Search

El objetivo de este proyecto es el diseño y construcción de un sistema de reconocimiento 3D para la proyección en un display volumétrico con ayuda de algoritmos estéreo de múltiples vistas. Este sistema permite capturar imágenes de objetos no deformables. Entendiendo como objeto no deformable aquel que no sufre ninguna deformación física, producto de la rotación sobre su eje. También permite la reproducción visual real en 3D de los objetos capturados. Las etapas desarrolladas para conseguir la captura y reproducción de la proyección de imágenes en 3D son: 1. El desarrollo de un algoritmo para la adquisición de fotogramas de un objeto real en imágenes (volumétrica) 3D. 2. La construcción de una plataforma de captura de imágenes de vista múltiple 3. Desarrollo de un algoritmo de ensamble 3D partiendo de la base de datos adquirida, en la etapa anterior se reconstruye la imagen (volumetría) en 3D del objeto capturado y aplicación de algoritmos de perfeccionamiento de imágenes mediante la utilización de filtros pasa bajos y otros de mejoramiento de la imagen que resalten características importantes del objeto. 4. Ajuste de la base de datos a partir de la imagen perfeccionada (volumétrica) 3D en el paso anterior, con los cuales se hace la evaluación de las características significativas del objeto. 5. Desarrollo de un algoritmo de comparación de características relevantes del objeto real y la imagen (volumétrica3D) adquirida.

Las ciudades ampliamente urbanizadas tienen múltiples factores que contribuyen a aumentar el riesgo de accidentes de tráfico. Entre ellos, Bogotá ha invertido en desarrollar una red de cámaras de monitoreo de tráfico y un centro de gestión para minimizar la ocurrencia de accidentes. Con los avances en visión por computador y deep learning, se pueden aplicar métodos para adquirir información del tráfico más rápido y mejor que con la supervisión humana. Este proyecto propone una metodología para estimar el riesgo de tráfico de eventos conflictivos y medidas sustitutas de seguridad, utilizando técnicas de última generación de detección y seguimiento de objetos. Primero, se presenta un método de calibración de la cámara, basado en la estimación de puntos de fuga. A continuación, se evalúan las técnicas de detección y seguimiento de objetos y se aplica un método de modelado de la escena, basado en la técnica de calibración, para estimar la proyección al plano de tierra de los objetos. Luego, se presentan los resultados en casos de identificación de eventos conflictivos y mediciones sustitutas de seguridad en el tráfico. Finalmente, se presentan las conclusiones del análisis de riesgos de tránsito, mostrando el potencial de la metodología propuesta en brindar información importante para tomar decisiones que conduzcan a mejorar la seguridad vial.

Este trabajo describe el proceso de diseño e implementación del prototipo de un sistema que utiliza una plataforma con dos grados de libertad, para indicar la dirección de la línea de vista de un individuo en Tiempo Real, a través del sensado de movimiento de su casco, teniendo como referencia un sistema móvil. Para esto utiliza dos Unidades de Medición Inercial (IMU) de bajo costo con 9 grados de libertad, a las cuales se aplica fusión sensorial de los valores obtenidos de los acelerómetros, magnetómetros y giróscopos, a través de un filtro de Kalman Angular para cada IMU, el cual permite determinar la inclinación y orientación del casco y el sistema de referencia, para luego calcular su valor diferencial y con base a este, ajustar los ángulos de PITCH y YAW de una plataforma que sigue la línea de vista del usuario del casco en tiempo real. En el primer capítulo de este documento, se realiza una introducción, mostrando la importancia del prototipo a implementar, el estado del arte observando trabajos similares, y se determinan los objetivos. El siguiente capítulo explica los fundamentos teóricos requeridos para su implementación. Posterior a esto, en el capítulo 3 se determinan los principales parámetros de diseño y especificaciones generales del prototipo. Luego en el capítulo 4 se explica su implementación, y finalmente, en los capítulos 5 y 6, se describen las pruebas efectuadas y resultados obtenidos, concluyendo cuales fueron los logros alcanzados.

