UNIVERSIDAD MILITAR NUEVA GRANADA

Fecha Emisión:
AC-GA-F-8
2018/02/09
CONTENIDO PROGRAMÁTICO Revisión No.
Página 1 de 5
3

NOMBRE DE LA ASIGNATURA Visión Artificial en Robotica

CÓDIGO
SEMESTRE Décimo
PRERREQUISITOS
CORREQUISITOS
COORDINADOR Y/O JEFE DE ÁREA
DOCENTE (S) Nelson Fernando Velasco Toledo
CRÉDITOS ACADÉMICOS 3
FECHA DE ELABORACIÓN/ 02/03/2022
ACTUALIZACIÓN

JUSTIFICACIÓN
Los desarrollos tecnológicos han permitido que los robots sean cada vez más "inteligentes", lo que supone que
estos deben interactuar con personas o al menos deben compartir el mismo entorno con ellas. Debido a que los
humanos son seres principalmente visuales, es decir que la mayor parte de la información que reciben del
entorno proviene del sentido de la vista, los robots deben igualmente ser capaces de percibir el entorno en
similitud de condiciones a los humanos.

Un ingeniero mecatrónico, entendido como aquel capaz de crear y desarrollar máquinas inteligentes capaces de
interactuar con humanos en el mismo ambiente de estos, debe estar en la capacidad de dotar a dichas
máquinas con sistemas que les permitan capturar información del medio en condiciones similares a los
humanos.

OBJETIVO GENERAL
Introducir al estudiante en el manejo de algoritmos y/o estrategias computacionales para dotar a un robot de
capacidad visual.

COMPETENCIA GLOBAL
Diseña e implementa sistemas de visión de máquina útiles para ser integrados en aplicaciones propias de la
robótica

COMPETENCIAS ESPECÍFICAS
A continuación se presentan las competencias (Outcomes) definidos por el programa y los correspondientes
resultados de aprendizaje (RA). La explicación de cada competencia se encuentra en el Proyecto Educativo
del Programa (PEP).

Adicionalmente se incluye el nivel de profundidad que se espera lograr por parte del estudiante en cada una de
las competencias. Para definir estos niveles se ha utilizado la taxonomía de Bloom:
Taxonomía de Bloom:

El uso no autorizado así como la reproducción total o parcial de su contenido por cualquier persona o entidad, estará en contra
de los derechos de autor.
Página 1 de 5
 UNIVERSIDAD MILITAR NUEVA GRANADA

Fecha Emisión:
AC-GA-F-8
2018/02/09
CONTENIDO PROGRAMÁTICO Revisión No.
Página 2 de 5
3

1. Conocer
2. Comprender
3. Aplicar
4. Analizar
5. Sintetizar
6. Evaluar
Competencia 1: Habilidad para identificar, formular y resolver problemas complejos de ingeniería
aplicando principios de ingeniería, ciencias y matemáticas.
Nivel 3 Aplicar
1.1 Aplica el modelo de cámara y el modelo de estereovisión dentro de aplicaciones robóticas.
1.2 Hace uso de diferentes técnicas de análisis de imágenes que se aplican en el área de robótica.
Competencia 2: Habilidad para aplicar diseño de ingeniería para generar soluciones que cumplan con
necesidades específicas en sectores como salud, seguridad, bienestar social, así como aspectos
globales, culturales, sociales, ambientales y económicos.
Nivel 3 Aplicar
2.1 Diseña soluciones de visión de máquina para aplicaciones en robótica.
2.2 Implementa un sistema de visión artificial como un sensor del entorno de un robot.
Competencia 3: Habilidad para comunicarse efectivamente ante un rango de audiencias.
No aplica en esta asignatura
Competencia 4: Capacidad de reconocer responsabilidades éticas y profesionales en situaciones de
ingeniería y hacer juicios informados que deben considerar el impacto de las soluciones de ingeniería
en un contexto global, económico, ambiental y social.
No aplica para esta asignatura.
Competencia 5: Capacidad de funcionar de manera efectiva en un equipo cuyos miembros juntos
proporcionan liderazgo, crean un entorno colaborativo e inclusivo, establecen metas, planifican tareas y
cumplen objetivos.
No aplica para esta asignatura.
Competencia 6: Capacidad de desarrollar y llevar a cabo la experimentación adecuada, analizar e
interpretar datos y usar el juicio de ingeniería para sacar conclusiones.
Nivel 3 Aplicar
6.1 Realiza pruebas de algoritmos de visión artificial e interpreta los resultados.
Competencia 7: Capacidad de desarrollar y aplicar nuevos conocimientos según sea necesario,
utilizando estrategias de aprendizaje apropiadas.
Nivel 2 Comprender
7.1 Explica e interpreta documentos que describen aplicaciones de la visión artificial en robótica
7.2 Explica las diferencias entre métodos o estrategias de visión artificial de uso en robótica.

