control visual de un vehiculo autonomo by junior corman

Universidad Nacional de Ingenier´ıa Facultad de Ingenier´ıa Industrial y de Sistemas Escuela Profesional de Ingenier´ıa de Sistemas Pre-Tesis presentada para obtener el grado de

Ingeniero de Sistemas

Control Visual de un Veh´ıculo Aut´onomo Utilizando una Arquitectura Nodriza por Corman Medina, Junior Bresimi

Lima - Lima Marzo de 2009

20021059I

Control Visual de un Veh´ıculo Aut´onomo Utilizando una Arquitectura Nodriza Corman Medina, Junior Bresimi 21 de julio de 2009

Control Visual de un Veh´ıculo Aut´onomo Utilizando una Arquitectura Nodriza Corman Medina, Junior Bresimi

20021059I

Facultad de Ingenier´ıa Industrial y de Sistemas, 2009 Asesor de Tesis: Mag. Oporto D´ıaz Samuel Alonso

Realizar tareas que impliquen peligro o riesgo para la vida de un ser humano pueden ser realizadas por un vehiculo autonomo.El presente trabajo implementa una Arquitectura Nodriza con la finalidad de solucionar una tarea, la tarea se divide en dos y asi asignarla a cada vehiculos autónomos, se utilizaron dos veh´ıculos homogeneos, en funcion a sus caracteristicas agregadas a cada veh´ıculo uno cumplio la funcion de nodriza y el otro de cria. La arquitectura implementada esta conformado por tres modulos; Modulo de Comunicación, Control Maestro y Sistema de Visión. El Modulo de Comunicación implementa el proceso de comunicacion entre los vehiculos autonomos. El Modulo de Control Maestro implementa la jerarquizacion existente en una Arquitectura Nodriza. El Modulo de Visión implementa la planeación y seguimiento de trayectorias para guiar al veh´ıculo autonomo, asi como el procedimiento de identificacion y localizacion del veh´ıculo autonomo.

Visual control of an Autonomous Vehicle Architecture Using a Wet Nurse Corman Medina, Junior Bresimi

20021059I

Faculty of Industrial Engineering and Systems, 2009 Major Professor: Oporto D織覺az Samuel Alonso, Msc

The realization of tasks involving risk or danger to the life of a human being can be performed by a vehicle autonomo.El this study architecture implements a nurse with the aim of solving a task, the task is divided into two and thus allocated to each autonomous vehicles, two vehicles were used homogeneous, according to their features added to each vehicle to fulfill the function of a mother and the other from breeding. The implemented architecture is comprised of three modules; Module Communication, Master Control and System Vision. The communications module implements the process of communication between the autonomous vehicles. The Master Control Module implements the existing hierarchy in an Architecture mother. The vision module implements the planning and monitoring of paths to guide the autonomous vehicle, as well as the procedure of identification and localization of autonomous vehicles.

´ Indice general 1. Introducción 1.1. Introducción . . . . . . . . . 1.2. Planteamiento del Problema 1.3. Objetivo . . . . . . . . . . . 1.4. Organización del Documento

. . . .

7 7 8 8 9

2. Descripción del Ambiente 11 2.1. Descripción de la Tarea . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 2.2. Descripción de la Ejecucion de la Tarea . . . . . . . . . . . . . . . . . . . . . . . 13 3. Arquitectura Nodriza 3.1. Antecedentes . . . . . . . . . . . . . 3.2. Veh´ıculo Autónomo . . . . . . . . . . 3.2.1. Arquitectura del iRobot . . . . 3.2.2. Modelo Cinematico del irobot 3.3. Descripción de la Arquitectura . . . . 3.4. Tipos de Arquitectura . . . . . . . . . 3.4.1. Arquitectura Centralizada . . 3.4.2. Arquitectura Distribuida . . . 3.4.3. Arquitectura en Cascada . . . 3.5. Selección de la Arquitectura . . . . .

. . . . . . . . . .

16 16 16 17 17 17 18 18 19 19 20

4. Modelo de solución 22 4.1. Modelo de solución . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 4.2. Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 5. Imagen y Preprocesamiento 5.1. Imagen . . . . . . . . 5.1.1. Imagen Digital 5.2. Modelo de Color . . . 5.3. Filtro Mediana . . . . 5.4. Binarización . . . . . . 5.5. Morfologia . . . . . .

. . . . . .

. . . . . . 3

. . . . . .

26 26 27 27 29 29 31

5.5.1. Apertura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 6. Identificación y Localización 6.1. Segmentación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.1.1. Coloreado de Regiones . . . . . . . . . . . . . . . . . . . . . . . 6.2. Caracterización de Objetos . . . . . . . . . . . . . . . . . . . . . . . . . 6.2.1. Redondez . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2.2. Relación de Aspecto . . . . . . . . . . . . . . . . . . . . . . . . 6.2.3. Compacidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2.4. Momentos de Hu . . . . . . . . . . . . . . . . . . . . . . . . . . 6.3. Reconocimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.4. Modelo de Visión en Perspectiva . . . . . . . . . . . . . . . . . . . . . . 6.5. Localización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.5.1. Reconocimiento y Localización del landmark Linea de Referencia 6.5.2. Reconocimiento y Localización del Veh´ıculo Autónomo cr´ıa . . . 6.5.3. Reconocimiento y Localización de Objetos objetivo . . . . . . . . 6.5.4. Reconocimiento y Localización de Obstaculos . . . . . . . . . . 7. Planeación y Seguimiento de Trayectorias 7.1. Planeacion de Trayectorias . . . . . . . 7.2. Definicion del Espacio de Configuración 7.3. Definicion del Espacio de Trabajo . . . 7.3.1. Envolvente Convexo . . . . . . 7.3.2. Extracción de Obstaculos . . . . 7.4. Calculo de la Trayectoria . . . . . . . . 7.5. Seguimiento de Trayectorias . . . . . . 7.5.1. Control Punto a Punto . . . . .

