En el campo de la robótica, se han desarrollado distintos algoritmos y métodos con el objetivo de mejorar la interacción de los robots con las personas y con su entorno de trabajo en tiempo real; es así, como el sistema reacciona y evoluciona constantemente ante cambios que podrían ocurrir durante su funcionamiento. Para alcanzar los objetivos mencionados, una de las habilidades que se le confiere a la máquina es la capacidad de detectar, registrar y reconocer objetos. La presente tesis es un trabajo de investigación aplicada que tiene como objetivo desarrollar un procedimiento que permita a un sistema robótico reconocer y detectar objetos en tiempo real dentro de un entorno controlado; para ello, nos enfocamos en utilizar dos métodos conocidos de reconocimientos de objetos (métodos SIFT y SURF) con los cuales categorizaremos un objeto de un dominio predefinido y comparamos los resultados obtenidos. Se eligieron el método SIFT y el método SURF por la similitud en los pasos que siguen para obtener la información de un objeto; cabe resaltar que el método SURF es un método alterno al SIFT. Los resultados finales mostraron una mejor predicción en la categorización utilizando el método SIFT, pero ésta requería de mayor tiempo para extraer los puntos característicos de los objetos. Por otro lado, el método SURF generaba más puntos característicos de los objetos y en mejor tiempo. La extracción de puntos de interés se analizó en tiempo real; mientras, que la etapa de categorización no consideró este parámetro, sino la cantidad de puntos de interés necesarios para predecir con exactitud la categoría de un objeto. / Tesis

El procesamiento de imágenes aplicado al campo de control y automatización de sistemas industriales ha tenido una gran influencia en la tecnología de los robots móviles; así se han venido desarrollando diversas técnicas de visión para poder obtener nuevos parámetros cada vez más precisos sobre el entorno de trabajo del robot móvil. Las técnicas de reconocimiento de objetos y visión estereoscópica han demostrado ser una herramienta muy útil, ya que gracias a esto, los vehículos no tripulados pueden llegar a tener una mejor interacción con su entorno, lo cual resulta en un mejor desenvolvimiento en las diferentes tareas que realizan El presente trabajo de tesis describe la implementación de un sistema de visión estéreo aplicado al campo de los robots móviles para la localización de objetos, el cual tiene como principal características encontrar la distancia en coordenadas XYZ de un objeto en particular; para que luego esta información sea llevada al robot. Tanto para la tarea de segmentación como del cálculo de coordenadas se utilizará a la librería OpenCV la cual nos permite el uso de los diferentes algoritmos de procesamiento de imágenes. La etapa de visión estéreo propiamente dicha se llevará a cabo mediante la implementación de las siguientes etapas: cálculo de los parámetros de las cámaras, calibración, rectificación de imágenes y finalmente la triangulación, método por el cual se obtienen las coordenadas deseadas. El sistema de visión estéreo desarrollado será implementado en un computador embebido y se va comunicar con el robot móvil mediante protocolo TCP/IP para el envió de las diferentes coordenadas. / Tesis

En los últimos años, la utilización de unidades aéreas no tripuladas se ha incrementado enormemente debido a la gran cantidad de usos que se les puede dar. El uso de aeronaves autónomas es importante, por ejemplo, para la agricultura, arqueología, seguridad ciudadana, construcciones a gran escala y minería. Para garantizar que el vuelo autónomo de la aeronave se realice sin problemas es necesario que cuente con los medios necesarios para detectar los objetos que se encuentran en su plan de vuelo y evitar una posible colisión. Las aeronaves no tripuladas pueden ser utilizadas en distintos rubros por lo que es necesario proveer la tecnología necesaria para adaptarse a las funciones requeridas. / Tesis

La retinopatía diabética es una enfermedad muy común en pacientes con diabetes. Esta enfermedad ocasiona ceguera de manera gradual debido al deterioro de la retina. Este deterioro puede desencadenar en hemorragias, aneurismas y presencia de exudados en la superficie, las cuales se manifiestan en puntos vacíos de la visión del afectado. Las características mencionadas tienen muchas propiedades visuales como el color, forma, área de presencia que son posibles detectar por medio de imágenes retinográficas digitales. Esta propiedad hace posible el uso de la visión computacional para procesar la imagen y poder diagnosticar la enfermedad de acuerdo al grado de avance de ésta según las características clínicas presentes. El presente proyecto de tesis consiste en el desarrollo de un modelo algorítmico que logre aprovechar las características visuales para poder detectar y clasificar la enfermedad. Las características clínicas utilizadas son los microaneurismas, exudados y hemorragias. Se utilizó una base de datos pública de imágenes retinográficas y un clasificador SVM. El vector de características que se utilizó fue: área, color, número de características prensentes. Es importante mencionar que se utilizó pre-procesamiento en la imagen para excluir elementos como el fondo, disco óptico y las venas debido a que no aportan significativamente al análisis de la imagen. Para el desarrollo del algoritmo se utilizó C++ con OpenCV, la cual es una librería open source para el procesamiento de imágenes. Como resultado final de este proyecto se logró una sensibilidad del 90.17%; especificidad del 96.72% y precisión del 95.08%. / Tesis