CONTENIDO
Actividades de trabajo
Semana Tema o actividad presencial
independiente
25/07 - 29/07 Introducción. La visión por computador como sensor en robótica. Estudio independiente

El uso no autorizado así como la reproducción total o parcial de su contenido por cualquier persona o entidad, estará en contra
de los derechos de autor.
Página 2 de 5
 UNIVERSIDAD MILITAR NUEVA GRANADA

Fecha Emisión:
AC-GA-F-8
2018/02/09
CONTENIDO PROGRAMÁTICO Revisión No.
Página 3 de 5
3

Modelado de robots: Sistemas de representación y planeación de Investigación, realización de

trayectorias, Modelado del espacio de trabajo y de la ubicación de informe escrito previo a la clase
objetos en el espacio de trabajo
1/08 - 5/08 Sistemas de captura de imágenes, cámaras de luz visible, Investigación, realización de
cámaras IR, Sensores de profundidad, otros informe escrito previo a la clase
8/08 - 12/08 Modelo de cámara, retroproyección, parámetros intrínsecos y Investigación, desarrollo de
extrínsecos, rectificación de imágenes, ejercicio de calibración de ejercicios, realización de informe
cámaras y rectificación de imágenes escrito previo a la clase
15/08 - 19/08 Avance de proyecto de curso. Definición del problema, alcance y Preparación de la presentación
delimitación del proyecto. de avance.
22/08 - 26/08 Sistema de estereovisión, geometría epipolar, detección de puntos Investigación, desarrollo de
similares, mapa de disparidad, triangulación, ejercicio/ejemplo de ejercicios, realización de informe
calibración de sistema estéreo, Detección de profundidad escrito previo a la clase
29/08 - 2/09 Detección de objetos, estrategias y algoritmos de visión por Investigación. Desarrollo de
computador. Ejemplos de técnicas de detección de objetos ejercicios. Preparación actividad
en clase
5/09 - 9/09 Avance de proyecto de curso. Diseño de la solución del Preparación de la presentación
problema, esquema general, partes del sistema. de avance.
12/09 - 16/09 Machine learning aplicado a la visión por computador, conceptos Investigación. Desarrollo de
generales, tipos de aprendizaje, métodos de ML comúnmente ejercicios. Preparación actividad
utilizados. Ejemplos de ML para visión por computador para en clase
detectar objetos
19/09 - 23/09 Deep learning aplicado a la visión por computador, concepto y Investigación. Desarrollo de
funcionamiento de CNN, arquitecturas típicas, transfer learning, ejercicios. Preparación actividad
ejemplo/ejercicio de aplicación de DL para detectar objetos. en clase
Ejemplos de aplicación de DL aplicado a Visión por computador.
26/09 - 30/09 Avance de proyecto de curso. Estudio de viabilidad técnica, Preparación de la presentación
implementación preliminar de la solución planteada. de avance,
3/10 - 7/10 Eye-hand coordination, Robots manipuladores controlados Investigación. Análisis de
mediante visión por computador, sistemas de control basados en papers. Preparación actividad
realimentación con visión de máquina. en clase
10/10 - 14/10 Mapeo y autolocalización de robots móviles mediante sistemas de Investigación. Análisis de
visión por computador, integración de sistemas de visión a la papers. Preparación actividad
planeación de trayectorias, SLAM. en clase
17/10 - 21/10 Avance de proyecto de curso. Experimentos y pruebas, Preparación de la presentación
resultados preliminares. de avance.
24/10 - 28/10 Aplicaciones de robots provistos de sistemas de visión por Investigación. Análisis de
computador, aplicaciones en agricultura, aplicaciones en papers. Preparación actividad
exploración remota, aplicaciones aéreas en clase
31/10 - 4/11 Futuro de la robótica apoyada en la visión por computador. Investigación. Análisis de
Proyectos de investigación en marcha papers. Preparación actividad
en clase
7/11 - 11/11 Entrega final proyecto de curso. Presentación de la solución Preparación de la presentación
final, pruebas y resultados, conclusiones. final de proyecto.

