Sistema di visione stereo su architettura ZYNQ

Lo scopo della tesi è creare un’architettura in FPGA in grado di ricavare informazioni 3D da una coppia di sensori stereo. La pipeline è stata realizzata utilizzando il System-on-Chip Zynq, che permette una stretta interazione tra la parte hardware realizzata in FPGA e la CPU. Dopo uno studio preliminare degli strumenti hardware e software, è stata realizzata l’architettura base per la scrittura e la lettura di immagini nella memoria DDR dello Zynq. In seguito l’attenzione si è spostata sull’implementazione di algoritmi stereo (rettificazione e stereo matching) su FPGA e nella realizzazione di una pipeline in grado di ricavare accurate mappe di disparità in tempo reale acquisendo le immagini da una camera stereo.

Streaming di immagini via ethernet con Zynq con sistemi operativi Standalone e Linux

Il seguente lavoro di tesi si inserisce all'interno di un progetto accademico volto alla realizzazione di un sistema capace elaborare immagini utilizzando una rete FPGA, acquisite da un sensore. Ogni scrittura di un nuovo frame in memoria RAM genera un interrupt. L'obiettivo della tesi è creare un sistema client/server che permetta il trasferimento del flusso di frame dalla ZedBoard a un PC e la visualizzazione a video. Il progetto eseguito sulla ZedBoard è proposto in due versioni: la prima in assenza di sistema operativo (Standalone) e una seconda implementata su Linux. Il progetto eseguito sul PC è compatibile con Linux e Windows. La visualizzazione delle immagini è implementata utilizzando la libreria OpenCV.

Human Presence Detection in ambiente Home Manager: sperimentazione su piattaforma Raspberry

Home Manager, è una piattaforma sperimentale per la gestione di Smart Space e in particolare di una casa intelligente immersa in uno ambiente, avente l'ambizione di anticipare le necessità dell'utente. Questa tesi ha due obiettivi fondamentali: in primo luogo, implementare su piattaforma Raspberry la parte di Home Manager relativa allo scenario del riconoscimento delle persone negli ambienti della casa, mediante l'utilizzo del modulo telecamera; in secondo luogo, attraverso le informazioni ricavate precedentemente, implementare e simulare una gestione intelligente e automatica delle luci presenti all'interno della casa, sfruttando a tal fine un modulo relè.

Implementación de un detector de coral utilizando filtros Gabor Wavelets y máquinas de aprendizaje

Este trabajo se enfoca en la implementación de un detector de arrecife de coral de desempeño rápido que se utiliza para un vehículo autónomo submarino (Autonomous Underwater Vehicle, AUV, por sus siglas en inglés). Una detección rápida de la presencia de coral asegura la estabilización del AUV frente al arrecife en el menor tiempo posible, evitando colisiones con el coral. La detección de coral se hace en una imagen que captura la escena que percibe la cámara del AUV. Se realiza una clasificación píxel por píxel entre dos clases: arrecife de coral y el plano de fondo que no es coral. A cada píxel de la imagen se le asigna un vector característico, el mismo que se genera mediante el uso de filtros Gabor Wavelets. Éstos son implementados en C++ y la librería OpenCV. Los vectores característicos son clasificados a través de nueve algoritmos de máquinas de aprendizaje. El desempeño de cada algoritmo se compara mediante la precisión y el tiempo de ejecución. El algoritmo de Árboles de Decisión resultó ser el más rápido y preciso de entre todos los algoritmos. Se creó una base de datos de 621 imágenes de corales de Belice (110 imágenes de entrenamiento y 511 imágenes de prueba).

Integración de Arbotix, Raspberry Pi y motores Dynamixel Ax-12+ para un robot humanoide que busca y patea pelotas

En este artículo se presenta a DeBuPa (Detección Búsqueda Pateo) un humanoide de tamaño pequeño (38 cm de alto) construido con las piezas del kit Bioloid. Del kit se ha excluido la tarjeta CM-510 para sustituirla por la tarjeta controladora Arbotix, que será la que controle los 16 motores Dynamixel Ax-12+ (para mover al robot) y 2 servomotores analógicos (para mover la cámara). Además se ha agregado un mini computador Raspberry Pi, con su cámara, para que el robot pueda detectar y seguir la pelota de forma autónoma. Todos estos componentes deben ser coordinados para que se logre cumplir la tarea de detectar, seguir y patear la pelota. Por ello se hace necesaria la comunicación entre la Arbotix y la Raspberry Pi. La herramienta empleada para ello es el framework ROS (Robot Operating System). En la Raspberry Pi se usa el lenguaje C++ y se ejecuta un solo programa encargado de captar la imagen de la cámara, filtrar y procesar para encontrar la pelota, tomar la decisión de la acción a ejecutar y hacer la petición a la Arbotix para que dé la orden a los motores de ejecutar el movimiento. Para captar la imagen de la cámara se ha utilizado la librería RasPiCam CV. Para filtrar y procesar la imagen se ha usado las librerías de OpenCV. La Arbotix, además de controlar los motores, se encarga de monitorizar que el robot se encuentre balanceado, para ello usa el sensor Gyro de Robotis. Si detecta un desbalance de un cierto tamaño puede saber si se ha caído y levantarse.