. . . . . . . . . . . . . .

33 33 34 35 35 35 35 35 35 35 36 36 36 36 36

. . . . . . . .

37 37 37 37 37 37 37 37 37

8. Implementación y Experimentos 8.1. Implementación . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.2. Experimentación y Resultados . . . . . . . . . . . . . . . . . . . . 8.2.1. Medición del Error por la Transformación de Perspectiva . . 8.2.2. Medición del Error por el Seguimiento Trayectoria Planeada 8.3. Análisis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.4. Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . .

38 38 38 38 38 38 38

. . . . . . . .

9. Conclusiones

A. Diagrama de Operaci´on

Â´ Indice de cuadros 1.1. Accidentes de Transito por AË&#x153;no . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.1. Comparacion entre Configuraciones de Arquitecturas Nodriza . . . . . . . . . . . 20

´ Indice de figuras 2.1. 2.2. 2.3. 2.4. 2.5. 2.6. 2.7.

Area de Trabajo . . . . . . . . . Linea de Referencia . . . . . . . Objetos . . . . . . . . . . . . . Obstaculos . . . . . . . . . . . . Paso 1 de Ejecucion de la Tarea . Paso 2 de Ejecucion de la Tarea . Paso 3 de Ejecucion de la Tarea .

. . . . . . .

11 12 12 13 14 14 15

3.1. 3.2. 3.3. 3.4. 3.5.

Modelo General de la Arquitectura Nodriza Arquitectura Nodriza Centralizada . . . . . Arquitectura Nodriza Distribuida . . . . . . Arquitectura Nodriza en Cascada . . . . . . Arquitectura del Sistema Nodriza . . . . . .

. . . . .

18 19 20 21 21

4.1. 4.2. 4.3. 4.4.

Modelo de Solución . . . . . Preprocesamiento . . . . . . Identificación y Localizacion Planeación de Trayectorias .

. . . .

22 23 24 25

5.1. 5.2. 5.3. 5.4. 5.5. 5.6.

Diagrama de Flujo. Etapa de Preprocesamiento. Imagen Digital . . . . . . . . . . . . . . . . . Modelo de Color . . . . . . . . . . . . . . . . Filtro . . . . . . . . . . . . . . . . . . . . . . Binarizacion . . . . . . . . . . . . . . . . . . . Imagen Erosionada y Dilatada . . . . . . . . .

. . . . . .

27 28 29 30 30 32

. . . .

. . . . . . .

. . . .

. . . . . . .

. . . .

. . . . . . .

. . . .

. . . . . . .

. . . .

. . . . . . .

. . . .

6.1. Mascara de Segmentacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

Cap´ıtulo 1 Introducci´on 1.1.

Introducci´on

Existen actividades realizadas por los seres humanos que presentan algun riesgo para su vida, tales como altas temperatura, humedad excesiva, materiales tóxicos, ausencia de aire, peligro de derrumbe. Tomando dichas actividades riesgosas se han realizado construcciones de veh´ıculos autónomos que puedan realizar estas actividades y a medida que el grado de complejidad aumenta entonces se ha requerido la utilización de varios robots que trabajen coordinadamente de manera que se pueda dividir el trabajo en tareas menos complejas, esta solución presenta diversas ventajas tales como: redundancia, flexibilidad, tolerancia a fallas y disminución de costos. Para implementar sistemas de veh´ıculos autónomos trabajando coordinadamente se utiliza la Arquitectura Nodriza. Entre los trabajos realizados podemos citar, los robots ’vacuum cleaner’ trabajo realizado en el Laboratorio de Micro computación (LAMI) - Swiss Federal Institute of Technology, otro trabajo es el de los robots ’marsupiales’ que simulan el comportamiento de los canguros que cargan a sus cr´ıas en sus bolsas existen diversos lugares donde se desarrollan este prototipo podemos citar, La Universidad de Minneapolis, el laboratorio de propulsión de la NASA, La Universidad del Sur de California La Arquitectura del Sistema Nodriza implementada se basa en [1], esta Arquitectura se detalla en el capitulo de Arquitectura Nodriza. La Arquitectura esta conformado por el módulo de Control Maestro, realiza el control y asignación de tareas de los veh´ıculos autónomos, el Sistema de Comunicación, para el env´ıo y recepción de mensajes entre los veh´ıculos autónomos y la computadora, el Sistema de Visión, encargado de realizar la planeación de la trayectoria y control del seguimiento de la trayectoria.

1.2.

Planteamiento del Problema

La implementacion de una Arquitectura Nodriza para el trabajo colaborativo de dos veh´ıculos autonomos presenta los siguientes requisitos. Lograr una correcta comunicacion entre los vehiculos autonomos. Reconocer y Localizar las caracteristicas buscadas en el ambiente. El cumplimiento de los requisitos de la Arquitectura Nodriza son el problema del presente documento. La problematica en la cual se encuentra inmerso el problema es el riesgo en el que se encuentra las personas que laboran en las pistas, cuya actividad es calificada de riesgoza para la vida del que la desempe˜na. La tabla 1.1 muestra estadisticas sobre la tasa de mortandad en las carreteras durante los a˜nos 2002 hasta el 2007. 2002

2003

2004

2005

2006

2007

Total 74,221 74,612 74,672 75,012 77,840 79,972 Victimas de Atropello 15,773 17,139 19,569 20,975 22,624 22,778 Porcentaje del Total( %) 21.3 23.0 26.2 28.0 29.1 28.5

Cuadro 1.1: Accidentes de Transito por A˜no

1.3.

