A pesar de que los brazos robóticos resultan ser altamente sofisticados por su versatilidad, no pueden reconocer la serie de productos con los que están trabajando en la línea de producción, ya que estos vienen en cantidades y formas diferentes. Por lo tanto, es necesario un sistema de percepción visual para identificar los objetos de interés, así como su posición y orientación. Debido a la amplia demanda de producción que se exige en las empresas, es necesario que este procedimiento sea implementado con rapidez y flexibilidad, por lo que el margen de tiempo para identificar el objeto se vuelve muy corto, en ocasiones fracciones de segundo, lo que requiere una velocidad de respuesta lo suficientemente rápida para efectuar la tarea industrial.

Para proporcionar agilidad de respuesta al proceso anterior, el robot debe de contar con un programa de manipulación para actuar sobre cada objeto. Este programa es paramétrico, siendo los parámetros posiciones y orientación del objeto o pieza. El sistema de visión debe de interpretar la rápida sucesión de imágenes y comunicar los parámetros espaciales al manipulador, en coordenadas del robot, de manera que este pueda interpretarlas por su propia cuenta.

2.1 Sistemas de iluminación

La iluminación es la parte más crítica dentro de un sistema de visión. Las cámaras capturan la luz reflejada de los objetos. El propósito de la iluminación utilizada en las aplicaciones de visión es controlar la forma en que la cámara verá el objeto. La luz se refleja de forma distinta si se ilumina una bola de boliche, que si se ilumina una hoja de papel blanco y el sistema de iluminación por lo tanto debe ajustarse al objeto a iluminar.

Hay un cierto número de consideraciones a tener en cuenta para determinar la mejor iluminación para una aplicación:

• ¿Es en color o monocromático?
• ¿Es de alta velocidad o no?
• ¿Cuál es el campo de visión a iluminar?
• ¿El objeto presenta superficies con reflejos?
• ¿Qué fondo presenta la aplicación: color, geometría?
• ¿Cuál es la característica a resaltar?
• ¿Qué duración debe tener el sistema de iluminación?
• ¿Qué requisitos ambientales deben considerarse?

Una buena iluminación de la escena es importante debido a su efecto sobre el nivel de complejidad de los algoritmos de procesamiento de imágenes requerido. Una iluminación deficiente hace más difícil la tarea de interpretar la escena. Las técnicas de iluminación adecuadas deben proporcionar un alto contraste y reducir al mínimo las reflexiones espectaculares y las sombras, a no ser que se diseñe específicamente en el sistema. Los tipos básicos de dispositivos de iluminación utilizados en la visión de máquina pueden agruparse en las categorías siguientes:

Haz clic para revisar la información

Técnicas de iluminación

Varias técnicas de iluminación han sido desarrolladas para utilizar estos dispositivos de iluminación. La finalidad de estas técnicas es dirigir el recorrido de la luz desde el dispositivo de iluminación a la cámara, de modo que visualicen el sujeto de una manera adecuada para la cámara.
  
Hay dos técnicas básicas de iluminación utilizadas en la visión de máquina: iluminación frontal e iluminación posterior.

• La iluminación frontal significa simplemente que la fuente de luz está en el mismo lado de la escena que la cámara. En consecuencia, la luz reflejada se utiliza para crear la imagen visionada por la cámara.
• En la iluminación posterior la fuente de luz está dirigida a la cámara y situada detrás de los objetos de interés.

La imagen vista por la cámara es una silueta del objeto bajo estudio. La iluminación posterior es adecuada para aplicaciones en la que una silueta del objeto es suficiente para su reconocimiento o en donde exista la necesidad de obtener medidas importantes. A continuación se presenta una tabla, la cual indica otras técnicas diversas que pueden utilizarse para proporcionar iluminación.

Para conseguir un campo de iluminación brillante, se requiere posicionar la cámara y la fuente de luz en posiciones específicas, tal como se indica en las siguientes figuras:

2.2 Comparación de señal análoga contra la señal digital

Para una cámara que utiliza la tecnología de tubo vidicón es necesario convertir la señal analógica correspondiente a cada píxel a una forma digital. El proceso de conversión analógico/digital (A/D) implica la entrada de una señal de entrada analógica y la generación de una salida que represente la señal de voltaje en la memoria digital de una computadora.

