Reconhecimento de Objetos em Tempo Real Utilizando Visão Computacional para o Futebol de Robôs

Tamanho: px
Começar a partir da página:

Download "Reconhecimento de Objetos em Tempo Real Utilizando Visão Computacional para o Futebol de Robôs"

Transcrição

1 DEPARTAMENTO ACADÊMICO DE SISTEMAS, PROCESSOS E CONTROLES ELETRO-ELETRÔNICO COORDENAÇÃO DE SISTEMAS DE INFORMAÇÃO Reconhecimento de Objetos em Tempo Real Utilizando Visão Computacional para o Futebol de Robôs Felype Nery de O. Vasconcelos Raphael Passos Gibson Recife Agosto

2 Felype Nery de O. Vasconcelos Raphael Passos Gibson Reconhecimento de Objetos em Tempo Real Utilizando Visão Computacional para o Futebol de Robôs Trabalho de Conclusão de Curso apresentado ao curso de Tecnologia em Análise e Desenvolvimento de Sistemas, como prérequisito para obtenção do título de Tecnólogo em Análise e Desenvolvimento de Sistemas pelo Instituto Federal de Educação, Ciência e Tecnologia de Pernambuco - IFPE. Orientador: Prof. Msc. Paulo Abadie Guedes Recife Agosto 2014

3 ii

4 iii AGRADECIMENTOS Agradecemos primeiramente a Deus e às nossas famílias por todo apoio e confiança, sem eles nada seria possível. Ao professor Paulo Abadie por toda a dedicação e paciência conosco durante a graduação e orientação neste trabalho, ao professor Anderson Moreira por sempre se mostrar disponível para ajudar e contribuir com o projeto e aos outros professores e funcionários do curso que de alguma forma contribuíram com o nosso amadurecimento profissional, pessoal e acadêmico. Agradecemos também às amizades que fizemos durante o curso que sempre nos incentivaram e tornaram nossa graduação mais divertida, não temos dúvidas que todos serão excelentes profissionais.

5 iv LISTA DE ACRÔNIMOS BPP F180 FIRA EAPH GPU GUI HSI HSV IDE IEEE IFPE NASA OpenCV PERCRO RAM RGB RoboCup ROI SSL SVC VM VRAM Bit Per Pixel Categoria Small Size Robot Soccer Federation International of Robot soccer Association Exoesqueletos para Aumento de Performance Humana Graphics Processing Unit Graphical User Interface Hue, Saturation and Intensity Hue, Saturation and Value Ambiente Integrado de Desenvolvimento Institute of Electrical and Electronics Engineers Instituto Federal de Educação, Ciência e Tecnologia de Pernambuco National Aeronautics and Space Administration Open Source Computer Vision Library Perceptual Robotics Laboratory Random Access Memory Red, Green, Blue Robot World Cup Initiative Region of Interest Small Size League Sistema de Visão Computacional Virtual Machine Video RAM

6 v LISTA DE EQUAÇÕES Equação 1 - Convolução Contínua Equação 2 - Convolução Discreta Equação 3- Transformação de RGB para HSI Equação 4 - Transformação de HSI para RGB Equação 5 - Erosão de A por B Equação 6 - Dilatação de A por B Equação 7 - Condição de Limiarização Equação 8 - Momentos de ordem p+q Equação 9 - Momentos aplicados a imagens Equação 10 - Momentos centrais Equação 11 - Variância em X e Y Equação 12 - Direção do Objeto... 27

7 vi LISTA DE FIGURAS Figura 1 - Imagem do PERCRO BE... 5 Figura 2 - Projeto Andar Denovo... 6 Figura 3 - Humanoid League... 8 Figura 4 - Middle Size League... 8 Figura 5 - Simulation League 2D e 3D, respectivamente... 9 Figura 6 - Robôs Aibo e Nao, respectivamente... 9 Figura 7 - Robôs da categoria F Figura 8 - Sistema do Futebol de Robôs Figura 9 - Representação de um sistema de visão computacional genérico Figura 10 - Adaptador gráfico simples Figura Níveis de intensidade Figura 12 - Monitor colorido Figura 13 Versão 8 bits, 16 bits e 64 bits do personagens Mario Figura 14 - Conceito de 4-vizinhança, vizinhança diagonal e 8-vizinhança Figura 15 - Representação do cubo RGB Figura 16 - Repreentação do cone HSI Figura 17 - Exemplo de Binarização Figura 18 - Tela do SSL-Vision Figura 19 - Tela do Projeto Find-Object Figura 20 - Exemplo de detecção de faces com OpenCV Figura 21 - Câmera na posição vertical Figura 22 - Campo Colocado na Parede Figura 23 - Passos para a calibração da câmera Figura 24 - Definição da Região de Interesse Figura 25 - Calibração das cores dos marcadores Figura 26 - Fluxograma do processamento Figura 27 - Identificação dos objetos no campo Figura 28 - Significado dos marcadores nos robôs Figura 29 - Reconhecimento dos robôs e da bola Figura 30 - Gráfico do tempo em segundos Vs Quantidade de robôs Figura 31 - Criando um exemplo no Qt Studio Figura 32 - Qt Studio configurado com o OpenCV... 54

8 vii Figura 33 - Vista em corte do olho humano Figura 34 - Como a imagem chega ao cérebro Figura 35 - Abertura e fechamento da córnea... 76

9 viii RESUMO O futebol de robôs se apresenta à comunidade científica com o intuito de ser um problema padrão para a pesquisa nas áreas de inteligência artificial, robótica e visão computacional. O problema consiste em realizar uma partida de futebol utilizando robôs autônomos como jogadores. Este tipo cenário envolve diversos problemas relacionados a muitas áreas do conhecimento, fazendo com que os participantes apliquem soluções com uma equipe multidisciplinar. Este trabalho descreve o projeto e a implementação de um módulo de visão computacional para futebol de robôs que utiliza uma abordagem por espaço de cores HSV e descritores, de forma que utilizam o método estatístico dos momentos. O módulo desenvolvido foi capaz de oferecer informações sobre a posição e identificação dos jogadores e da bola através da aquisição e processamento de imagens em tempo real, permitindo que ações possam ser tomadas automaticamente pela equipe. Palavras-chave: Visão Computacional, Futebol de Robôs, OpenCV, Descritores, HSV

10 ix ABSTRACT The robot soccer presents itself to the scientific community in order to be a standard problem for research in the areas of artificial intelligence, robotics and computer vision. The problem consists in bringing a soccer match using autonomous robots as players where this scenario involves several kinds of issues relating to many areas of knowledge, causing the participants to apply technical solutions with a multidisciplinary team. This work describes the project and the implementation of a computer vision module for robot soccer that uses an approach by the HSV color space and shape descriptors using the statistical method of moments. The module developed was able to providing information about the location and identification of the players also the ball through the acquisition and processing of images in real time, allowing actions to be taken automatically by the team. Keywords: Computer Vision, Robot Soccer, OpenCV, Descriptors, HSV

11 x SUMÁRIO 1. INTRODUÇÃO MOTIVAÇÃO OBJETIVO GERAL OBJETIVOS ESPECÍFICOS FUNDAMENTAÇÃO TEÓRICA ROBÓTICA FUTEBOL DE ROBÔS Modalidades Small Size League MÓDULO DE VISÃO DO FUTEBOL DE ROBÔS VISÃO COMPUTACIONAL PROCESSAMENTO DE IMAGENS Imagem Digital Vizinhanças de um Pixel Conectividade Convolução com Máscaras Modelos de Cor Operações Morfológicas Limiarização Região de Interesse Segmentação Descritores de Forma Momentos FERRAMENTAS SSL-Vision Find-Object OpenCV IDEs METODOLOGIA CAPTURA DA IMAGEM... 33

12 xi 3.2. CALIBRAÇÃO PROCESSAMENTO EXIBIÇÃO DAS INFORMAÇÕES RESULTADOS CONCLUSÕES E TRABALHOS FUTUROS BIBLIOGRAFIA APÊNDICES APÊNDICE 1 - INSTALAÇÃO DO OPENCV APÊNDICE 2 - CONFIGURAR O ECLIPSE, NETBEANS E QT STUDIO Eclipse NetBeans Qt Studio APÊNDICE 3 CÓDIGO-FONTE DO TRABALHO tcc.pro main.cpp mainwindow.ui mainwindow.h mainwindow.cpp Objeto.h Objeto.cpp Bola.h Bola.cpp Marcador.h Marcador.cpp Robo.h Robo.cpp APÊNDICE 4 BUG: UVCVIDEO ANEXOS SISTEMA DE VISÃO HUMANA... 74

13 xii No! Try not! Do... or do not. There is no try Master Yoda, Star Wars V

14 1. Introdução Este capítulo tem como objetivo introduzir o tema da pesquisa. Para isto, será explanado de forma simples o que incitou a pesquisa e por qual razão desenvolvê-la, bem como os objetivos gerais e específicos deste trabalho Motivação Encontramos diversas pesquisas no meio acadêmico sobre a utilização de sistemas de visão por máquina. Sua aplicabilidade é imensa, desde a robótica na exploração espacial até a medicina com a detecção de tumores. Dessa forma podemos afirmar que não existe uma implementação padrão para a resolução destas aplicações, o desenvolvimento vai depender dos objetivos de cada problema. Muitas vezes é necessário utilizar técnicas de inteligência artificial para poder avaliar o resultado encontrado de forma autônoma ou mesmo melhorar os parâmetros de entrada do sistema, tornando mais complexo de ser desenvolvido, porém mais robusto. A utilização destes algoritmos não estão limitados ao meio acadêmico e científico. Encontramos soluções com a utilização das técnicas na indústria e no comércio, como por exemplo, na automação industrial e no controle de qualidade (RUDEK; COELHO; CANCIGLIERI, 2001). Já o futebol de robôs é um desafio que é fortemente utilizado para estudos em diversas áreas como na eletrônica, mecânica e computação. Essa complexidade vem atraindo os olhares da comunidade acadêmica já que em um único campo de pesquisa podemos unir o fascínio do esporte com os desafios da robótica. Como é um ambiente dinâmico e de tempo real 1, o futebol de robôs torna-se um ótimo campo de estudo de caso para as técnicas de análise e processamento de imagens com objetivo de 1 Um sistema em tempo real é aquele que tem um tempo de resposta limite a um evento é pré-definido. Esse tempo de resposta é chamado de prazo da tarefa e a perda de um prazo, isto é, o não cumprimento de uma tarefa dentro do prazo esperado, caracteriza uma falha do sistema, que no nosso caso seria a não identificação do robô em um tempo limite de alguns milisegundos.

15 Introdução 2 reconhecer a posição e o movimento de cada objeto com a necessidade que ocorra um retorno rápido e preciso para o sucesso na partida de futebol. Uma das etapas mais importantes para o desenvolvimento de uma equipe de futebol de robôs é a implementação de seu sistema de visão. Basicamente, o sistema de visão computacional será responsável por localizar os elementos participantes (a bola e jogadores) e interpretar as informações adquiridas para a definição da melhor estratégia e ações a serem tomadas Objetivo Geral O objetivo do nosso trabalho é o desenvolvimento do módulo de visão computacional do time de futebol de robôs do IFPE que identifique os robôs e a bola no campo, através de ferramentas de código aberto Objetivos Específicos Desenvolver um módulo de visão computacional com base nos resultados obtidos com o OpenCV e com outros projetos que foram pesquisados e documentados neste trabalho com ferramentas open-sources. O módulo deve implementar um algoritmo para calibração e reconhecimento dos elementos aplicados ao futebol de robôs. Criar um tutorial simples para a configuração completa do ambiente de desenvolvimento no Linux, voltado à criação de sistemas de visão computacional. Antes de aplicar a metodologia escolhida vamos explicar os principais conceitos que serão necessários para criação de um sistema de visão computacional aplicado à robótica no capítulo 2. Serão abordados a história da robótica, criação do futebol de robôs bem como suas organizações e categorias. Depois partiremos para os principais conceitos da visão computacional e de processamento de imagens. No capítulo 3 analisamos as bibliotecas que são definidas pelas regras da competição e outras que são genéricas, mas voltadas para o objetivo do trabalho. Levantamos os custos da aquisição dos componentes necessários para criação da estrutura de apoio da equipe, como câmeras e placa de captura. Testamos alguns projetos e por fim implementamos nossa soluçãoo algoritmo para calibração e reconhecimento dos elementos aplicados ao futebol de

16 Introdução 3 robôs que esta disponível no apêndice 3. Os resultados encontrados e conclusões estão no capítulo 4 e 5 respectivamente.