Control y procesamiento de vídeo en cámaras IP desde una plataforma Android

La aplicación Control Camera IP, desarrolla como Proyecto Fin de Carrera en la ETS. De Ingeniería Informática de la Universidad de Málaga, fue concebida como una interfaz de usuario para la monitorización y control de cámaras IP de forma remota, pudiendo ésta ejecutarse en diferentes plataformas, incluyendo dispositivos móviles con sistemas Android. En aquel momento sin embargo, las plataformas Android no disponían de una librería oficial dentro del marco de la herramienta de desarrollo utilizada (la biblioteca de desarrollo multiplataforma Qt), por lo que fue utilizada una versión alternativa no oficial denominada Necessitas Qt for Android. Hoy, con la versión 5 de Qt, existe la posibilidad de dar soporte a las plataformas Android de forma oficial, por lo que es posible adaptar la aplicación a esta nueva versión. En este Trabajo Fin de Grado, se ha adaptado la aplicación Control Camera IP a la versión 5 de Qt, logrando así crear plataformas para dispositivos Android de forma oficial. Además, se hace uso de la biblioteca OpenCV para el desarrollo de varios métodos de procesamiento sobre la imagen recibida por la cámara IP, así como algoritmos de detección de movimiento y de caras de personas, haciendo uso de técnicas de visión por computador. Finalmente, se introduce la posibilidad de utilizar APIs estandarizadas para la conectividad de la aplicación con cámaras IP de bajo coste, adaptando algunas de sus funciones a la aplicación Control Camera IP.

Diseño e implementación de un sistema de detección de malezas en cultivos Cundiboyacenses

74 p.

Análise de imagens em Geologia

O curso proposto está dividido em sete capítulos que vão desde a apresentação da importância da análise de imagens em geologia até à discussão e aplicação de aprendizagem máquina na análise de imagens. Sou defensor do software livre, assim todos os programas utilizados neste curso caiem nesta categoria. Os exemplos apresentados serão demonstrados com recurso aos seguintes programas:  QGIS – Sistemas de informação geográfica  GIMP – Tratamento de imagens  R - Cálculo  RStudio – IDE para o R  Anaconda Python Notebook – IDE para Python  OpenCV – Visão computacional Pretendo que o curso para o qual este texto serve de suporte seja eminentemente prático, um curso de “mãos na massa”, esperando-se que cada participante possa tratar temas do seu interesse pessoal. No primeiro capítulo é feita uma introdução sobre o que são imagens e a sua importância em geologia. O segundo capítulo trata de descrever os passos para a instalação do software proposto e fornecer pequenos exemplos da sua utilização. O terceiro capítulo descreve os métodos e as limitações da aquisição das imagens. São dados alguns exemplos de funções de aquisição de imagens. Os exemplos práticos deste capítulo incluem exemplos em Python e R. O quarto capítulo fala dos parâmetros contidos num ficheiro de imagens. Neste capítulo são apresentados exemplos em Python. O quinto capítulo trata das ferramentas que se podem aplicar durante o préprocessamento de uma imagem. O sexto capítulo trata de mostrar alguns exemplos de análise de imagens e no sétimo capítulo é abordada a questão de utilização de algoritmos de aprendizagem máquina na análise de imagens.

Production Lot Detection through Synthetic Generated Data

Correctness of information gathered in production environments is an essential part of quality assurance processes in many industries, this task is often performed by human resources who visually take annotations in various steps of the production flow. Depending on the performed task the correlation between where exactly the information is gathered and what it represents is more than often lost in the process. The lack of labeled data places a great boundary on the application of deep neural networks aimed at object detection tasks, moreover supervised training of deep models requires a great amount of data to be available. Reaching an adequate large collection of labeled images through classic techniques of data annotations is an exhausting and costly task to perform, not always suitable for every scenario. A possible solution is to generate synthetic data that replicates the real one and use it to fine-tune a deep neural network trained on one or more source domains to a different target domain. The purpose of this thesis is to show a real case scenario where the provided data were both in great scarcity and missing the required annotations. Sequentially a possible approach is presented where synthetic data has been generated to address those issues while standing as a training base of deep neural networks for object detection, capable of working on images taken in production-like environments. Lastly, it compares performance on different types of synthetic data and convolutional neural networks used as backbones for the model.

Metodo di calibrazione ottica per sistemi di lenti ipercentriche

Calibrazione di lente percientrica. Scrittura del codice di calibrazione in Python e utilizzo della libreria OpenCV. L' obbiettivo della tesi consisteva nel definire un modello matematico che potesse rappresentare le caratteristiche della lente pericentrica. Una volta fatto ciò sono state eseguite diverse prove sperimentali con l'obbiettivo di validare i risultati ottenuti. Come primo passo si è prodotto lo sviluppo planare di oggetti cilindrici acquisiti con la lente . successivamente sono state svolte alcune misure sugli sviluppi ottenuti. Infine si è implementato un sistema di calibrazione stereo per determinare la validità dell'algoritmo impiegato per la singola telecamera.