Al realizar la conversión A/D y D/A aparecen errores y se tiene una parte de información de la señal continúa original. La conversión (A/D) está constituida por tres fases:

Haz clic para revisar la información

Ejemplo: Una señal de vídeo continua ha de convertirse en una señal discreta. El rango de amplificación de la señal es de 0 a 5 volts. El convertidor A/D tiene una capacidad de 8 bits. Determinar el número de niveles de cuantificación, el espaciamiento del nivel de cuantificación, la resolución y el error de cuantificación.            

Solución: Para una capacidad de 8 bits, el número de niveles de cuantificación es 2⁸ = 256. La resolución del convertidor A/D es 1/256 = .0039 o 0.39%. Para el rango de 5V se tiene:

Espaciamiento nivel cuantificación: (5V)/(2⁸ ) = .0195 Volts
Error cuantificación:  ± ½  (.0195 Volts) = .00975 Volts

 La representación de la señal de voltaje en forma binaria implica el proceso de codificación. Este último se realiza asignando la secuencia de dígitos binarios para representar niveles de cuantificación crecientes. En nuestro ejemplo anterior, la señal de voltaje puede indicarse de forma binaria. De los 8 bits disponibles podemos utilizar estos bits para representar niveles de cuantificación crecientes como sigue:

Después de la conversión A/D, la imagen se almacena en la memoria de la computadora, que suele denominarse un buffer de cuadro. Este buffer puede ser parte del captador de trama o estar en la propia computadora. Varias técnicas se desarrollaron para adquirir y acceder a las imágenes digitales. En condiciones ideales sería deseable adquirir un cuadro único de datos en tiempo real. El captador de trama es un ejemplo de un dispositivo de adquisición de datos de video que almacenará una imagen digitalizada y la adquirirá en 1/30 segundos. Los cuadros digitales suelen cuantificarse en 8 bits por píxel. Sin embargo, un buffer es apropiado puesto que el sistema de cámara medio no puede producir 8 bits de datos exentos de ruido. Por consiguiente, los bits de peso más bajo se eliminan como un medio de limpieza de ruido.

 Además, el ojo humano sólo puede resolver (separar) unos 2⁶ = 64 niveles de gris. Una combinación de contadores de filas y columnas se utiliza en el captador de trama, que se sincronizan con la exploración del haz electrónico de la cámara. De este modo, cada posición en la pantalla puede direccionarse de forma unívoca. Para leer la información almacenada en el buffer de trama, los datos se captan mediante una señal enviada desde la computadora a la dirección correspondiente a una combinación de fila-columna. Dichas técnicas de captador de trama se han hecho muy populares en la mayoría de los sistemas de visión.

Con base en lo anterior, es posible determinar las características, así como las ventajas y desventajas de una imagen digital en comparación de una imagen analógica, tal como se muestra en la siguiente tabla comparativa:

2.3 Velocidad de captura

La velocidad de muestreo expresada en función de la frecuencia (20 x 10⁶ muestras por segundo), equivale a decir que la velocidad de muestreo es de 20 MHz. A veces se cita la velocidad de información, es decir, el número de bits de datos almacenados en un segundo (160 millones de bits por segundo).
  
Para efectuar la conversión entre ambos valores basta con dividir la velocidad de la información entre el número de bits utilizado por el conversor A/D (en este caso, suponiendo un conversor de 8 bits, sería 160 x 106 bits dividido entre 8, lo que es igual a 20 x 10⁶  muestras por segundo). En otras ocasiones, se expresa en función del intervalo de muestreo, como una relación tiempo/ puntos (50 ns por punto), el inverso de la frecuencia.
 
Para determinar la velocidad de digitalización para una determinada posición del mando TIME/DIV, se emplea la fórmula:

El número de palabras de datos por división es:

Indica la rapidez con la que un osciloscopio adquiere formas de onda completas.

