programa se basaría en la clasificación de

Más detalles

Redes de Kohonen y la Determinación Genética de las Clases

Redes de Kohonen y la Determinación Genética de las Clases Redes de Kohonen y la Determinación Genética de las Clases Angel Kuri Instituto Tecnológico Autónomo de México Octubre de 2001 Redes Neuronales de Kohonen Las Redes de Kohonen, también llamadas Mapas Auto-Organizados

Más detalles

Sistemas de gestión de video. Indice

Sistemas de gestión de video. Indice 168 Sistemas de gestión de video Un aspecto importante del sistema de videovigilancia es la gestión de video para la visualización, grabación, reproducción y almacenamiento en directo. Si el sistema está

Más detalles

Aplicación en Espacios Inteligentes

Aplicación en Espacios Inteligentes UNIVERSIDAD DE ALCALÁ Escuela Politécnica Superior INGENIERÍA ELECTRÓNICA Trabajo Fin de Carrera Técnicas de Reconstrucción Volumétrica a partir de Múltiples Cámaras. Aplicación en Espacios Inteligentes

Más detalles

Guía de Fotografía con Photosynth

Guía de Fotografía con Photosynth Guía de Fotografía con Photosynth Crear los mejores synths comienza con usar las fotografías adecuadas. Esta guía te ayudará a entender cómo tomar las fotos para que Photosynth pueda aprovecharlas de la

Más detalles

SEGURIDAD Y PROTECCION DE FICHEROS

SEGURIDAD Y PROTECCION DE FICHEROS SEGURIDAD Y PROTECCION DE FICHEROS INTEGRIDAD DEL SISTEMA DE ARCHIVOS ATAQUES AL SISTEMA PRINCIPIOS DE DISEÑO DE SISTEMAS SEGUROS IDENTIFICACIÓN DE USUARIOS MECANISMOS DE PROTECCIÓN Y CONTROL INTEGRIDAD

Más detalles

Características Técnicas Específicas de la Cámara IP para Interiores EyeBot Black Definición Velocidad. empaque de cartón Clave

Características Técnicas Específicas de la Cámara IP para Interiores EyeBot Black Definición Velocidad. empaque de cartón Clave Características Generales de la Cámara IP para Interiores EyeBot Black La Cámara IP para Interiores EyeBot Black Ventdepot, esta diseñada para mitigar la perdida de precisión de color durante el día en

Más detalles

Informe de pruebas. Proyecto VIGIA. Autores: Rafael Martínez González Israel Rodríguez Martín Jesús Manuel Rodríguez Sánchez

Informe de pruebas. Proyecto VIGIA. Autores: Rafael Martínez González Israel Rodríguez Martín Jesús Manuel Rodríguez Sánchez Autores: Versión: 4.1 Rafael Martínez González Israel Rodríguez Martín Jesús Manuel Rodríguez Sánchez Fecha: 24/01/2009 Tabla de contenido 1ª Iteración 4 Conexión Mando - PC 4 2ª Iteración 7 Aplicación

Más detalles

SCOP++ Lidar. Metodología de filtrado

SCOP++ Lidar. Metodología de filtrado SCOP++ Lidar. Metodología de filtrado 1 Contenido 1 Estrategia de filtrado y clasificación... 4 Eliminate Building Step (eliminación de edificios)... 5 Thin Out Step (reducción de densidad del fichero

Más detalles

Tema 4: Audio y Vídeo digital

Tema 4: Audio y Vídeo digital Tema 4: Audio y Vídeo digital 1. Introducción La vibración de las partículas del aire es captada por nuestro oído y crea una sensación en nuestro cerebro que llamamos sonido. El sonido digital es la información

Más detalles

APLICACIÓN DE TÉCNICAS DE IMAGEN ARTIFICIAL Y REDES NEURONALES PARA EL SEGUIMIENTO DEL REMONTE DE FAUNA PISCÍCOLA

APLICACIÓN DE TÉCNICAS DE IMAGEN ARTIFICIAL Y REDES NEURONALES PARA EL SEGUIMIENTO DEL REMONTE DE FAUNA PISCÍCOLA Curso sobre Técnicas de Visualización CEH-CEDEX, 10 junio de 2011 APLICACIÓN DE TÉCNICAS DE IMAGEN ARTIFICIAL Y REDES NEURONALES PARA EL SEGUIMIENTO DEL REMONTE DE FAUNA PISCÍCOLA Aplicación de técnicas

Más detalles

Aplicaciones del Procesado de Imagen

Aplicaciones del Procesado de Imagen Práctica - Aplicaciones del Procesado de Imagen. Introducción En la carpeta Mis Documentos\TDSII\pImagen y en Moodle se encuentran - El calendario de las prácticas de la asignatura, CalendarioTdsii.pdf

