(Microsoft PowerPoint - Visi\363nArtificial.ppt)
Transcription
(Microsoft PowerPoint - Visi\363nArtificial.ppt)
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 varias imágenes digitales. ¿Cuáles son sus herramientas?. El hardware para adquirir y almacenar las imágenes, el procesado y, en algunos casos, el análisis de dichas imágenes y el suministro de los resultados al usuario o sistema autónomo. Visión Artificial Describe la detección automática de la estructura y propiedades de un posible mundo dinámico en 3 dimensiones a partir una o varias imágenes bidimensionales del mundo. Las imágenes pueden ser monocromáticas (por ej: blanco y negro) o a color; pueden ser capturadas por una o varias cámaras, y cada cámara puede ser estacionaria o móvil. Visión Artificial La estructura y propiedades del mundo tridimensional que se intentan deducir en la visión artificial incluye no sólo propiedades geométricas, sino también propiedades del material y la luminosidad. Ejemplos de propiedades geométricas: tamaños, formas y localización de objetos. Ejemplos de propiedades de los materiales: luminosidad u oscuridad de las superficies, sus colores, sus texturas y la composición de los materiales. Diversos nombres Traducción de Computer Vision, Machine Visión, Robot Vision, etc., siendo tal vez el primero el más utilizado cuando realizamos la traducción de Visión Artificial a inglés. Áreas de Aplicación Inspección industrial y control de calidad: aplica para la inspección automatizada; permite identificar que las piezas no tengan 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 como misiles que se guían por sí solos por zonas previamente grabadas; en la identificación de aeropuertos, barcos, tanques o cualquier imagen tomada desde aviones o satélites, Análisis de imágenes médicas: facilita el diagnóstico automático de las enfermedades del corazón, a partir de fotogramas del movimiento del mismo y de un análisis de las deformaciones que se producen, Bases de imágenes, Realidad virtual, Telepresencia y telerobótica. Visión Artificial en Sistemas de Calidad La visión artificial se esta convirtiendo rápidamente en un factor clave en el desarrollo de la calidad total dentro de los diferentes procesos de automatización industrial. Su implementación en una empresa genera un aumento en el nivel de producción y una reducción en los costos de fabricación, elevando los niveles de competitividad en el mercado nacional e internacional. La visión artificial permite inspeccionar el proceso de producción sin fatigas ni distracciones, facilitando la cuantificación de las variables de calidad traduciéndose en un mejoramiento continuo. Visión Artificial en Sistemas de Calidad Hoy en día, en muchos procesos de fabricación, los limites de detección de defectos han superado la percepción del ojo humano; por esta razón las empresas del mundo moderno han visto la necesidad de crear un sistema que permita controlar en forma precisa y acertada la calidad de sus productos. Es asi como nace la visión artificial o visión por computador. Pero un sistema de visión no puede detectar una falla o característica de manera confiable si esta muy pequeña comparada con la resolución que se ha elegido para el sistema, al mismo tiempo, mientras más pixeles tiene que analizar el sistema, el proceso de inspección se vuelve más lento. Los pasos a tener en cuenta 1. Adquisición y digitalización de la imagen: Para ello necesitamos sensores y la capacidad para digitalizar la señal producida por el sensor. El sensor puede ser una cámara a color o monocromo que produce una imagen completa del dominio del problema. Después de capturar la imagen a inspeccionar se envía esta información a la computadora para ser analizada. Los pasos a tener en cuenta 2. Preprocesamiento: En este proceso se modifica la imagen que acabamos de adquirir con el fin de mejorarla de acuerdo a los parámetros 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 partes que la constituyen o los objetos que la forman. En este proceso se diferencia el objeto y el fondo. 4. Descripción: Este proceso etiqueta los objetos teniendo en cuenta información suministrada por la inspección que puede ser : Cuantitativa: Realización de medidas (áreas, longitudes, perímetros etc.) y ángulos de orientación. Cualitativa: Verificación de la correcta realización del trabajo como el ensamblado, el embotellado, el etiquetado, el empaquetado etc. Los pasos a tener en cuenta 5. Clasificación: Con base en los datos analizados se efectúa el control de calidad. 6. Toma de decisiones: Frecuentemente los sistemas de visión artificial controlan aparatos mecánicos que efectúan la manipulación de los productos después de ser 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 la extracción de los bordes de dichas imágenes resulta de gran utilidad. Podemos considerar que existe un borde cuando en un conjunto de puntos de la imagen aparece un cambio significativo en la intensidad luminosa Método basado en las primeras derivadas. En este método primero se miden los cambios de intensidad en todos los puntos de la imagen, haciendo uso de la primera derivada, después se seleccionan como puntos de bordes aquellos puntos en los que el cambio de intensidad rebasa algún umbral preestablecido. Métodos de Detección de Contornos Un factor clave en su éxito es la anticipación en la detección del movimiento. Por ejemplo, si suponemos que un ordenador sigue la trayectoria de un intruso, capturada por un vídeo de seguridad, ayuda enormemente si el ordenador está programado para esperar un cierto rango de formas de la cabeza del intruso. Pero no sólo las formas sino también el movimiento puede ser anticipado por el ordenador. Seguir un movimiento ágil: una secuencia de vídeo de una niña bailando es seguido durante unos segundos. Una anticipación efectiva por el ordenador de los movimientos es crucial para permitir ver tantos movimientos ágiles. Ejemplos de Aplicaciones Columbia University Robotics Group: Seguir el movimiento de objetos http://www.cs.columbia.edu/robotics/ Universidad de Edimburgo: Segmentación de imágenes de distancias http://www.ipab.informatics.ed.ac.uk/mvu Fraunhofer Institut Graphische Datenvearbeitung: Aplicaciones médicas http://www.igd.fhg.de Dept Engineering Science Oxford University: Aplicaciones de Contornos Activos http://www.robots.ox.ac.uk/~ab/dynamics.html Universidad de Cambridge. Depto de Ingeniería Speech Vision and Robotics Group http://svr-www.eng.cam.ac.uk/svr.html Adquisición y eliminación de ruido Imágenes Extracción de rasgos Análisis de movimiento diferencial rasgos Calibrado Parámetros del sistema Reconocim iento Flujo óptico Estéreo Identificación de objetos Forma a partir de una imagen Localización de objetos Análisis del movimiento basado en rasgos Estructura 3D Análisis de flujo óptico 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 de Formas y Análisis de Imágenes: http://decsai.ugr.es/aerfai/ Vishvjit S.Nalwa: A Guided Tour of Computer Vision