Un DPO permite un nivel superior de observación del comportamiento de la señal, proporcionando velocidades de captura de forma de onda mucho más grandes y una presentación tridimensional, convirtiéndose en la mejor herramienta de diagnóstico y localización de fallos en diseños de tipo general para un amplio rango de aplicaciones.

2.4 Binarización de una imagen

Esta técnica también se conoce como fijación de umbrales. Consiste en una conversión binaria en la que cada píxel es convertido en un valor binario, blanco o negro. Estos toman valores entre 0 (negro) y 255 (blanco). Esto se consigue manipulando en forma adecuada los niveles de gris de la imagen (en una imagen en escala de grises.)

Para efectuar el procedimiento anterior, se realiza mediante la utilización de un histograma de frecuencias de la imagen y estableciendo qué intensidad (nivel de gris) será el límite entre el blanco y el negro. Como ejemplo, a continuación se muestra la imagen digital del rostro de una mujer:       

Los niveles de grises de esta imagen digital se pueden representar en un histograma como se aprecia en la siguiente gráfica (niveles de gris vs frecuencia). El histograma permite determinar si la digitalización de la imagen se realizó correctamente.

Histograma resultante de una imagen aplicando niveles de grises.

Para los histogramas que son bimodales (dos ejes) en su forma, cada uno de los picos del histograma representa al propio objeto o al segundo plano sobre el que el elemento se apoya. Puesto que tratamos de diferenciar el objeto y el segundo plano; el procedimiento consistirá en establecer un umbral (por norma general, entre dos picos) y en asignar, por ejemplo, un bit 1 al objeto y un bit 0 al segundo plano o fondo. El resultado de esta técnica de fijación de umbrales se muestra en la siguiente fotografía, que muestra la imagen binaria digitalizada.

Se eligió un valor de umbral T=150, de un valor entre 0 (negro) y 255 (blanco). Lo cual dio como resultado la imagen. En la cual se diferencia el objeto de fondo. Para mejorar la capacidad de diferenciación, se debe aplicar las técnicas especiales de iluminación para generar un elevado contraste.

Cabe señalar que el método anterior del uso de un histograma para determinar un umbral es sólo uno del gran número de métodos existentes para definir una imagen. Sin embargo, es el método que utilizan actualmente algunos de los sistemas de visión de robot disponibles en el mercado. Se dice que dicho método utiliza un umbral tipo global para la imagen completa. En algunos casos esto no es posible y un método de fijación de umbral local puede ser utilizado.

Cuando no es posible encontrar un umbral simple para una imagen completa (por ejemplo, si mucho niveles distintos ocupan la misma escena y cada uno presenta niveles diferentes de intensidad), un método consiste en dividir la imagen total en áreas rectangulares más pequeñas y determinar el umbral para cada una de las ventanas que se analizan.

 La fijación de umbrales es la técnica utilizada con más frecuencia para la binarización en aplicaciones de visión industriales. Las razones son que es más rápida y más fácil de llevar a cabo y que la iluminación se suele controlar en un establecimiento industrial. Una vez que se establece una fijación de umbrales para una imagen particular, el próximo paso es identificar las áreas particulares asociadas con los objetos dentro de la imagen. Dichas regiones suelen tener propiedades de pixeles uniformes calculadas sobre el área. Las propiedades de pixeles pueden ser multidimensionales, es decir, puede haber más de un atributo simple que puede utilizarse para caracterizar el píxel (color e intensidad de luz). Evitaremos esa complicación y limitaremos nuestro examen a los atributos de pixeles simples (intensidad de luz) de una región.  

Crecimiento de región. Es un conjunto de técnicas en las que los pixeles se agrupan en regiones llamadas elementos de cuadrícula basadas en similitudes de atributos. Las regiones definidas se podrán examinar en cuanto si son independientes o se pueden fusionar a otras regiones por medio de un análisis de la diferencia en sus propiedades medias y su conectividad espacial.

