AUTOMATIZACION Y ROBOTICA INDUSTRIALES

SISTEMAS DE PERCEPCION
Quinto Curso de Ingeniero de Telecomunicación
Curso 2006-2007
PROFESORADO
Aníbal Ollero Baturone (Responsable de la asignatura).
José Ramiro Martínez de Dios
OBJETIVO
Se estudian técnicas de percepción artificial y reconocimiento de formas de utilidad en
múltiples aplicaciones. De esta forma se trata de que el alumno adquiera conocimientos
teórico/prácticos en visión artificial, incluyendo procesamiento de imágenes,
tecnologías y sensores, así como que conozca los fundamentos de las técnicas de
reconocimiento de formas.
METODOLOGIA
La asignatura tiene 6 créditos. Además de las clases teóricas se realizan prácticas de
procesamiento de imágenes para visión artificial en el laboratorio.
EVALUACION
La evaluación se realizará teniendo en cuenta:
-
Trabajo de la asignatura.
Practicas.
Asistencia y participación en las clases.
PROGRAMA DETALLADO
Capítulo I. VISION ARTIFICIAL.
Tema 1: Introducción a la visión artificial.
Conceptos básicos. Etapas en un proceso de visión artificial. Componentes de un
sistema de visión. Introducción a las aplicaciones.
Tema 2: Adquisición de imágenes.
Cámaras. Digitalización. Técnicas de iluminación. Modelo de la cámara. Calibración.
Relaciones básicas entre pixels. Distancias.
Tema 3: Preprocesamiento I: Suavizado.
Métodos en el dominio del espacio. Métodos en el dominio de las frecuencias. Filtros
espaciales. Suavizado. Promediado entorno vecindad. Filtro mediana. Promedio de
imagen. Suavizado binario.
Tema 4: Preprocesamiento II: Realce y detección de discontinuidades.
Realce. Histograma. Histograma de igualación. Especificación de histogramas.
Detección de bordes. Operadores gradiente. Operadores Laplaciana. Detección de
umbral.
Tema 5: Segmentación.
Unión de bordes y detección de fronteras. Transformada de Hough. Aplicación de teoría
de grafos. Uso de umbrales. Umbral basado en características de la frontera. Umbrales
basados en varias variables.
Tema 6: Segmentación orientada a regiones.
Formulación básica. Crecimiento de regiones mediante adición de pixels. División y
fusión de imágenes. Uso del movimiento en segmentación.
Tema 7: Descripción.
Descriptores de frontera. Código de cadenas. Signaturas. Aproximaciones poligonales.
Números de contorno. Descriptores de Fourier. Descriptores de región. Textura.
Esqueleto de una región.
Capítulo II . COMPLEMENTOS SOBRE SISTEMAS DE PERCEPCION
Tema 8: Empleo de Sensores de distancia.
Introducción. Triangulación. Luz estructurada. Sensores de tiempo de vuelo.
Ultrasonidos. Sensores laser de tiempo de vuelo. Sensores láser por medida de desfase.
Estimación de la posición empleando sensores de distancia. Construcción de mapas del
entorno.
Tema 9: Visión estéreo.
Disparidad y percepción de profundidad. Generalización a cámaras con ejes no
paralelos. Orientación relativa. Línea y plano epipolar. Calibración exterior. Calibración
interior. Establecimiento de correspondencias. Métodos para resolver correspondencias.
Tema 10: Sistemas distribuidos de percepción.
Redes de sensores. Redes inalámbricas de sensores. Percepción cooperativa.
Capítulo III . RECONOCIMIENTO DE FORMAS.
Tema 11: Introducción al Reconocimiento de Formas
Concepto. Métodos basados en Teoría de la decisión. Métodos sintácticos.
Aplicaciones.
Tema 12: Métodos no paramétricos de clasificación.
Funciones discriminantes lineales. Clasificación de mínima distancia. Múltiples
funciones discriminantes lineales. Funciones discriminantes no lineales. Dicotomías.
Tema 13: Aprendizaje de funciones discriminantes.
Espacio de ponderaciones. Procedimiento básico de entrenamiento. Técnicas de
modificación de incrementos. Técnicas de gradiente. Algoritmo del perceptrón. Método
de mínimos cuadrados.
Tema 14: Métodos estadísticos en reconocimiento de formas.
Conceptos básicos. Clasificador Bayesiano. Función discriminante óptima. Métodos
estadísticos con aprendizaje. Redes Bayesianas.
Tema 15: Formación de conglomerados y aprendizaje no supervisado.
Agrupamiento. Distancias y medidas de similitud. Algoritmo man-min distancias.
Algoritmo K-medias. Métodos basados en teoría de grafos.
Tema 16: Aplicación de Redes Neuronales.
Introducción a las redes neuronales. Tipos de redes neuronales. Empleo del perceptrón.
Redes multicapa y aprendizaje por propagación hacia detrás.
BIBLIOGRAFIA BASICA
VISIÓN.
• Berthold Klaus P. Horn, "Robot Vision" MIT Press, 1986.
• C. Gonzalez, P. E. Woods, "Digital Image Processing"(Tercera edición), AddisonWesley, 1993.
• H. Ballard, C. M. Brown, "Computer Vision" Prentice Hall Inc., 1982.
• J. González, “Visión por computador”. ITP Paraninfo, 1999.
• M.Berthold and D. Hand. “Intelligent data analysis. Springer, 1999.
RECONOCIMIENTO DE FORMAS.
• Sing-Tzo Bou, "Pattern recognition and Image preprocessing", Dekker.
• O. Duda, P. E. Hart, "Pattern Clasification and Scene Analysis" John Willey 1973.
• T. Tou, R. C. Gonzalez, "Pattern Recognition Principles", Addison-Wesley , 1981.
OTROS GENERALES.
• Fu, R.C. González y C.S.G. Lee, "Robótica", Mc Graw Hill.
• Maravall, "Reconocimiento de formas y visión artificial", Rama, 1993.