Investigacin bibliogrfica

Resumen
En este trabajo se presenta una investigacin bibliogrfica de artculos que nos
ayudaran a tener un conocimiento ms amplio de sistemas de deteccin, en este
caso robots dotados de sensores de visin que nos permiten diversas operaciones
y acciones que estos pueden realizar ante diferentes situaciones.
La estrategia general que empleada para el desarrollo del sistema de
reconocimiento por imagen se basa en agrupar las vistas de los objetos y a partir
del estudio de informacin contenida en ellos, desarrollar de manera eficiente las
tareas de clasificacin, seleccin de las posiciones del sensor y el clculo de la
evidencia.
Introduccin
El uso de sensores de visin acoplados a manipuladores robticos permite el
desarrollo de aplicaciones en entornos industriales tales como ensamblaje,
inspeccin, manipulacin de objetos, etc. Sin embargo, lograr aplicaciones
exibles y robustas que trabajen en tiempo real constituye, en estos momentos, el
reto de muchos investigadores. La utilizacin de equipos de robots que cooperan
para la realizacin de tareas ha adquirido un importante auge en la investigacin y
se ha incrementado el abanico de posibles aplicaciones.
Sistema multi-robot para localizacin e identicacin de vehculos
Como primer apartado encontramos un sistema de localizacin de vehculos que
estn estacionados en un recinto abierto o cerrado. El sistema realiza una
planicacin y una asignacin de tareas a los miembros del equipo optimizando el
tiempo de la misin. El equipo de robots est dotado de sensores de visin que
permiten la localizacin de los vehculos y la identicacin de su matrcula. El
controlador de movimiento de cada robot utiliza un sensor lser para el
posicionamiento frente al vehculo a identificar y un sistema de control basado en
visin realiza el posicionamiento preciso para la adquisicin de la imagen de la
matricula que permita su posterior identicacin.
Para la localizacin del vehculo se usan imgenes omnidireccionales sobre las
que se realiza un procesamiento en color. Se pueden plantear distintos mtodos
de anlisis de color tales como los que segmentan en regiones o los que se basan
en restricciones de color en imgenes ltradas. Las ideas originales del ltro de
procesamiento de imgenes retinex fueron exploradas como un modelo de
percepcin de la luz y el color (Land(1986)).Este ltro se usa para mejorar el
reconocimiento del color en situaciones de luminosidad muy variable (Rahman et
al. (2006)). Las imgenes captadas por cada cmara omnidireccional estn
sujetas a varias circunstancias que hacen complicado el reconocimiento de los
colores reales que la componen. Por una parte la propia cmara puede no obtener
imgenes de la calidad esperada por factores pticos (apertura o enfoque, entre
otros). Por otra, los escenarios al aire libre presentan diferentes condiciones de
iluminacin debido a elementos meteorolgicos (nubes / sol) o de posicionamiento
y luminosidad del sol (maana / tarde).
Se pueden plantear mltiples mtodos de anlisis de segmentos de color en una
imagen, en este caso se consideran dos:
El primer mtodo consiste en realizar una segmentacin de la imagen en
regiones con color y textura similar. Se basa en uno de los algoritmos de
segmentacin de imgenes ms utilizados debido a su buena eciencia
(Felzenszwalb y Huttenlocher (2004)).
El segundo mtodo obtiene una imagen binaria, separando los pixeles que
pertenecen al rango de color buscado de los que no, a partir de la imagen
original procesada con el ltro retinex (Land (1986)).