Objetivo

El objetivo del presente trabajo fue desarrollar una Arquitectura Nodriza para implementar una tarea que implique algun riesgo para la vida de un ser humano, en este caso recolectar objetos y depositarlos en un punto especifico. Con el proposito de alcanzar el objetivo se plantearon las siguientes metas: 1. Construir un ambiente de trabajo en el cual se pueda realizar una tarea de recoleccion, el ambiente construido se ubicara en el IIFIIS,Instituto de Investigaci´on de la Universidad Nacional de Ingenier´ıa, en donde se realizara las pruebas, el ambiente incluira: Una linea de referencia Obstaculos Objetos para su recoleccion. 8

El detalle de las medidas y las caracteristicas se detalla en el Capitulo Ambiente. 2. Identificar y Evaluar las configuraciones de Arquitectura Nodriza posibles, destacando las caracteristicas por cada tipo, luego realizar la seleccion de la Arquitectura en la cual se logre minimizar los costos de implementacion y lograr un adecuado desempe˜no en la ejecucion de la tarea. 3. Definir y Evaluar las metricas para poder medir los resultados de los experimentos, se plantean los siguientes experimentos: Medida del error entre la distancia recorrida real y la distancia asignada a recorrer. Porcentaje de aciertos en el reconocimiento de una carateristica. Porcentaje de tareas realizadas satisfactoriamente en un conjunto de pruebas. 4. Identificar y Evaluar los metodos y procedimientos para el Control Visual de un Veh´ıculo Aut´onomo, se estudiara los procedimientos de preprocesamiento de imagenes, procedimientos de itendificacion de caracteristicas, procedimiento de Planeacion, Control y Seguimiento de Trayectorias.

1.4.

Organizaci´on del Documento

Para desarrollar la presente tesis y realizar la explicación se organiza de la siguiente manera El Cap´ıtulo 2 presenta los conceptos relacionados a la Arquitectura Nodriza, los tipos de Arquitectura y el modelo de comunicación por cada tipo, ademas del modelo de arquitectura implementado. El Cap´ıtulo 3 presenta el modelo de solución del problema planteado, donde se detallan las etapas a seguir para realizar la tarea planteada. El Cap´ıtulo 4 presenta los conceptos de imagen digital, los modelos de color, filtro de la mediana, la binarización y la morfologia de imagenes. El Capitulo 5 presenta los conceptos de segmentación, caracterización de objetos, reconocimiento y localizacion de los objetos caracterizados. El Cap´ıtulo 6 presenta los conceptos de planeacion de trayectorias, definicion del espacio de configuración, envolvente convexo, calculo de la trayectoria, modelo de vision en perspectiva, seguimiento de la trayectoria y los algoritmos para realizar la transformación de coordenadas de las imágenes obtenidas através del sistema de visión al sistema de coordenadas del veh´ıculo autónomo.

El Capitulo 7 presentala implementación de la Arquitectura Nodriza, la descripción de los experimentos realizados y los resultados obtenidos. El Capitulo 8 presenta las conclusiones sobre el desarrollo y desempeño de la Arquitectura de solución propuesta, recomendaciones y propuestas de mejora del trabajo.

Cap´ıtulo 2 Descripci´on del Ambiente Se realizara la construccion de un ambiente de trabajo el cual se ubicara en el IIFIIS, Instituto de Investigaci´on de la Universidad Nacional de Ingenier´ıa, el ambiente nos permitira realizar el control visual de los vehiculos autonomos haciendo uso de una Arquitectura Nodriza. Los elementos que componen este ambiente son: 1. Area de Trabajo Es un cuadrado de 2m x 2m de color verde, se elboro de trupan, material solido de espesor 2cm. La figura 2.1 muestra la representacion del area de trabajo.

Figura 2.1: Area de Trabajo 2. Linea de Referencia Es una cinta de color amarillo con medidas: 10cm de ancho y 2m de largo, se encuentra ubicado sobre el area de trabajo, a 25cm de un lado y en forma paralela.La figura 2.2 muestra la representacion de la linea de referencia en el area de trabajo.

Figura 2.2: Linea de Referencia 3. Objetos Son esferas de color roja, elaborados de teknopor, cuyos diametros varian entre 5cm y 15cm, se encuentran ubicados aleatoriamente sobre el area de trabajo. La figura 2.3 muestra la representacion de los objetos en el area de trabajo.

Figura 2.3: Objetos 4. Obstaculos Son solidos geometricos de color celeste, elaborados de trupan, cuyas dimensiones de alto, ancho y profundidad no deben exceder de 30cm, se encuentran ubicados aleatoriamente sobre el area de trabajo. La figura 2.4 muestra la representacion de los Obstaculos en el area de trabajo.

Figura 2.4: Obstaculos

2.1.

Descripci´on de la Tarea

La tarea a desempe˜nar es una simulacion simplificada de la labor de limpieza que desempe˜nan las personas en las pistas. La tarea consiste en realizar la recoleccion de los objetos, tomando como guia la linea de referencia, evadiendo los obstaculos y llevar los objetos a un punto de recoleccion.

2.2.

Descripci´on de la Ejecucion de la Tarea

La realizacion de la tarea es realizado por dos vehiculos autonomos, los cuales seran ubicados en forma aleatoria sobre el ambiente de trabajo, los pasos realizados para cumplir la tarea son los siguientes: 1. El primer vehiculo autonomo debe identificar la l´ınea de referencia, linea de color amarilla, para luego situarse en un punto sobre ella. La figura 2.5 muestra la localizacion aleatoria de los dos vehiculos autonomos, asi como de la linea de referencia, los Objetos y los Obstaculos, luego se indica la trayectoria a seguir por el primer vehiculo autonomo para que se situe sobre la linea de referencia. 2. El primer vehiculo autonomo debe recoger información del ambiente utilizando una cámara y enviarla a la computadora, en donde el sistema de visión calcula la planeación de la trayectoria para definir el ambiente de trabajo, consiste en delimitar con cuatro marcas sobre el piso un rectángulo donde un vértice será el mismo vehiculo autonomo otro estará sobre la l´ınea de referencia y los dos restantes a un mismo lado de la l´ınea de referencia formando los vértices de un rectángulo, luego el sistema de visión calcula la planeación de la trayectoria para recolectar los objetos. La figura 2.6 muestra el rectangulo que se construira hipoteticamente, debido a que no se marcara en el ambiente de trabajo sino que se almacenaran 13

Figura 2.5: Paso 1 de Ejecucion de la Tarea las coordenadas espaciales en el programa, luego se indica la trayectoria identificada por el primer vehiculo autonomo la cual es enviada al segundo vehiculo autonomo.

