Selección óptima de parámetros para algoritmos de detección de obstáculos con visión monocular

Jorge Silvio Delgado Morales, Gustavo Viera López, Raúl Joaquín Rodríguez Gómez, Antonio Serrano Muñoz

Resumen


Una de las tareas más importantes en el campo de la robótica móvil autónoma es la detección de obstáculos. Para la ejecución de esta tarea ha sido empleada con frecuencia la visión computacional, particularmente la visión monocular. Esto se debe a la complejidad inherente a los sistemas de visión estereoscópica y el creciente desarrollo de investigaciones que utilizan una sola cámara para detectar obstáculos. Los algoritmos de procesamiento de imágenes y visión computacional para la detección de obstáculos presentan múltiples parámetros que necesitan ser ajustados para un funcionamiento eficiente según las condiciones del entorno donde opera el robot. En este trabajo se propone un método desarrollado para la selección óptima de los parámetros de este tipo de algoritmos para un ambiente determinado. Para ello se modeló el problema de la detección de obstáculos como un problema de optimización. Además se explica el funcionamiento de dos de estos algoritmos de detección de obstáculos basados en visión monocular que son usados para la validación del método. Para la solución del problema modelado, se incluyen los resultados obtenidos mediante varias metaheurísticas. Finalmente se comparan los resultados del uso de esta técnica en diferentes entornos.


Palabras clave


Detección de obstáculos; Optimización; Metaheurísticas; Procesamiento de Imágenes; Visión Computacional; Robótica Móvil

Texto completo:

PDF


Facultad de Ingeniería Automática y Biomédica, Universidad Tecnológica de La Habana  José Antonio Echeverría, Cujae, Calle 114 No. 11901. e/ Ciclovía y Rotonda. Marianao 15.
La Habana, Cuba. CP 19390. Telf: (537) 266 3476
E-mail: rielac@tesla.cujae.edu.cu | URL: http://rielac.cujae.edu.cu
ISSN: 1815-5928

Todo el contenido de la revista se encuentra bajo la licencia https://creativecommons.org/licenses/by/4.0/deed.es_ES. La revista en línea tiene acceso abierto y gratuito