Visión Artificial

Por Elisabeth Pérez

Indice

� ¿Qué es la Visión Artificial?� Visión Artificial� Diversos nombres� Áreas de Aplicación� Visión Artificial en Sistemas de Calidad� Los pasos a tener en cuenta� Áreas de Investigación� Métodos de detección de contornos� Ejemplos de Aplicaciones� Bibliografía

¿Qué es la Visión Artificial?

Antes de dar una definición…:� ¿Qué problemas intenta resolver?: Calcular

propiedades del mundo 3-D a partir de una o variasimágenes digitales.

� ¿Cuáles son sus herramientas?. El hardware paraadquirir y almacenar las imágenes, el procesado y,en algunos casos, el análisis de dichas imágenes yel suministro de los resultados al usuario o sistemaautónomo.

Visión Artificial

� Describe la detección automática de laestructura y propiedades de un posiblemundo dinámico en 3 dimensiones a partiruna o varias imágenes bidimensionales delmundo.

� Las imágenes pueden ser monocromáticas(por ej: blanco y negro) o a color; pueden sercapturadas por una o varias cámaras, y cadacámara puede ser estacionaria o móvil.

Visión Artificial

� La estructura y propiedades del mundotridimensional que se intentan deducir en la visiónartificial incluye no sólo propiedades geométricas,sino también propiedades del material y laluminosidad.

� Ejemplos de propiedades geométricas: tamaños,formas y localización de objetos.

� Ejemplos de propiedades de los materiales:luminosidad u oscuridad de las superficies, suscolores, sus texturas y la composición de losmateriales.

Diversos nombres

� Traducción de Computer Vision, MachineVisión, Robot Vision, etc., siendo tal vez elprimero el más utilizado cuando realizamosla traducción de Visión Artificial a inglés.

Áreas de Aplicación

� Inspección industrial y control de calidad: aplica para lainspección automatizada; permite identificar que las piezas notengan defectos.

� Vigilancia y seguridad,� Reconocimiento de caras,� Reconocimiento de gestos,� Monitorización de carreteras,� Vehículos autónomos,� Sistemas robóticos mano-ojo,� Espacio y aplicaciones,

Áreas de Aplicación

� Aplicaciones militares: se desarrollan complejas armas comomisiles que se guían por sí solos por zonas previamentegrabadas; en la identificación de aeropuertos, barcos, tanqueso cualquier imagen tomada desde aviones o satélites,

� Análisis de imágenes médicas: facilita el diagnósticoautomático de las enfermedades del corazón, a partir defotogramas del movimiento del mismo y de un análisis de lasdeformaciones que se producen,

� Bases de imágenes,� Realidad virtual,� Telepresencia y telerobótica.

Visión Artificial en Sistemas deCalidad

� La visión artificial se esta convirtiendo rápidamente en un factorclave en el desarrollo de la calidad total dentro de losdiferentes procesos de automatización industrial.

� Su implementación en una empresa genera un aumento en elnivel de producción y una reducción en los costos defabricación, elevando los niveles de competitividad en elmercado nacional e internacional.

� La visión artificial permite inspeccionar el proceso deproducción sin fatigas ni distracciones, facilitando lacuantificación de las variables de calidad traduciéndose en unmejoramiento continuo.

Visión Artificial en Sistemas deCalidad

�� HHoy en día, en muchos procesos defabricación, los limites de detección dedefectos han superado la percepción delojo humano; por esta razón las empresasdel mundo moderno han visto lanecesidad de crear un sistema quepermita controlar en forma precisa yacertada la calidad de sus productos. Esasi como nace la visión artificial o visiónpor computador.

� Pero un sistema de visión no puededetectar una falla o característica demanera confiable si esta muy pequeñacomparada con la resolución que se haelegido para el sistema, al mismo tiempo,mientras más pixeles tiene que analizarel sistema, el proceso de inspección sevuelve más lento.

Los pasos a tener en cuenta

1. Adquisición y digitalización de la imagen: Paraello necesitamos sensores y la capacidad paradigitalizar la señal producida por el sensor. Elsensor puede ser una cámara a color omonocromo que produce una imagen completa deldominio del problema. Después de capturar laimagen a inspeccionar se envía esta información ala computadora para ser analizada.

Los pasos a tener en cuenta

2. Preprocesamiento: En este proceso se modifica la imagen queacabamos de adquirir con el fin de mejorarla de acuerdo a losparámetros a analizar con los siguientes objetivos:

� Eliminación de ruido.� Acentuar o perfilar las características de una imagen tales

como bordes y limites� Contrastar la imagen para que sea más útil la visualización

gráfica y el análisis de la misma.� Mejorar la calidad de algunas partes de imagen.� Transformar la imagen a otro espacio de representación.

