PDF de programación - Técnicas de inteligencia artificial - Visión Artificial - Visión 3D

Técnicas de inteligencia artificial

Visión Artificial

Visión 3D

Indice
 Introducción
 Visión estéreo

Introducción
 Cuando usamos una cámara, perdemos la

información 3D

x

y

yz
x

yz
x

 Sin embargo, la información 3D nos da medidas
de la distancia a la que se encuentran los objetos
•Puede ser usada para reconocer objetos
•También en otras tareas (por ejemplo, robótica)

Introducción
 Por ello, es interesante recuperar esa información

3D:
Con cámaras especiales (infrarrojos)
Con láseres 3D
Con ciertos métodos (estructura a partir de X: sombra,

movimiento, forma, foco, ...)

Con visión estéreo

Visión estéreo
 Usamos dos cámaras, usualmente izquierda y

derecha

 Los objetos en la imagen aparecerán en distinta

posición en una imagen y en la otra

 Cuanto más cerca estén los objetos de la cámara,

mayor será su cambio relativo

 Disparidad: desplazamiento relativo de los objetos

 Existe una relación directa entre la profundidad y

en las dos imágenes

la disparidad

Funcionamiento interno de una cámara
 Un punto se proyecta en el plano imagen siguiendo
una trayectoria recta hacia el centro de proyección
(focal)

Geometría de una cámara estéreo
 Un punto P en el espacio
se proyectará en puntos
distintos de las dos cámaras,
dependiendo de su
profundidad

 Podemos calcular la distancia
a la que se encuentra un punto
calculando la disparidad del mismo
punto en ambas imágenes

Correspondencia de puntos en imágenes
 Debemos ser capaces de encontrar para cada punto

en una imagen, su correspondencia en la otra
imagen

 Se suelen usar dos métodos:

Correlación: se basa en usar una zona alrededor de un
punto para “compararla” con puntos de la otra imagen

Características (esquinas, aristas, etc.): en zonas

uniformes no se pueden encontrar correspondencias, se
usan discontinuidades

Correlación

 La correlación es un proceso que consiste en sumar el

resultado de multiplicar píxel a píxel una cierta
vecindad en las dos imágenes

 Se define una cierta ventana de tamaño W

Para cada punto x, y de la imagen izquierda calculamos el
desplazamiento (dx, dy) que se produce en la imagen derecha
Para cada posible desplazamiento (dx, dy) se calcula:
Encontramos el desplazamiento que maximiza la anterior

I l( x+k , y +l)∗I r( x+d x+k , y +d y+l )

c (x , y ,d x , d y)= ∑

∑

k =−W

l=−W

W

W

función

(d xmax

,d y max)=arg max c( x , y , d x , d y)

Búsqueda de la correspondencia

 Hemos comentado que para cada píxel buscamos el

desplazamiento que se produce en la otra imagen

 Podemos hacer uso de la geometría reducir la búsqueda

(geometría epipolar)

 En vez de buscar por toda la imagen, solo buscamos por la

línea epipolar correspondiente

 http://www.ai.sri.com/~luong/research/Meta3DViewer/EpipolarGeo.html

Búsqueda de la correspondencia

d1

Izq.

d2

Der.

Disparidad

Otro ejemplo: tres cámaras

Top

Disparity

Left

Right

Correlation + Triangulation

Imagen de disparidad
 La imagen de disparidad nos da información relativa a

la distancia entre los píxeles

 Para calcular las coordenadas X,Y,Z se debe realizar un
proceso de calibrado de la cámara para poder conocer
los parámetros asociados: distancia entre las cámaras,
distancia focal y otros.

Problema del estéreo. Otras fuentes de datos 3D
 El estéreo no es capaz de encontrar emparejamientos

en zonas homogéneas

 Existen otros sistemas que nos proporcionan datos de

profundidad
Láser 3D: láser 2D con basculante. No

proporciona información de color

Cámaras de infrarrojos: usa el tiempo de vuelo

para determinar la profundidad

Kinect: proyecta un patrón para evitar la

pérdida en zonas homogéneas

Kinect
 Hardware:

 Una cámara CMOS convencional nos da una imagen RGB

 Un laser infrarrojo proyecta un patrón de puntos.
 Una cámara infrarroja capta este patrón. Por hardware se

calcula la profundidad de cada punto

http://www.ros.org/wiki/kinect_calibration/technical

Cálculo de la profundidad

 El patrón de puntos está memorizado para una profundidad

conocida. Al poner objetos delante, el patrón aparece
“desplazado” y así se puede calcular la profundidad

 Video con el patrón proyectado

http://www.youtube.com/watch?v=IHsPb5Yv5G8

Bajo coste (150€)
Proporciona 30 fps a buena resolución (640x480)
Capta profundidad en zonas sin textura, cosa que el

estéreo no puede hacer

Funciona totalmente a oscuras

Capacidades de la Kinect
 Ventajas

 Inconvenientes

Alcance limitado (50cm – 4m)
Puede fallar en zonas que reflejen mal la luz infrarroja
Suele fallar en los bordes de los objetos

Ejemplo de aplicación con datos 3D