El uso no autorizado así como la reproducción total o parcial de su contenido por cualquier persona o entidad, estará en contra
de los derechos de autor.
Página 3 de 5
 UNIVERSIDAD MILITAR NUEVA GRANADA

Fecha Emisión:
AC-GA-F-8
2018/02/09
CONTENIDO PROGRAMÁTICO Revisión No.
Página 4 de 5
3

SISTEMA DE EVALUACIÓN
Esta asignatura electiva tiene dos componentes fundamentales uno teórico (T) y uno práctico (P), donde el
último está representado por el desarrollo de un proyecto. Las competencias involucradas y los resultados de
aprendizaje se evaluarán de acuerdo con la siguiente tabla:

Competencia Primer corte Segundo corte Tercer corte TOTAL

Componente 30% 30% 40%

Competencia T Tarea y/o presentación Tarea y/o presentación Tarea y/o presentación
1 (15%) (7%) (10%) 32% 32%
RA: 1.1 RA: 1.1 1.2 RA: 1.1 1.2

Competencia P Sustentación proyecto Sustentación proyecto

2 No aplica (5%) (10%) 15% 15%
RA: 2.1 RA: 2.1 2.2

Competencia P Sustentación proyecto Sustentación proyecto

6 No aplica (5%) (5%) 10% 10%
RA: 6.1 RA: 6.1

Competencia T Tarea y/o presentación Tarea y/o presentación

7 No aplica (8%) (10%) 18%
RA: 7.1 7.2 RA: 7.1 7.2
43%
P Sustentación proyecto Sustentación proyecto Sustentación proyecto
(15%) (5%) (5%) 25%
RA: 7.1 RA: 7.1 7.2 RA: 7.1 7.2

De la tabla presentada se puede observar que la distribución entre cada componente es:
50% teórico
50% práctico
Tanto de la nota final como en cada corte.

BIBLIOGRAFÍA
1. Índice con referencias de páginas y citas bibliográficas
2. Libros textos
3. Libros electrónicos

MATERIAL COMPLEMENTARIO DE APRENDIZAJE PARA ESTUDIANTES

1. Glosario
2. Preguntas de repaso
3. Material Multimedia

El uso no autorizado así como la reproducción total o parcial de su contenido por cualquier persona o entidad, estará en contra
de los derechos de autor.
Página 4 de 5
 UNIVERSIDAD MILITAR NUEVA GRANADA

Fecha Emisión:
AC-GA-F-8
2018/02/09
CONTENIDO PROGRAMÁTICO Revisión No.
Página 5 de 5
3

4. Enlaces en la red
5. Curso virtual

COMPETENCIA DEL DOCENTE

Determine la competencia del docente cátedra u ocasional basándose en la educación, formación o experiencia apropiadas.

Educación: Profesional en ingeniería mecatrónica o afines con posgrado en ingeniería.

Formación: Conocimiento en temas de programación, procesamiento de señales e imágenes y/o visión de máquina, robótica.

Experiencia: Experiencia comprobada de al menos un año en asignaturas de procesamiento de señales y procesamiento de

imágenes, debe acreditar experiencia investigativa en el área de visión de máquina y/o procesamiento de imágenes.

CONTROL DE CAMBIOS
ACTA DE
CAMBIO REALIZADO JUSTIFICACIÓN DEL CAMBIO
APROBACIÓN

El uso no autorizado así como la reproducción total o parcial de su contenido por cualquier persona o entidad, estará en contra
de los derechos de autor.
Página 5 de 5