Sistema de reconstrucción 3D para la estimación semi-automática de la longitud y el área de objetos mediante visión estéreo

Autores/as

  • Bryan García Institución Universitaria Antonio José Camacho, Cali Universidad del Valle
  • Carlos Diego Ferrin B. Institución Universitaria Antonio José Camacho, Cali Universidad del Valle
  • Jorge Humberto Erazo Institución Universitaria Antonio José Camacho, Cali Universidad del Valle

DOI:

https://doi.org/10.18046/syt.v15i40.2372

Palabras clave:

Visión estéreo, reconstrucción 3D, Procesamiento digital de imágenes.

Resumen

En los entornos de manufactura de piezas industriales es necesaria la obtención de medidas básicas, como son la longitud y el área, en procesos de control de calidad. Este proceso se dificulta cuando no se puede tener contacto con las piezas y se debe recurrir a métodos de no-contacto. La visión estéreo es una técnica pasiva, robusta y confiable para llevar a cabo este tipo de tareas no invasivas. En este trabajo se describe la construcción de un sistema de visión estéreo para reconstrucción 3D y estimación de longitud y área de objetos, esta herramienta permite incorporar fácilmente técnicas del estado del arte en correspondencia de imágenes a su pipeline de ejecución principal. Las pruebas realizadas sobre algunos objetos muestran los beneficios de disponer de técnicas de correspondencia de imágenes cada vez más exactas.

Biografía del autor/a

  • Bryan García, Institución Universitaria Antonio José Camacho, Cali Universidad del Valle

    Electronic Engineer (2016) and student of the Master in Engineering with emphasis in Automation of the Universidad del Valle (Cali, Colombia). His interest areas are: artificial vision, thermography, machine learning, and signals/images processing

  • Carlos Diego Ferrin B., Institución Universitaria Antonio José Camacho, Cali Universidad del Valle

    Physics Engineer (Universidad del Cauca, Popayan – Colombia); Master in Electronics Engineering (Universidad del Valle, 2015) and student of the Doctorate in Engineering with emphasis in Electrics and Electronics of the Universidad del Valle. He was beneficiary of the “young researchers” program of Colciencias (2011) and his interest areas are: artificial vision, machine learning, and processing of signals, images, and point clouds

  • Jorge Humberto Erazo, Institución Universitaria Antonio José Camacho, Cali Universidad del Valle

    Electronic Engineer (2014), Master in Engineering with emphasis in Electronics (2010) and student of the Doctorate in Engineering with emphasis in Electrics and Electronics of the Universidad del Valle. Full time and auxiliary professor affiliated to the engineering faculty of the Institución Universitaria Antonio José Camacho (Cali-Colombia). Thermography professional level I and II of the Infrared Training Center – ITC (2007 and 2011). His areas of interest are: thermography, artificial vision, digital signal processing, and pattern recognition

Referencias

Bodkin, B. H. (2012). Real-Time Mobile Stereo Vision. University of Tennessee. Retrieved from http://trace.tennessee.edu/utk_gradthes/1313

Cignoni, P., Callieri, M., Corsini, M., Dellepiane, M., Ganovelli, F., & Ranzuglia, G. (2008). MeshLab: an Open-Source Mesh Processing Tool. Sixth Eurographics Italian Chapter Conference, (pp. 129-136). doi:10.2312/LocalChapterEvents/ItalChap/ItalianChapConf2008/129-136

De Loera, J. A., Rambau, J., & Santos, F. (2010). Triangulations (Vol. 25). Berlin, Heidelberg: Springer Berlin Heidelberg. doi:10.1007/978-3-642-12971-1

Demant, C., Streicher-Abel, B., & Garnica, C. (2013). Industrial image processing. Berlin, Heidelberg: Springer Berlin Heidelberg. doi:10.1007/978-3-642-33905-9

Ferrin, C. (2017). UNIAJC: Proyecto visión estéreo. Retrieved from https://github.com/cdfbdex/UNIAJC_VISION-ESTEREO

Foix, S. & Aleny, G. (2011). Lock-in time-of-flight (ToF) cameras: A survey. IEEE Sensors Journal, 11(3). doi: 10.1109/JSEN.2010.2101060

Hagen, H., Disch, A., Ehret, J., Klein, R., Sascha, K., Zeckzer, D., & Michael, M. (n.d.). Visual inspection methods for quality control in automotive engineering. Visualization, 2004 IEEE. doi:10.1109/VISUAL.2004.111

Hamzah, R. A., Hamid, A. M. A., & Salim, S. I. M. (2010). The solution of stereo correspondence problem using block matching algorithm in stereo vision mobile robot. 2010 Second International Conference on Computer Research and Development, (pp. 733-737). doi:10.1109/ICCRD.2010.167

Hamzah, R. A. & Ibrahim, H. (2016). Literature survey on stereo vision disparity map algorithms. Journal of Sensors, 2016. Art. 8742920. doi:10.1155/2016/8742920

Hansard, M., Lee, S., Choi, O., & Horaud, R. (2013). Time of flight cameras: Principles, methods, and applications. London, UK: Springer. https://doi.org/10.1007/978-1-4471-4658-2

Kim, M. Y., Ayaz, S. M., Park, J., & Roh, Y. (2014). Adaptive 3D sensing system based on variable magnification using stereo vision and structured light. Optics and Lasers in Engineering, 55, 113-127. doi:10.1016/j.optlaseng.2013.10.021

Krig, S. (2014). Computer Vision Metrics. Computer Vision Metrics: Survey, Taxonomy, and Analysis. Berkeley, CA: Apress. https://doi.org/10.1007/978-1-4302-5930-5

Lee, S., Lee, J. H., Lim, J., & Suh, I. H. (2015). Robust stereo matching using adaptive random walk with restart algorithm. Image and Vision Computing, 37, 1-11. doi:10.1016/j.imavis.2015.01.003

Szeliski, R. (2011). Computer vision. Media (Vol. 42). London, UK: Springer. doi:10.1007/978-1-84882-935-0

Wöhler, C. (2013). 3D Computer vision. London, UK: Springer. doi:10.1007/978-1-4471-4150-1

Zhang, S., Wang, C., & Chan, S. C. (2013). A new high resolution depth map estimation system using stereo vision and kinect depth sensing. Journal of Signal Processing Systems, 79(1), 19-31. doi:10.1007/s11265-013-0821-8

Descargas

Publicado

2017-04-05

Número

Vol. 15 Núm. 40 (2017)

Sección

Investigación científica y tecnológica

Licencia

Esta publicación está licenciada bajo los términos de la licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/deed.es)