Para diferenciar entre los objetos y el segundo plano, se asigna un 1 a cualquiera de los elementos de la cuadrícula ocupado por un objeto, y 0 a los elementos del segundo plano. Es práctica usual utilizar una retícula de muestreo cuadrada con pixeles igualmente espaciados a lo largo de cada uno de los lados de la cuadrícula.

Esta técnica de creación de pasadas de 1 y 0 se utiliza con frecuencia como un análisis de primer paso para la división de la imagen en segmentos identificables o “burbujas“. Observe que este procedimiento simple no identificó el agujero en la llave. Esto se resolvería disminuyendo la distancia entre los puntos de la cuadrícula e incrementando la exactitud con la que se representa la imagen original.

Para una imagen simple tal como una mancha oscura sobre un fondo claro, una técnica de pasadas puede proporcionar una información útil. Para imágenes más complejas, esta técnica puede no proporcionar una división adecuada de una imagen en un conjunto de regiones significativas. Dichas regiones podrían contener pixeles que estén conectados entre sí y teniendo atributos similares, por ejemplo, el nivel de gris. Una técnica típica de crecimiento de región para imágenes complejas podría tener el procedimiento siguiente:

1. Seleccionar un píxel que cumpla con un criterio para la inclusión en una región.
   El caso más simple sería seleccionar un píxel blanco y asignar un valor 1.
2. Comparar el píxel seleccionado con todos los pixeles adyacentes. Asignar a los pixeles adyacentes un valor equivalente sí se produce una concordancia de los atributos.
3. Ir a un píxel adyacente equivalente y repetir el proceso hasta que no se pueda añadir ningún píxel equivalente más a la región.

Este procedimiento simple de crecer regiones alrededor de un píxel se repetiría hasta que ninguna nueva región pueda añadirse a la imagen.

La técnica de segmentación de crecimiento de región aquí descrita es aplicable cuando las imágenes no son distinguibles entre sí mediante las técnicas de fijación de umbrales o detección de aristas. Esto se produce algunas veces cuando la iluminación de la escena no puede controlarse de forma adecuada. En los sistemas de visión de robots industriales es una práctica común considerar únicamente la detección de aristas o la fijación de umbral simple. Esto se debe al hecho de que la iluminación puede ser un factor controlable en un establecimiento industrial y es más sencilla la implementación de cómputo o de hardware.

2.5 Detección de aristas

Este procedimiento es una parte fundamental del procesamiento de imágenes y por lo tanto de la visión artificial. Es en esta etapa donde se delimitan todos los objetos de una escena que posteriormente son llevados a una etapa de reconocimiento. Como su nombre lo indica, en esta parte se busca extraer de la imagen las aristas o bordes de los objetos y para este fin es necesario tener presente que en dichos bordes se tiene un cambio brusco de los niveles de gris.

Esta técnica considera el cambio de intensidad que se produce en los pixeles en el contorno o borde de un objeto. Dado que se ha encontrado una región con atributos similares, pero se desconoce la forma del contorno, este último se puede determinar mediante un simple procedimiento de seguimiento de borde.

Para la detección de las aristas, el procedimiento es el de explorar la imagen hasta que se encuentre un píxel dentro de la región. Una vez encontrado un píxel en el interior de una región, torcer a la izquierda y avanzar o al contrario, tocar a la derecha y avanzar un paso. El procedimiento se detiene cuando se atraviesa el contorno y el camino vuelve al píxel inicial. El procedimiento de seguimiento del contorno descrito se puede extender a imágenes de nivel de gris.

Si retomamos la imagen del rostro de mujer y le aplicamos la técnica de detección de aristas, la imagen se mostraría de la siguiente forma.

