TRABALHO VISÃO COMPUTACIONAL

Prévia do material em texto

Sumário
1. INTRODUÇÃO	2
2. APRESENTAÇÃO DO TEMA	3
3. APLICAÇÕES PRÁTICAS	5
4. ESTADO DA ARTE	5
5. ANÁLISES SOBRE OS ARTIGOS AVALIADOS	7
5.1 Visão computacional aplicada à metrologia dimensional automatizada	7
5.2 Comando de um servomecanismo usando visão computacional	8
6. CONCLUSÃO	9
7. REFERÊNCIAS BIBLIOGRÁFICAS	10
1. INTRODUÇÃO
e a Visão computacional é a ciência responsável pela visão de uma máquina, pela forma como um computador enxerga o meio à sua volta, extraindo informações significativas a partir de imagens capturadas por câmeras de vídeo, sensores, scanners, entre outros dispositivos. Estas informações permitem reconhecer, manipular e pensar sobre os objetos que compõem uma imagem (MILANO et al., 2008).
Visão computacional e considerada uma ciência recente. Surgiu por volta da Adata de 1955, onde Selfridge destacou “...eyes and ears for the computer”. Os primeiros trabalhos de Visão Computacional aliada a Inteligência Artificial, teve inicio por volta da década de 70. Na época acreditava-se que o sentido da visão de forma completa em uma máquina poderia ser representado em pouco tempo de estudo.
Com o desenvolvimento de novas pesquisas nas décadas subseqüentes, verificou-se uma complexidade muito maior do que imaginado inicialmente, principalmente pela falta de informações e de modelos que representassem a forma como as imagens são interpretadas no cérebro humano (FELICIANO et al., 2005).
A metodologia utilizada na pesquisa foi um estudo descritivo e exploratório, com análise dos dados através de uma abordagem qualitativa-quantitativa. O estudo consistiu em um levantamento da metodologia utilizada em artigos relacionados à Visão Computacional, sendo analisados 15 artigos por. Optou-se por utilizar apenas dois artigos para a elaboração do trabalho.
Este trabalho é organizado da seguinte maneira: A seção2 descreve os sistemas de visão computacional; a seção 3 descreve exemplos de aplicações; a seção 4 apresenta estado da arte; a seção 5 realiza análises sobre os artigos avaliados; finalmente a seção 6 apresenta a conclusões pesquisa com trabalhos futuros nesta área.
2. APRESENTAÇÃO DO TEMA
A visão computacional pode ser definida como uma subárea do processamento de imagens que estuda o desenvolvimento de métodos e técnicas que possibilitam um sistema computacional interpretar imagens. Em outras palavras, um sistema de visão computacional deve dotar uma máquina com algumas capacidades do sistema visual humano, como a habilidade para descrever uma cena contida em uma imagem digital.
Além disso, um sistema de visão eficiente deve ser capaz de extrair um conjunto de atributos que descreva com precisão uma cena e seja pequeno o suficiente para reduzir o tempo de processamento e viabilizar a construção de aplicações que possam ser utilizadas na prática como sistemas de visão para robôs industriais, veículos autônomos, detecção de eventos em sistemas de vigilância, leitura automatizada de placas de veículos, inspeção industrial e reconhecimento de padrões biométricos, entre outros (ARAÚJO, 2009). 
A organização de um sistema de visão computacional é dependente da aplicação. A implementação específica de tal sistema depende também se sua funcionalidade é pré-especificada ou se existe alguma parte de aprendizagem durante a operação. Existem, entretanto, funções típicas encontradas em vários sistemas de visão computacional, exemplos: Aquisição de imagem, Pré-processamento, Extração de características, Detecção e segmentação, Processamento de alto nível, cada um das áreas de aplicação descritas utilizam um conjunto de tarefas de visão computacional.
Aquisição de imagem: uma imagem digital é produzida por um ou vários sensores. Dependendo do tipo do sensor, o resultado pode variar entre uma imagem bidimensional, uma cena tridimensional ou ainda uma sequência de imagens. Os valores dos pixels geralmente indicam a intensidade da luz em uma ou várias faixas de cor (o que forma imagens em tom de cinza ou coloridas), mas também podem indicar valores físicos como profundidade e absorção ou reflexão das ondas eletromagnéticas.
Pré-processamento: antes de um método de visão computacional ser aplicado em uma imagem para extrair informação, é geralmente necessário processar a imagem para assegurar-se que ela satisfaz as condições do método. Exemplos incluem remapeamento (para assegurar o sistema de coordenadas), redução de ruídos (para assegurar que as informações são verdadeiras) e aumento de contraste (para assegurar que as informações relevantes serão detectadas).
