PROGRAMA DE LA ASIGNATURA: Sistemas de Percepción Código: 3042105040 Curso 2006/2007 CENTRO: ESCUELA TÉCNICA SUPERIOR DE INGENIEROS INDUSTRIALES TITULACIÓN: INGENIERO EN AUTOMÁTICA Y ELECTRÓNICA INDUSTRIAL ESPECIALIDAD: CURSO: TIPO DE ASIGNATURA: TODAS QUINTO TRONCAL CRÉDITOS TOTALES: 6 CRÉDITOS AULA: 3 GRUPOS AULA: 1 CRÉDITOS LABORATORIO: 3 GRUPOS LABORATORIO: 1 ANUAL/CUATRIMESTRAL: 1º Cuatrimestre PROFESORADO: Nombre Código Créditos Enrique Paz Domonte 455 3A + 3L TUTORÍAS: Profesor Día Hora Lugar Enrique Paz Domonte lunes 10 a 12 y 15 a 16 Despacho nº8 Ing. Sist. viernes 11 a 14 1 de 6
OBJETIVOS El objetivo es que el alumno conozca los principales sistemas sensoriales, especialmente los de medida de presencia, posición y distancia, y su aplicación industrial. Dedicación especial merecen los sistemas de visión artificial, que son estudiados tanto desde el punto de vista del procesado de imagen como del reconocimiento de objetos, pasando por la inspección y control de calidad. La asignatura se complementa con prácticas de laboratorio. Conocimientos previos Se requieren conocimientos básicos de física, geometría y álgebra. PROGRAMA DE TEORÍA (30h) Tema 1. Introducción a los sistemas de percepción y visión por computador (1h) Motivación. Técnicas y métodos de percepción del entorno. Aplicaciones. Panorama actual de la visión artificial en la industria. Tema 2. Sensores para percepción del entorno (6h) Sensores de presencia. Medida de distancia por triangulación. Medida de distancia por tiempo de vuelo. Fusión sensorial. Introducción al filtro de Kalman. Tema 3. Elementos de un sistema de visión Artificial (4h) Sistemas de iluminación. Objetivos. Cámaras CCD y CMOS. Tarjetas de adquisición y procesado. Software de visión. Tema 4. Adquisición de imágenes (2h) Modelo de la cámara/lente. Distorsión. Imágenes digitales. Muestreo espacial, niveles de gris. Relaciones entre pixels. Operaciones puntuales: operaciones aritméticas y lógicas. Transformaciones geométricas. Manipulación del brillo y contraste. Modificación del histograma. Imágenes monocromas y en color. Falso color. Tema 5. Filtros locales (4h) Operaciones de convolución. Filtro paso bajo y paso alto. Eliminación de ruido. Realce de bordes. Detección de gradientes. Laplaciana. Filtros no lineales. Operaciones morfológicas. Tema 6. Filtros en el dominio de la frecuencia (2h) Transformada de Fourier. Filtro paso bajo y paso alto. Eliminación de ruido coherente. Tema 7. Segmentación (3h) 2 de 6
Binarización. Umbrales. Unión de bordes. Algoritmo de Canny. Extracción de rectas. Transformada de Hough. Segmentación basada en regiones. Técnicas de split&merge. Detección de puntos de interés. Esqueleto Tema 8. Descripción (2h) Descriptores de fronteras: códigos encadenados, curva Fi/S, aproximación poligonal, descriptores de Fourier. Descriptores de áreas: códigos de longitud corrida. Extracción de características. Tema 9. Reconocimiento de formas y clasificación (2h) Reconocimiento de patrones. Clasificador bayesiano. Agrupamiento: algoritmo K-means Tema 10. Visión tridimensional (2h) Triangulación. Iluminación estructurada. Sistemas estereoscópicos. Utilización del movimiento. Tema 11. Cámaras Industriales (2h) Tipos de cámaras integradas. Programación y parametrización. Elementos básicos de inspección. Planteamiento y solución de problemas de inspección. 3 de 6
PROGRAMA DE PRÁCTICAS DE LABORATORIO (30h) Practica 1. Sensores para detección del entorno. (2h) Sensores de proximidad. Sensores de rango. Determinación de la curva de respuesta. Calibración. Practica 2 y 3. Fusión sensorial y Filtro de Kalman (4h) Aplicación del teorema de fusión sensorial y del filtro de Kalman. Practicas 4. Procesado de imagen. (2h) Matlab Image Processing Toolbox. Practicas 5, 6. Software de visión artificial. (4h) ImageJ: procesado de imagen: histogramas, segmentación, filtros, extracción de características, clasificación. Practicas 7, 8, 9, 10. Cámaras industriales integradas. (8h) Aplicaciones industriales de sistemas de cámaras integradas VS110 y VS720. Practica 11. Visión tridimensional I (2h) Aplicación de visión artificial con luz estructurada. Cálculo de la profundidad. Practica 12. Visión tridimensional II (2h) Introducción a la visión estéreo. Ejemplo introductorio. Practica 13, 14, 15. Visión tridimensional III (6h) Visión estéreo. Trabajo práctico. 4 de 6
BIBLIOGRAFÍA Además de las transparencias del curso, que están a disposición de los alumnos, se recomienda la siguiente bibliografía: Básica J. González. Visión por Computador. Ed. Paraninfo,1999. F. Torres y otros. Robots y sistemas sensoriales. Prentice-Hall, 2002. Complementaria Borenstein, Everett, Feng. Sensors and Methods for Mobile Robot Positioning. A. K. Peters, 1997 Fu, González, Lee. ROBÓTICA: Control, Detección, Visión, e Inteligencia. McGraw-Hill H.R. Everett. Sensors for Mobile Robots. A.K. Peters, 1995 5 de 6
ORGANIZACIÓN DOCENTE Método docente Clases de teoría utilizando pizarra y transparencias, reforzadas con ejercicios resueltos, bien en clase o bien en el laboratorio con ayuda de medios informáticos. Además, como apoyo a las clases teóricas, en alguna ocasión se pasan videos y se realizan presentaciones y simulaciones utilizando el cañón proyector. En lo posible se utilizan sensores y sistemas industriales reales, junto con herramientas de simulación y procesado. En general las prácticas de laboratorio tendrán una duración de dos horas y se realizarán en el Laboratorio de Robótica y en el Laboratorio de Visión Artificial del Departamento. Evaluación Se realizarán los exámenes de las convocatorias oficiales en las fechas establecidas por el centro. Los criterios particulares de valoración serán específicos de cada prueba. La calificación global será una suma ponderada de la nota de examen (hasta un máximo de 8 puntos) junto con las prácticas de laboratorio que se consideran obligatorias y trabajos opcionales para subir nota (hasta 2 puntos). Otros datos de interés Se realizará un trabajo (opcional) de visión artificial para subir nota. 6 de 6