2.6 Detección de patrones

En las aplicaciones de sistemas de visión, con frecuencia es necesario distinguir un objeto de otro. Esto se suele realizar mediante el rastreo de patrones que caracterizan unívocamente al objeto. Entre algunas de las características de los objetos que pueden utilizarse en la visión de máquina se incluyen el área, el diámetro y el perímetro. Una característica, en el contexto de los sistemas de visión, es un parámetro único que permite la facilidad de comparación e identificación. Las técnicas disponibles para la extracción de valores de características para los casos bidimensionales se pueden categorizar aproximadamente como las que se refieren a las características de contorno y las que tratan las características de área. Los diversos patrones se pueden utilizar para identificar el objeto o parte del mismo y para determinar su localización u orientación.

A continuación se muestra una lista de algunas de las características utilizadas con más frecuencia en las aplicaciones de visión:

• Nivel de gris (máximo, medio, mínimo)
• Área.
• Longitud del perímetro
• Diámetro
• Rectángulo de cierre mínimo
• Centro de gravedad. Para todos los píxel (n) en una región donde cada píxel está especificado por las coordenadas (x,y), las coordenadas x, y del centro de gravedad se definen por medio de las siguientes ecuaciones:



• Excentricidad: Una medida de elongación. Existen varias medidas de las cuales la más simple es:

Excentricidad = Longitud máxima de cuerda A/Longitud máxima de cuerda B
Donde la longitud máxima de cuerda B se mide perpendicular a A.

• Relación de aspecto: La relación longitud-anchura de un rectángulo de contorno que rodea el objeto. Un objetivo es encontrar el rectángulo que da la relación de aspecto mínima.
• Delgadez: Es la medida de lo delgado que es un objeto. Las definiciones que se utilizan son:
• Delgadez = (perímetro)²/área
• Delgadez = diámetro/área

El diámetro de un objeto, sin considerar su forma, es la distancia máxima obtenible entre dos puntos situados en el contorno de un objeto.

• Agujeros: Número de agujeros de un objeto.
• Momentos: Dada una región, R, y las coordenadas de los puntos (x,y) en o sobre el contorno de la región, el momento de orden del q-ésimo de la región viene dada por la siguiente expresión matemática.

Los procedimientos de crecimiento de región, descritos con anterioridad, se pueden utilizar para determinar el área de una imagen de un objeto. El perímetro o el contorno que encierra un área específica se puede determinar indicando la diferencia en la intensidad del píxel en el contorno y contando simplemente los pixeles de la región segmentada que son adyacentes a los pixeles que no pertenecen a la región; es decir, al otro lado del contorno. Un objetivo importante en la selección de estas características es que estás no dependa ni de la orientación ni de la posición. El sistema de visión no debe depender del objeto que se presenta a la cámara con una relación conocida y fija.
 
Las medidas anteriores proporcionan algunos métodos básicos para analizar las imágenes  en un plano de dos dimensiones. Algunas otras medidas existen también para casos tridimensionales. Para ilustrar algunas de las definiciones y medidas en dos dimensiones se proporciona el siguiente ejemplo.

2.7 Identificación de patrones

El próximo paso en el procesamiento de los datos de la imagen es identificar el objeto que la imagen representa. Este problema de identificación se resuelve utilizando la información sobre las características extraídas del objeto. El algoritmo de reconocimiento debe ser lo suficientemente potente para identificar unívocamente al objeto. Las técnicas de reconocimiento de objeto utilizadas hoy en día en la industria se pueden clasificar dentro de dos características principales:

Haz clic en cada botón para obtener más información

Luz estructurada

El término luz estructurada se define como la proyección de patrones de luz simple o codificada (es decir, puntos, líneas, redes, formas complejas) en la escena iluminada. El principal beneficio de utilizar la luz estructurada es que las funciones de las imágenes tienen mejor definición. Como resultado, tanto la detección y extracción de características de la imagen es simplificada y más robusta.