Figura 2.6: Paso 2 de Ejecucion de la Tarea 3. Esta ultima trayectoria se enviara al segundo vehiculo autonomo para su seguimiento, al mismo tiempo que la recorre realizara la recolecciÂ´on de los objetos para luego llevarlos hacia el primer vehiculo autonomo para el almacenamiento. La figura 2.7 muestra la culminacion del seguimiento de la trayectoria mencionada en el paso anterior, en donde el primer vehiculo autonomo almacenara los Objetos recolectados por el segundo vehiculo autonomo.

Figura 2.7: Paso 3 de Ejecucion de la Tarea

Cap´ıtulo 3 Arquitectura Nodriza Este capitulo expone los conceptos relacionados con la Arquitectura Nodriza, los elementos que la componen: nodriza, cr´ıa, recursos y servicios, las configuraciones que se pueden realizar en funci´on a los recursos y servicios compartidos, el principio de escalamiento y la jerarquizaci´on.

3.1.

Antecedentes

Entre los trabajos realizados podemos citar, los robots ’vacuum cleaner’ trabajo realizado en el Laboratorio de Micro computaci´on (LAMI) - Swiss Federal Institute of Technology, otro trabajo es el de los robots ’marsupiales’ que simulan el comportamiento de los canguros que cargan a sus cr´ıas en sus bolsas existen diversos lugares donde se desarrollan este prototipo podemos citar, La Universidad de Minneapolis, el laboratorio de propulsi´on de la NASA, La Universidad del Sur de California

3.2.

Veh´ıculo Aut´onomo

Un veh´ıculo autónomo definen su autonom´ıa mediante la ejecución de una tarea con la m´ınima intervención de agentes externos. El desplazar un veh´ıculo autónomo desde una posición inicial a una final, en un ambiente especifico requiere de: la adaptación del veh´ıculo autónomo al ambiente, ubicación de un sistema de referencia absoluto (posición y orientación), planeación de la trayectoria y seguimiento de la trayectoria [2]. El veh´ıculo autónomo utilizado en la realizacion de presente trabajo es el iRobot.

3.2.1.

Arquitectura del iRobot

3.2.2.

Modelo Cinematico del irobot

3.3.

Descripci´on de la Arquitectura

Basado en el concepto de nodriza de la naturaleza, se propone una arquitectura de robots que explote las caracter´ısticas de la relación nodriza-cr´ıa aplicándolas en el campo de la robótica [1]. Los elementos basicos que conforman la Arquitectura Nodriza son: los vehiculos autonomos nodriza y cria, el proceso de intercambio de recursos y servicios entre vehiculos autonomos denominado interfaz y el modulo de Control Maestro. 1. Nodriza El veh´ıculo autónomo nodriza provee servicios. Posee los mecanismos necerios para poder percibir el ambiente de trabajo. La construccion de la nodriza en el presente trabajo consistio en agregar una web cam, las especificaiones se describen en el Anexo, al vehiculo autonomo con lo cual se logra la captura de imagenes del ambiente de trabajo. 2. Cr´ıa El veh´ıculo autónomo cr´ıa recibe los servicios de la nodriza. Posee los mecanismos necesarios para realizar tareas de recoleccion de objetos objetivo. La construccion de la cr´ıa consiste en agregar dos pinzas, las especificaiones se describen en el Anexo, al vehiculo autonomo con lo cual se logra coger los Objetos para su recoleccion. 3. Interfaz Es el conjunto de herramientas o dispositivos de tipo mecánico, electrónico y de programación que permiten la interacción entre los veh´ıculos autónomos haciendo posible el intercambio de recursos y servicios, a lo largo de los niveles de jerarqu´ıa [1]. La comunicacion de los vehiculos autonomos se realizo utilizando bluetooh, las especificaiones se describen en el Anexo. 4. Control Maestro Es el medio por el cual interactuan los Sistemas de Visión y Comunicacion. Controla la asignacion de tares de los veh´ıculos autonomos a través del Sistema de Comunicación. Dependiendo de la configuracion de la Arquitectura Nodriza realiza la asignacion de actividades por veh´ıculo autonomo. El Control Maestro reside en la computadora, es el software que contiene los modulos de Vision y Comunicacion, ademas de la interfaz con el usuario para el ingreso de parametros al sistema. Las caracteristicas tecnicas de la computadora se indican en el Anexo. La Figura 3.1 muestra la interaccion entre los componentes descritos:

Figura 3.1: Modelo General de la Arquitectura Nodriza

3.4.

Tipos de Arquitectura

Las configuraciones de Arquitecura Nodriza se definen en funci´on a las caracteristicas de los veh´ıculos autonomos, el ambiente de trabajo, la asignacion de la tarea a resolver, el modo de suministro de recursos y servicios. Los tipos basicos de arquitectura son: Centralizada, Distribuida y en Cascada.

3.4.1.

