Ingeniero Civil en Computación / La detección de objetos a partir de imágenes se ha convertido en una herramienta muy poderosa para diferentes disciplinas. El Laboratorio de Materia Fuera del Equilibrio del Departamento de Física de la Facultad cuenta con una implementación en C del Método χ^2 usando bibliotecas ad-hoc compatibles con Mac OSX para detectar partículas en sistemas granulares cuasi-bidimensionales compuestos por miles de partículas de acero de 1 mm de diámetro, pudiendo detectar partículas en una imagen de 1 MegaPixel en alrededor de 10 segundos. Sin embargo, estas imágenes provienen de videos que se desean analizar y en una sesión de trabajo se puede requerir analizar alrededor de unas 100.000 imágenes en total, por lo cual el procesamiento y posterior análisis de estas imágenes de video tiene una duración de varios días. Es por esto que fue necesario agilizar de alguna manera este procesamiento de imágenes y generar una solución robusta. El objetivo principal de la memoria consistió en reducir los tiempos de detección de partículas generando un nuevo software basado en el anterior, facilitando extensiones futuras, y utilizando el máximo poder de cómputo disponible en el laboratorio. El alumno ideó como solución un sistema distribuido haciendo uso de todos los computadores disponibles para el procesamiento de imágenes, reimplementando el código del software, en ese entonces utilizado, de C a C++ utilizando patrones de diseño para facilitar futuras extensiones del software y threads con el fin de aumentar el rendimiento de este. También se agregó tecnología CUDA para el procesamiento de datos reduciendo de forma considerable los tiempos de ejecución. Como resultado final de la memoria, se logró obtener un speedup de alrededor de 5x haciendo uso de distribución de carga computacional, uso de procesos en paralelo, hilos de ejecución y tecnología CUDA, además se logró una solución más robusta y extensible para futuros cambios o generación de nuevos algoritmos de procesamiento. Todo el proceso de investigación, desde la obtención de datos hasta la validación de la hipótesis, lleva mucho tiempo, en donde la detección de partículas es solo una parte de todo el calculo computacional que se debe realizar, por lo que se aconseja implementar en lenguajes no interpretados y más rápidos, como por ejemplo C++, otras etapas de cálculo de datos y además, en lo posible, distribuir el computo y usar CUDA.

Tesis para optar al grado de Magíster en Ciencias de la Ingeniería, Mención Eléctrica / Memoria para optar al título de Ingeniero Civil Eléctrico / Detectar, clasificar y caracterizar los objetos espaciales son tareas relevantes para diversas áreas de investigación. La detección de los objetos espaciales tiene importantes aplicaciones, tales como predecir colisiones en órbitas cercanas a la Tierra provocadas por basura espacial o satélites que, a su vez, pueden convertirse en peligros latentes para nuevos satélites o misiones espaciales. En el presente trabajo de tesis, se desarrolla un sistema flexible capaz de detectar objetos espaciales de manera automática utilizando imágenes obtenidas con cámaras del tipo all-sky, las que poseen un campo de visión muy amplio. El sistema propuesto se compone de dos módulos principales: el primero, un módulo de mejoramiento de imágenes, incluye en una serie de procesamientos que se aplican de forma secuencial con el fin de mejorar la visibilidad de los objetos espaciales; el segundo, un módulo de detección de objetos, considera métodos para detectar los objetos espaciales automáticamente. Más detalladamente, el módulo de mejoramiento de las imágenes está compuesto por las siguientes etapas: corrección de la distorsión geométrica, filtrado para reducir el ruido, gene- ración de un modelo de fondo para ser restado a las imágenes, fusión de imágenes que fueron capturadas de forma simultánea, borrado de estrellas usando un catálogo y mejoramiento de contraste adaptivo por zonas. Para el módulo de detección automática de objetos espaciales, se estudiaron dos metodo- logías. Una de ellas usa un detector de bordes Canny junto con un detector de segmentos Progressive Probabilistic Hough Transform. La segunda metodología está basada en el uso de la Transformada de Radon para detectar los segmentos correspondientes a los objetos espaciales. El sistema desarrollado se aplicó a un conjunto de 22×3 imágenes obtenidas desde el Om- nidirectional Space Situational Awareness (OmniSSA) del Instituto de Tecnología de Georgia en la ciudad de Atlanta. El OmniSSA posee tres sensores que capturan imágenes de alta re- solución simultáneamente (3352×2532 pixeles) con un amplio campo de visión para cada cámara. Para evaluar la etapa de mejoramiento de las imágenes se definió la Intensidad Escalada sobre el Ruido (I SN ). Además, para evaluar las detecciones obtenidas se generó un ground- truth utilizando información obtenida desde el catálogo Space-Track y validada por expertos. Los resultados muestran que el sistema desarrollado fue capaz de detectar prácticamente todos los objetos espaciales considerados visibles a una altura menor a 900 kilómetros. / AFOSR #FA9550-16-1-0027, a través del proyecto RG458-G1: “All-Sky Image Fusion for a Synoptic Survey”, del Instituto de Tecnología de Georgia, Estados Unidos, y el proyecto FONDECYT 1161034 de CONICYT, Chile

El objetivo de la tesis consiste en el estudio y análisis de la localización de objetos en el entorno real mediante sonidos, así como la posterior integración y ensayo de un dispositivo real basado en tal técnica y destinado a personas con discapacidad visual. Con el propósito de poder comprender y analizar la localización de objetos se ha realizado un profundo estado de arte sobre los Sistemas de Navegación desarrollados durante las últimas décadas y orientados a personas con distintos grados de discapacidad visual. En el citado estado del arte, se han analizado y estructurado los dispositivos de navegación existentes, clasificándolos de acuerdo con los componentes de adquisición de datos del entorno utilizados. A este respecto, hay que señalar que, hasta el momento, se conocen tres clases de dispositivos de navegación: 'detectores de obstáculos', que se basan en dispositivos de ultrasonidos y sensores instalados en los dispositivos electrónicos de navegación con el objetivo de detectar los objetos que aparecen en el área de trabajo del sistema; 'sensores del entorno' - que tienen como objetivo la detección del objeto y del usuario. Esta clase de dispositivos se instalan en las estaciones de autobús, metro, tren, pasos de peatones etc., de forma que cuando el sensor del usuario penetra en el área de alcance de los sensores instalados en la estación, éstos informan al usuario sobre la presencia de la misma. Asimismo, el sensor del usuario detecta también los medios de transporte que tienen instalado el correspondiente dispositivo basado en láser o ultrasonidos, ofreciendo al usuario información relativa a número de autobús, ruta etc La tercera clase de sistemas electrónicos de navegación son los 'dispositivos de navegación'. Estos elementos se basan en dispositivos GPS, indicando al usuario tanto su locación, como la ruta que debe seguir para llegar a su punto de destino. Tras la primera etapa de elaboración del esta / Dunai ., L. (2010). Design, modeling and analysis of object localization through acoustical signals for cognitive electronic travel aid for blind people [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/8441