Vis

ión

po

r C

om

pu

tad

or

¿Por qué Sistemas de Visión?

1

Las cámaras están

rodeándonos

Vis

ión

po

r C

om

pu

tad

or

Las imágenes y los vídeos están

en todas partes …

2

Vis

ión

po

r C

om

pu

tad

or

Y también en la industria …

3

Véase el vídeo:

Inspección de dátiles

(2m:19s)

Vídeo sobre cámaras inteligentes

Vis

ión

po

r C

om

pu

tad

or

¿Qué es la visión por computador?

Es un área de la ciencia de los computadores (Computer

Science)

Es una disciplina científica que define y desarrolla teorías y

métodos para obtener información de las imágenes.

Pero también es una disciplina tecnológica pues aplica esos

métodos para construir sistemas de visión que permiten la

solución de problemas reales, como:

Inspección de productos (control de calidad)

Control de procesos (robots, vehículos autónomos)

Detección de eventos (vigilancia inteligente)

Organización de información (BD imágenes, vídeo)

Modelado de objetos y entornos (manipulación)

Interacción (realidad aumentada..)

Etc.. 4

4

Vis

ión

po

r C

om

pu

tad

or

VxC es una materia multidisciplinar

5

5

Proceso y análisis de imágenes

Interpretación

de imágenes

• Visión 2D

• Visión 3D

Aplicación de

la VxC a la

automatización

industrial

Vis

ión

po

r C

om

pu

tad

or

Áreas de aplicación de la visión por computador

Medical Imaging

Image Restoration

Scene Reconstruction

Content-based Image Retrieval

Motion Estimation & Tracking

Document analysis & OCR

Robot Vision

AutonomousVehicles

Visual Effects Creation

AutomatedVisual Inspection

Military Applications

Smart Surveillance

Etc………..

6

6

Aplicación industrial

Vis

ión

po

r C

om

pu

tad

or

Tipos de sistemas de visión

Sistemas de visión 2DAOI (Automated Optical Inspection)

Espectro visible – infrarrojo – ultravioleta

AXI (Automated X-ray Inspection)AMI (Automated Multispectral Insp.)

Sistemas de visión 3DStereovision (biocular, triocular,..)Laser-Based triangulationStructured Ligth

Sistemas de supervisión o seguimiento automáticoVideo processingSmart Surveillance

7

7

Vis

ión

po

r C

om

pu

tad

or

Visión 2D

Cuando el objeto, parte, superficie o propiedad a analizar se

puede obtener de una imagen plana (2D) del mismo.

Información 2D obtenida:

Presencia y posición de los objetos

Geometría de los objetos

Color / tono

Texturas

Clasificación del objeto

Sensores:

Una cámara (vísible, infrarojo, rayos-X, multiespectral)

8

8

Vis

ión

po

r C

om

pu

tad

or

Aplicaciones industriales 2D

9

9

Sistemas

visión 2D

Posicionamiento

Guiado

Planificación de

trayectorias 2D

Medición color /

tono

Detección de

defectos

Medición

dimensional

Detección de

partes

Inspección visual

automática

Clasificación de

piezas

Robótica

Lectura etiquetas

y códigos

Vis

ión

po

r C

om

pu

tad

or

Ejemplos de sistemas industriales 2D

10

Azulejos y losetas

Medicamentos y envases

Contrachapados

Tejidos

Frutas

Botellas y envases

Vis

ión

po

r C

om

pu

tad

or

Visión 3D

Cuando el objeto, parte, superficie o propiedad a analizar

requiere un descripción de la estructura tridimensional (3D)

del mismo.

Información 3D obtenida:

Posición de los objetos:

Orientación (absoluta o relativa) de superficies.

Geomatría 3D.

Mapas de rango (range images – depth maps).

Sensores:

Cámaras (1, 2, 3 o más)

Láser (proyectores, medidores de distancias: Laser range finders,

sistemas de barrido laser ...)