En cuanto al dispositivo de emisión de luz, puede ser coherente (por ejemplo, los diodos láser) o incoherente (por ejemplo, dispositivos de cristal líquido (LCD) proyectores). El uso de proyectores LCD en sistemas estéreo activos puede ser rastreado desde principios de los 80. Estos sistemas se han vuelto muy populares, entre los trabajos de investigación, gracias a su atractivo costo y menos restricciones de seguridad en comparación con sus dispositivos basados ​​en láser. Por otro lado, los proyectores para sistemas estéreo activos pueden ser la mejor opción para aplicaciones industriales. Estos sistemas, a menudo llamados escáner gama, se utilizan comúnmente en aplicaciones de robótica. A diferencia de los sistemas basados ​​en LCD, los sistemas basados ​​en láser pueden ser más pequeños y dar mayor potencia de iluminación. Además, gracias a su coherente característica, la cámara puede estar equipada con filtro óptico especial para mejorar tanto la detección y extracción de características de la imagen. Los patrones de luz proyectados se pueden agrupar en tres categorías: los patrones de punto, patrones de rayas y patrones de color. La posición, la orientación y las formas de los patrones de luz pueden ser alteradas o dejar sin cambios durante el proceso de escaneado.

Aprendizaje de los sistemas de visión       

El objetivo del aprendizaje de los sistemas de visión es programar a estos para que reconozcan objetos conocidos. El sistema almacena estos elementos en forma de compendio de valores da características extraídas que, a continuación, pueden compararse con los correspondientes valores de características obtenidos a partir de objetos desconocidos. Las características utilizadas con más frecuencia en los sistemas de visión se examinaron en el tema 8 en el punto 8.3 detección de patrones.   

La identificación de patrones de los sistemas de visión debe realizarse bajo condiciones tan próximas a las condiciones de funcionamiento como fuere posible. Los parámetros físicos tales como emplazamiento de la cámara, ajustes de la apertura, situación del elemento e iluminación son las condiciones críticas que deben simularse como posibles durante el aprendizaje.

El esquema del sistema de visión para la interpretación de objetos, idealmente debe de quedar de la forma como se ilustra en la figura. Tomando en consideración la importancia de la calibración de la máquina, para completar el ciclo del sistema de visión, la cual se explicará detalladamente en el siguiente tema.

2.8 Identificación de fallas

La falla más común que se produce en la interpretación de imágenes y que es necesario tomar en cuenta son las distorsiones, estás se producen durante la formación de imágenes.

Distorsión radial

El uso de lentes facilita la entrada de la luz, un apropiado enfoque y la versatilidad adecuada, pero también introduce distorsiones en las imágenes formadas en el sensor. Uno de estos efectos es la distorsión radial o distorsión de barril, y se muestra esquemáticamente en la siguiente figura. Esta distorsión es debido a las lentes de rayos que pasan más lejos del centro óptico, las cuales afectan la incidencia de aquellos que directamente pasan cerca del centro de la lente.

Este tipo de distorsión es más pronunciada en la zona cercana a los límites de las imágenes, como se puede ver en el ejemplo de abajo. Es importante señalar que también crece con la disminución de longitud focal de la lente utilizada o cuando más pobre se utiliza la óptica de calidad.

Distorsión tangencial

Puede ser que durante el proceso de manufactura, el sensor está conectado firmemente a la pared sobre la que descansa. De esta manera la lente no será utilizado paralela al plano donde la imagen se forma.

2.9 Reconstrucción en 3D

La reconstrucción 3D es el proceso por el cual los objetos son escaneados en un sistema de coordenadas X, Y, Z, utilizando una codificación por el método de la agrimensura, manteniendo las características físicas del objeto (tamaño, volumen y forma). Por lo tanto, se emplea un procedimiento de calibración o los parámetros del sistema, convierte la secuencia de imágenes adquiridas y procesadas digitalmente, a la escala completa del objeto. Por esta razón, los métodos de reconstrucción 3D son una herramienta útil en aplicaciones en las que la información topográfica juega un papel importante en la toma de decisiones; como para el control de calidad, el modelado 3D de objetos industriales y exploraciones funcionales de deformación en la espalda o en otras partes del cuerpo, entre otros.

En este tema se mostrarán los métodos básicos como la técnica de luz estructurada para la medición de superficies en 3D para su aplicación. Métodos de codificación se utilizan para resolver el problema de la correspondencia entre los puntos proyectados en una superficie y el punto en el plano de la imagen en el plano del sensor se enfatizan. El principio general en el que los sistemas se basan de luz estructurada para obtener información tridimensional en medir superficies se basa en el método de triangulación.