Arquitectura Centralizada

En la Arquitectura Centralizada el suministro de servicios y recursos está centralizado, puesto que existe un control supervisor central, el cual coordina las acciones de todos los veh´ıculos autónomos. Bajo este esquema de control los veh´ıculos autónomos carecen de funciones de control locales, por tanto la planeación, asignación y ejecución de la tarea son efectuadas desde dicho control central. El control central es el conjunto de dispositivos y algoritmos para la toma de decisiones y ejecución de la tarea, el cual radica en el Control Maestro, en el Nivel 0 de la Arquitectura. [1] El punto de referencia es universal tanto para el veh´ıculo nodriza y la cr´ıa. En la Figura 3.2 se visualiza el concepto de Arquitectura Nodriza Centralizada.

Figura 3.2: Arquitectura Nodriza Centralizada

3.4.2.

Arquitectura Distribuida

En la Arquitectura Distribuida, cada veh´ıculo autónomo cuenta con sus propios recursos y con su propio control local. El control local se conforma del conjunto de algoritmos y dispositivos necesarios, que residen en el veh´ıculo autónomo, con los cuales cada veh´ıculo autónomo es capaz de efectuar acciones que le permiten resolver la tarea que le fue asignada, junto con los demás veh´ıculos autónomos de la Arquitectura Nodriza. La planeación y la asignación de la tarea a cada veh´ıculo autónomo es efectúala por el control maestro, en el nivel 0, el cual también coordina y administra el sistema; en el recaen la planeación y asignación de las subtareas para cada veh´ıculo autónomo. [1] En la Figura 3.3 se visualiza el concepto de Arquitectura Nodriza Distribuida.

3.4.3.

Arquitectura en Cascada

La Arquitectura en Cascada es aquella donde los elementos están interconectados serialmente, en relación con los niveles de jerarqu´ıa. Este tipo de arquitectura se caracteriza por la distribución encadenada de los servicios, donde cada veh´ıculo autónomo sólo tiene relación con el nivel inmediato superior nodriza, para recibir instrucciones y enviar respuestas, e inmediato inferior cr´ıa, para realizar la labor equivalente. [1] 19

Figura 3.3: Arquitectura Nodriza Distribuida

En la Figura 3.4 se visualiza el concepto de Arquitectura Nodriza en Cascada.

3.5.

SelecciÂ´on de la Arquitectura

Segun las caracteristicas descritas por cada tipo de Arquitectura Nodriza se construyo la tabla donde se indican que recursos son necesarios por cada tipo de Arquitectura si se desea implementar. Procesamiento en el Robot

Camaras en mas de 1 V.A.

Bluetooh en los V.A.

74,221 15,773 21.3

74,612 17,139 23.0

74,672 19,569 26.2

Computadora Centralizada Distribuida Cascada

Cuadro 3.1: Comparacion entre Configuraciones de Arquitecturas Nodriza La Figura 3.5 muestra la interaccion entre los componentes de la Arquitectura Implementada.

Figura 3.4: Arquitectura Nodriza en Cascada

Figura 3.5: Arquitectura del Sistema Nodriza 21

Cap´ıtulo 4 Modelo de soluci´on 4.1.

Modelo de soluci´on

Este cap´ıtulo expone los pasos seguidos para dar solucion a la tarea planteada en el capitulo ??. la Figura 4.1 muestra el diagrama de flujo de los pasos a ejecutar en la soluci´on de la tarea.

Figura 4.1: Modelo de Soluci´on El proceso recibe como entrada el video digital, secuencia de imagenes (I), del ambiente de trabajo obtenido a traves de una web cam ubicada en el vehiculo nodriza. 22

Luego se reliza el procesamiento del video atravez de 4 etapas para poder obtener la trayectoria a seguir por el veh´ıculo autónomo cr´ıa y su posterior seguimiento. El procedimiento general esta conformado por cuatro etapas: Preprocesamiento, Procesamiento e Identificación, Planeación de Trayectorias, Seguimiento y Validación de la Trayectoria planeada. 1. Preprocesamiento Esta etapa tiene por finalidad eliminar cualquier elemento no interesante que pueda dificultar o distorcionar el proceso de identificación de alguna caracter´ıstica buscada en la imagen. El procedimiento tiene como entrada el video digital obtenido a travez de la web cam (I).Primerose realiza una conversión de modelos de color de RGB ha HSI y se extrae el componente del tono H; Segundo se aplicara un filtro de la mediana a H con un tamaño de mascara Tm para extraer el ruido; Tercero se binarizara la imagen tomando como umbral de binarizacion ha Ub . El resultado es una imagen binarizada y con poco ruido; Cuarto se aplica una apertura con Nr repeticiones para eliminar puntos aislados producto de la binarización. La Figura 4.2 muestra las entradas y salidas de esta etapa.

Figura 4.2: Preprocesamiento 2. Identificaci´on y Localizacion

Esta etapa tiene por finalidad identificar: los limites del ambiente de trabajo, algun landmark, obstaculos, objetos objetivo o veh´ıculo aut´onomo cr´ıa. El procedimiento tiene como entrada la imagen binarizada B 0 de la etapa anterior. Primero se realizara la segmentacion de la imagen; Segundo se realizaran las transformaciones segun sea la caracteristica buscada C (matriz que contiene a la caracter´ıstica buscada), si se busca ubicar el landmark linea de color amarilla se utilzara la transformada de Hough, si se busca identicar obstaculos, objetos objetivos o el veh´ıculo cr´ıa se procedera a calcular las caracteristicas identificadas previamente; Tercero se procede a ubicar la posici´on (xc , yc ) pertencientes al centro de la caracteristica identificada en cualquiera de los tres tipos mencionados anteriormente; Cuarto los puntos ubicados anteriormente se llevan hacia la imagen original. La Figura 4.3 muestra las entradas y salidas de esta etapa.

