Localización espacial de un punto en XYZ mediante visión artificial
Resumen
Con el fin de localizar un punto en el espacio mediante el uso de cámaras Web (visión artificial), se tuvieron en cuenta los siguientes aspectos: parámetros de la cámara, tipo de proceso a efectuar sobre la imagen capturada y presentación de los resultados. Con el objetivo de encontrar el campo útil de visión de la cámara, se determinó experimentálmente el ángulo para el cual la distorsión radial es mínima; luego por medio de una red neuronal tipo Perceptrón Multicapa de 3 entradas, 7 neuronas ocultas y 10 salidas, se filtra la imagen procedente de cada una de las cámaras identificando en estas un color específico; promediando los puntos de dispersión resultantes, se ubica bidimensionalmente en cada imagen el centroide del objeto, con base en esta información y aplicando un desarrollo matemático, se localiza completamente el objeto en un sistema de coordenadas aleatorio XYZ, respecto del cual, inicialmente, solo se necesita conocer la posición de cada una de las cámaras. Se desarrolló un software para computador, que permite observar las imágenes de cada una de las cámaras y la con figuración de la mayoría de parámetros. En la calibración del sistema se deben tener en cuenta: orientación de las cámaras, distancias sugeridas entre los focos de estas y calidad de las imágenes obtenidas.Descargas
Agencias de apoyo:
Universidad Militar Nueva GranadaReferencias bibliográficas
Carl Zeiss homepage, http://www.zeiss.de/C12567A100537AB9/allBySubject/BD477DE7D4E650C2C12569D8003C8166.
Del Brio Bonifacio M., Alfredo S. Molina; 2002. “Redes neuronales y sistemas difusos”,Madrid 2ª edición; Editorial Alfa-Omega,; P. 63-64.
Jang J. –S. R., C. –T. Su, E. Mizutani, 1998. “Neuro-Fuzzy and soft computing”, United States. Prentice hall, P. 233-236
Hart, Anna. Mar 1992. Using Neural Networks for Classification Tasks - Some Experiments on Datasets and Practical Advice. The Journal of the Operational Research Society Oxford.
Danese Giovanni, Fracesco Leporati, Stefano Ramat. May/Jun 2002. A parallel neural processor for real-time applications. IEEE Micro. Los Alamitos: Tomo 22, No. 3; pág. 20
Geige C, R. Hunstock, G. Lehrenfeld, W. Mueller_, J. Quintanilla, C. Tahedl, A. Weber. Visual Modeling and 3D-Representation with a Complete Visual Programming Language —A Case Study inManufacturing_
Duysinx, Pierre. Geradin, Michel. University of Liege, 2004. An Introduction to Robotics: Mechanical Aspects... p 5-21.
Cyril Cauchois, Eric Brassart, Laurent Delahoche, Arnaud Clerentin. 3D Localization with Conical Vision CREA (Center of Robotic, Electrotechnic and Automatic)
S. Baker and S. K. Nayar. Juanuary 1998. “A Theory of Catadioptric Image Formation” Proceedings of the 6th International Conference on Computer Vision, Bombay, pp. 35-42.