17 Fundamentação Teórica 4 2. Fundamentação Teórica Neste capítlo serão abordados a história da robótica, criação do futebol de robôs bem como suas organizações, categorias e regras. Depois partiremos para os principais conceitos da visão computacional e de processamento de imagens Robótica Podemos definir a robótica mais do que a união de conhecimentos da engenharia eletrônica, mecânica e da computação. A diversidade de tipos de robôs impedem que tenha uma definição que seja universalmente aceita. Acredita-se que o termo robótica foi usado pela primeira vez pelo escritor de ficção científica Isaac Asimov. Em 1941, foi lançada uma de suas mais famosas obras literárias, o livro I, Robot (Eu Robô). Nessa obra, Isaac Asimov descreveu as três leis da robótica, que segundo o autor, foram criadas exclusivamente para manter a segurança da humanidade. Segundo (RIA) um robô é um dispositivo mecânico articulado reprogramável, que de forma autônoma e recorrente à sua capacidade de processamento obtem informação do meio através de sensores, toma as decisões do que fazer de acordo com uma base de informações ou manipula objetos através de atuadores. Tal preocupação já citadas em obras científicas são justificadas atualmente. Em muitos setores da indústria existem sistemas de automação com robôs. Seja na realização de tarefas perigosas para os seres humanos ou atividades repetitivas que necessitam de uma alta demanda humana, a utilização de robôs no dia a dia é uma realidade. Uma das aplicações que demostram a importância da robótica é o projeto Mars Exploration Program (NASA, 2004) que desde 1997 apresenta resultados e descobertas, até então inalcançável através de robôs de exploração. Outra execelente aplicação são os Exoesqueletos para Aumento de Performance Humana que pertencem a uma classe especial de sistemas robóticos que são concebidos para aumentar as capacidades da força humana como demonstrado em (SIMONE et al., 2011) e (CASSADIO et al., 2011). A principal característica destes tipos de dispositivos é que o operador humano "veste" o robô e controla os movimentos do mesmo, movendo seus membros de forma natural. EHPA são geralmente destinados a aplicações de dispositivos

18 Fundamentação Teórica 5 de apoio aos idosos, pessoas com deficiências locomotoras, na área militar e em aplicações no qual a manipulação de materiais pesados em ambientes não estruturados ou estreitos são necessários. O laboratório PERCRO da Scuola Superiore Sant Anna completou recentemente o desenvolvimento e avaliação funcional do sistema Extensores Corporais BE. O sistema é composto por quatro membros robóticos com cinemática antropomórficas e tem um total de 22 graus de liberdade como visto na Figura 1. A perna dá locomoção e da força com uma servo-amplificação onde permite operações em ambientes que são de difícil acesso pelos convencionais sistemas de manuseio, preservando a sensibilidade durante a manipulação das tarefas. Figura 1 - Imagem do PERCRO BE (PERCRO, 2014) O brasileiro e neurocientista Miguel Nicolelis está desenvolvendo o primeiro exoesqueleto controlado apenas pela mente no mundo em conjunto com pesquisadores de vários países. O projeto se chama Walk Again ou Andar de novo (tradução oficial) e é um resultado de anos de pesquisa de Miguel Nicolelis na Universidade de Duke, EUA (NICOLELIS, 2014), onde o objetivo inicial seria um cadeirante levantar e andar como na Figura 2.

19 Fundamentação Teórica 6 Figura 2 - Projeto Andar Denovo (BLOGDACOPA, 2014) O projeto já apresentou resultados positivos com macacos e já está na fase final de treinamento com seres humanos. Na abertura da Copa do Mundo de Futebol no Brasil, foi feita a primeira demonstração com seres humanos para bilhões de pessoas em todo mundo, onde um paraplégico deu o pontapé inicial da primeira partida da Copa de 2014 que foi entre as seleções do Brasil e Croácia. Esses projetos e tantos outros, demonstram o poder e a importância da robótica para a sociedade (MOREIRA; VASCONCELOS, 2010) (YASUTOMI; MIRANDA, 2011) (BECKER, 2000) Futebol de Robôs Diversas áreas de pesquisa utilizam, como base para seus estudos, problemas de interesse público, de fácil entendimento e que apresentem resultados práticos. Esta prática estimula o ingresso de pesquisadores nestas áreas, além de divulgar os trabalhos realizados para o público em geral. Um problema de crescente aceitação acadêmica é o uso de robôs autônomos em partidas de futebol (PEREZ et al., 2012). Problemas de domínio simbólico, como o jogo de xadrez, possuem um ambiente estático com acesso total às suas informações. Em contraste, o futebol de robôs é realizado em um ambiente dinâmico e em tempo real. Uma partida de futebol com robôs autônomos pode ser utilizado como objeto de pesquisa em diversas áreas da engenharia e da ciência da computação (MEHL et al., 2001). Dentre estas áreas estão a robótica, a inteligência artificial, os sistemas multiagentes, a visão computacional e os sistemas de tempo real (COSTA; PEGORARO, 2000) (ASSIS et al., 2005) (DALBEM, 2010) (NEVES; TADDEI;

20 Fundamentação Teórica 7 BANDEIRA, 2004). O objetivo geral de uma equipe pode ser dividido em vários objetivos secundários, como obter a posse da bola, identificar a posição dos agentes no campo e fazer ou evitar gols. Levando em consideração a situação do jogo, cada membro da equipe deve ter um comportamento cooperativo, flexível e rápido para alcançar os objetivos do time. Os pesquisadores organizaram-se em torno do tema futebol de robôs com o objetivo de disseminar a utilização deste problema como plataforma de pesquisa. Paralelamente duas organizações foram criadas, ambas com o intuito de organizar competições internacionais de futebol de robôs e assim incentivar a produção científica na área e o aperfeiçoamento das equipes (KITANO et al., 1997). A Federation International of Robot Soccer Association organiza competições internacionais para a promoção do futebol de robôs desde A RoboCup é uma iniciativa internacional que incentiva a pesquisa sobre futebol de robôs através da organização de competições internacionais anuais desde 1997, (FIRA, 2014) no qual seu objetivo é em que 2050 o campeão do RoboCup vença o time campeão mundial humano (BURKHARD et al., 2002). As competições na RoboCup são divididas em várias modalidades, que variam quanto aos limites do campo e à forma dos robôs. Além de robôs reais, a FIRA e a RoboCup possuem modalidades no qual a partida é simulada Modalidades No RoboCup existem outras competições envolvendo robôs autônomos, entre elas estão as modalidades Rescue que promove a pesquisa e desenvolvimento no domínio socialmente significativo que é a de resgate em desastres onde a vida humana é colocada em risco, a que desenvolvem robôs que operam em cenários relacionados ao trabalho e a que visa desenvolver serviços de tecnologia assistida robótica com alta relevância para futuras aplicações domésticas pessoais. Ainda tem a modalidade Júnior que envolvem jovens estudantes desde a escola primária até alunos de graduação envolvidos em desafios de dança, futebol e resgate com robôs. Na parte de futebol, temos as modalidades: a. Humanoid: Robôs autônomos com um corpo e sensores parecidos com o de um humano para jogar futebol um contra o outro. Entre as muitas questões de pesquisa

21 Fundamentação Teórica 8 investigadas nesta liga estão as dinâmicas como andar, correr e chutar a bola, manter o equilíbrio, percepção visual da bola, de outros jogadores, e no campo, a auto localização e o jogo em equipe como visto na Figura 3. Figura 3 - Humanoid League (TECHNO, 2011) c. Middle Size: Robôs de tamanho médio de diâmetro não superior a 50 cm que deve jogar futebol em equipes de até seis robôs com uma bola de tamanho normal da FIFA em um campo semelhante a um campo de futebol humano em escala. Todos os sensores são on-board. Robôs podem usar a rede sem fio para se comunicar. O foco da pesquisa está em plena autonomia e cooperação a nível do plano e de percepção mostrado na Figura 4. Figura 4 - Middle Size League (NIPPON, 2012) d. Simulation: Esta é uma das ligas mais antigas da RoboCup Soccer. O foco nesta liga é em inteligência artificial e estratégia da equipe. Em simuladores, agentes de forma e movimentos independentes jogam futebol em um campo virtual dentro de um computador. Há duas subligas: 2D e 3D. Na Figura 5 é possível ver como são as ligas.

22 Fundamentação Teórica 9 Figura 5 - Simulation League 2D e 3D, respectivamente (DIGPLANET, 2014) (NEXUS, 2009) e. Standard Platform: Neste campeonato todas as equipes usam robôs padronizados. Portanto, as equipes se concentram no desenvolvimento do software apenas, enquanto usam o estado da arte em robôs. Usar visão omnidirecional não é permitido, forçando a tomada de decisão de compartilhamento do campo de visão de cada robô para a auto-localização e localização da bola. O campeonato substituiu o grande sucesso Four-Legged League, baseado nos robôs cão Aibo da Sony, e agora é baseada em robôs humanóides Nao na Figura 6. Figura 6 - Robôs Aibo e Nao, respectivamente (IGREBOT, 2014) (IAUBS, 2010)

23 Fundamentação Teórica Small Size League A SSL é uma das diversas modalidades de futebol de robôs da Robocup. Para essa categoria são utilizados robôs com o modelo especificado nas regras F180 2 (Small Size Robot Soccer). Segundo o manual da FIRA a modalidade SSL tem como característica o foco na cooperação entre os agentes e controle inteligente em um ambiente altamente dinâmico, com um sistema híbrido centralizado mostrado na Figura 7. Figura 7 - Robôs da categoria F180 (CORAL, 2010) A competição ocorre entre duas equipes de até seis robôs com medidas limitadas a 18 cm de diâmetro e 15 cm de altura, que participam de uma partida de futebol com uma bola laranja. Eles são identificados e monitorados por duas câmeras acopladas em cima do campo e conectadas a um computador como visto na Figura 8. O campo tem o formato retangular, feito com tapete ou carpete verde e com duas opções de tamanho, único com 6050mm x 4050mm e o dobrado com 8090mm x 605 mm. As demarcações do campo são feitas com linhas brancas de 10mm e o sistema de visão através das duas câmeras, localizadas uma em cada parte do campo, é compartilhada para as duas equipes onde os dados são enviados via Ethernet seguindo o protocolo do software SSL- Vision, que será mencionado na metodologia. 2 As regras da modalidade F180 estão disponíveis em Acessao em 2014

24 Fundamentação Teórica 11 Figura 8 - Sistema do Futebol de Robôs (LAB, 2008) 2.3. Módulo de Visão do Futebol de Robôs O módulo de visão computacional envolve as etapas de aquisição e identificação. Ele deve obter informações referentes aos componentes do jogo visualmente, permitindo a decisão de estratégia da equipe (SCHOUTE; POEL; HEIJDEN, 2003). Os componentes do jogo relevantes a este módulo são: os jogadores da equipe adversária, a bola e os jogadores da própria equipe. Existem duas abordagens possíveis em um módulo de visão para futebol de robôs: visão embarcada e visão global (MCMAHAN; BUNTING; MIDDLETON, 2014) (AIRES; ALSINA; MEDEIROS, 2001) (SCHWARTZ et al., 2003). No modelo de visão embarcada as imagens são adquiridas com a perspectiva dos jogadores, sendo que cada um dos robôs carrega consigo uma câmara (ANDRADE; MATOS; FREIRE, 2006). Diferente deste modelo, a visão global consiste na visualização de todo o campo (GARCIA et al., 2007). O primeiro passo da identificação visual é localizar a posição da bola e de todos os robôs, adversários ou não, no campo. Entretanto, antes deste passo o sistema vai naturalmente precisar de uma etapa de calibração de modo a se adaptar às condições de iluminação do campo, que será descrita na parte da metodologia deste trabalho. A representação da posição de cada um destes componentes pode ser feita através da sua posição relativa ou absoluta. Enquanto a posição relativa é dada pela sua distância em

25 Fundamentação Teórica 12 duas dimensões até um determinado ponto, a posição absoluta é representada por um par ordenado indicando sua posição no plano cartesiano que representa o campo. Para identificar a movimentação da bola e dos robôs adversários, é necessário determinar a direção do movimento de cada um e sua velocidade. Esta identificação é feita através de um acompanhamento temporal da posição global destes componentes. Os robôs que pertencem à equipe devem ser identificados para que o módulo de estratégia saiba a quem atribuir as ações (FIRA, 2014). Esta identificação pode ser feita através de uma associação pelo acompanhamento temporal ou através de marcas colocadas sobre cada um dos robôs. Marcas também devem ser utilizadas para possibilitar a identificação da orientação de cada robô, outra informação necessária para o módulo de estratégia. Além de responder ao sistema com confiabilidade, exatidão, regularidade e latência mínima, o módulo de visão deve ser robusto a alterações da iluminação e a mudanças na cor do campo de jogo, e deve suportar as variações de cores utilizadas pela equipe adversária. Estas características indicam a qualidade da implementação do módulo e determinam o sucesso da equipe em competições (BIANCHI; REALI-COSTA, 2000) (MARTINEZ- GOMEZ; WEITZENFELD, 2004) Visão Computacional Um SVC é um sistema computadorizado capaz de adquirir, processar e interpretar imagens correspondentes a cenas reais (GONZALES; RICHARD, 2000). As etapas são semelhantes ao sistema visual humano, como visto no Anexo 1. A Figura 9 mostra esquematicamente um diagrama de blocos de um SVC, onde as etapas deste são: aquisição de imagens, pré-processamento, segmentação, extração de características, reconhecimento e interpretação. Vale ressaltar que nem todos os os SVCs possuem todas estas etapas (BALLARD; BROWN, 1982).