Implementacin de Sistemas Activos de Reconocimiento de Objetos

Este trabajo presenta un framework para el desarrollo de sistemas activos de
reconocimiento de objetos de forma libre. El framework propuesto aborda el
problema de incertidumbre presente en los sistemas de reconocimiento de objetos
basados en visin monocular mediante un modelo heurstico que permite usar
cualquier tipo de vector de caractersticas para representar la informacin de las
vistas. De esta manera, se pueden emplear vectores de caractersticas que
estimen la pose del objeto con mayor precisin que en los tradicionales sistemas
estocsticos.
Asumimos que el sistema de reconocimiento de objetos a desarrollar es capaz de
reconocer un gran nmero de objetos de forma libre, existiendo la posibilidad de
que algunos de ellos tengan apariencia muy similar entre s. Las imgenes son
capturadas por un sistema de visin monocular capaz de moverse alrededor del
objeto. Adems, el sistema deber reconocer los objetos independientemente de
la textura de los mismos. Bajo estas condiciones, la ambigedad / incertidumbre
existente entre los objetos a reconocer es elevada. El estudio de la informacin
contenida entre las vistas de la base de datos permite desarrollar sistemas de
reconocimiento ms robustos y ecaces computacionalmente. Por ejemplo, las
tcnicas de clustering (Rai and Singh (2010)) agrupan la informacin contenida en
la base de datos (vistas de la apariencia de los objetos) en grupos con
caractersticas muy similares. Adems, trabajar con una base de datos
segmentada en clusters permite optimizarlos tiempos de ejecucin, ya que la
bsqueda se concentra en un sector de la misma (clster) y no en toda la base de
datos.
El proceso de clustering se emplea en este framework con el objetivo de:
1. Estudiar la ambigedad/incertidumbre de las vistas de la base de datos: A partir
de esta informacin se construye el modelo heurstico que determina la evidencia
existente entre las hiptesis correspondientes a una vista de la escena. El empleo
de un modelo heurstico aporta informacin al sistema de reconocimiento sobre las
caractersticas de una vista con respecto a las existentes en la base de datos. La
principal ventaja de usar un modelo heurstico en el proceso de reconocimiento es
que permite emplear el conocimiento que se obtiene de la base de datos sin
necesidad de usar descriptores de forma estocsticos, aportando exibilidad a la
hora de disear el sistema de reconocimiento de formas.
2. Estructura del proceso de clasicacin: La vista de la escena es clasicada
empleando SVM (Maquina de Soporte Vectorial) como perteneciente a una clase.
Cada uno de los clster es considerado una clase. Dada la incertidumbre existente
en los sistemas de reconocimiento de objetos basados en imgenes 2D, la
respuesta del proceso de reconocimiento de formas ser un conjunto de vistas con
caractersticas similares a la vista de la escena. Asumiendo que los objetos son
conocidos y que el proceso de clustering agrupa vistas con alto grado de similitud,
se puede desarrollar un proceso de aprendizaje (en el caso de SVM consiste en el
clculo de los vectores de soporte SVs) que permita clasicar la vista incgnita en
la clase (clster) donde aparecen vistas similares a ella.
3. Seleccionar la siguiente posicin del sensor: El estudio de la ambigedad entre
las vistas de los objetos permite determinar, para un conjunto de objetos hiptesis,
cuales son las posiciones del sensor desde las cuales se diferencia su apariencia,
o sea, la incertidumbre se minimiza.

Sistema Avanzado de Asistencia a la Conduccin para la Deteccin de la

Somnolencia
En este artculo se presenta un sistema avanzado de asistencia a la conduccin
(SAAC) diseado para detectar automticamente la somnolencia y la distraccin
del conductor. Este sistema se compone de dos partes: una para trabajar durante
el da con iluminacin natural, y otra para funcionar en la noche utilizando
iluminacin infrarroja.
En este artculo se presentan dos sistemas para detectar la somnolencia del
conductor, paralelamente, se incorpora en cada uno de ellos un mdulo para
analizar un tipo de distraccin basado en la orientacin del rostro. De esta manera,
se plantea un sistema para trabajar en conduccin diurna y uno para trabajar en
conduccin nocturna.
El esquema de los sistemas es presentado en la gura, donde se identican los
siguientes mdulos: deteccin del rostro, (ii) deteccin de los ojos, (iii) seguimiento
del rostro, (iv) seguimiento de los ojos, (v) deteccin de la somnolencia y, (vi)
deteccin de la distraccin. Cada una de estas partes sern descritas
detalladamente en las prximas dos secciones. La diferencia entre estos sistemas
radica en la incorporacin de un sistema de iluminacin infrarroja en el caso de la
conduccin nocturna. En los dos casos, se trabajar sobre imgenes
monocromticas tomadas con el sistema de percepcin instalado en un vehculo
real. Este vehculo, denominado IvvI (Intelligent Vehicle based on Visual
Informacin), constituye una plataforma experimental diseada para desarrollar
SAAC, gura2 (a), alberga un sistema de procesamiento que consta de tres
ordenadores instalados con MS Windows XP, gura 2(b), destinados a procesar la
informacin visual proveniente del sistema de percepcin. En la actualidad IvvI
alberga cinco sistemas basados en visin por Computador para analizar las lneas
de la carretera, los peatones, los vehculos, las seales de trco, y el mdulo
presentado en este trabajo para monitorizar al conductor.