Figura 4.3: Identificación y Localizacion 3. Planeación de Trayectorias Esta etapa tiene por finalidad identificar un camino que logre unir todos los objetos objetivo evitando colisionar con los obstaculos tal que el camino planeado sea el mas corto. El procedimiento tiene como entrada la imagen binarizada B 00 de la etapa anterior. Primero se calculara el envolvente convexo por cada Obstaculo; Segundo se extraeran los obstaculos; Tercero se calculara el camino mas corto para recolectar la mayor cantidad de objetos objetivo; Cuarto se aplica la Transformación de Perspectiva al camino encontrados, el resultado es una lista de pares ordenados conteniendo el desplazamiento y rotación que debe seguir el veh´ıculo autonomo para alcanzar el objeto objetivo. La Figura 4.4 muestra las entradas y salidas de esta etapa. 4. Seguimiento y Validacion de la Trayectoria Planeada 24

Figura 4.4: Planeaci´on de Trayectorias

Esta etapa tiene por finalidad lograr que el veh´ıculo autonomo cr´ıa sigua correctamente la trayectoria planeada. El procedimiento tiene como entrada el conjunto de pares ordenados del procedimiento anterior, el resultado es el estado en el que se encuentra la tarea. El detalle de cada etapa sera explicado con mayor detalle en los siguientes capitulos, abarcando algoritmos y experimentos.

4.2.

Resumen

El modelo de solucion tiene como finalidad mostrar en una serie de pasos ordenados las solucion al problema planteado. El procedimiento consiste de cuatro etapas: preprocesamiento, identificación y localizacion, planeación de trayectorias, seguimiento y validación de la trayectoria planeada. El detalle por etapa es explicado en los siguientes cap´ıtulos.

Cap´ıtulo 5 Imagen y Preprocesamiento En este capitulo se expone el procedimiento realizado para preprocesar una imagen, el cual consiste en eliminar elementos que interfieran en las posteriores etapas como son el ruido en las imagenes. Primero se seleccionara un modelo de color, para nuestro caso sera el modelo HSV, trabajaremos con la componente del tono Hue, luego se realiza un filtro de la mediana para eliminar el ruido de la imagen, posteriormente se realiza la binarizacion con dos umbrales, para finalmente aplicarle transformaciones morfologicas una Apertura, con la finalidad de eliminar elementos de ruido que no fueron eliminados por el filtro Mediana. El flujograma del Preprocesamiento se presenta en la figura 5.1

5.1.

Imagen

Una imagen es una funcion f de dos variables x e y, definida en una región rectangular de un plano. Las imagenes percibidas en nuestras actividades visuales consisten normalmente de luz reflejada por los objetos que observamos. Una imagen se obtiene de la combinación de dos componentes: 1. Iluminación Cantidad de luz que incide en los objetos observados. La naturaleza de la iluminacion esta determinada por la fuente de luz. 2. Reflectancia Cantidad de luz reflejada por los objetos observados. La naturaleza depende de la propiedades de cada objetos, se encuentra acotado r(x, y) ∈ [0, 1], donde 0 (absorción total) y 1 (reflectancia total).

f (x, y) = i(x, y) ∗ r(x, y)

(5.1)

Figura 5.1: Diagrama de Flujo. Etapa de Preprocesamiento.

5.1.1.

Imagen Digital

Una Imagen Digital es una aproximaci´on discreta I(i,j) de una imagen f (x,y). La Figura 5.2 muestra un ejemplo de una imagen digital. Cada elemento discreto de la Imagen Digital es denominado pixel, si la imagen es en blanco y negro I ∈ [0, 1], o niveles de gris I ∈ [0, 255]. Los valores de i e j son numeros naturales y su rango se encuentra delimitado por las dimensiones de la imagen; i ∈ [0, n − 1] y j ∈ [0, m − 1]. Donde I : (n x m) son las dimensiones de la imagen.

5.2.

Modelo de Color

Un Modelo de Color es un sistema de coodenadas tridimensionales, y un subespacio de este sistema, en el que cada color viene representado por un unico punto. Existen diversos modelos de color, cada uno de estos orientado a distintas aplicaciones: 1. XYZ Estandar CIE(Commission Internationale de I’Eclairage). Valores triest´ımulos: cantidades de rojo, verde y azul necesarias para formar un color. Se denotan por las letras X, Y yZ.

Figura 5.2: Imagen Digital En donde: x=

X Y Z ,y = ,z = X +Y +Z X +Y +Z X +Y +Z

1=x+y+z 2. RGB Cada color es una combinacion de los colores primarios. Se representa por un Sistema de Coordenadas Cartesiano, con subespacio igual al cubo normalizado [0, 1]. Su usan en los monitores de color y las camaras de video. 3. CMY Utilizados para la impresi´on, los colores utilizados son el Cian, Magneta y Amarillo. 

     C 1 R M  = 1 − G Y 1 B 4. HSI H (tono), S (saturaci´on) y I (intensidad). Establece el color en forma humana, desacopla la informaci´on de crominancia (H,S) de la luminancia (I). Establecer nuestro Modelo de Color tiene como finalidad facilitar el reconocimiento de alguna caracteristica ha buscar en una etapa posterior, en este trabajo se realiza la conversion de formato RGB ha HSI, utilizando las ecuaciones: ( θ , Si B ≤ G, H= (5.2) 360−θ , Sino 28

Donde:

(R − G) + (R − B) ) θ = arc cos ( p 2 (R − G)2 + (R − B)(G − B) S =1−

3 [m´ın(R, G, B)] R+G+B

(5.3) (5.4)

R+G+B (5.5) 3 La figura 5.3 muestra el resultado de aplicar la transformacion de Color del espacio RGB hacia HSI, para esto se utilizaron las ecuaciones 5.2, 5.4 y 5.5. I=

(a) RGB

(b) HSI

Figura 5.3: Modelo de Color

5.3.