26 Fundamentação Teórica 13 Figura 9 - Representação de um sistema de visão computacional genérico (FILHO; NETO, 1999) A aquisição da imagem envolve a escolha do tipo de sensor, o conjunto de lentes a utilizar, as condições de iluminação da cena, os requisitos de velocidade de aquisição (assumindo que os robôs estariam a todo momento mudando de lugar), a resolução e o número de níveis de cinza da imagem que poderiam estar digitalizada, dentre outros. O pré-processamento consiste em aprimorar a qualidade da imagem para as etapas subsequentes. As operações efetuadas nesta etapa são ditas de baixo nível porque trabalham diretamente com os valores de intensidade dos pixels. A imagem resultante desta etapa é uma imagem digitalizada de melhor qualidade (com menos ruídos) que a original. A tarefa básica da etapa de segmentação é a de dividir uma imagem em suas unidades significativas, ou seja, nos objetos de interesse que a compõem. Esta tarefa, apesar de simples de descrever, é uma das mais difíceis de implementar. Reconhecimento é o processo de atribuição de um rótulo a um objeto baseado em suas características, traduzidas por seus descritores. A tarefa de interpretação, por outro lado, consiste em atribuir significado a um conjunto de objetos reconhecidos. Todas as tarefas das etapas descritas acima pressupõem a existência de um conhecimento sobre o problema a ser resolvido, armazenado em uma base de conhecimento, cujo tamanho e complexidade podem variar enormemente. Idealmente, esta base de conhecimento deveria não somente guiar o funcionamento de cada etapa, mas também permitir a realimentação entre elas (RUDEK; COELHO; CANCIGLIERI, 2001) (BIANCHI, 2001).

27 Fundamentação Teórica Processamento de Imagens Como um subcampo do processamento digital de sinais, o processamento digital de imagem possui algumas vantagens sobre o processamento analógico de imagem como por exemplo, permitir que uma série mais ampla de algoritmos sejam aplicados aos dados de entrada e poder evitar problemas como a distorção de sinais durante o processamento e o acúmulo de ruídos. Da etapa de aquisição até o reconhecimento e interpretação dos dados é necessário utilizar várias técnicas (como morfológicas), que serão necessárias para resolver o problema em questão. As técnicas relevantes para este trabalho serão abordadas posteriormente Imagem Digital Uma imagem digital consiste em um arranjo bidimensional de valores que representam as características luminosas de objetos em uma cena, sendo cada um destes elementos chamado de pixel (picture element). Uma imagem digital pode ser representada por uma função bidimensional f(x,y), onde x indica uma coluna e y uma linha na imagem (FILHO e NETO, 1999). Mas antes da imagem ser exibida na tela, ela tem que primeiro ser escrita para locais de memória RAM endereçáveis. Estes são agora chamados de adaptadores gráficos, mais precisamente descrito como RAM de vídeo. VRAM locais são então digitalizadas e a saída resultante de cada célula ativa um pixel correspondente na tela. (HUMPHRIS, 2013) Na Figura 10 é possível ver um exemplo de um display monocromático de dois níveis, preto e branco, com 150 pixels. Displays monocromáticos requerem apenas um bit por pixel que está definido para binário 1 para a ativação do mesmo ou 0 para desliga-lo.

28 Fundamentação Teórica 15 Figura 10 - Adaptador gráfico simples (HUMPHRIS, 2013) Para aumentar a quantidade de tons discretos é preciso aumentar os níveis da VRAM. Como visto na Figura 11, para se ter 255 tons é preciso ter 8 níveis de VRAM. As posições de linha e coluna são digitalizada exatamente como antes só que desta vez um terceiro valor é calculado o qual é derivado a partir da combinação dos oito níveis. Isso irá produzir um valor equivalente decimal entre 0 e 255, onde desabilita o pixel e 255 habilita totalmente para o máximo de intensidade. O cálculo da posição superior do pixel esquerdo é mostrada como um exemplo na Figura 11. Comparando esta com o exemplo anterior pode-se ver que, para produzir 255 tons requer oito vezes mais memória. Figura Níveis de intensidade (HUMPHRIS, 2013)

29 Fundamentação Teórica 16 A última etapa no desenvolvimento da compreensão de uma imagem digital, seria a expansão para as cores, que são as combinações de três matrizes VRAMs para as saídas R, G, B, representando respectivamente os componentes vermelho, verde e azul da cor da imagem na posição. Segundo (HUMPHRIS, 2013), cada cor é tratada separadamente; transformando quaisquer dois pixels para fora das três, onde a tríade resultaria em um display colorido único como visto na Figura 12. A mistura de cores é feita dentro do olho humano onde os pixels vermelhos, verdes e azuis são ativados a vários graus como explicado no Anexo 1. Figura 12 - Monitor colorido (HUMPHRIS, 2013) As placas gráficas têm a sua própria memória de vídeo dedicada para armazenar imagens de tela e quanto mais melhor. Normalmente, uma placa de vídeo com 64 MB ou 128MB irá atender a maioria das aplicações, mas esta deve ser aumentada para 256 MB ou trabalhar com Gigabytes para lidar com jogos de computador e renderizações, por exemplo. Segundo (FILHO; NETO, 1999) a profundidade de cor é um termo da computação gráfica que descreve a quantidade de bits usados para representar a cor de um único pixel numa imagem. Este conceito é conhecido também como bits por pixel (bpp) e quanto maior a quantidade de bits presente na imagem, maior é a escala de cores disponível.

30 Fundamentação Teórica 17 A Figura 13 mostra um exemplo deste efeito, na diferença do nível de detalhes do personagem da Nintendo Mario. Neste exemplo, tanto a quantidade de pontos como a quantidade de cores varia significativamente. Figura 13 Versão 8 bits, 16 bits e 64 bits do personagens Mario 3 (PODCASTS, 2014) Vizinhanças de um Pixel Como dito anteriormente, o pixel p será representado pela coordenada (x,y). Considerando um pixel p, suas coordenadas terão quatro vizinhos horizontais e verticais cujo suas localizações no plano serão representadas da seguinte forma: (x+1, y), ( x-1, y), (x, y+1) e (x, y-1). Esse conjunto de pixels é conhecido como vizinhança de 4 de p. Cada pixel está a uma distância de (x,y), sendo que alguns vizinhos de p poderão ficar de fora se o pixel em questão estiver em uma borda da imagem digital. Também podemos representar os quatro vizinhos diagonais de p. Suas coordenadas são: (x+1, y+1), ( x-1, y-1), (x-1, y+1) e (x-1, y-1). Esses pontos junto com a vizinhança de 4 são chamadas de vizinhança de 8 de p. Da mesma forma que a vizinhança de 4, alguns pontos da imagem poderão estar fora se a mesma 3 Todos os direitos do personagem Mario são reservados à Nintendo Company, Limited

31 Fundamentação Teórica 18 se encontrar na borda. Na Figura 14 podemos visualizar os 3 tipos de vizinhanças com os pontos marcados com cinza. Figura 14 - Conceito de 4-vizinhança, vizinhança diagonal e 8-vizinhança (GONZALES; RICHARD, 2000) Conectividade O conceito de conectividade é fundamental para identificação das bordas e de regiões de interesse de um objeto em uma imagem. Dois pixels estão conectados se os mesmos de alguma forma estão inclusos em algum tipo de vizinhança e se são de valores ou níveis de cinza, similares. (GONZALES; RICHARD, 2000) Convolução com Máscaras Em processamento de imagens é muito frequente utilizar técnicas como digitalização, detecção de bordas e filtragem de ruídos, nas quais são efetuadas a partir do conceito de convolução de máscaras. A operação de convolução unidimensional entre dois vetores A e B, denotada A*B, pode ser entendida como um conjunto de somas de produtos entre os valores de A e B, sendo que inicialmente o vetor B é espelhado e após cada soma de produtos é deslocado espacialmente de uma posição (FILHO; NETO, 1999). Este raciocínio pode ser expandido para o caso bidimensional, onde a imagem a ser processada é uma matriz relativamente grande e corresponde ao conjunto A, enquanto uma matriz de pequenas dimensões (também chamada máscara ou janela) corresponde ao conjunto B (JÄHNE, 1991). A máscara percorrerá todos os pontos da imagem deslocando-se ao longo de cada linha e entre as várias linhas, da direita para a esquerda, de cima para baixo, até ter processado

32 Fundamentação Teórica 19 o último elemento da matriz imagem. O resultado será armazenado em uma matriz de mesmas dimensões que a imagem original. Matematicamente, na sua forma contínua ela é definida como a integral do produto de uma das funções por uma cópia deslocada e invertida da outra; a função resultante h depende do valor do deslocamento. Se x for a variável independente e u, o deslocamento, a fórmula pode ser escrita como na Equação 1: + (f g)(x) = h(x) = f(u) g(x u)du Equação 1 - Convolução Contínua (WIKIPÉDIA, 2014) Entretanto, em imagens digitais, é usada a definição de convoluções para funções de domínio discreto como visto na Equação 2. (f g)(k) = h(k) = f(j) g(k j) j=0 Equação 2 - Convolução Discreta (WIKIPÉDIA, 2014) k No qual f e g são sequências de tamanho n e a fórmula fornece o valor do k-ésimo elemento do resultado. Deve-se notar que o tamanho de h na Equação 2 é 2n-1, isto é, k varia de 0 a 2n Modelos de Cor O modelo RGB O modelo padrão de representação de cores em imagens digitais é chamado de RGB (Red, Green and Blue). Penharbel, et al. (2004) falam que esse modelo é usado pela maioria dos dispositivos de aquisição e visualização de imagens, podendo ser visto como um cubo de cores na Figura 15 onde os componentes vermelho, verde e azul correspondem aos eixos x, y e z.

33 Fundamentação Teórica 20 Figura 15 - Representação do cubo RGB (PENHARBEL et al., 2004) Os tons de cinza ocorrem quando os três componentes possuem valores iguais, seguindo a diagonal principal do cubo, com a origem (0,0,0), preta, e a extremidade inversa (255,255,255), branca O modelo de cores HSV O modelo HSV (Hue, Saturation and Value) que tem o formato cilíndrico, também é conhecido no seu formato cônico como HSI (Hue, Saturation and Intensity) e é o modelo de cores que mais se aproxima da percepção humana, onde H significa e representa a matiz e S à saturação visto na Figura 16. O componente V ou I, representa a intensidade da cor, deslocando verticalmente o vetor da cor. Figura 16 - Repreentação do cone HSI (PENHARBEL et al., 2004)

34 Fundamentação Teórica 21 Segundo (CARDANI, 2004) o espaço de cores HSI tem um formato de cone, com H variando de 0 a 360 graus e S e I variando de 0 a 100 por cento, como mostrado na anterior. As equações de transformação do formato de cor do RGB para o HSV, e vice versa, podem ser vistas nas Equações 3 e 4. Θ, B G H = { 360 Θ, B > G 1 (R Θ = cos 1 ( 2 G) + (R B) (R G) 2 + (R B)(G B) ) S = 1 3 (min(r, G, B)) (R + G + B) I = 1 (R + G + B) 3 Equação 3- Transformação de RGB para HSI R = I (1 + S cos(h) cos (60 H) ) G = 1 (R + B) B = I(1 S) Equação 4 - Transformação de HSI para RGB Operações Morfológicas Um dos grandes problemas em processamento e análise de imagens refere-se à extração das componentes de interesse contidas na cena original. Os conceitos de processamento de imagens mais utilizados no trabalho foram as operações morfológicas. Basicamente a morfologia matemática consiste em extrair as informações relativo às características de uma imagem e compará-la com um outro conjunto menor e de forma já conhecida. Chamamos esse outro conjunto de elemento estruturante. Logo, sua base consiste na teoria dos conjuntos como visto em (JÄHNE, 1991). As aplicações podem ser utilizadas com objetivos distintos nas várias técnicas para análise de imagem, como segmentação e reconhecimento de bordas, por exemplo. Tais técnicas foram muito utilizadas nesse projeto. A seguir iremos detalhar algumas operações morfológicas importantes e utilizadas nesse trabalho.

35 Fundamentação Teórica Erosão Erosão é uma das operações básicas da morfologia matemática. Inicialmente foi definida para operações com imagens binárias. Porém atualmente sua utilização já foi estendida para imagens em tons de cinzas (GONZALES; RICHARD, 2000). Sejam A e B conjuntos no espaço Z².A erosão de A por B, denotada A θ B, é definida como: AΘB = {x (B) x A; A, B Z²} Equação 5 - Erosão de A por B Podemos dizer que a erosão de A por B resulta no conjunto de pontos x tais que B, transladado de x, está contido em A Dilatação A operação de dilatação, segundo (FILHO; NETO, 1999) também as vezes chamada de dilação, é uma transformação morfológica que combina dois conjuntos usando adição vetorial. Seu símbolo é. Como o nome diz, o resultado será uma imagem engordada. Geralmente utiliza-se um elemento estruturante para aprofundar e expandir as formas contidas em uma imagem. Utilizando um elemento estruturante onde todos os valores são positivos para efetuar uma dilatação numa imagem em níveis de cinza, obtém-se como imagem resultante uma imagem com detalhes escuros atenuados e detalhes claros acentuados. A operação de dilatação em tons de cinza fornece como saída uma imagem com as mesmas dimensões da imagem de entrada e pixels com valores de 0 a 255, para o caso de uma imagem original com 256 níveis de cinza. Matematicamente, podemos definir a operação de dilatação da seguinte forma: A B = {x (B ) x A ; A, B Z²} Equação 6 - Dilatação de A por B Onde A e B são conjuntos no espaço Z², por exemplo e seja o conjunto vazio.