El desarrollo para un sistema de visión 3D requiere la solución de una serie de aspectos o etapas: la recuperación de la estructura tridimensional de la escena, el modelado y el objeto de representación, el reconocimiento y la localización, y la interpretación de la escena. Las diferentes técnicas para recuperar la estructura tridimensional de la escena tienen características específicas en todos los niveles del proceso de interpretación visual, desde las imágenes iniciales, el análisis y la interpretación de la misma, todos los métodos requieren equipos específicos para la solución de algoritmos.

Triangulación y luz estructurada.

Dentro del campo de visión tridimensional, hay una serie de técnicas que actualmente se utilizan con éxito en numerosas aplicaciones industriales. Entre ellas, la que se conoce como luz estructurada. Este tipo de sistema se caracteriza por un método directo y activo. Un método directo se caracteriza porque las conclusiones se pueden obtener mediante el análisis de los datos obtenidos directamente de las imágenes. En cuanto al método activo, se tiene en cuenta que este sistema utiliza un sistema generador de luz, lo que introduce un tipo de energía con el medio ambiente en el que se realizó el estudio.
El sistema de luz estructurada se basa en el estudio de la deformación de un patrón de luz para ser interceptado por cualquier objeto. Este es el principal problema con este tipo de herramientas que se necesita un tipo de luz concentrada en un punto. Como este podría no encontrarse iluminado, cualquiera de los sistemas usuales que se utilizan actualmente, tales como bombilla, focos fluorescentes, etc., están compuestos por ondas de diferentes frecuencias causando que el rayo de luz sea utilizado a través del medio ambiente.

Una de las mejores soluciones es utilizar un rayo láser. Debido a sus características de la coherencia, la divergencia y de direccionamiento, se comporta en una luz perfecta para dichos sistemas. Esto es debido a que la consistencia hace que todas las ondas tengan la misma frecuencia, y con su pequeña divergencia y alta directivita permiten que se dirija un rayo láser en cualquier punto que se desee. Una vez que usted y el tipo de luz que se utilizará es conocido, es necesario elegir un modelo adecuado. Las diferentes soluciones que van desde el uso de rejillas con puntos de láser de diferentes colores. La contratación de puntos significa tener para atravesar el objeto a través de la superficie de tomar una gran cantidad de puntos y algunas áreas pueden perderse.
El uso de un plano parece una solución mejor que la anterior. El plano ilumina un conjunto de puntos con las mismas características y cumplen con la condición de un plano en el espacio. Utilizar una cuadrícula con diferentes puntos de color envueltos implica que tiene toda la superficie del objeto iluminado y una vez que el problema es encontrado, se buscan los diferentes puntos y situaciones. Por supuesto, además del patrón de luz, necesita una cámara que recoge todas las imágenes de la deformación del plano del láser. La posición de la cámara en el conjunto debe ser uno, lo que permite obtener tanto la mejor resolución como prevenir las áreas oscuras, es decir, no hay zonas del objeto que no están iluminadas por el láser.

Una vez que se haya decidido sobre uno u otro patrón y la cámara correspondiente tendrá que calibrar los diferentes parámetros. Este paso es el más importante como para las coordenadas de diferentes puntos en el objeto es emplear el método de triangulación. El método de triangulación se utiliza para obtener la posición de un punto con relación a la posición de la cámara y el plano. La siguiente figura explica el esquema del método de triangulación:

Si se conoce la distancia de la cámara a un punto de objeto, que es la base del triángulo, la distancia entre la cámara y el láser, un lado, y el ángulo del plano del láser, podemos ver las coordenadas tridimensionales de ese punto. Pero para ello es necesario conocer las posiciones en el espacio tanto de la cámara y el plano de láser, por lo que será es necesario, un proceso de calibración en ambos sistemas. Los patrones proyectados están diseñados de manera que cada píxel de la imagen se le puede asignar un código bien definido. La proyección de Técnicas de tales patrones pueden ser de clasificación de acuerdo a la estrategia de codificación utilizado, divididos en tres grupos:

• Tiempo de multiplexación técnica
• Técnicas espaciales de vecindad
• Codificación directa

En nuestro caso consideramos sólo el tiempo de las llamadas técnicas multiplexados uno de los más extendidos en sistemas comerciales para la exploración de luz estructurada en tres dimensiones. Entre las técnicas de multiplexación una de las más importantes es la siguiente:

Patrones de nivel de gris binarios y codificación técnica.