En la actualidad, la computación en la nube y las aplicaciones que la usan son el nuevo estándar en la industria del desarrollo de software. Sin embargo, existen retos por superar para asegurar la calidad de servicio (QoS) y la optimización de los recursos que se usan. Actualmente, se implementan sistemas de control cerrado de auto escalado reactivo, basados en métricas sobre la utilización de recursos, para predecir la cantidad de instancias nece-sarias que permitan mantener buenos estándares en la prestación de servicio. El escalado reactivo puede no ser la técnica más eficiente, ya que puede haber una indisponibilidad del servicio mientras los nuevos recursos están disponibles. En este trabajo se presenta una propuesta de un enfoque de auto escalado proactivo que, por medio de modelos de redes neuronales recurrentes es capaz de predecir la cantidad de réplicas necesarias para cumplir con las necesidades de una carga de trabajo en un momento dado y se tenga un mejor uso de los recursos.

Se desarrolla un sistema para detectar la somnolencia en los conductores mediante el procesamiento de imágenes faciales. El sistema utiliza el algoritmo de Viola-Jones y se implementa en VHDL sobre una FPGA. El objetivo es detectar los síntomas de somnolencia de manera rápida y precisa, generando una alarma para prevenir microsueños.

Las redes neuronales convolucionales cuánticas (QCNNs) combinan la potencia de la computación cuántica con las capacidades de aprendizaje profundo de las redes neuronales convolucionales tradicionales (CNNs). Las QCNNs traducen las capas de una CNN tradicional utilizando una serie de transformaciones unitarias de dos cúbits parametrizados para lograr el mismo objetivo que las capas tradicionales (determinar las relaciones entre las entradas para la capa de convolución y reducir la representación para la capa de agrupamiento). En este artículo, se fusionó una red neuronal clásica totalmente conectada con una QCNN creando una arquitectura clásico-cuántica para la clasificación binaria de imágenes. El desarrollo y la prueba de este modelo se implementaron utilizando la librería Qiskit de IBM, aprovechando su integración con pytorch. El modelo se utilizó en dos conjuntos de datos distintos. En primer lugar, se utilizó el conjunto de datos MNIST como referencia, donde la clasificación binaria (solo se utilizaron las clases 0 y 1) logró una precisión del 98% utilizando 100 muestras para el entrenamiento. Posteriormente, el modelo se evaluó en un conjunto de datos médicos, donde el objetivo principal era clasificar si un píxel en una imagen corresponde a piel humana o al fondo. Se destaca el excelente rendimiento del modelo, al diferenciar con éxito la piel humana del fondo en un conjunto de imágenes previamente no vistas. Al combinar enfoques clásicos y cuánticos, mostramos el potencial de las QCNNs como una solución viable para acelerar y mejorar la precisión de los modelos de aprendizaje automático. Los resultados obtenidos tanto en conjuntos de datos de referencia como en datos del mundo real muestran la promesa de las metodologías inspiradas en la computación cuántica para abordar desafíos computacionales modernos.

En este documento mostrará un sistema para la adquisición de variables de tráfico entre peatones y ciclistas, donde se desarrollar una base de datos de imágenes de peatones y ciclorrutas en Bogotá específicamente, además de diferentes técnicas de procesamiento de imagen para la identificación y clasificación de los objetos de interés, y con ello la estimación de variables de trafico de espaciamiento y velocidad a través de la medición de los vectores de posición y velocidad de los peatones y ciclistas, donde se pueda analizar las regiones de seguridad entre el peatón y el ciclista.