Los pasos a tener en cuenta

3. Segmentación: Su objetivo es dividir la imagen en las partesque la constituyen o los objetos que la forman. En esteproceso se diferencia el objeto y el fondo.

4. Descripción: Este proceso etiqueta los objetos teniendo encuenta información suministrada por la inspección que puedeser :

� Cuantitativa: Realización de medidas (áreas, longitudes,perímetros etc.) y ángulos de orientación.

� Cualitativa: Verificación de la correcta realización del trabajocomo el ensamblado, el embotellado, el etiquetado, elempaquetado etc.

Los pasos a tener en cuenta

5. Clasificación: Con base en los datosanalizados se efectúa el control de calidad.

6. Toma de decisiones: Frecuentemente lossistemas de visión artificial controlanaparatos mecánicos que efectúan lamanipulación de los productos después deser clasificados.

Áreas de Investigación

� Detección de rasgos en imágenes,� Representación de contornos,� Segmentación basada en rasgos,� Análisis de imágenes de distancias,� Modelización y representación de la forma,� Reconstrucción de la forma a partir de una imagen

(forma a partir de X),� Visión estéreo,� Análisis del movimiento,

Áreas de Investigación

� Visión del color,� Visión activa,� Sistemas calibrados y sin calibrar,� Detección de objetos,� Reconocimiento de objetos 3-D (por ejemplo identificar

personas a partir de su fotografía),� Localización de objetos 3-D,� Establecimiento de relaciones espaciales entre varios objetos.

(Para guiar a un robot en el ensamblaje de piezas).� Arquitecturas de altas prestaciones y en tiempo real.

Métodos de Detección de Contornos

� Para el análisis de imágenes digitales laextracción de los bordes de dichasimágenes resulta de gran utilidad.Podemos considerar que existe un bordecuando en un conjunto de puntos de laimagen aparece un cambio significativoen la intensidad luminosa

� Método basado en las primeras derivadas.En este método primero se miden loscambios de intensidad en todos los puntosde la imagen, haciendo uso de la primeraderivada, después se seleccionan comopuntos de bordes aquellos puntos en losque el cambio de intensidad rebasa algúnumbral preestablecido.

Métodos de Detección de Contornos

� Un factor clave en su éxito es laanticipación en la detección delmovimiento. Por ejemplo, sisuponemos que un ordenador siguela trayectoria de un intruso,capturada por un vídeo deseguridad, ayuda enormemente siel ordenador está programado paraesperar un cierto rango de formasde la cabeza del intruso. Pero nosólo las formas sino también elmovimiento puede ser anticipadopor el ordenador.

� Seguir un movimiento ágil: unasecuencia de vídeo de una niñabailando es seguido durante unossegundos. Una anticipación efectivapor el ordenador de losmovimientos es crucial para permitirver tantos movimientos ágiles.

Ejemplos de Aplicaciones

� Columbia University Robotics Group: Seguir el movimiento de objetoshttp://www.cs.columbia.edu/robotics/

� Universidad de Edimburgo: Segmentación de imágenes de distanciashttp://www.ipab.informatics.ed.ac.uk/mvu

� Fraunhofer Institut Graphische Datenvearbeitung: Aplicacionesmédicas

http://www.igd.fhg.de� Dept Engineering Science Oxford University: Aplicaciones de

Contornos Activoshttp://www.robots.ox.ac.uk/~ab/dynamics.html

� Universidad de Cambridge. Depto de Ingeniería Speech Vision andRobotics Group

http://svr-www.eng.cam.ac.uk/svr.html

Adquisición y eliminación deruido

Imágenes

Extracción de rasgos Análisis de movimientodiferencial

rasgos Flujo óptico

Calibrado Reconocimiento

Estéreo Forma a partir deuna imagen

Análisis delmovimientobasado en

rasgos

Análisis deflujo óptico

Parámetros delsistema

Estructura 3DLocalización deobjetos

Identificación deobjetos

Movimiento 3D

Bibliografía

� http://verona.fi-p.unam.mx/fardi/pagina/VISONCOM.htm

� Dept. Engineering Science, University of Oxford:http://www.robots.ox.ac.uk/~ab/dynamics.html

� Asociación Española de Reconocimientos deFormas y Análisis de Imágenes:http://decsai.ugr.es/aerfai/

� Vishvjit S.Nalwa: A Guided Tour of Computer Vision