Sistema de visi?n artificial humanoide para reconocimiento de formas y patrones de objetos, aplicando redes neuronales y algoritmos de aprendizaje autom?tico

Abstract

Esta tesis, desarrolla un sistema de Visi?n Artificial el cual detecta objetos bajo un ambiente a campo abierto de terreno arenoso, con un fondo incierto bajo ciertas condiciones de luminosidad, brillo saturaci?n, contraste. Para ello se desarroll? un sistema el cual permite ver la profundidad y la distancia la cual se encuentra determinado punto de la imagen de la c?mara respecto al mundo real, todo por medio de algoritmos computacionales y teor?a de Visi?n estereosc?pica, aproxim?ndose as? a un sistema de Visi?n artificial Humanoide al percibir la profundidad y el reconocimiento de objetos bajo el concepto que se presenta en el libro ?A Humanoid Vision System for Versatile Interaction? escrita por Yasuo K., Sebastien R., Oliver S., Gorgon C. & Akihiko N. Tambi?n se desarroll? un sistema el cual permite identificar el objeto objetivo, ya sea para su posterior manipulaci?n, o posterior acci?n del sistema, lo cual se implement? una red neuronal Multicapa el cual permite diferenciar de entre 3 objetos, el final deseado. El uso de la Red Neuronal Artificial guarda un papel muy importante. Las conexiones entre neuronas tienen pesos asociados que representan la influencia de una sobre la otra. Si dos neuronas no est?n conectadas, el correspondiente peso de enlace es cero. Esencialmente, cada una env?a su informaci?n de estado multiplicado por el correspondiente peso a todas las neuronas conectadas con ella. Luego cada una, a su vez, suma los valores recibidos desde sus dendritas para actualizar sus estados respectivos. Se emplea normalmente un conjunto de ejemplos representativos de la transformaci?n deseada para "entrenar" el sistema, que, a su vez, se adapta para producir las salidas deseadas cuando se lo eval?a con las entradas "aprendidas". Para la percepci?n de profundidad, se realiz? con un tablero de ajedrez, al identificar las esquinas de cada cuadrado ubicados cada 2.54 cm a una distancia de la c?mara de 79cm medidos en real, obteniendo resultados muy aproximados entre [71 ? 75] cm con un error de hasta 4 cm. Esto sin embargo se puede corregir aplicando mayor uso de im?genes para lectura y calibraci?n de c?mara y luego aplicar los algoritmos de estereoscop?a. ?ste error, es aceptable por ejemplo en sistemas de prevenci?n de choques en los autos, los cuales tienen un retrovisor pantalla en su panel principal, mostr?ndose en el screen la distancia del obst?culo detectado respecto al auto a fin de evitar malas maniobras o choques. De esta manera en este proyecto de tesis se demuestra la identificaci?n de objetos, y la percepci?n de la profundidad con el tablero de ajedrez.