En el presente trabajo se desarrolló un algoritmo que empleando técnicas de inteligencia artificial permite la captura de movimiento en el medio acuático, sin necesidad de utilizar marcadores, ofreciendo la precisión necesaria para un adecuado análisis de gesto deportivo en natación sin interferir con el movimiento del nadador y reduciendo las pérdidas de información causadas por el ocultamiento de los marcadores. Para cumplir con el objetivo del proyecto se implementó un protocolo de adquisición de videos del gesto técnico en nadadores profesionales, mediante el uso de 3 cámaras ubicadas a los costados y en frente. Después fueron procesados y por medio de machine learning se logró identificar puntos de referencia en el cuerpo de los diferentes nadadores. Posteriormente, se empleó la información postural del nadador para extraer variables cinemáticas como el ángulo de la articulación del codo y el de la rodilla. Finalmente, la validación del algoritmo se realizó por medio del software y ocho cámaras de captura de movimiento VICON y comparando los resultados capturados por ambas herramientas durante una prueba simulada en un laboratorio de captura de movimiento. Los resultados destacan una buena precisión y viabilidad para poder ser implementado.

En este trabajo de grado se presenta la clasificación de sonidos de tos y sonidos ambientales mediante algoritmos de Machine Learning y Deep Learning para el diagnóstico temprano de COVID -19. El proyecto comprende cuatro etapas: aumento de muestras de audio mediante técnicas estándares de tratamiento de audio, procesamiento de la señal, un clasificador multiclase de sonidos ambientales y de tos que sirve como filtrado para proceder con el respectivo diagnóstico, identificando si la muestra efectivamente corresponde a un sonido de tos o ruido ambiental y por último una etapa con tres algoritmos binarios (dos de Deep Learning y uno de machine Learning) que clasifican la muestra entre tos normal y tos con covid-19.

El objetivo de este trabajo de grado fue diseñar, implementar y evaluar una red neuronal convolucional para clasificar el aguacate Hass entre exportación y producto nacional, por medio de variables visuales, en este caso el color en la piel del aguacate y cualquier daño que se pudiera observar sobre el mismo. En primer lugar, se construyó una base de datos con 831 imágenes, de las cuales se tuvieron que escoger las mejores imágenes, teniendo en cuenta posición del aguacate y calidad de la imagen, finalmente la base de datos tiene 534 imágenes. Con estas imágenes, se realizó el entrenamiento de la red neuronal convolucional por medio de Python con 394 imágenes, de las cuales se usaron 197 de tipo exportación y 197 de tipo nacional. Una vez se obtuvo un porcentaje de entrenamiento de 80,07% de producto en Python, se procedió a hacer la validación de la red neuronal, haciendo uso de 140 imágenes, las cuales se dividieron en 50 para exportación y 90 nacional, para la validación se obtuvo un porcentaje de 76,43%. Posteriormente, se procedió a diseñar la red neuronal convolucional de Python sobre la FPGA, la única diferencia fue que los pesos y sesgos obtenidos del entrenamiento en Python, se tuvieron que multiplicar por 100. De manera que, se tuvo un cambio en cifras significativas a la hora de hacer las operaciones matemáticas de la red neuronal. Luego, se procedió a hacer la validación de la red neuronal convolucional sobre la FPGA con las mismas imágenes que se usaron para hacer la validación por medio de Python. A lo largo del documento, se encuentra el diseño completo de la red neuronal convolucional, así como las debidas simulaciones y pruebas realizadas en hardware para comprobar el funcionamiento de esta. Finalmente se encuentran el análisis de los resultados obtenidos.

Las imágenes de resonancia magnética son esenciales para diagnosticar pacientes, sin embargo, un problema que varios hospitales enfrentan es la dificultad de obtener imágenes de alta resolución debido a factores de alto costo. El proyecto busca resolver este problema al desarrollar una aplicación web que incremente la resolución espacial de la imagen usando un algoritmo de super-resolución entrenado sobre una red neuronal DCSRN. La aplicación está compuesta por un sistema Front-End construido con arquitectura por Componentes utilizando Angular, un sistema Back-End construido con arquitectura Multicapa utilizando Spring-Boot, y un sistema Modelo escrito en Python siguiendo una arquitectura por Componentes.