El mundo de la automatización y la robótica va avanzando con el paso del tiempo a un ritmo acelerado en países desarrollados donde desde hace muchos años ya se vienen usando robots en la industria, pero en últimos años los robots han dejado las fábricas para pasar al ámbito social. El objetivo de los robots sociales es que puedan ayudar a los personas de forma eficaz en diversas actividades y a su vez puedan tener la capacidad de comportarse como las personas y reaccionar ante sus acciones. Para lograr este objetivo es necesario que los robots tengan capacidad de percepción del ambiente y las personas que los rodean. Una de las formas de percepción más comunes es la visión por medio de cámaras que proveen información en 2D y 3D. Aunque diversos investigadores han utilizado cámaras con robots humanoides, todavía existen diversas limitaciones que impiden al robot tener movilidad y evaluar los aspectos sociales de una forma autónoma. La presente tesis plantea la creación de un dispositivo que permita al robot tener la percepción visual necesaria para que pueda entender y evaluar las conductas sociales de las personas que viven en su entorno. Este sensor puede rastrear la posición de las articulaciones de una persona, con esta información se puede implementar un algoritmo dentro del robot para que pueda aprender las costumbres sociales, estas son diferentes dependiendo en que parte del mundo se ubique. Una vez que el robot ha aprendido de estas conductas sociales, este puede replicar algunas de las acciones como respuesta ante conductas sociales; por ejemplo: saludar con una reverencia, moviendo la mano para saludar o dando la mano a alguien que se acerque con la mano extendida. / Tesis

El seguimiento múltiple de personas en escenas reales es un tema muy importante en el campo de Visión Computacional dada sus múltiples aplicaciones en áreas como en los sistemas de vigilancia, robótica, seguridad peatonal, marketing, etc., además de los retos inherentes que representa la identificación de personas en escenas reales como son la complejidad de la escena misma, la concurrencia de personas y la presencia de oclusiones dentro del video debido a dicha concurrencia. Existen diversas técnicas que abordan el problema de la segmentación de imágenes y en particular la identificación de personas, desde diversas perspectivas; por su parte el presente trabajo tiene por finalidad desarrollar una propuesta basada en Histograma de Orientación de Gradientes (HOG) para el seguimiento múltiple de personas basado en video. El procedimiento propuesto se descompone en las siguientes etapas: Procesamiento de Video, este proceso consiste en la captura de los frames que componen la secuencia de video, para este propósito se usa la librería OpenCV de tal manera que se pueda capturar la secuencia desde cualquier fuente; la siguiente etapa es la Clasificación de Candidatos, esta etapa se agrupa el proceso de descripción de nuestro objeto, que para el caso de este trabajo son personas y la selección de los candidatos, para esto se hace uso de la implementación del algoritmo de HOG; por último la etapa final es el Seguimiento y Asociación, mediante el uso del algoritmo de Kalman Filter, permite determinar las asociaciones de las secuencias de objetos previamente detectados. La propuesta se aplicó sobre tres conjuntos de datos, tales son: TownCentre (960x540px), TownCentre (1920x1080px) y PETS 2009, obteniéndose los resultados para precisión: 94.47%, 90.63% y 97.30% respectivamente. Los resultados obtenidos durante las experimentaciones validan la propuesta del modelo haciendo de esta una herramienta que puede encontrar múltiples campos de aplicación, además de ser una propuesta innovadora a nivel nacional dentro del campo de Vision Computacional. / Tesis