11

11

Vis

ión

po

r C

om

pu

tad

or

Aplicaciones industriales 3D

12

12

Sistemas

visión 3D

Part Picking and

Placing

Ensamblado

automático

Planificación de

trayectorias 3D

Medicion

tridimensional

Detección de

defectos

superficiales

Detección de

integridad

Fabricación

adaptativa

Inspección visual

automática

Sistemas CAD

Robótica

Vis

ión

po

r C

om

pu

tad

or

Ejemplos de aplicaciones industriales 3D

13

13

Medición dimensional 3D

Acabado superficial

Posicionamiento 3D

Vis

ión

po

r C

om

pu

tad

or

Visión por Computador (VxC)

Optativa de la intensificación de Informática Industrial

José M Valiente González (DISCA)

Antonio Sánchez Salmerón (DISA)

Vis

ión

po

r C

om

pu

tad

or

Descripción

El propósito de esta asignatura es dar a conocer a los

alumnos la problemática general de la visión por computador,

como herramienta multidisciplinar para la solución de

problemas de inspección automática en entornos industriales

y de visión para robótica.

En la asignatura se describen los elementos básicos de todo

sistema de visón: lentes, cámaras, iluminación y procesamiento.

A nivel algorítmico, se estudian los métodos principales para

resolver las etapas típicas de toda aplicación de visión:

procesamiento, segmentación, extracción de características y

clasificación.

También se describen las técnicas fundamentales de visión 3D.

15

Vis

ión

po

r C

om

pu

tad

or

Temario de teoría (1/2)

Unidad 1 – Introducción a la visión por computador

Sistemas de visión. Componentes básicos

Etapas de una aplicación de visión

Imagen: histograma y espacios de color

Unidad 2 – Dispositivos y sistemas de visión

Lentes y objetivos

Cámaras

Tarjetas digitalizadoras

Tipos y técnicas de iluminación

Unidad 3 – Técnicas de procesamiento de imágenes

Corrección geométrica de imágenes

Operadores puntuales

Filtros espaciales. Detección de bordes

16

Vis

ión

po

r C

om

pu

tad

or

Temario de teoría (2/2)

Unidad 4 – Segmentación de la imagen

Umbralización: global, local

Crecimiento y fusión de regiones

Análisis de imágenes binarias

Unidad 5 – El modelo de conocimiento

Extracción de características

Reconocimiento geométrico de formas

Clasificadores paramétricos y no paramétricos

Unidad 6 –Visión tridimensional (3D)

Calibración de cámaras

Homografía

Visión estereoscópica

17

Vis

ión

po

r C

om

pu

tad

or

Metodología

Clases de teoría (30 h)

Prácticas de laboratorio (15 h)

10 sesiones. Herramienta de desarrollo: MATLAB, OpenCV,..

Proyecto de la asignatura

Un proyecto global en el que se propone a los alumnos un reto de

visión, por ejemplo el reconocimiento de matrículas de coches, o la

localización e identificación de piezas industriales, o la clasificación de

piezas, o la identificación de códigos QR en piezas, …

El proyecto se realizará en grupos de una o dos personas.

Algunas de las sesiones de prácticas se emplearán para la preparación del

trabajo

18

Vis

ión

po

r C

om

pu

tad

or

Evaluación

Examen escrito (30%):

Examen tipo test o similar sobre las materias impartidas en teoría.

Prácticas de laboratorio (20%):

Evalúa los cuestionarios o ejercicios propuestos en las prácticas.

Proyecto de la asignatura (50%):

Los alumnos desarrollarán las distintas etapas de una aplicación real

dando como resultado final una tasa de reconocimiento. La evaluación

tendrá en cuenta, no solo el valor de la tasa de reconocimiento

alcanzada, sino también la adecuada solución de las distintas etapas del

proyecto.

19

Vis

ión

po

r C

om

pu

tad

or

Bibliografía

Forsyth, D.; Ponce, J. (2003). Computer Vision : A Modern

Approach.

González, R., Woods, R., Eddins, S. (2009). Digital Image

Processing Using MATLAB.

Faugueras, O; (1993) Three-dimensional Computer Vision: A

geometrisViewpoint

Hartley, R.; Zisserman, A.(2003) Multiple View Geometry in

Computer Vision 2nd

Davies, R.E; (2012) Computer and Machine Vision: Theory,

Algorithms & Practicalities. 4th Ed.

Jähne, B.; Hausbecker, H. (2000) Computer Vision and

Applications. A guide for Students and Practitioners.

20