El problema abordado con este trabajo se centra en implementar una arquitectura de software para permitir que un grupo de manipuladores robóticos interpreten un instrumento musical de percusión, utilizando dos métodos diferentes de planificación de trayectorias implementados.

Este trabajo estuvo enfocado en realizar un sistema de detección automático que reconoce estados de microsueño basándose en señales de electroencefalografía, que se analizarán en un sistema de redes neuronales con el propósito final de salvar la vida de conductores expuestos a largas y extenuantes jornadas de trabajo.El dispositivo final consta de la implementación del algoritmo de detección, que está conectado de manera remota a electrodos de superficie adquiriendo las señales de EEG, para procesarlas y que sean detectados los momentos de adormecimiento.

La agricultura tiene la necesidad de producir cultivos de alto rendimiento, los cuales deben adaptarse al cambio climático y a las diferentes plagas que los atacan en su producción. Para esto, la fenómica ofrece un conjunto de nuevas tecnologías que aceleran el progreso en la comprensión de las características resultantes entre la interacción de genes y condiciones ambientales que rodean a los cultivos, y de esta manera, poder realizar un mejoramiento del mismo. En la fenómica hay dos actores principales necesarios para lograr dicho mejoramiento, uno de ellos es el genotipado y el otro el fenotipado. Dentro del fenotipado, la morfología de las plantas es uno de los tipos más importantes de rasgos a medir, ya que proporciona una forma factible de evaluar el crecimiento, la fisiolog ía, el estrés, el rendimiento y cada desarrollo en la planta. Además, es fundamental para mejorar la caracterización, selección y discriminación de las mismas. Es por eso, que en este proyecto, mediante la fusión sensorial de un LiDAR y una cámara multiespectral, se diseñó e implementó una plataforma de fenotipado que permite extraer y visualizar diferentes caracter ́ısticas morfolo ́gicas de plantas mediante un modelo tridimensional. Para evaluar los resultados obtenidos se realizaron pruebas con dos tipos de plantas que contaban con diferente estructuras en su follaje, donde se evaluó la fidelidad de la reconstrucción 3D y las características morfológicas obtenidas. De lo anterior se encontró que la fusión de información proveniente de sensores 3D y 2D permite generar modelos 4D, que pueden ayudar a la extracción y el entendimiento de características morfológicas en plantas.

Este artículo trata sobre la medición de distancias a determinados puntos de interés en la escena. Los puntos son extraídos usando técnicas de Harris [1], en el emparejamiento se usan características definidas por el autor. Se realizan pruebas a una distancia de operación entre 100 y 400 cm del método.

Diseño e implementación de un algoritmo de odometría visual parcial para el mapeo y localización de un dron en el espacio.

Este documento es la conclusión del proyecto de investigación, el cual tuvo como objetivo obtener una sola imagen a partir de una serie de imágenes a lo cual se le denomina mosaico de imágenes. Las imágenes fueron capturadas con una cámara embarcada en un UAV, sobre una zona deseada. Para la evaluación del algoritmo, se construyó un escenario de simulación y una maqueta de líneas de transmisión. Este tipo de aplicación puede llegar a ser útil en diferentes campos de acción, entre ellos las relacionadas con la agricultura, la vigilancia u otras para localización visual de una plataforma aérea.

La detección de nodulos pulmonares en imágenes de tomografía computarizada (TAC) es de gran importancia en la práctica clínica actual, ya que los nódulos suelen ser una afección asintomática, cuya detección en etapas tempranas pueden evitar la aparición de enfermedades como el cáncer.

En este trabajo de grado, se diseña e implements un sistema de estimación de profundidad basado en sensores visuales (cámara estereoscópica) sobre una arquitectura computacional SoC (system-on-chip), El método hace uso de una técnica conocida como SGBM (semi-global block matching) para obtener la disparidad de la escena. Se implementa en un SoC con miras a montarse sobre un vehículo aéreo no tripulado. Se requiere de un proceso inicial de calibración y rectificación para asegurar que todas las imágenes capturadas están alineadas entre ambas cámaras.