36 Fundamentação Teórica Limiarização Limiarização, ou thresholding, é um processo que se baseia na diferença dos níveis de cinza que compõe diferentes objetos de uma imagem. Escolhe-se um número (limiar) que servirá de base para definir dois grupos: o grupo de pixels com níveis de cinza abaixo do limiar e o grupo de pixels com níveis de cinza acima do limiar. Em uma imagem limiarizada, atribui-se um valor fixo para todos os pixels de mesmo grupo (FILHO; NETO, 1999). Matematicamente, a operação de limiarização pode ser descrita como uma técnica de processamento de imagens na qual uma imagem de entrada f(x,y) de N níveis de cinza produz à saída uma imagem g(x,y), chamada de imagem limiarizada, cujo número de níveis de cinza é menor que N. Normalmente, g(x,y) apresenta 2 níveis de cinza, sendo: g(x, y) = 1 se f(x, y) T { g(x, y) = 0 se f(x, y) T Equação 7 - Condição de Limiarização No qual os pixels rotulados com 1 correspondem aos objetos e os pixels rotulados com 0 correspondem ao fundo (background) e T é um valor de tom de cinza pré-definido, ao qual denominamos limiar. Para este exemplo de limiarização dá-se o nome de binarização. Na Figura 17 vemos um exemplo de uma imagem original em escala de cinza (a) e seu histograma (b) e logo abaixo sua imagem binarizada (c) com um limiar indicado em (d).

37 Fundamentação Teórica 24 Figura 17 - Exemplo de Binarização (GONZALES; RICHARD, 2000) Região de Interesse Para medir um parâmetro dentro de uma imagem, o sistema de processamento precisa distinguir as áreas de interesse. Esta "região de interesse" ou ROI pode ser determinada com base em valores da intensidade do pixel ou uma área determinada pelo usuário (Thresholding and the Region of Interest, 2014) Segmentação O processo de separação da região de interesse em uma imagem é chamado de segmentação. Uma forma simples de segmentação é considerar um intervalo de valores da intensidade do pixel, para identificação de objetos de interesse em uma imagem. Há outras formas mais sofisticadas de identificação. Quando dividimos uma imagem digital em várias regiões com o objetivo de simplificar sua análise estamos utilizando as técnicas de segmentação de imagens. Com as técnicas de segmentação é possível localizar objetos de interesse e formas em uma determinada imagem (BRUCE; BALCH; VELOSO, 2000).

38 Fundamentação Teórica 25 Atualmente várias técnicas e algoritmos de segmentação já foram desenvolvidos porém não há uma solução definitiva e geral para resolução dos problemas. Na maioria das vezes é necessária uma combinação das técnicas existentes para solução de um determinado problema. Dentre os tipos de segmentação podemos abordar as baseadas em formatos que têm como o objetivo a detecção de pontos, linhas ou bordas por exemplo. As baseadas em características dos pixels que estão em análise na imagem, baseando-se em suas cores e suas intensidades e por fim a segmentação baseada no histograma de uma imagem. Sua aplicação ocorre nas mais diversas áreas, como: no sistema de reconhecimento de faces, análise de imagens médicas (JÄHNE, 1991) para detecção de tumores, volumes de tecidos, estruturas anatômicas e por fim, nos sistemas de visão computacional voltados para robótica como utilizado nesse trabalho Descritores de Forma Depois que a imagem foi segmentada em regiões, os pixels agrupados são geralmente representado e descritos em formatos apropriados para o processamento das informações. No qual, de uma maneira simples, podemos representar esta região em termos de suas características externas (sua fronteira), ou em termos de características internas (os pixels que compõem a região) (BASSO, 2002). Geralmente, uma representação externa é escolhida quando o que interessa estiver voltado para características de forma e na representação interna quando for voltada para propriedades como cor ou textura. Os descritores de formas são métodos matemáticos que representam a forma da região ou objeto segmentado, onde idealmente devem possuir invariância a rotação, ponto de início, translação e escala (SILVA et al., 2007) Momentos A forma dos segmentos da fronteira pode ser descritas quantitativamente através dos momentos. Segundo (SOUZA; PISTORI, 2005) um dos métodos utilizados para a extração das características da imagem são os momentos da imagem, ou momentos estatísticos.

39 Fundamentação Teórica 26 Esses momentos e suas funções podem ser caracterizados como valores numéricos, calculados a partir de uma imagem previamente segmentada e são utilizados para fornecer descrições resumidas da distribuição espacial dos pontos contidos na imagem bidimensionais analisada. Esses momentos de ordem p + q sobre uma função contínua 2D, de acordo com (HU, 1962) são calculados de acordo com a Equação M pq = x p y q I(x, y)dxdy Equação 8 - Momentos de ordem p+q Em (SOUZA; PISTORI, 2005) também fala que uma imagem pode ser visualizada como uma função de duas dimensões discreta F, onde a intensidade de cada pixel é indexada como F(x,y). A Equação 9, como demonstrado em (HU, 1962) é a derivação da Equação 8 de momentos aplicados a imagens, visto que quando estamos trabalhando com imagens digitais, as integrais são substituídas por somatórios. largura altura M pq = x p y q I(x, y) x=1 y=1 Equação 9 - Momentos aplicados a imagens Em (SILVA et al., 2007) podemos ver que para representar objetos através de momentos, são considerados apenas os pixels pertencentes ao objeto. Através dos momentos é possível achar propriedades interessantes, como por exemplo o centro de massa x e y representados pelos momentos M 10 M 00 e M 01 M 00, onde M 00 é o momento que representa a área do objeto. É possível derivar também os momentos centrais para imagens definidos pela Equação 10. largura altura M pq = (x x ) p (y y ) q I(x, y) x=1 y=1 Equação 10 - Momentos centrais

40 Fundamentação Teórica 27 Onde a partir deste momento central, podemos achar propriedades derivadas como variância em X e Y e a direção do objeto com as fórmulas 11 e 12 (HU, 1962). σ x 2 = u 20 m 00, σ y 2 = u 02 m 00 Equação 11 - Variância em X e Y tan θ = (u 02 u 20 2u 11 + λ) (u 02 u u 11 λ) Equação 12 - Direção do Objeto Embora os momentos sejam o método mais popular, eles não são os únicos descritores que podem ser usados com esse propósito. Por exemplo, um outro método consiste no cálculo da transformada de Fourier unidimensional, obtendo seu espectro e utilização de seus primeiros componentes para a descrição da função. A vantagem dos momentos em relação a outras técnicas é que sua implementação é direta, além de eles carregarem uma interpretação física da fronteira de uma forma e suas características serem invariantes à escala, à posição e à orientação (HU, 1962) Ferramentas Encontramos bibliotecas e projetos que ajudaram a entender os conceitos e aplicações do trabalho, como por exemplo o SSL-Vision, o Find-Object e a biblioteca OpenCV. A primeira plataforma encontrada para o estudo da visão computacional voltada para o projeto foi a SSL-Vision. O motivo da escolha dessa plataforma para o inicio da pesquisa deve-se ao fato da mesma ser atualmente o sistema de captura de vídeo oficial da Robocup categoria SSL (FIRA, 2014) SSL-Vision Em meados de 2009 o comitê organizador da Robocup decidiu criar um sistema de visão compartilhada para uso de todas as equipes. Esse sistema não só compartilha o software mas também permite que as duas equipes utilizem o mesmo hardware (câmeras acopladas no

41 Fundamentação Teórica 28 suporte acima do campo). Dessa forma é criado um ambiente padrão para realização da competição por diversas equipes como visto na Figura 18 (About the Small Size League, 2008) (ZICKLER et al., 2010). Figura 18 - Tela do SSL-Vision (SSL VISION, 2010) Todas as pesquisas do estado da arte demonstraram resultados satisfatórios dessa plataforma (KAICK et al., 2001) (MARTINEZ-GOMEZ; WEITZENFELD, 2004) (MARTINS; TONIDANDEL; BIANCHI, 2006) (SOUSA; PINTO; PINTO, 2010) (GRITTANI; G.GALLINELLI; RAMŕEZ, 2000) onde mesmo sendo padrão, o ambiente permite que cada equipe desenvolva sua própria estratégia, focando apenas no desenvolvimento dos algoritmos sem se preocupar com interface gráfica e outros requisitos que são essenciais como calibração, comunicação, captura das imagens das duas câmeras e definição de parâmetros. Porém como dito anteriormente, para padronizar os recursos utilizados por todas as equipes da categoria Small Size, as regras definem o tipo de hardware utilizado pelas equipes para o desenvolvimento de sua estratégia. Como um dos objetivos do trabalho é ser de baixo custo, não foi possível utilizar o padrão de câmera e conectores especificado nas regras da categoria. É necessário para completa utilização desse projeto câmeras do tipo IEEE 1394 / DCAM com placas de captura com conexão Firewire para obtenção de uma maior largura de banda. Através de pesquisas de mercado foi identificado o investimento necessário conforme a Tabela 1.

42 Fundamentação Teórica 29 Equipamento Valor Guppy F-046.A 1/2" CCD Color R$ 2.232,50 Placa Captura Firewire Ieee 1394a R$ 139,99 Cabos Firewire Ieee 1394 R$ 22,99 Total R$ 2.395,48 Tabela 1 - Preço dos Equipamentos Como observado na Tabela 1, o investimento médio para a ter todos os equipamentos necessários para a aquisição das imagens do campo é de R$ 2.395,48, tornando uma das partes mais caras do projeto de uma equipe. Dessa forma cancelamos os testes com o SSL- Vision e iniciamos uma nova pesquisa focada em uma implementação completa, simples e eficiente que possa ser utilizada em um ambiente de captura controlado e com baixo investimento em recursos computacionais. O novo foco se tornou a procura de uma biblioteca que aceitasse comunicações USB para utilização de uma webcam. Contudo, vale ressaltar que toda a parte de aquisição e calibração das imagens já estão implementadas na plataforma, sendo necessário apenas codificar a parte de processamento de imagens se quiser um melhor desempenho com alguma técnica específica Find-Object Na procura por novas soluções para o problema encontramos o projeto Find-Object que são implementações de técnicas de processamento de imagens no OpenCV como SIFT, SURF, FAST, BRIEF voltadas para reconhecimento de objetos como visto na Figura 19.

43 Fundamentação Teórica 30 Figura 19 - Tela do Projeto Find-Object (FIND-OBJECT, 2012) Como o projeto é um projeto aberto (LABBÉ, 2012), estudamos o seu código e avaliamos a viabilidade do projeto e das técnicas que utilizam algoritmos de aprendizagem de máquina e redes neurais. Após alguns testes identificamos que o projeto atende as expectativas com relação a identificação de objetos em imagens, porém não atende a um dos principais requisitos necessário nas implementações voltadas para o futebol de robôs: o tempo de processamento. Além da preocupação com a precisão e tolerância à variação de luminosidade no campo, o tempo de processamento é uma dos requisitos fundamentais para o sucesso do projeto. Como o projeto não conseguiu atender as necessidades de um sistema em tempo real, resolvemos utilizar a ferramenta de visão computacional que ele utilizava para implementar os algoritmos de forma mais eficiente e específica OpenCV O OpenCV é uma biblioteca multiplataforma desenvolvida pela Intel, disponibilizando o uso do seu código para utilizar em aplicações tanto comerciais como acadêmicas. Ele possui módulos de álgebra linear, processamento de imagens e vídeo, interface gráfica do usuário, estrutura de dados, controle de mouse e teclado, além de mais de 350 algoritmos de visão computacional como: calibração de câmera, filtros de imagem, análise estrutural, reconhecimento de objetos, processamento em tempo real de imagens e outros (BRADSKI; KAUHLER, 2013).

