Reconocimiento invariante de objetos sfs + bof

Solo disponible en BuenasTareas
  • Páginas : 57 (14143 palabras )
  • Descarga(s) : 0
  • Publicado : 30 de enero de 2010
Leer documento completo
Vista previa del texto
RECONOCIMIENTO INVARIANTE DE OBJETOS ´ EMPLEANDO INFORMACION DE CONTORNO Y FORMA (BOF+SFS) Y REDES NEURONALES ARTIFICIALES

Tesis que presenta: ALFREDO VALENTIN REYES ACOSTA

Para obtener el grado de: MAESTRO EN CIENCIAS

En: ROBOTICA Y MANUFACTURA AVANZADA

Directores de tesis: Dr. Ismael Lopez Juarez y Dra. America Morales Diaz

Ramos Arizpe, Coahuila

Junio 2009

´RECONOCIMIENTO INVARIANTE DE OBJETOS EMPLEANDO INFORMACION DE CONTORNO Y FORMA (BOF+SFS) Y REDES NEURONALES ARTIFICIALES ALFREDO VALENTIN REYES ACOSTA Directores de tesis: Dr. Ismael L´ pez Ju´ rez y Dra. Am´ rica Morales D´az o a e ı

RESUMEN El campo de la rob´ tica ha crecido considerablemente, los robots necesitan capacidades o sensoriales para lograr tareas cada vez m´ s sofisticadas, como modeladogeom´ trico de piezas, a e reconstrucci´ n del area de trabajo, reconocimiento invariante entre otras ; una alternativa para o ´ cubrir esta necesidad en el area de visi´ n es la integraci´ n de reconocimiento invariante de o o piezas o componentes de trabajo, lo que puede contribuir a la habilitaci´ n de robots inteligentes o para la industria. En el presente trabajo se introduce un m´ todo novedosopara el reconocimiento invariante e de objetos, el cual propone la integraci´ n de dos m´ todos de visi´ n: Funci´ n sobre el contorno o e o o de objetos (BOF - Boundary Object Function) y Forma de la sombra (SFS - Shape From Shading). El BOF determina la distancia del centroide a los puntos del per´metro del objeto y el ı SFS calcula la curvatura de la forma que refleja la luz sobre las piezas. Porlo que el m´ todo e propone utilizar las caracter´sticas individuales del BOF y el SFS en un vector descriptivo conı catenado BOF+SFS, cuyo patr´ n es utilizado para el aprendizaje y reconocimiento de objetos o empleando una Red Neuronal Artificial (RNA) tipo Fuzzy ARTMAP. ´ Para la verificaci´ n del m´ todo se implement´ un area de trabajo con iluminaci´ n controo e o o lada y piezastridimensionales, mismas que fueron reconocidas con una eficiencia del 100% en diferentes orientaciones y posiciones dentro del espacio de trabajo. Adicionalmente, se demostr´ que cuando el m´ todo utiliza aprendizaje incremental se o e pueden reconocer piezas con escalamiento de un 40% e inclinaci´ n de hasta 10 grados. o

ii

INVARIANT OBJECT RECOGNITION EMPLOYING CONTOUR AND SHAPE INFORMATION (BOF+SFS)AND ARTIFICIAL NEURAL NETWORKS ALFREDO VALENTIN REYES ACOSTA Thesis supervisor: Dr. Ismael L´ pez Ju´ rez y Dra. Am´ rica Morales D´az o a e ı

ABSTRACT Robotics has grown significantly; robots need from sensorial capabilities to accomplish sophisticated tasks like geometric modelling of pieces, working area reconstruction, invariant object recognition, among others. An alternative to cope withthese robot needs in the field of computer vision is the integration of an invariant object recognition ability into robots, which may contribute to the habilitation of intelligent robots for the industry. This thesis introduces a novel method for invariant object recognition, which proposes the integration of two computer vision methods, the Object Boundary Function (BOF) and the Shape FromShading (SFS). The BOF determine the distance from the centroid to the perimeter points in the object’s contour and the SFS calculates the form’s curvature from the object’s reflecting light. The method proposes the use of individual characteristics from the BOF and the SFS in a concatenated descriptive vector (BOF + SFS), whose patterns are used for learning and object recognition using a Fuzzy ARTMAPArtificial Neural Network (ANN). The verification of the method was implemented using a workspace with controlled lighting and three-dimensional pieces, which were recognized with an efficiency of 100% in different orientations and positions within the workspace. Additionally, it was demonstrated that when the method uses incremental learning, the robustness of the method improves recognizing...
tracking img