Filtro Mediana

Los filtros son transformaciones realizadas sobre regiones de un imagen alrededor de un pixel. La ecuacion refeq:filtro presenta la relacion entre las variables mencionadas. g(i, j) = T (I)(i, j)

(5.6)

En donde: I(i, j), imagenentrada; T, transf ormaci´ onaplicada; g(i, j), imagenf iltrada El filtro mediana es un filtro no lineal, utilizado para eliminar puntos no significativos de una region, en el presente trabajo utilizaremos un filtro de tama˜no 7x7, el cual tiene como entrada el componente H de la etapa anterior

5.4.

Binarizaci´on

La binarizaci´on es el proceso que transforma una imagen en otra donde se pueda contrastar el fondo de la imagen y la caracteristica buscada, muy dificil de identificar en la imagen original.

(b) Imagen filtrada H 0

(a) Imagen H

Figura 5.4: Filtro Con el fin de identificar la caracteristica buscada, tomamos el componente del Tono H, del proceso anterior. Luego tomando dos umbrales procedemos a transformar la imagen siguiendo la siguiente regla ( 0 , Si t1 ≤ I(Pi ) ≤ t2 B(Pi ) = 1 , Sino

(5.7)

Donde: Pi = I(xi , yi ), esunpixeldelaimagenI La selecci´on de los umbrales de binarizaci´on lo realizamos experimentalmente mediante pruebas. La figura 5.5 muestra el resultado de binarizar la imagen H 0 obteniendo como resultado la imagen B.

(a) Imagen H 0

(b) Imagen Binarizada, B

Figura 5.5: Binarizacion

5.5.

Morfologia

La Morfolog´ıa realiza el estudio de la forma y la estructura. El objetivo de aplicar operaciones morfologicas es eliminar regiones de la imagen que no pudieron ser eliminados con el filtro Mediana. El procesamiento morfologico de una imagen se basa en la teoria de conjuntos, dejando el procesamiento lineal y no lineal de estas. 1. Erosi´on La Erosi´on de una imagen I por el elemento estructurante B se define como: IΘB = {Pi |B + Pi ⊂ I}

(5.8)

2. Dilataci´on La Dilataci´on de una imagen I por el elemento estructurante B se define como: I ⊕ B = {I + bi |bi ∈ B}

5.5.1.

(5.9)

Apertura

La Apertura de una imagen I por el elemento estructurante B, se obtiene realizando una Erosi´on de I por B, seguido por la dilataci´on del resultado por B, se define como: I ◦ B = (IΘB) ⊕ B

(5.10)

La apertura es un proceso que se repite con la finalidad de retroalimentarce y asi obtener una mayor efectividad al eliminar puntos aislados. Con el fin de eliminar el ruido producido por la secuencia de imagenes procesados aplicamos la Apertura, donde el elementos estructurante sera una matriz identidad cuadrada de orden 3 y el numero de repeticiones Nr . La Figura 5.6 muestra el resultado de aplicar la erosion a la imagen B obteniendoce la imagen B 0 El resultado final de la etapa de preprocesamiento es la imagen B 0 la cual nos permitira una rapida identificacion de las caracteristicas buscadas.

(a) Imagen B

(b) Erosion de B

Figura 5.6: Imagen Erosionada y Dilatada

Cap´ıtulo 6 Identificaci´on y Localizaci´on En este capitulo se presenta el procedimiento realizado para segmentar la imagen, mediante el algoritmo de coloreado de regiones, posteriormente se realiza la caracterizacion de propiedades por cada objetos identificado en al etapa previa, luego se explica el modelo de vision en perspectiva que nos permite realizar la ubicacion del objeto en el plano XY en funcion de las coordenadas en la que se ubica en la imagen, finalmente explicamos el procedimiento para la identificacion y localizacion de la linea de referencia, el vehiculo autonomo, los objetos y obstaculos.

6.1.

Segmentaci´on

La segmentaci´on es el proceso mediante el cual se realiza la division de la imagen en regiones u objetos, con la finalidad de separar los objetos del fondo, considerandoce fondo a toda region de la imagen que no es de interes. Existen diversos metodos para realizar la segmentacion de una imagen, los cuales se basan en las caracteristicas que predominan en la imagen: bordes o regiones. Los metodos basados en bordes o fronteras, fundamentan su analisis en el cambio brusco de la intensidad de la luz, la deteccion se puede realizar utilizando el gradiente ∇u(x, y) , en un punto de contorno donde el gradiente posee un modulo grande. Los metodos basados en regiones, fundamentan su analisis en las propiedades de la imagen tales como el color y la textura, de forma tal que los pixeles que presenten propiedades similares van agrupandose formando una region. El algoritmo de segmentacion utilizado en el presente trabajo es denominado coloreado de regiones, es un metodo basado en regiones, realiza un recorrido completo de todos los pixeles de la imagen, tomando la decision por pixel analisado si pertenece al fondo o a un objeto.

6.1.1.

Coloreado de Regiones

El coloreado de regiones se basa en el recorrido de una mascara de tres pixeles conexos a traves de la imagen, como se muestra en la 6.1. La mascara esta compuesta por el pixel Pc , que es la referencia en cada ciclo del algoritmo; el pixel Ps , es el superior; mientras que Pi esta a la izquierda de Pc . Con esta formulacion se detectan regiones con vecindad â&#x2C6;&#x2019; 4, segun la definicion de d4 (p, q) dados p y q. Los pixeles con igual valor de intensidad, llamados homogeneos, a una distancia d4 = 1 son considerados parte de la misma region.

