Métodos de visión por computador para localización e identificación de objetos y texturas en exteriores

Resumen

INTRODUCCION En visión artificial se pueden diferenciar claramente dos tipos de escenarios en los que se obtienen las imágenes: Entornos estructurados y entornos no estructurados. Los primeros están principalmente ubicados en la industria donde la mayoría de las variables externas son conocidas en todo momento y están perfectamente controladas. Por el contrario, en los entornos no controlados, las variables externas presentan un comportamiento aleatorio y no existe control alguno sobre ellas. Los entornos naturales pertenecen a este grupo de escenarios. El presente trabajo presenta una serie de algoritmos desarrollados para trabajar en este tipo de escenarios y en tiempo real. OBJETIVOS 1. Diseñar estrategias de segmentación de imágenes en entornos no estructurados. 2. Diseñar los métodos de identificación de elementos relevantes en las imágenes. En las aplicaciones agrícolas son líneas de cultivo y rodales de malas hierbas. En la aplicación involucrando superficies de agua, son barcos autónomos. 3. Identificar las líneas de investigación futuras. 4. Divulgar y difundir los resultados de la investigación. Conviene destacar el hecho de que todos los métodos propuestos han sido ideados y desarrollados para su funcionamiento en tiempo real CONTRIBUCIONES Se describen cuatro algoritmos utilizados en distintos proyectos reales y un estudio realizado para la mejora de la precisión de los resultados. A continuación describimos brevemente cada uno de ellos: 1.- Detección automática de líneas de cultivo. Se trata de un algoritmo novedoso para detectar las líneas de maíz a partir de una imagen tomada por una cámara ubicada en la parte frontal de un tractor que va recorriendo los cultivos. Su ventaja es la robustez en comparación con el resto de algoritmos existentes, independientemente del estado de crecimiento de las plantas, la presencia de malas hierbas entrelineas o la ausencia de plantas de maíz en las propias líneas. Esta detección es necesaria tanto para el guiado del propio tractor así como para georreferenciar las zonas de malas hierbas. 2.- Cálculo de las coordenadas x-y de objetos en imágenes. Se describe un método para la ubicación de objetos en imágenes, es decir, para proporcionar sus coordenadas x-y respecto a un sistema de referencia elegido a nuestra conveniencia. Los objetos han de estar en superficies planas como por ejemplo agua, carreteras, suelos de edificios, etc. La ventaja de este método es que no se necesita conocimiento alguno sobre los parámetros intrínsecos ni extrínsecos de la cámara. 3.- Ajustes de la cámara: precisión en la detección de líneas de cultivo y malas hierbas. Se exponen los resultados de un estudio realizado para la mejora de la resolución de las imágenes y por tanto de la precisión en los resultados obtenidos. Dicha mejora consiste en determinar cuál de las combinaciones entre altura de cámara, ángulo de inclinación y distancia enfocada proporcionan la mayor resolución. Por otro lado, presenta dos algoritmos desarrollados para la mejora de la calidad de las imágenes, el primero de ellos mediante el ajuste automático del tiempo de exposición y el segundo mediante la corrección del vignetting. 4.- Sistema experto para la identificación de verdes en imágenes agrícolas. Consiste en un método de segmentación para la obtención de píxeles verdes de una imagen. La contribución de dicho método frente a la utilización de otros métodos existentes es su robustez. 5.- Cálculo automático del umbral de porcentaje de verde. Al operar en tiempo real, la segmentación de las imágenes obtenidas por el tractor en su marcha por las líneas de cultivo ha de realizarse con la mayor velocidad posible. Para ello utilizamos el porcentaje de verde como parámetro para segmentar la imagen. El presente algoritmo expone una forma sencilla y precisa para el cálculo en tiempo real de dicho umbral