(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