44 Fundamentação Teórica 31 As áreas de aplicações desta biblioteca são muito amplas, alguns exemplos são as áreas de sistemas de reconhecimento facial, como mostrado na Figura 20, realidade virtual, identificação de objetos, gravação de vídeos, interface homem-máquina e reconhecimento de movimentos. Figura 20 - Exemplo de detecção de faces com OpenCV (PYFACEDETECT, 2010) Ela foi desenvolvida nas linguagens C/C++ mas tem suporte para as linguagens Python, Java e Visual Basic onde foi estruturada em módulos, no qual segundo (INTEL, 2000) os módulos principais são: a) core - um módulo compacto que define as estruturas de dados básicas, incluindo a matriz multi-dimensional Mat e funções básicas usado por todos os outros módulos. b) imgproc - um módulo de processamento de imagem, que inclui filtragem de imagens linear e não-linear, transformações geométricas de imagem, conversão de espaço de cores, histogramas, e assim por diante. c) video - um módulo de análise de vídeo que inclui estimativa de movimento, subtração de imagens e algoritmos de rastreamento de objetos. d) calib3d - algoritmos básicos de calibração de câmera única e estereoscópica, estimativa de objetos e elementos da reconstrução 3D. e) features2d - detectores de características salientes, descritores e

45 Fundamentação Teórica 32 identificadores de descritores. f) objdetect - detecção de objetos e instâncias de classes predefinidas, como por exemplo: faces, olhos, canecas, pessoas, carros e etc. g) highgui - uma interface simples de usar de captura de vídeo, imagem e codecs de vídeo com possibilidade de fazer simples interfaces gráficas como janelas, botões e barras de rolagem. h) gpu - algoritmos com aceleração de GPU (unidade de processamento gráfico) de diferentes módulos do OpenCV. Tanto o SSL-Vision quanto o Find-Object são projetos que utilizam algoritmos do OpenCV. Os motivos principais para utilização da biblioteca no nosso projeto são os vários algoritmos de visão computacional e sua capacidade de realizar processamento de imagens em tempo real IDEs Primeiro, foi instalado o OpenCV na máquina virtual com o sistema operacional Ubuntu instalado como mostrado no Apêndice 1. Depois de testarmos um exemplo pelo terminal, configuramos uma IDE para trabalhar. Como não conseguimos utilizar os projeto citado anteriormente, começamos a desenvolver uma aplicação que conseguisse identificar e rastrear os robôs e a bola em campo. Utilizamos o Git 4 e o Meld 5 para fazer o controle de versão e gerenciar as mudanças que ocorreram durante o desenvolvimento no projeto e o Qt Studio como ambiente de desenvolvimento como mostrado no Apêndice 2. Depois que configuramos todo o ambiente e começarmos a desenvolver, tivemos vários problemas com compatibilidade de drivers com a máquina virtual e a camera que foram solucionados e documentado no Apêndice 4. De modo geral, o desenvolvimento do projeto teve quatro fases: captura da imagem, calibração, processamento e exibição das informações na tela. 4 Git - https://github.com/ 5 Meld -

46 Metodologia Metodologia Um módulo de visão computacional aplicado ao futebol de robôs pode ser decomposto em algumas partes: transformação do espaço de cores, classificação de cores, segmentação e localização de objetos. Uma vez que a câmera de vídeo forneça imagens do campo no formato RGB, uma transformação para o espaço de cores HSV é necessária, onde a matiz de cada cor independe da luminosidade existente, tornado o sistema mais robusto a variações da mesma. Como o formato HSV fornece um número muito grande de cores diferentes, é preciso alguma forma de classificação das mesmas para o ambiente de futebol de robôs, fazendo com que todos os pontos que formam a imagem pertençam a um conjunto limitado de cores diferentes, chamadas de classes de cores. Isto é feito a partir de uma calibração, definindo intervalos de tons para cada classe. Com esta classificação o processo de segmentação torna-se mais simples de ser realizado, tendo como objetivo encontrar manchas (conjunto de pontos adjacentes) de cada classe de cores Captura da Imagem Para fazer a parte de captura, teríamos que ter uma imagem dos robôs e da bola, mas como a proposta do trabalho não é o desenvolvimento dos robôs foram impressos, cículos grandes que representariam os robôs e circulos menores para representações dos marcadores. Era necessário colocar a câmera em uma posição que fosse a mais próxima possível de como seria em uma competição de verdade como é possível ver na Figura 21. Foi colocada inicialmente no teto mas descobriu-se ao capturar as imagens que havia pouca iluminação do ambiente e que a câmera estava com defeito pois ficava com muita variação no brilho.

47 Metodologia 34 Figura 21 - Câmera na posição vertical (AUTORES, 2014) A posição da câmera e do campo foi trocada para tentar ter a menor interferência possível das sombras e ter mais iluminação. Após vários testes foi analizado que um bom local seria a parede, porém havia ainda muito ruído na imagem por causa da reflexão da luz nos marcadores de papel que refletiam a luz. Trocamos o material dos marcadores e a câmera, conseguindo imagens melhores como visto na Figura 22. Figura 22 - Campo Colocado na Parede (AUTORES, 2014) Após captura da imagem, começou-se a trabalhar com o streaming de câmera, por causa do requisito do problema que tem que ser em tempo real todo o processamento.

48 Metodologia Calibração Mesmo com a imagem melhor, ainda era um problema as bordas fora do campo e qual a faixa das cores capturadas na hora em que realizava as binarizações, portanto foi fundamental a calibração da câmera no ambiente. Para isto seguimos o fluxo da Figura 23: Figura 23 - Passos para a calibração da câmera (AUTORES, 2014) Para tirar os ruídos ditos anteriormente utilizamos a técnica de região de interesse para apenas analisar a área do campo de futebol. Para facilitar a definição dos dois pontos da diagonal principal da região de interesse foi feito o tratamento de evento do mouse na janela e para facilitar a identificação da região, foram invertidos os valores das componentes RGB de cada pixel, negativando a área como visto na Figura 24. Figura 24 - Definição da Região de Interesse (AUTORES, 2014) Depois de selecionada a área onde será processada as informações, o passo seguinte da metodologia foi ver qual o valor do raio e das áreas mínimas de cada objeto em cena. Para conseguir esses parâmetros, foi utilizado o método dos momentos para saber a media das áreas dos robôs e da bola.

49 Metodologia 36 Definidos esses parâmetros, deve-se configurar os limites das cores dos marcadores. Para isto foi criado uma janela com as barras de saturação, da matiz e do brilho onde observou-se qual era o melhor valor para cada cor, pois a regra da RoboCup exige que alguns marcadores sejam sorteados minutos antes das partidas. Assim, a calibração só pode ocorrer depois que os marcadores tenham sido sorteados pelo juís da partida. O melhor resultado seria os valores de HSV que filtrariam apenas a cor selecionada como na Figura 25 que foi filtrada apenas a cor laranja. Figura 25 - Calibração das cores dos marcadores (AUTORES, 2014) Após calibração de todas as cores, coloca-se na biblioteca de parâmetros a quantidade de robôs de cada equipe, quantos marcadores serão utilizados e quais as cores de cada tipo de robô. Foi implementado um padrão de identificação com cinco marcadores, atribuindo a classe do robô um vetor de marcadores com cinco elementos, que seria mais que suficiente para a identificação e rastreamento de cada robô, visto que apenas com dois já é possível ter o mesmo resultado e com menos processamento, porém com esta configuração pode-se testar os limites da abordagem proposta.

50 Metodologia Processamento Depois do sistema ser calibrado, pode-se fazer o processamento da região de interesse e fazer a identificação dos robôs e da bola em tempo real. O fluxograma visto na Figura 26, demonstra o processo. Figura 26 - Fluxograma do processamento (AUTORES, 2014) Após a captura do frame, que é a imagem capturada do vídeo, e a filtragem da região, para a identificação dos objetos utilizou-se operações morfológicas e técnicas de processamento de imagem abordadas na fundamentação teórica, mas para isto foi seguido os seguintes passos: 1. Transformar o frame de RGB para HSV 2. Limiarizar pela cor para filtrar os robôs ou a bola 3. Erodir e dilatatar o frame para tirar os ruídos 4. Encontrar os contornos dos objetos filtrados com os conceitos de vizinhança e conectividade, analizar os pontos que são vizinhos e armazenar seu centro em um vetor 5. Utilizar o método dos momentos para a identificação se o contorno é um objeto 6. Armazenar as coordenadas do centro do objeto 7. Identificar se é bola ou robô e qual o tipo de robô 1. Pegar o ROI do objeto que será identificado 2. Repetir do passo 2 até o 6 para todos os marcadores

Filtro de Imagem Baseado em Matriz RGB de Cores- Padrão para Futebol de Robôs

Filtro de Imagem Baseado em Matriz RGB de Cores- Padrão para Futebol de Robôs Filtro de Imagem Baseado em Matriz RGB de Cores- Padrão para Futebol de Robôs Eder A. Penharbel, Ricardo C. Destro, Flavio Tonidandel, Reinaldo A.C. Bianchi Centro Universitário da FEI UniFEI Av. Humberto

Leia mais

2.1.2 Definição Matemática de Imagem

2.1.2 Definição Matemática de Imagem Capítulo 2 Fundamentação Teórica Este capítulo descreve os fundamentos e as etapas do processamento digital de imagens. 2.1 Fundamentos para Processamento Digital de Imagens Esta seção apresenta as propriedades

Leia mais

Detecção e Rastreamento de Objetos coloridos em vídeo utilizando o OpenCV

Detecção e Rastreamento de Objetos coloridos em vídeo utilizando o OpenCV Detecção e Rastreamento de Objetos coloridos em vídeo utilizando o OpenCV Bruno Alberto Soares OLIVEIRA 1,3 ; Servílio Souza de ASSIS 1,3,4 ; Izadora Aparecida RAMOS 1,3,4 ; Marlon MARCON 2,3 1 Estudante

Leia mais

Introdução do Processamento de Imagens. Julio C. S. Jacques Junior juliojj@gmail.com

Introdução do Processamento de Imagens. Julio C. S. Jacques Junior juliojj@gmail.com Introdução do Processamento de Imagens Julio C. S. Jacques Junior juliojj@gmail.com Porque processar uma imagem digitalmente? Melhoria de informação visual para interpretação humana Processamento automático

Leia mais

Módulo de captura de imagens do sistema Scisoccer

Módulo de captura de imagens do sistema Scisoccer 1 Módulo de captura de imagens do sistema Scisoccer Rafael Antonio Barro [1] Jailton Farias de Carvalho [2] Resumo: Este artigo descreve como funciona o módulo de captura de imagens do software Sci-soccer,

Leia mais

Aula 2 Aquisição de Imagens

Aula 2 Aquisição de Imagens Processamento Digital de Imagens Aula 2 Aquisição de Imagens Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br EESC/USP Fundamentos de Imagens Digitais Ocorre a formação de uma imagem quando

Leia mais

Universidade Federal do Rio de Janeiro - IM/DCC & NCE

Universidade Federal do Rio de Janeiro - IM/DCC & NCE Universidade Federal do Rio de Janeiro - IM/DCC & NCE Processamento de Imagens Tratamento da Imagem - Filtros Antonio G. Thomé thome@nce.ufrj.br Sala AEP/033 Sumário 2 Conceito de de Filtragem Filtros

Leia mais

Tratamento da Imagem Transformações (cont.)

Tratamento da Imagem Transformações (cont.) Universidade Federal do Rio de Janeiro - IM/DCC & NCE Tratamento da Imagem Transformações (cont.) Antonio G. Thomé thome@nce.ufrj.br Sala AEP/133 Tratamento de Imagens - Sumário Detalhado Objetivos Alguns

Leia mais

Visão computacional no reconhecimento de formas e objetos

Visão computacional no reconhecimento de formas e objetos Visão computacional no reconhecimento de formas e objetos Paula Rayane Mota Costa Pereira*, Josemar Rodrigues de Souza**, Resumo * Bolsista de Iniciação Científica da Faculdade de Tecnologia SENAI CIMATEC,

Leia mais

Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com

Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Visão Computacional Não existe um consenso entre os autores sobre o correto escopo do processamento de imagens, a

Leia mais

Interação Humano - Computador usando Visão Computacional

Interação Humano - Computador usando Visão Computacional Interação Humano - Computador usando Visão Computacional Bernardo Bucher B. Barbosa 1, Júlio César Silva 2 1 UNIFESO, Centro de Ciências e Tecnologia, Curso de Ciência da Computação, brgenius@gmail.com

Leia mais

Universidade Federal de Alagoas Instituto de Matemática. Imagem. Prof. Thales Vieira

Universidade Federal de Alagoas Instituto de Matemática. Imagem. Prof. Thales Vieira Universidade Federal de Alagoas Instituto de Matemática Imagem Prof. Thales Vieira 2014 O que é uma imagem digital? Imagem no universo físico Imagem no universo matemático Representação de uma imagem Codificação

Leia mais

Universidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens

Universidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens Universidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens Prof Fabrízzio Alphonsus A M N Soares 2012 Capítulo 2 Fundamentos da Imagem Digital Definição de Imagem: Uma imagem

Leia mais

UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS

UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS Executar as principais técnicas utilizadas em processamento de imagens, como contraste, leitura de pixels, transformação IHS, operações aritméticas

Leia mais

Sistema de Controle de Acesso Baseado no Reconhecimento de Faces

Sistema de Controle de Acesso Baseado no Reconhecimento de Faces Sistema de Controle de Acesso Baseado no Reconhecimento de Faces Access Control System Based on Face Recognition Tiago A. Neves, Welton S. De Oliveira e Jean-Jacques De Groote Faculdades COC de Ribeirão