El presente estudio tiene como objetivo determinar la viabilidad del uso de redes neuronales y sistema de visión para la determinación de peso y tamaño de racimo de uva así como la lógica de control de la maquina a controlar. Desde el año 2000, el Perú empezó a exportar una gran cantidad de uvas de mesa al mercado norteamericano, siendo la uva la tercera fruta con mayor popularidad en este mercado. La uva de mesa presenta una gran potencialidad en el mercado Norteamericano, debido a que presenta un crecimiento acelerado en el volumen de exportaciones los últimos 5 años, posicionándolo como el tercer país que brinda uva de mesa a este mercado. En el año 2015 la exportación de Uvas se incrementó en 8% en el 2015 alcanzando los U$ 692 millones pasando a ser el primer producto de exportación Peruano por encima del Café y los Espárragos. A USA se exportó por U$ 202 millones superior a los U$ 121 millones vendidos en el 2014. Holanda U$ 89 millones (13% del total). Sigue China y Hong Kong con U$ 86 y U$ 77 millones respectivamente. El crecimiento del sector agrícola específicamente de las uvas de mesa en el Perú está generando una mayor producción de racimos, este crecimiento conlleva a un mayor nivel en los procesos que involucran la cosecha y el control por peso de los racimos de uva de mesa. Estos procesos actualmente se desarrollan de una manera manual. Uno de los factores importantes para poder clasificar las uvas de mesa es el peso del racimo, el cual permita clasificarlas en tres categorías distintas de uva según su calibre basada en la norma técnica peruana NTP 011.012-2005 [1]. Por estos motivos, se requiere un sistema mediante el cual se extraiga de manera automatizada el peso del racimo de uva. En este estudio se propuso diseñar algoritmos de control y visión que permitan controlar un sistema automatizado para lograr disminuir el error debido al trabajo manual, y aumentar el volumen de procesamiento de los racimos de uva. Se procedió a abordar la solución a esta problemática utilizando técnicas del campo de visión por computadora. Un sistema de visión, comprende la selección del sistema de iluminación, así como la selección de la cámara de video las cuales deben garantizar una buena captura de la imagen del racimo de uva. La etapa de preprocesamiento permitirá realzar problemas de ruido que se presenten al momento de la captura de la imagen para poder continuar con una segmentación de la imagen y de esta forma realizar la toma de decisiones en la cual se utilizara una red neuronal artificial para poder determinar los pesos de los racimos de uva a partir de las imágenes. Adicionalmente se realizó el programa del controlador de procesos para un sistema mecánico-eléctrico, seleccionador de productos agrícolas, en esta etapa se seleccionó el controlador y se realizó la lógica de control de todo el sistema mecánico-eléctrico. Para la síntesis de los controladores de visión y del sistema mecánico-eléctrico, se utilizó un protocolo de comunicación que permitió realizar la configuración maestroesclavo entre el sistema de visión y el de control respectivamente. La validez de la lógica de control en el controlador de procesos fue corroborado mediante pruebas en un sistema mecánico-eléctrico para la selección de productos agrícolas que se encuentra en el laboratorio de Oleohidráulica y Neumática de la Sección de Ingeniería Mecánica de la Pontificia Universidad Católica del Perú (PUCP). / Tesis

Ingeniero Civil Electricista / En esta memoria de título se desarrolla una metodología que permite realizar la estimación del estado cinemático de múltiples robots utilizando información de variados sensores y cooperación entre robots compañeros. Para que ello sea posible, se crea un sistema capaz de detectar robots en un ambiente dinámico y estimar su posición relativa. Además, se genera un sistema externo de detección y seguimiento de robots que permite evaluar las metodologías propuestas debido a su alta precisión. Esta memoria apunta a una mejora importante de la estimación del entorno utilizando información de otros agentes, fundamentalmente debido a la ampliación de la porción observable del entorno. El primer tema abordado es la detección y la estimación de la posición de robots detectados. La información proveniente de una cámara se procesa en cada robot para generar detecciones de los objetos de interés. Además, se integran mediciones de sensores ultrasónicos para utilizar múltiples fuentes de información. Luego, se presenta una metodología de estimación de la posición relativa de objetos donde se utiliza la información proveniente de las percepciones propias y estimaciones realizadas por otros robots. Esta metodología utiliza como herramienta un algoritmo Bayesiano recursivo llamado Filtro de Kalman. Además, se soluciona el calce entre una nueva percepción recibida y un estimador, cuando se poseen objetos idénticos. En la siguiente etapa, se crea un sistema que permite generar datos precisos acerca del estado real del entorno utilizando un sensor láser y un computador externo. De esta manera, se generan datos que permiten validar la metodología propuesta para la estimación cooperativa. El correcto funcionamiento del sistema está sujeto al marco de trabajo actual, donde se poseen robots con un sistema visual ruidoso y con un campo visual limitado. Además, los robots poseen una baja capacidad de cómputo que no permite implementar algoritmos con alto consumo de recursos computacionales. Asimismo, se supone que los objetos se mueven sobre un plano geométrico y que el ruido existente se puede aproximar por una función de densidad de probabilidad Gaussiana. Los resultados indican que el perceptor visual de robots utilizando estimadores geométricos de distancia posee un error de estimación media de $14[cm]$. De igual manera, el sistema de generación de datos de validación entrega datos de muy bajo error y desviación estándar, por lo que permite evaluar las metodologías propuestas. Los resultados del método de estimación cinemática indican una mejora de la estimación al integrar múltiples fuentes de información. Se logra realizar dos publicaciones a nivel internacional, una publicación aceptada en la conferencia RoboCup 2011 y otra en proceso de revisión en una de las conferencias más importante de robótica a nivel mundial IROS 2011. Como trabajo futuro se propone generalizar el perceptor visual para situaciones más complejas donde se pueda detectar la orientación de los objetos. Además, se propone perfeccionar el sistema de generación de datos de validación para lograr una evaluación aun más confiable. Por último, se propone estimar y considerar la velocidad de los objetos para completar y mejorar la estimación del estado cinemático.