La codificación binaria utiliza rayas blanco y negro para formar una secuencia de patrones de proyección, de modo que cada punto de la superficie del objeto tiene un código binario único, el cual difiere de cualquier otro código en diferentes puntos. En general, los patrones de rayas pueden codificarse con 2ⁿ.

La tarea de facilitar la forma en que se adquieren las imágenes, métodos y técnicas que se utilizan para obtener la mejor resolución posible se consigue mediante una adecuada iluminación del entorno, uso de softwares de sistemas de visión, a través de los cuáles se ha conseguido visualizar las imágenes en tiempo real y realizar la mayoría de los procesos en tiempos suficientemente cortos, así como también el hardware necesario, el cual está formado por un conjunto de pequeñas dimensiones preparados para ser instalados en cualquier aplicación de visión.

El procesamiento de imágenes en los sistemas de visión artificial ayuda a mejorar el aspecto de las imágenes y a realzar detalles que se desean hacer notar a partir de ciertos cálculos y algoritmos. La utilidad del procesamiento de imágenes es muy amplia en este caso se utiliza para la inspección, selección y supervisión. Existen otros campos como por ejemplo para diagnóstico médico, imágenes aéreas, también se pueden analizar las fallas geológicas, entre otras cosas.

Asegúrate de poder:

• Identificar las dos técnicas básicas de iluminación.
• Comprender las tres fases de conversión de señal.
• Características del almacenamiento digital y el almacenamiento analógico.
• Velocidad de muestreo y velocidad de captura de la imagen.
• Comprender la técnica de binarización de una imagen.
• Identificar las características a considerar de los patrones de un objeto.
• Conocer la detección del límite de una imagen binaria.
• Identificar las técnicas de interpretación de imágenes a través de las características físicas de los objetos, así como la intervención de la luz en la iluminación de la escena.
• Comprender cómo evitar las distorsiones en la formación de imágenes y lo que se tiene que tomar en cuenta para evitarlas.
• Conocer en qué consiste el método de Reconstrucción en 3D y cuáles son las técnicas más comunes en la industria para efectuar la codificación de una imagen.

• Groover, M., Weiss, M., Nagael, R. y Odrey, N. (1995). Industrial Robotics Technology, Programming and Applications. EE. UU: McGraw Hill.  
• Groover, M. (2015).  Automation Production System and Computer Integrated Manufacturing (4 ed.).  EE. UU. Pearson.
  Capítulo 8
• Groover, M., Weiss, M., Nagael, R. and Odrey, N. (1995).  Industrial Robotics Technology, Programming and Applications. EE. UU: McGraw Hill.
  Capítulo 11
• González, R. y Woods, R. (2005). Digital Image Processing (2 ed.). EE. UU: Prentice Hall.

• Osciloscopio: es un dispositivo de presentación de gráficas, es decir, traza la gráfica de una señal eléctrica. Generalmente se utiliza para mostrar cómo cambia una señal con el tiempo: el eje vertical (Y) representa el voltaje, y el eje horizontal (X) representa el tiempo. La intensidad o brillo se denomina eje (Z).
• Ruido: característica de la imagen que se distingue como un aumento en la brillantez de algunos píxeles más que en otros, es un problema común y complicado de resolver. Existe tanto en frecuencias altas como en bajas, la imagen sólo tiene valores significativos de amplitud en frecuencias bajas.
• Nitidez: ausencia de ruido, entre más nítida sea una imagen menos ruido tiene.