Leia mais

Desenvolvimento de um Sistema Híbrido para Rastreamento

Desenvolvimento de um Sistema Híbrido para Rastreamento Desenvolvimento de um Sistema Híbrido para Rastreamento de Objetos aplicado ao Futebol de Robôs Eduardo W. Basso 1, Diego M. Pereira 2, Paulo Schreiner 2 1 Laboratório de Robótica Inteligente Instituto

Leia mais

Processamento de Imagem Morfológica (Morfologia Matemática) Tsang Ing Ren UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática

Processamento de Imagem Morfológica (Morfologia Matemática) Tsang Ing Ren UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática Processamento de Imagem Morfológica (Morfologia Matemática) Tsang Ing Ren UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática 1 Tópicos Introdução Conceitos básicos da teoria dos conjuntos

Leia mais

SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS

SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS André Zuconelli 1 ; Manassés Ribeiro 2 1. Aluno do Curso Técnico em Informática, turma 2010, Instituto Federal Catarinense, Câmpus Videira, andre_zuconelli@hotmail.com

Leia mais

Introdução ao Processamento de Imagens

Introdução ao Processamento de Imagens Introdução ao PID Processamento de Imagens Digitais Introdução ao Processamento de Imagens Glaucius Décio Duarte Instituto Federal Sul-rio-grandense Engenharia Elétrica 2013 1 de 7 1. Introdução ao Processamento

Leia mais

Processamento Digital de Imagens

Processamento Digital de Imagens Processamento Digital de Imagens Israel Andrade Esquef a Márcio Portes de Albuquerque b Marcelo Portes de Albuquerque b a Universidade Estadual do Norte Fluminense - UENF b Centro Brasileiro de Pesquisas

Leia mais

Capítulo II Imagem Digital

Capítulo II Imagem Digital Capítulo II Imagem Digital Proc. Sinal e Imagem Mestrado em Informática Médica Miguel Tavares Coimbra Resumo 1. Formação de uma imagem 2. Representação digital de uma imagem 3. Cor 4. Histogramas 5. Ruído

Leia mais

VISÃO COMPUTACIONAL COM A OPENCV MATERIAL APOSTILADO E VEÍCULO SEGUIDOR AUTÔNOMO. Professora da Escola de Engenharia Mauá (EEM/CEUN-IMT).

VISÃO COMPUTACIONAL COM A OPENCV MATERIAL APOSTILADO E VEÍCULO SEGUIDOR AUTÔNOMO. Professora da Escola de Engenharia Mauá (EEM/CEUN-IMT). VISÃO COMPUTACIONAL COM A OPENCV MATERIAL APOSTILADO E VEÍCULO SEGUIDOR AUTÔNOMO Riccardo Luigi Delai 1 ; Alessandra Dutra Coelho 2 1 Aluno de Iniciação Científica da Escola de Engenharia Mauá (EEM/CEUN-IMT);

Leia mais

CBPF Centro Brasileiro de Pesquisas Físicas. Nota Técnica

CBPF Centro Brasileiro de Pesquisas Físicas. Nota Técnica CBPF Centro Brasileiro de Pesquisas Físicas Nota Técnica Aplicação de Física Médica em imagens de Tomografia de Crânio e Tórax Autores: Dário Oliveira - dario@cbpf.br Marcelo Albuquerque - marcelo@cbpf.br

Leia mais

Aula 6 - Segmentação de Imagens Parte 2. Prof. Adilson Gonzaga

Aula 6 - Segmentação de Imagens Parte 2. Prof. Adilson Gonzaga Aula 6 - Segmentação de Imagens Parte 2 Prof. Adilson Gonzaga 1 Motivação Extração do Objeto Dificuldades Super segmentação over-segmentation 1) Segmentação por Limiarização (Thresholding Global): Efeitos

Leia mais

Chow&Kaneko buscam as modas da imagem para separar os objetos. Admite que os tons na vizinhança de cada moda são do mesmo objeto.

Chow&Kaneko buscam as modas da imagem para separar os objetos. Admite que os tons na vizinhança de cada moda são do mesmo objeto. Respostas Estudo Dirigido do Capítulo 12 Image Segmentation" 1 Com suas palavras explique quais os problemas que podem ocorrer em uma segmentação global baseada em níveis de cinza da imagem. Que técnicas

Leia mais

Introdução ao processamento de imagens e OCTAVE. Julio C. S. Jacques Junior juliojj@gmail.com

Introdução ao processamento de imagens e OCTAVE. Julio C. S. Jacques Junior juliojj@gmail.com Introdução ao processamento de imagens e OCTAVE Julio C. S. Jacques Junior juliojj@gmail.com Octave www.gnu.org/software/octave/ Linguagem Interpretada (similar ao MATLAB... portabilidade) Voltada para

Leia mais

Capítulo 5 Filtragem de Imagens

Capítulo 5 Filtragem de Imagens Capítulo 5 Filtragem de Imagens Capítulo 5 5.1. Filtragem no Domínio da Frequência 5.2. Filtragem no Domínio Espacial 2 Objetivo Melhorar a qualidade das imagens através da: ampliação do seu contraste;

Leia mais

UNIVERSIDADE LUTERANA DO BRASIL BACHARELADO EM CIÊNCIA DA COMPUTAÇÃO CÂMPUS CANOAS IDENTIFICAÇÃO VISUAL DE POSIÇÃO E MOVIMENTO PARA FUTEBOL DE ROBÔS

UNIVERSIDADE LUTERANA DO BRASIL BACHARELADO EM CIÊNCIA DA COMPUTAÇÃO CÂMPUS CANOAS IDENTIFICAÇÃO VISUAL DE POSIÇÃO E MOVIMENTO PARA FUTEBOL DE ROBÔS UNIVERSIDADE LUTERANA DO BRASIL BACHARELADO EM CIÊNCIA DA COMPUTAÇÃO CÂMPUS CANOAS IDENTIFICAÇÃO VISUAL DE POSIÇÃO E MOVIMENTO PARA FUTEBOL DE ROBÔS Eduardo Wisnieski Basso Monografia desenvolvida durante

Leia mais

Informática Aplicada a Radiologia

Informática Aplicada a Radiologia Informática Aplicada a Radiologia Apostila: Imagem Digital parte I Prof. Rubens Freire Rosa Imagem na forma digital A representação de Imagens na forma digital nos permite capturar, armazenar e processar

Leia mais

Transformada de Hough. Cleber Pivetta Gustavo Mantovani Felipe Zottis

Transformada de Hough. Cleber Pivetta Gustavo Mantovani Felipe Zottis Transformada de Hough Cleber Pivetta Gustavo Mantovani Felipe Zottis A Transformada de Hough foi desenvolvida por Paul Hough em 1962 e patenteada pela IBM. Originalmente, foi elaborada para detectar características

Leia mais

Manual Processamento de Imagem. João L. Vilaça

Manual Processamento de Imagem. João L. Vilaça Manual Processamento de Imagem João L. Vilaça Versão 1.0 31/1/2014 Índice 1. Sistema de eixo e movimentos possíveis do Drone... 3 2. Imagem... 3 3. Espaços de cor... 4 4.1 RGB... 5 4.2HSV... 5 4.3 GRAY...

Leia mais

RECONHECIMENTO E RASTREAMENTO DE OBJETOS

RECONHECIMENTO E RASTREAMENTO DE OBJETOS UNIVERSIDADE CATÓLICA DE GOIÁS DEPARTAMENTO DE COMPUTAÇÃO GRADUÇÃO EM CIÊNCIA DA COMPUTAÇÃO RECONHECIMENTO E RASTREAMENTO DE OBJETOS ANA CAROLINA CORREIA RÉZIO DEZEMBRO, 2008 UNIVERSIDADE CATÓLICA DE GOIÁS

Leia mais

Comparação entre a Máscara de Nitidez Cúbica e o Laplaciano para Realce de Imagens Digitais

Comparação entre a Máscara de Nitidez Cúbica e o Laplaciano para Realce de Imagens Digitais Comparação entre a Máscara de Nitidez Cúbica e o Laplaciano para Realce de Imagens Digitais Wesley B. Dourado, Renata N. Imada, Programa de Pós-Graduação em Matemática Aplicada e Computacional, FCT, UNESP,

Leia mais

Simulação Gráfica. Morfologia Matemática. Julio C. S. Jacques Junior

Simulação Gráfica. Morfologia Matemática. Julio C. S. Jacques Junior Simulação Gráfica Morfologia Matemática Julio C. S. Jacques Junior Morfologia Palavra denota uma área da biologia que trata com a forma e a estrutura de animais e plantas. No contexto de Morfologia Matemática:

Leia mais

Processamento de Imagem. Prof. Herondino

Processamento de Imagem. Prof. Herondino Processamento de Imagem Prof. Herondino Sensoriamento Remoto Para o Canada Centre for Remote Sensing - CCRS (2010), o sensoriamento remoto é a ciência (e em certa medida, a arte) de aquisição de informações

Leia mais

PROCESSAMENTO DE IMAGEM #01 TÓPICOS DESENVOLVIDOS NESTE MÓDULO

PROCESSAMENTO DE IMAGEM #01 TÓPICOS DESENVOLVIDOS NESTE MÓDULO PROCESSAMENTO DE IMAGEM #01 TÓPICOS DESENVOLVIDOS NESTE MÓDULO Que é Processamento Digital de Imagens (PDI) Quais as etapas fundamentais em um sistema de PDI Sensores CCD e CMOS Visão Humana x Visão de

Leia mais

Segmentação de Imagens de Placas Automotivas

Segmentação de Imagens de Placas Automotivas Segmentação de Imagens de Placas Automotivas André Zuconelli, Manassés Ribeiro Instituto Federal Catarinense - Campus Videira. Técnico em Informática, turma 2010 Rodovia SC, Km 5 Bairro Campo Experimental

Leia mais

Localização de placas em imagens de veículos. Resumo

Localização de placas em imagens de veículos. Resumo Localização de placas em imagens de veículos Geovane Hilário Linzmeyer Curso de Inteligência Computacional Pontifícia Universidade Católica do Paraná Curitiba, dezembro de 2005 Resumo Um dos maiores problemas

Leia mais

O USO DE UM SENSOR DE LUZ LINEAR COMO RECURSO DIDÁTICO PARA DEMONSTRAR PRINCÍPIOS DE DIFRAÇÃO E ESPECTROSCOPIA

O USO DE UM SENSOR DE LUZ LINEAR COMO RECURSO DIDÁTICO PARA DEMONSTRAR PRINCÍPIOS DE DIFRAÇÃO E ESPECTROSCOPIA Quim. Nova, Vol. 38, No. 3, S1-S6, 2015 O USO DE UM SENSOR DE LUZ LINEAR COMO RECURSO DIDÁTICO PARA DEMONSTRAR PRINCÍPIOS DE DIFRAÇÃO E ESPECTROSCOPIA Fernando Arruda Mendes de Oliveira a,b, Eduardo Ribeiro

Leia mais

Processamento e Análise de Imagens (MC940) Análise de Imagens (MO445)

Processamento e Análise de Imagens (MC940) Análise de Imagens (MO445) Processamento e Análise de Imagens (MC940) Análise de Imagens (MO445) Prof. Hélio Pedrini Instituto de Computação UNICAMP 2º Semestre de 2015 Roteiro 1 Morfologia Matemática Fundamentos Matemáticos Operadores

Leia mais

Filtragem Espacial. (Processamento Digital de Imagens) 1 / 41

Filtragem Espacial. (Processamento Digital de Imagens) 1 / 41 Filtragem Espacial (Processamento Digital de Imagens) 1 / 41 Filtragem Espacial Filtragem espacial é uma das principais ferramentas usadas em uma grande variedade de aplicações; A palavra filtro foi emprestada

Leia mais

Atividade: matrizes e imagens digitais

Atividade: matrizes e imagens digitais Atividade: matrizes e imagens digitais Aluno(a): Turma: Professor(a): Parte 01 MÓDULO: MATRIZES E IMAGENS BINÁRIAS 1 2 3 4 5 6 7 8 Indique, na tabela abaixo, as respostas dos 8 desafios do Jogo dos Índices

Leia mais

Visão Computacional e Realidade Aumentada. Trabalho 3 Reconstrução 3D. Pedro Sampaio Vieira. Prof. Marcelo Gattass

Visão Computacional e Realidade Aumentada. Trabalho 3 Reconstrução 3D. Pedro Sampaio Vieira. Prof. Marcelo Gattass Visão Computacional e Realidade Aumentada Trabalho 3 Reconstrução 3D Pedro Sampaio Vieira Prof. Marcelo Gattass 1 Introdução Reconstrução tridimensional é um assunto muito estudado na área de visão computacional.