Un teléfono inteligente ofrece muchas funcionalidades útiles dentro de un proyecto de robótica, especialmente robótica móvil. En este contexto, en este trabajo se presenta el diseño y desarrollo de un conjunto de herramientas para desarrollar proyectos de robótica, específicamente robótica cooperativa, que utilicen dispositivos con sistema operativo Android. La primera herramienta es una biblioteca desarrollada para Android que encapsula tareas comunes en robótica cooperativa como requerimientos de comunicación, control de variables y cooperación entre agentes. La segunda, es una biblioteca para la tarjeta Arduino ADK que haga compatible la comunicación y el manejo de variables con la biblioteca de Android. Finalmente, la tercera herramienta consiste en una aplicación que valide la biblioteca para Android implementando una aplicación común en robótica cooperativa, el control de formación. La aplicación de control de formación inicia con el diseño y construcción de tres robots de locomoción diferencial, y finaliza con el diseño e implementación de una aplicación que controla la formación a partir las imágenes capturadas por una cámara externa.

en este artículo se presenta el desarrollo de un sistema electrónico capaz de reconocer, en tiempo real, doce gestos manuales realizados por un interlocutor con una de sus manos en una escena con iluminación y con fondo controlados. El sistema implementado es robusto a rotaciones, translaciones y cambios de escala de la mano delinterlocutor en el plano de la cámara. El sistema funciona tanto en una computadora personal, como en la tarjeta de evaluación ADSP BF-533EzKit Lite de Analog Devices. Como etapa final se propone en la tarjeta de desarrollo la visualización en un display de la letra asociada al gesto reconocido. Por otra parte, en el computador personal se tiene una herramienta visual que presenta el procesamiento realizado en cada una de las etapas del algoritmo propuesto. Se tiene un sistema eficiente para la comunicación entre un hombre y una máquina y se vislumbran futuras aplicaciones orientadas a posibilitar la interacción de personas sordomudas con la población, en general.

En el presente trabajo de grado se muestra el desarrollo en FPGA de un sistema capaz de reconocer los símbolos de las vocales del lenguaje de señas colombiano y traducirlos a símbolos escritos mediante redes neuronales artificiales convolucionales. Se divide el sistema en una etapa de entrenamiento realizada en el software MATLAB y una etapa de prueba programada en la FPGA con una arquitectura simple y de operaciones repetitivas. Se organizan los resultados obtenidos, además, se hace un análisis de recursos hardware utilizados.

Una de las funciones de la Armada Nacional es la protección de la soberanía, para ello requiere el uso de unidades a flote. La construcción de estas Unidades refleja el desarrollo tecnológico de una nación. COOTECMAR1 realizó el diseño estructural y mecánico del primer buque oceánico OPV (OffShore Patrol Vessel) la integración de los sistemas de armas se encuentra en proceso de desarrollo por parte de DARET2 . Dicha dependencia desarrolló también el sistema de control de fuego Barracuda 3, el cual cuenta con una cámara de características militares que posee visión diurna a color e infrarroja en escala de grises (ZOOM de 8X), la integración de los dos subsistemas, cámaras y control de fuego, hace que sea posible y necesario el seguimiento de un artefacto naval.

este artículo presenta el desarrollo, la implementación, la construcción y la validación de una estación de control de calidad orientada a la inspección y verificación de calidades de fabricación de piezas mecanizadas, basada en visión artificial y acoplada a un sistema de manufactura integrada por computador. El sistema analiza las piezas con base en una plantilla configurada previamente con ayuda de una pieza patrón y luego ejecuta dicha plantilla sobre un lote de piezas. Teniendo en cuenta la importancia de la metrología y el control de calidad en los procesos de fabricación, se buscó con este trabajo de investigación proveerle al Centro Tecnológico de Automatización Industrial una herramienta de medición que permita ejecutar tareas de inspección dentro de un plan de proceso en una celda integrada de manufactura.