Robótica y visión artificial. Miguel Cazorla Grupo de Visión Robótica Universidad de Alicante

Tamaño: px

Comenzar la demostración a partir de la página:

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

María Río Ponce
hace 8 años
Vistas:

1 Robótica y visión artificial Miguel Cazorla Grupo de Visión Robótica Universidad de Alicante

2 Introducción Percepción biológica vs. computacional Qué es una imagen? Procesamiento de una imagen Visión estéreo Casos prácticos

3 La vista nos engaña

4 Cómo vemos Sistema biológico simplificado Captura de imágenes Procesamiento

5 Visión biológica vs. computacional Captura de imagen: cámara Cámaras más veloces: humana 30fps (no se procesan frames), computacional 6mill.fps Mayor resolución: humana 576Mpíxeles, computacional 50Mpíxeles Procesamiento: métodos para procesar imágenes Computador más rápido, cerebro más paralelo

6 Computacional vs. biologica La óptica de una cámara puede ser fácilmente modificada (zoom, campo de visión, etc.) Cámaras con un mayor espectro (infrarrojos, ultravioleta) Capturan más rápido que el ojo humano

7 Partes de una cámara Óptica Sensor Perdemos la profundidad en el proceso

8 Qué es una imagen?

9 Visión en robótica Una cámara proporciona una gran cantidad de información sensorial Debemos procesar la imagen que captura la cámara para proporcionar información útil al robot Problema principal: velocidad de procesamiento

imagen que captura la cámara para proporcionar

10 Tareas de la visión Reconocimiento de objetos para evitar obstáculos estáticos y móviles Construcción de modelos de objetos y lugares para reconocerlos y localizarlos Caracterizar su propia posición y movimiento y la de los objetos que le rodean

objetos y lugares para reconocerlos y localizarlos

11 Procesamiento de imágenes Una imagen es una matriz donde cada punto (píxel) contiene un valor Existen métodos que permiten procesar la imagen para obtener información del entorno alrededor del robot Estos métodos usan la información de los píxeles y aplican fórmulas y algoritmos matemáticos

imagen para obtener información del entorno alrededor del robot Estos

12 Ejemplo: binarizado Imaginad que nos dicen que tenemos que buscar un determinado color Dicho color se corresponde con un determinado valor de píxel Simplemente, cambiamos el valor del píxel a 1, si su valor inicial se corresponde con el color buscado, a 0 en otro caso

valor de píxel Simplemente, cambiamos el valor del píxel a 1, si

13 Ejemplo: binarizado

14 Ejemplo de binarizado para tarea robótica

15 Seguimiento con colores

16 Visión en futbol robótico Entorno muy estructurado y no cambiante Simplifica el problema al tener colores para identificar los objetos

17 Ejemplos de visión en robótica: TeamChaos

18 Extracción de características Técnicas que permiten extraer ciertos elementos (características) de la imagen para luego ser usados en otras tareas Estos elementos sirven de base para otros métodos que realizan tareas más complejas (reconocimiento, localización, etc.)

usados en otras tareas Estos elementos sirven de base para otros

19 Extracción de características

20 Aplicación: orientación del robot

21 Conducción sin conductor En 1995, Ernst Dickmanns construyó el primer vehículo completamente autónomo y guiado por visión (alcanzó más de 120Km/h)

22 Diagrama: procesamiento y tareas

23 Visión estéreo Al tomar una imagen perdemos la profundidad Con dos cámaras podemos recuperar la profundidad (símil biológico) Existen otros métodos (mono con cabeceo), pero el estéreo actualmente es muy eficiente

24 Obtención de la profundidad A partir de la diferencia en la posición de un objeto en una y otra imagen, se puede obtener la profundidad

25 Correspondencia Izq. d1 Disparidad d2 Der. 25

26 Ejemplo: nube de puntos 26

27 Cómo usar esta información Evitación de obstáculos Reconocimiento de objetos Localización Mapeado 27

28 Seguir objeto más cercano 28

29 Aplicación: construir mapa 3D El robot captura una nube de puntos 3D conforme se mueve Podemos calcular la transformación 3D entre cada par de tomas (egomovimiento) A partir de las transformaciones podemos reconstruir el entorno por el que se ha movido el robot 29

30 Ejemplo de mapa 30

31 Ejemplo de mapa 31

32 Vídeo 3D 32

33 Mapa desde arriba 33

34 Reflexión Una cámara proporciona una gran cantidad de información (comparado con otros sensores) Esta gran cantidad de información a veces no es tan útil (mucho tiempo para cálculos) Debemos guiarnos por la tarea: reconocer colores, obtener profundidad, 34 etc.

35 Finalizando Comparación visión biológica vs. Computacional Qué es una imagen? Procesamiento de una imagen Visión estéreo Casos prácticos

36 Preguntas?

Documentos relacionados

Oferta tecnológica: Vehículos autónomos para transporte de materiales en almacenes

Oferta tecnológica: Vehículos autónomos para transporte de materiales en almacenes Oferta tecnológica: Vehículos autónomos para transporte de materiales en almacenes RESUMEN Investigadores de la Universidad