Leia mais

Dispositivos de Entrada e Saída

Dispositivos de Entrada e Saída Dispositivos de Entrada e Saída Prof. Márcio Bueno {cgtarde,cgnoite}@marciobueno.com Fonte: Material do Prof. Robson Pequeno de Sousa e do Prof. Robson Lins Dispositivos de Entrada Teclado, Mouse, Trackball,

Leia mais

SMCB: METODOLOGIA PARA A QUANTIZAÇÃO DE CORES EM IMAGENS FACIAIS

SMCB: METODOLOGIA PARA A QUANTIZAÇÃO DE CORES EM IMAGENS FACIAIS CMNE/CILAMCE 007 Porto, 13 a 15 de Junho, 007 APMTAC, Portugal 007 SMCB: METODOLOGIA PARA A QUANTIZAÇÃO DE CORES EM IMAGENS FACIAIS Marcelo Zaniboni 1 *, Osvaldo Severino Junior e João Manuel R. S. Tavares

Leia mais

IDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS

IDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS IDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS André Zuconelli¹, Manassés Ribeiro² Instituto Federal de Educação, Ciência e Tecnologia Catarinense - Campus Videira Rodovia SC, Km 5

Leia mais

PLANIFICAÇÃO DA DISCIPLINA DE APLICAÇÕES INFORMÁTICAS B

PLANIFICAÇÃO DA DISCIPLINA DE APLICAÇÕES INFORMÁTICAS B PLANIFICAÇÕES SECUNDÁRIO PLANIFICAÇÃO DA DISCIPLINA DE APLICAÇÕES INFORMÁTICAS B 12º ANO DE ESCOLARIDADE CONTEÚDOS PROGRAMÁTICOS Introdução à Programação Introdução Linguagens naturais e formais Algoritmos

Leia mais

RELATÓRIO FINAL PIVIC/2010-2011 TRATAMENTO DE IMAGENS CAPTURADAS EM TEMPO REAL EM SISTEMAS DE REALIDADE AUMENTADA

RELATÓRIO FINAL PIVIC/2010-2011 TRATAMENTO DE IMAGENS CAPTURADAS EM TEMPO REAL EM SISTEMAS DE REALIDADE AUMENTADA RELATÓRIO FINAL PIVIC/2010-2011 TRATAMENTO DE IMAGENS CAPTURADAS EM TEMPO REAL EM SISTEMAS DE REALIDADE AUMENTADA Bruno Moraes Rocha, Marcos Wagner de Souza Ribeiro (Orientador) Universidade Federal de

Leia mais

Sistema de Contagem, Identificação e Monitoramento Automático de Rotas de Veículos baseado em Visão Computacional

Sistema de Contagem, Identificação e Monitoramento Automático de Rotas de Veículos baseado em Visão Computacional Universidade Federal de Minas Gerais Escola de Engenharia Curso de Graduação em Engenharia de Controle e Automação Sistema de Contagem, Identificação e Monitoramento Automático de Rotas de Veículos baseado

Leia mais

Representação de Imagens

Representação de Imagens Representação de Imagens Primitivas Gráficas As primitivas gráficas são os elementos básicos que formam um desenho. Exemplos: Ponto, segmento, polilinha, polígono, arco de elipse, etc. Primitivas já definidas

Leia mais

Computação Gráfica Interativa

Computação Gráfica Interativa Computação Gráfica Interativa conceitos, fundamentos geométricos e algoritmos 1. Introdução Computação Gráfica é a criação, armazenamento e a manipulação de modelos de objetos e suas imagens pelo computador.

Leia mais

Algoritmos: Lógica para desenvolvimento de programação de computadores. Autor: José Augusto Manzano. Capítulo 1 Abordagem Contextual

Algoritmos: Lógica para desenvolvimento de programação de computadores. Autor: José Augusto Manzano. Capítulo 1 Abordagem Contextual Algoritmos: Lógica para desenvolvimento de programação de computadores Autor: José Augusto Manzano Capítulo 1 Abordagem Contextual 1.1. Definições Básicas Raciocínio lógico depende de vários fatores para

Leia mais

REPRESENTAÇÃO DA IMAGEM DIGITAL

REPRESENTAÇÃO DA IMAGEM DIGITAL REPRESENTAÇÃO DA IMAGEM DIGITAL Representação da imagem Uma imagem é uma função de intensidade luminosa bidimensional f(x,y) que combina uma fonte de iluminação e a reflexão ou absorção de energia a partir

Leia mais

Controle Inteligente de Robôs Móveis Autônomos utilizando Sistemas Inteligentes

Controle Inteligente de Robôs Móveis Autônomos utilizando Sistemas Inteligentes Controle Inteligente de Robôs Móveis Autônomos utilizando Sistemas Inteligentes Aluno: Gabriel Lins Tenório Orientadoras: Roxana Jiménez e Marley Rebuzzi Vellasco Introdução A aplicação de robôs móveis

Leia mais

SOFTWARE PARA IDENTIFICAÇÃO E CLASSIFICAÇÃO DE CÉLULAS DO ENDOTÉLIO CORNEANO DESENVOLVIDO PARA DISPOSITIVOS MÓVEIS

SOFTWARE PARA IDENTIFICAÇÃO E CLASSIFICAÇÃO DE CÉLULAS DO ENDOTÉLIO CORNEANO DESENVOLVIDO PARA DISPOSITIVOS MÓVEIS 221 SOFTWARE PARA IDENTIFICAÇÃO E CLASSIFICAÇÃO DE CÉLULAS DO ENDOTÉLIO CORNEANO DESENVOLVIDO PARA DISPOSITIVOS MÓVEIS Jean-Jacques S. De Groote - Prof. Dr. do Centro Universitário Uniseb de Ribeirão Preto.

Leia mais

MORFOLOGIA MATEMÁTICA APLICADA A RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS

MORFOLOGIA MATEMÁTICA APLICADA A RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS MORFOLOGIA MATEMÁTICA APLICADA A RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS Paulo Madruga UNIBRATEC Av. Beira Mar, 220, Ap 111 Piedade J. dos Guararapes - PE madruga@unibratec.com.br Sérgio de Sá Leitão Paiva

Leia mais

TÍTULO: UTILIZAÇÃO DO RASTREAMENTO DA ÍRIS COM O USO DE INTERFACE NATURAL PARA PESSOAS PORTADORAS DE TETRAPLEGIA

TÍTULO: UTILIZAÇÃO DO RASTREAMENTO DA ÍRIS COM O USO DE INTERFACE NATURAL PARA PESSOAS PORTADORAS DE TETRAPLEGIA TÍTULO: UTILIZAÇÃO DO RASTREAMENTO DA ÍRIS COM O USO DE INTERFACE NATURAL PARA PESSOAS PORTADORAS DE TETRAPLEGIA CATEGORIA: CONCLUÍDO ÁREA: CIÊNCIAS EXATAS E DA TERRA SUBÁREA: COMPUTAÇÃO E INFORMÁTICA

Leia mais

Frederico Miguel Santos

Frederico Miguel Santos Frederico Miguel Santos DEE ISEC DETI/IEETA - UA Sumário 1. RoboCup 1. descrição / objectivos 2. MSL - futebol,,porquê? 2. CAMBADA 1. descrição / objectivos 2. evolução 3. hardware 4. software: coordenação

Leia mais

- Representação da Informação pelo computador - Sistemas de Numeração - Código Binário - Digitalização

- Representação da Informação pelo computador - Sistemas de Numeração - Código Binário - Digitalização Disciplina Bases Computacionais Aula 03 Informação, Dados, Variáveis, Algoritmos Roteiro da Aula: - Representação da Informação pelo computador - Sistemas de Numeração - Código Binário - Digitalização

Leia mais

Sistema de Navegação Autônoma de Robôs Móveis em Ambiente com Obstáculos em Movimento. Resumo

Sistema de Navegação Autônoma de Robôs Móveis em Ambiente com Obstáculos em Movimento. Resumo TECNOLOGIA Sistema de Navegação Autônoma de Robôs Móveis em Ambiente com Obstáculos em Movimento Resumo Felipe A. Pinagé 1, Hayanna S. Pinheiro 2, José P. Queiroz-Neto 3 O presente artigo consiste em uma

Leia mais

Processamento digital de imagens. introdução

Processamento digital de imagens. introdução Processamento digital de imagens introdução Imagem digital Imagem digital pode ser descrita como uma matriz bidimensional de números inteiros que corresponde a medidas discretas da energia eletromagnética

Leia mais

PIXEL - DO DESENHO À PINTURA DIGITAL

PIXEL - DO DESENHO À PINTURA DIGITAL F PIXEL - DO DESENHO À PINTURA DIGITAL Carga Horária: 96 horas/aulas Módulo 01: Desenho de observação DESCRIÇÃO: Neste módulo o você irá praticar sua percepção de linhas e formas, bem como a relação entre

Leia mais

PROCESSAMENTO DIGITAL DE IMAGENS

PROCESSAMENTO DIGITAL DE IMAGENS PROCESSAMENTO DIGITAL DE IMAGENS Msc. Daniele Carvalho Oliveira Doutoranda em Ciência da Computação - UFU Mestre em Ciência da Computação UFU Bacharel em Ciência da Computação - UFJF FILTRAGEM ESPACIAL

Leia mais

OpenGL. Uma Abordagem Prática e Objetiva. Marcelo Cohen Isabel Harb Manssour. Novatec Editora

OpenGL. Uma Abordagem Prática e Objetiva. Marcelo Cohen Isabel Harb Manssour. Novatec Editora OpenGL Uma Abordagem Prática e Objetiva Marcelo Cohen Isabel Harb Manssour Novatec Editora Capítulo 1 Introdução A Computação Gráfica é uma área da Ciência da Computação que se dedica ao estudo e ao desenvolvimento

Leia mais

Imagem digital. Unidade 3

Imagem digital. Unidade 3 Imagem digital Unidade 3 Objectivos Reconhecer o potencial comunicativo/ expressivo das imagens; Reconhecer as potencialidades narrativas de uma imagem; A criação de sentido nas associações de imagens

Leia mais

KIP 720 SISTEMA DE DIGITALIZAÇÃO CIS COM A AVANÇADA TECNOLOGIA KIP REAL TIME THRESHOLDING

KIP 720 SISTEMA DE DIGITALIZAÇÃO CIS COM A AVANÇADA TECNOLOGIA KIP REAL TIME THRESHOLDING KIP 720 SISTEMA DE DIGITALIZAÇÃO CIS COM A AVANÇADA TECNOLOGIA KIP REAL TIME THRESHOLDING SISTEMA DE DIGITALIZAÇÃO KIP 720 Scanner de imagens KIP 720 O scanner monocromático e colorido KIP 720 apresenta

Leia mais

TÍTULO: FUTEBOL DE ROBÔS INTELIGENTES: ESTUDO E ELABORAÇÃO DE UMA SIMULAÇÃO PARA O TORNEIO DA ROBOCUP.

TÍTULO: FUTEBOL DE ROBÔS INTELIGENTES: ESTUDO E ELABORAÇÃO DE UMA SIMULAÇÃO PARA O TORNEIO DA ROBOCUP. TÍTULO: FUTEBOL DE ROBÔS INTELIGENTES: ESTUDO E ELABORAÇÃO DE UMA SIMULAÇÃO PARA O TORNEIO DA ROBOCUP. CATEGORIA: EM ANDAMENTO ÁREA: ENGENHARIAS E ARQUITETURA SUBÁREA: ENGENHARIAS INSTITUIÇÃO: UNIVERSIDADE

Leia mais

Thales Trigo. Formatos de arquivos digitais

Thales Trigo. Formatos de arquivos digitais Esse artigo sobre Formatos de Arquivos Digitais é parte da Tese de Doutoramento do autor apresentada para a obtenção do titulo de Doutor em Engenharia Elétrica pela Escola Politécnica da USP. Thales Trigo

Leia mais

Sensores de Imagem ivu

Sensores de Imagem ivu Sensores de Imagem ivu www.bannerengineering.com.br Sensor de Visão ivu com interface integrada Sensor de imagem para inspeções de aprovação/rejeição ou leitura de código de barras Interface Gráfica do

Leia mais

Medição da Altura das Cunhas de Fricção dos Vagões Utilizando Processamento Digital de Imagem

Medição da Altura das Cunhas de Fricção dos Vagões Utilizando Processamento Digital de Imagem ARTIGO Medição da Altura das Cunhas de Fricção dos Vagões Utilizando Processamento Digital de Imagem Leonardo Borges de Castro 1 *, Dr. João Marques Salomão 2 e Me. Douglas Almonfrey 2 1 VALE - Engenharia

Leia mais

Introdução ao Scilab

Introdução ao Scilab Programação de Computadores 1 Capítulo 1 Introdução ao Scilab José Romildo Malaquias Departamento de Computação Universidade Federal de Ouro Preto 2014.2 1/35 1 MATLAB e Scilab 2 O ambiente Scilab 2/35

Leia mais

CONTROLAR O PONTEIRO DO MOUSE UTILIZANDO O MOVIMENTO DE UM OLHO CAPTURADO ATRAVÉS DE UMA CÂMERA INFRAVERMELHA FIXA

CONTROLAR O PONTEIRO DO MOUSE UTILIZANDO O MOVIMENTO DE UM OLHO CAPTURADO ATRAVÉS DE UMA CÂMERA INFRAVERMELHA FIXA CONTROLAR O PONTEIRO DO MOUSE UTILIZANDO O MOVIMENTO DE UM OLHO CAPTURADO ATRAVÉS DE UMA CÂMERA INFRAVERMELHA FIXA Eduardo Henrique Sasse Acadêmico Paulo César Rodacki Gomes - Orientador Introdução Roteiro