Figura 6.1: Mascara de Segmentacion Un nuevo color se siembra cada vez que el pixel Pc de la mascara se encuentra sobre un pixel objeto en la imagen, siempre y cuando Pi y Ps no tengan asignado color; lo cual ocurre cuando ambos pertenecen al fondo de la imagen. La siembra de un nuevo color indica que se encontro un nuevo objeto, si Pc coincide con un pixel de un objeto: si Ps no tiene un color asignado y Pi si, entonces el color que se propaga es el de Ps , produciendo propagacion horizontal o lateral; mientras que en caso inverso donde Pi no tiene color y Ps si, el color se propaga verticalmente. En el caso de que los tres elementos de la mascara Pc , Pi y Ps , correspondan a pixeles de objetos se toma la decision sobre cual color de los asignados a los elementos Pi y Ps debe ser propagado al elemento Pc . Si Pi y Ps tienen asignado el mismo valor, se propaga indistintamente cualquiera de los dos. Si por el contrario Pi y Ps tienen asignados colores diferentes se produce un conflicto, debido a que las dos regiones que originalmente se desarrollaron por separado convergen en un mismo objeto. Por lo tanto, la informacion de ambos objetos debe homogenizarse y asignarse a un solo objeto, eliminando el restante. El procedimiento de segmentacion utilizado se muestra en el algoritmo 1. Donde: c: Indice de color. N: TamaË&#x153;no de la imagen. image: Arreglo que contiene los pixeles de la imagen. color(P): Funcion que devuelve el color del pixel P. Pc : Pixel central. Pi : Pixel a la izquierda del pixel central. Ps : Pixel superior. calcularCaracteristicas(): Funcion que calcula caracteristicas de los objetos durante el proceso de segmentacion. unirRegiones(): Funcion que une dos regiones de diferente color, que se conectan en algun punto,

para convertirlas en una sola region. end for

6.2.

Caracterizaci´on de Objetos

El proposito, de la caracterizacion de los objetos, es obtener informacion que permita la identificacion de los objetos, en una etapa posterior. Dicha informacion es el resultado de calcular medidas, tales como el perimetro y el area, o relaciones geometricas y matematicas, que describan la forma del objeto y determinen la clase de objeto a la cual pertenece la region.

6.2.1.

Redondez

La Redondes nos indca que tan cercano a un circulo es la caracteristica analizada, en el caso de un cirsulo el valor se acerca a 1. redondez =

6.2.2.

4area π(diametromaximo)2

Relaci´on de Aspecto

La Relacion de Aspecto nos indica la relacion entre el diametro maximo y el diamentro minimo de la caracteristica analizada. diametromaximo diametrominimo

relaciondeaspecto =

6.2.3.

Compacidad

La Compacidad, nos indica la relacion entre el perimetro y el area de la caracteristica analizada, cuando tiene valores altos nos indica que la figura es delgada. compacidad =

(perimetro)2 area

6.2.4.

Momentos de Hu

6.3.

Reconocimiento

6.4.

Modelo de Visi´on en Perspectiva

La imagen obtenida del ambiente se encuentra distorcionada por la inclinacion de la camara, para lograr calcular la ruta entre dos puntos del ambiente se debe realizar una transformacion de 35

correccion de perspectiva. Los parametros necesario para realizar la transformacion son: AB : Altura de la camara respecto al plano del ambiente BC: Distancia a la que se encuentra el primer punto captado por la camara. La distancia se mide a partir del punto donde se proyecta perpendicularmente la posicion de la camara, sobre el plano del ambiente. BD: Distancia a la que se encuentra el punto central de la imagen, proyectado sobre el plano del ambiente. HP: Altura del objeto de interes. Wamb : Anchura del ambiente al nivel del primer punto de vista C. Las dimensiones de la imagen capturada por la camara, se denotan Wimg para el ancho y Himg para el alto; ambas se miden en pixeles. Para determinar la posicion real del objeto en eje y, es necesario calcular la longitud del segmento CP, como muestra en la figura ?? ; para ello se calcula la magnitud del angulo BAD.

6.5.

Localizaci´on

6.5.1.

Reconocimiento y Localizaci´on del landmark Linea de Referencia

6.5.2.

Reconocimiento y Localizaci´on del Veh´ıculo Aut´onomo cr´ıa

6.5.3.

Reconocimiento y Localizaci´on de Objetos objetivo

6.5.4.

Reconocimiento y Localizaci´on de Obstaculos

Cap´ıtulo 7 Planeaci´on y Seguimiento de Trayectorias 7.1.

Planeacion de Trayectorias

7.2.

Definicion del Espacio de Configuraci´on

7.3.

Definicion del Espacio de Trabajo

7.3.1.

Envolvente Convexo

7.3.2.

Extracci´on de Obstaculos

7.4.

Calculo de la Trayectoria

7.5.

Seguimiento de Trayectorias

7.5.1.

Control Punto a Punto

Cap´ıtulo 8 Implementaci´on y Experimentos 8.1.

Implementaci´on

8.2.

Experimentaci´on y Resultados

8.2.1.

Medici´on del Error por la Transformaci´on de Perspectiva

8.2.2.

Medici´on del Error por el Seguimiento Trayectoria Planeada

8.3.

An´alisis

8.4.

Resumen

Cap織覺tulo 9 Conclusiones

ApÂ´endice A Diagrama de OperaciÂ´on

Bibliograf´ıa [1] J. H. Moreno Scott. Navegación nodriza de robots. Master’s thesis, ITESM, June 2004. [2] B. A. Ponce Tavizón. Planeación y seguimiento visual de trayectorias para guiar un veh´ıculo autónomo. Master’s thesis, ITESM, June 2002.

Vita Junior Bresimi Corman Medina nació en Perú, Departamento de Lima, el 30 de Setiembre de 1985. Ingresó a la Universidad Nacional de Ingenier´ıa en Agosto del 2002. Actualmente se desempeña como estudiante de la Universidad Nacional de Ingenier´ıa.

L A PRESENTE PRE - TESIS FUE TIPOGRAFIADA CON LATEX POR C ORMAN M EDINA , J UNIOR B RESIMI .

c Corman Medina, Junior Bresimi 2009