Memoria para optar al título de Artista Visual / La pregunta de cómo vemos invita a la reflexión en cuanto a la experiencia que la mayor parte de las personas experimenta a lo largo de su vida. Desde el nacimiento el ser humano se desenvuelve en el mundo a través de los sentidos, pero es la visión la que otorga en mayor medida, la relación con todo aquello que nos rodea, haciéndonos parte del mundo. La visión, ayuda a desenvolvernos y concretar ideas, otorgando también la experiencia con este. Resulta casi imposible el desarrollo sin la creación de imágenes mentales, ya que ha sido siempre la manera más directa de ser parte, conocer y existir aquí. Es por medio de los ojos que se han comprendido, creado y pensado acciones. A través de estos existe un registro innumerable de imágenes en el cerebro, que se presentan día a día para continuar el desarrollo interno y externo del cuerpo. Diferentes características físicas, muchas provocadas por las acciones realizadas en torno a la experiencia y el vivir de las personas, han provocado también que no todos vean de igual manera, existiendo alteraciones más predominantes que otras, que han sido designadas con el nombre de enfermedades visuales y que en esta memoria son protagonistas. Esta investigación se pregunta por la experiencia visual y el cómo cambiaría esta, si viéramos a través de otros, en este caso, en condiciones alteradas o enfermas.

El color y la textura son dos estímulos visuales importantes para la interpretación de las imágenes. La definición de descriptores computacionales que combinan estas dos características es aún un problema abierto. La dificultad se deriva esencialmente de la propia naturaleza de ambas, mientras que la textura es una propiedad de una región, el color es una propiedad de un punto.Hasta ahora se han utilizado tres los tipos de aproximaciones para la combinación, (a) se describe la textura directamente en cada uno de los canales color, (b) se describen textura y color por separado y se combinan al final, y (c) la combinación se realiza con técnicas de aprendizaje automático. Considerando que este problema se resuelve en el sistema visual humano en niveles muy tempranos, en esta tesis se propone estudiar el problema a partir de la implementación directa de una teoría perceptual, la teoría de los textons, y explorar así su extensión a color.Puesto que la teoría de los textons se basa en la descripción de la textura a partir de las densidades de los atributos locales, esto se adapta perfectamente al marco de trabajo de los descriptores holísticos (bag-of-words). Se han estudiado diversos descriptores basados en diferentes espacios de textons, y diferentes representaciones de las imágenes. Asimismo se ha estudiado la viabilidad de estos descriptores en una representación conceptual de nivel intermedio.Los descriptores propuestos han demostrado ser muy eficientes en aplicaciones de recuperación y clasificación de imágenes, presentando ventajas en la generación de vocabularios. Los vocabularios se obtienen cuantificando directamente espacios de baja dimensión y la perceptualidad de estos espacios permite asociar semántica de bajo nivel a las palabras visuales. El estudio de los resultados permite concluir que si bien la aproximación holística es muy eficiente, la introducción de co-ocurrencia espacial de las propiedades de forma y color de los blobs de la imagen es un elemento clave para su combinación, hecho que no contradice las evidencias en percepción. / Colour and texture are important visual cues for image understanding. The definition of computational descriptors that combine both features is still an open problem. The difficulty is essentially due to the inherent nature of both cues, while texture is a property of a region, colour is a property of a point.Since now three approaches have been used for combining cues, (a) texture is directly described in each one of the colour channels, (b) texture and colour are described separately and combined in a latter step, and (c) the combination is done using machine learning techniques. Considering that this issue is solved at early stages of the human visual system, in this work we propose to study the problem using a direct implementation of a perceptual theory, the texton theory, and to explore its extension to colour.Since texton theory is based on the description of texture by the densities of local attributes, this matches perfectly with an holistic framework where descriptors are based on bag-of-words. Some descriptors based on different textons spaces and different image representations have been studied. Furthermore, the feasibility of these descriptors has also been studied for intermediate levels of image representation.The proposed descriptors have proved high efficiency in retrieval and image classification. They also present some advantages in vocabulary generation. The quantification is done directly on low-dimensional spaces, whose perceptual properties allow low-level semantic associations to the visual words. The results make us to conclude that although the performance of holistic approaches is high, the introduction of spatial co-ocurrence of blob properties, shape and colour, is a key element for their combination. This conclusion agrees with perceptual evidences.