Más detalles

Ergonomía: nuevas tecnologías aplicadas a la prevención de riesgos y al diseño de sistemas. Sistema HADA Move-Human Sensors

Ergonomía: nuevas tecnologías aplicadas a la prevención de riesgos y al diseño de sistemas. Sistema HADA Move-Human Sensors Ergonomía: nuevas tecnologías aplicadas a la prevención de riesgos y al diseño de sistemas Sistema HADA Move-Human Sensors Sistema portátil para captura y análisis tridimensional del movimiento humano

Más detalles

Tesis de Máster. Reconstrucción densa de modelos tridimensionales utilizando Visión Artificial. Unai Mujika Torrontegi. Donostia, Septiembre de 2010

Tesis de Máster. Reconstrucción densa de modelos tridimensionales utilizando Visión Artificial. Unai Mujika Torrontegi. Donostia, Septiembre de 2010 Tesis de Máster Reconstrucción densa de modelos tridimensionales utilizando Visión Artificial Unai Mujika Torrontegi Donostia, Septiembre de 21 Universidad del País Vasco / Euskal Herriko Unibertsitatea

Más detalles

ERGONOMÍA. Sistema HADA Move-Human Sensors

ERGONOMÍA. Sistema HADA Move-Human Sensors Sistema HADA Move-Human Sensors Sis t e m a p o r t á t i l p a r a c a p t u r a y a n á l is is t r i d i m e ns i o n a l d e l m o v i m i e n t o h u m a n o en p u e s t o s d e t r a b a j o b a

Más detalles

Preguntas Frecuentes Video Conferencia

Preguntas Frecuentes Video Conferencia Preguntas Frecuentes Video Conferencia Índice de Contenidos GENERALES...3 QUIÉNES PUEDEN UTILIZAR LA VIDEO CONFERENCIA EN LA PLATAFORMA VIRTUAL?...3 ES NECESARIO INSTALAR ALGUNA APLICACIÓN PARA UTILIZAR

Más detalles

Reducción del ruido en una imagen digital.

Reducción del ruido en una imagen digital. Reducción del ruido en una imagen digital. Departamento de Ingeniería electrónica, Telecomunicación y Automática. Área de Ingeniería de Sistemas y Automática OBJETIVOS: Estudio de distintas máscaras para

Más detalles

6DOF LOCALIZACIÓN Y MAPEADO SIMULTÁNEO (SLAM) EN TIEMPO REAL MEDIANTE CÁMARA ESTÉREO MOVIDA CON LA MANO

6DOF LOCALIZACIÓN Y MAPEADO SIMULTÁNEO (SLAM) EN TIEMPO REAL MEDIANTE CÁMARA ESTÉREO MOVIDA CON LA MANO UNIVERSIDAD DE ALCALÁ Escuela Politécnica Superior Departamento de Electrónica Máster Oficial en Sistemas Electrónicos Avanzados. Sistemas Inteligentes Tesis de Máster 6DOF LOCALIZACIÓN Y MAPEADO SIMULTÁNEO

Más detalles

CONVENCIONES DEL DISEÑO WEB

CONVENCIONES DEL DISEÑO WEB CONVENCIONES DEL DISEÑO WEB El Monitor: Unidad de Medida (pixel) Dimensión de Trabajo (según pantalla del usuario promedio) El Color: Colores seguros para la Web (colores hexadecimales) Colores de pantalla

Más detalles

Herramienta de Autor para la Creación de 3D Trackable Model (3DTM)

Herramienta de Autor para la Creación de 3D Trackable Model (3DTM) Facultad de Informática Informatika Fakultatea TITULACIÓN: Ingeniería Informática Herramienta de Autor para la Creación de 3D Trackable Model (3DTM) Alumno: Rubén de Celis Hernández Director: Alejandro

Más detalles

INTERFAZ CEREBRAL NO INVASIVA PARA CONTROL DE UN SISTEMA DOMÓTICO POR PERSONAS DISCAPACITADAS

INTERFAZ CEREBRAL NO INVASIVA PARA CONTROL DE UN SISTEMA DOMÓTICO POR PERSONAS DISCAPACITADAS 2007 INTERFAZ CEREBRAL NO INVASIVA PARA CONTROL DE UN SISTEMA DOMÓTICO POR PERSONAS DISCAPACITADAS Autores José María Azorín Poveda Ingeniero Informática. Doctor por la Universidad Miguel Hernández de

Más detalles

Algoritmos. Autor: José Ángel Acosta Rodríguez

Algoritmos. Autor: José Ángel Acosta Rodríguez Autor: 2006 ÍNDICE Página Índice 1 Problema 1. Movimiento de figuras geométricas.2 Problema 2. Conversión decimal a binario....3 Problema 3. Secuencias binarias..4 Problema 4. Conversión a binario a octal...

Más detalles