Leia mais

Título: Controle de um sistema Bola- Barra com realimentação através de imagem

Título: Controle de um sistema Bola- Barra com realimentação através de imagem Título: Controle de um sistema Bola- Barra com realimentação através de imagem Autores: Caio Felipe Favaretto, Henrique Corrêa Ramiro, Rômulo de Oliveira Souza e Marcelo Barboza Silva Professor orientador:

Leia mais

_PTBR. Guia de configuração de digitalização para aplicativos TWAIN

_PTBR. Guia de configuração de digitalização para aplicativos TWAIN _PTBR Guia de configuração de digitalização para aplicativos TWAIN Como usar a fonte de dados TWAIN Como iniciar a Ferramenta de validação de scanner... 2 A caixa de diálogo Ferramenta de validação de

Leia mais

A cor e o computador. Teoria e Tecnologia da Cor. Unidade VII Pág. 1 /5

A cor e o computador. Teoria e Tecnologia da Cor. Unidade VII Pág. 1 /5 A cor e o computador Introdução A formação da imagem num Computador depende de dois factores: do Hardware, componentes físicas que processam a imagem e nos permitem vê-la, e do Software, aplicações que

Leia mais

AUTOR(ES): MARGHEL RAIMUNDO DA COSTA VASCONCELOS, BRUNO ALEXANDRE PEREIRA, SERGIO DIAS VIEIRA

AUTOR(ES): MARGHEL RAIMUNDO DA COSTA VASCONCELOS, BRUNO ALEXANDRE PEREIRA, SERGIO DIAS VIEIRA Anais do Conic-Semesp. Volume 1, 2013 - Faculdade Anhanguera de Campinas - Unidade 3. ISSN 2357-8904 TÍTULO: RECONHECIMENTO DE GESTOS - OPENCV CATEGORIA: EM ANDAMENTO ÁREA: ENGENHARIAS E TECNOLOGIAS SUBÁREA:

Leia mais

FILTRAGEM ESPACIAL. Filtros Digitais no domínio do espaço

FILTRAGEM ESPACIAL. Filtros Digitais no domínio do espaço FILTRAGEM ESPACIAL Filtros Digitais no domínio do espaço Definição Também conhecidos como operadores locais ou filtros locais Combinam a intensidade de um certo número de piels, para gerar a intensidade

Leia mais

Um sistema de visão computacional para detecção automática de caracteres em uma linha de montagem automotiva

Um sistema de visão computacional para detecção automática de caracteres em uma linha de montagem automotiva 225 Um sistema de visão computacional para detecção automática de caracteres em uma linha de montagem automotiva Marcus V. C. Guelpeli1, Bruno S. P. de Oliveira2, Wellington C. A. Landim2 1 Curso de Sistema

Leia mais

Profa. Dra. Soraia Raupp Musse Thanks to Prof. Dr. Cláudio Rosito Jung

Profa. Dra. Soraia Raupp Musse Thanks to Prof. Dr. Cláudio Rosito Jung Introdução ao Processamento de Imagens Profa. Dra. Soraia Raupp Musse Thanks to Prof. Dr. Cláudio Rosito Jung Introdução Processamento de Imagens: processamento de sinais bidimensionais (ou n-dimensionais).

Leia mais

Segmentação de imagens de profundidade por limiarização com morfologia matemática. Jorge Antonio Silva Centeno 1 Regina Tiemy Kishi 2

Segmentação de imagens de profundidade por limiarização com morfologia matemática. Jorge Antonio Silva Centeno 1 Regina Tiemy Kishi 2 Segmentação de imagens de profundidade por limiarização com morfologia matemática Jorge Antonio Silva Centeno 1 Regina Tiemy Kishi 2 Universidade Federal do Paraná - UFPR 1 Departamento de Geomática 2

Leia mais

Figura 01: Aplicações do Filtro Espacial Passa-Baixa.

Figura 01: Aplicações do Filtro Espacial Passa-Baixa. 791 IMPLEMENTAÇÃO DE TÉCNICAS DE PRÉ-PROCESSAMENTO E PROCESSAMENTO DE IMAGENS PARA RADIOGRAFIAS CARPAIS Rafael Lima Alves 1 ; Michele Fúlvia Angelo 2 Bolsista PROBIC, Graduando em Engenharia de Computação,

Leia mais

REALCE DE MICROCALCIFICAÇÕES EM IMAGENS DE MAMOGRAFIA UTILIZANDO FILTROS PASSA-ALTA

REALCE DE MICROCALCIFICAÇÕES EM IMAGENS DE MAMOGRAFIA UTILIZANDO FILTROS PASSA-ALTA REALCE DE MICROCALCIFICAÇÕES EM IMAGENS DE MAMOGRAFIA UTILIZANDO FILTROS PASSA-ALTA Caio Cesar Amorim Borges e Danilo Rodrigues de Carvalho Universidade Federal de Goiás, Escola de Engenharia Elétrica

Leia mais

RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP

RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP Caio Augusto de Queiroz Souza caioaugusto@msn.com Éric Fleming Bonilha eric@digifort.com.br Gilson Torres Dias gilson@maempec.com.br Luciano

Leia mais

Computação Gráfica - 03

Computação Gráfica - 03 Universidade Federal do Vale do São Francisco Curso de Engenharia da Computação Computação Gráfica - 03 Prof. Jorge Cavalcanti jorge.cavalcanti@univasf.edu.br www.univasf.edu.br/~jorge.cavalcanti www.twitter.com/jorgecav

Leia mais

Introdução à Programação de Computadores

Introdução à Programação de Computadores 1. Objetivos Introdução à Programação de Computadores Nesta seção, vamos discutir os componentes básicos de um computador, tanto em relação a hardware como a software. Também veremos uma pequena introdução

Leia mais

O que é RAID? Tipos de RAID:

O que é RAID? Tipos de RAID: O que é RAID? RAID é a sigla para Redundant Array of Independent Disks. É um conjunto de HD's que funcionam como se fosse um só, isso quer dizer que permite uma tolerância alta contra falhas, pois se um

Leia mais

29/08/2011. Radiologia Digital. Princípios Físicos da Imagem Digital 1. Mapeamento não-linear. Unidade de Aprendizagem Radiológica

29/08/2011. Radiologia Digital. Princípios Físicos da Imagem Digital 1. Mapeamento não-linear. Unidade de Aprendizagem Radiológica Mapeamento não-linear Radiologia Digital Unidade de Aprendizagem Radiológica Princípios Físicos da Imagem Digital 1 Professor Paulo Christakis 1 2 Sistema CAD Diagnóstico auxiliado por computador ( computer-aided

Leia mais

FORMULÁRIO-SÍNTESE DA PROPOSTA - SIGProj EDITAL EDITAL A QUALQUER TEMPO 01/2013 PARTE I - IDENTIFICAÇÃO

FORMULÁRIO-SÍNTESE DA PROPOSTA - SIGProj EDITAL EDITAL A QUALQUER TEMPO 01/2013 PARTE I - IDENTIFICAÇÃO UNIVERSIDADE DO ESTADO DE SANTA CATARINA PRÓ-REITORIA DE EXTENSÃO, CULTURA E COMUNIDADE FORMULÁRIO-SÍNTESE DA PROPOSTA - SIGProj EDITAL EDITAL A QUALQUER TEMPO 01/2013 Uso exclusivo da Pró-Reitoria (Decanato)

Leia mais

APLICAÇÃO DAS TÉCNICAS DE PROCESSAMENTO DIGITAL DE IMAGENS NA CARACTERIZAÇÃO QUANTITATIVA DE MATERIAIS COMPÓSITOS

APLICAÇÃO DAS TÉCNICAS DE PROCESSAMENTO DIGITAL DE IMAGENS NA CARACTERIZAÇÃO QUANTITATIVA DE MATERIAIS COMPÓSITOS APLICAÇÃO DAS TÉCNICAS DE PROCESSAMENTO DIGITAL DE IMAGENS NA CARACTERIZAÇÃO QUANTITATIVA DE MATERIAIS COMPÓSITOS Fernando de Azevedo Silva Jean-Jacques Ammann Ana Maria Martinez Nazar Universidade Estadual

Leia mais

Fundamentos de Imagens Digitais. Aquisição e Digitalização de Imagens. Aquisição e Digitalização de Imagens. Aquisição e Digitalização de Imagens

Fundamentos de Imagens Digitais. Aquisição e Digitalização de Imagens. Aquisição e Digitalização de Imagens. Aquisição e Digitalização de Imagens Fundamentos de Imagens Digitais Aquisição e Serão apresentadas as principais características de uma imagem digital: imagem do ponto de vista matemático processo de aquisição e digitalização de uma imagem

Leia mais

Scanners Manual Básico. Um guia prático e rápido para conhecer o melhor tipo de equipamento para seus trabalhos.

Scanners Manual Básico. Um guia prático e rápido para conhecer o melhor tipo de equipamento para seus trabalhos. Scanners Manual Básico Um guia prático e rápido para conhecer o melhor tipo de equipamento para seus trabalhos. Tipos de Scanners Diferentes tipos de scanners funcionam de diferentes maneiras. Conheça

Leia mais

Guia do Usuário da Ferramenta de Instalação da Câmera Avigilon

Guia do Usuário da Ferramenta de Instalação da Câmera Avigilon Guia do Usuário da Ferramenta de Instalação da Câmera Avigilon Versão 4.10 PDF-CIT-D-Rev1_PT Copyright 2011 Avigilon. Todos os direitos reservados. As informações apresentadas estão sujeitas a modificação

Leia mais

Scanners. série i900. Guia de configuração de digitalização para aplicativos ISIS. A-61734_pt-br

Scanners. série i900. Guia de configuração de digitalização para aplicativos ISIS. A-61734_pt-br Scanners série i900 Guia de configuração de digitalização para aplicativos ISIS A-61734_pt-br Guia de configuração de digitalização para o driver ISIS Sumário Caixa de diálogo Ferramenta de validação de

Leia mais

Sistemas de Informação Geográfica (SIG) para Agricultura de Precisão

Sistemas de Informação Geográfica (SIG) para Agricultura de Precisão 01 Sistemas de Informação Geográfica (SIG) para Agricultura de Precisão Rodrigo G. Trevisan¹; José P. Molin² ¹ Eng. Agrônomo, Mestrando em Engenharia de Sistemas Agrícolas (ESALQ-USP); ² Prof. Dr. Associado

Leia mais

SISTEMAS INTELIGENTES DE APOIO À DECISÃO

SISTEMAS INTELIGENTES DE APOIO À DECISÃO SISTEMAS INTELIGENTES DE APOIO À DECISÃO As organizações estão ampliando significativamente suas tentativas para auxiliar a inteligência e a produtividade de seus trabalhadores do conhecimento com ferramentas

Leia mais

Aula 4 - Processamento de Imagem

Aula 4 - Processamento de Imagem 1. Contraste de Imagens Aula 4 - Processamento de Imagem A técnica de realce de contraste tem por objetivo melhorar a qualidade das imagens sob os critérios subjetivos do olho humano. É normalmente utilizada

Leia mais

Reconhecimento de marcas de carros utilizando Inteligência Artificial. André Bonna Claudio Marcelo Basckeira Felipe Villela Lourenço Richard Keller

Reconhecimento de marcas de carros utilizando Inteligência Artificial. André Bonna Claudio Marcelo Basckeira Felipe Villela Lourenço Richard Keller Reconhecimento de marcas de carros utilizando Inteligência Artificial André Bonna Claudio Marcelo Basckeira Felipe Villela Lourenço Richard Keller Motivação Análise estatística das marcas de carros em

Leia mais

PROTÓTIPO DE UM SISTEMA DE MONITORAÇÃO UTILIZANDO CIRCUITO FECHADO DE TELEVISÃO (CFTV)

PROTÓTIPO DE UM SISTEMA DE MONITORAÇÃO UTILIZANDO CIRCUITO FECHADO DE TELEVISÃO (CFTV) UNIVERSIDADE REGIONAL DE BLUMENAU CURSO DE SISTEMAS DE INFORMAÇÃO PROTÓTIPO DE UM SISTEMA DE MONITORAÇÃO UTILIZANDO CIRCUITO FECHADO DE TELEVISÃO (CFTV) EDERSON JOSÉ PROF. DALTON SOLANO DOS REIS, Orientador

Leia mais

Técnicas para Animação de Imagens em Jogos 2D Utilizando Java

Técnicas para Animação de Imagens em Jogos 2D Utilizando Java Técnicas para Animação de Imagens em Jogos 2D Utilizando Java Silvano Maneck Malfatti 1 1 Faculdade Católica do Tocantins (FACTO) Palmas TO Brasil Malfatti@catolica-to.edu.br Resumo. Um dos recursos que

Leia mais