Extração de características: características matemáticas da imagem em vários níveis de complexidade são extraídas. Exemplos básicos incluem detecção de bordas, cantos ou pontos. Exemplos sofisticados incluem a morfologia matemática, detecção de texturas, formatos e movimentos.
Detecção e segmentação: em algum ponto do processo uma decisão é feita sobre a relevância de regiões da imagem para processamento posterior. Exemplos incluem a seleção de regiões de interesse específicos e segmentação de uma ou mais regiões que contém um objeto de interesse.
Processamento de alto nível: neste ponto a entrada é geralmente um conjunto pequeno de dados. O processo posterior inclui a verificação da satisfação dos dados, a estimativa de parâmetros sobre a imagem e a classificação dos objetos detectados em diferentes categorias.
O problema clássico da visão computacional e do processamento de imagens é determinar se uma imagem contém ou não um dado objeto, uma dada característica ou uma dada atividade. Tal tarefa pode ser resolvida de forma robusta e sem esforço humano, mas ainda não foi resolvida satisfatoriamente para o caso geral, objetos arbitrários em situações arbitrárias. Os métodos atuais conseguem, no máximo, resolver para objetos específicos, como poliedros, faces humanas, letras escritas à mão ou veículos; também em situações específicas, como iluminação bem definida, fundo fixo e pose dos objetos bem definida.
Reconhecimento: uma ou várias classes pré-definidas ou aprendidas de objetos podem ser reconhecidas, geralmente em conjunto com sua posição em imagens bidimensionais ou com sua pose em imagens tri-dimensionais.
Identificação: uma instância individual de um objeto pode ser reconhecida, como a identificação de uma face ou de impressão digital, ou até mesmo a identificação de um veículo.
Detecção: a imagem é digitalizada para uma condição específica, como a detecção de células ou tecidos anormais.
Movimento: Várias tarefas estão relacionadas a estimativa do movimento, no qual uma sequência de imagens é processada para produzir uma estimativa da velocidade em cada ponto.
Reconstrução de cena: Dadas duas ou mais imagens de uma cena, ou um vídeo, a reconstrução de cena visa computar um modelo tridimensional da cena. No caso mais simples, o modelo consiste somente em um conjunto de pontos tridimensionais; métodos mais sofisticados reconstroem também texturas e cores.
Restauração de imagens: O objetivo da restauração de imagens é a remoção de ruídos.
3. ApLICAÇÕES PRÁTICAS
Uma das mais utilizadas funções da visão computacional é a Medicina, ou o processamento médico da imagem. Tal área é caracterizada pela extração de informação de imagens para realizar diagnósticos sobre os pacientes. Fontes de imagens incluem imagens de microscopia, deradiografia, de angioplastia, de ultrasonografia, de tomografia e de Ressonância magnética.
Outra aplicação bastante difundida é a indústria. Aqui, a informação obtida auxilia processos como a inspeção de controle de qualidade e cálculo de posição e orientação de detalhes para um braço robótico por exemplo.
As aplicações militares são talvez uma das maiores da visão computacional, ainda que apenas uma pequena parte desse trabalho esteja disponível ao público. Exemplos básicos incluem a detecção de unidades inimigas e ou mísseis tele-guiados. Sistemas mais avançados enviam mísseis para uma área ao invés deum alvo específico, sendo que a seleção do alvo é feita no processamento da imagem do local feita pelo próprio míssil.
Uma das novas aplicações são os veículos autônomos, cujo nível de autonomia varia entre total ou parcial, este último usado para somente auxiliar a tarefa de dirigir em situações diversas. A autonomia total usa a visão computacional para a navegação, isto é, para obter a localização, para produzir mapas do ambiente e para detectar obstáculos. Várias montadoras já demonstraram veículos totalmente autônomos, mas tal tecnologia ainda não atingiu maturidade suficiente para estar no mercado. 
4. Estado da arte
O campo de visão computacional pode ser caracterizado como imaturo e diverso. Apesar de existirem trabalhos já reconhecidos, somente após o final da década de 1970 que começaram estudos aprofundados, quando os computadores já podiam processar grandes conjuntos de dados como imagens. Entretanto, tais estudos foram geralmente originados de outros campos de pesquisa, e, consequentemente, não existe uma formulação padrão para o problema de visão computacional, assim como não existe uma formulação padrão de como os problemas de visão computacionais devem ser resolvidos. O que existem atualmente são diversos métodos para resolver várias tarefas bem definidas, no qual os métodos são bastante especializados e raramente podem ser generalizados para várias aplicações. Na maioria das aplicações de visão computacional, os computadores são pré-programados para resolver uma tarefa particular, mas métodos baseados em aprendizagem estão se tornando cada vez mais comuns.
Uma parte significativa da inteligência artificial lida com sistemas que realizam ações mecânicas como movimentar um robô em um ambiente. Esse tipo de processamento necessita de um sistema de visão computacional, que age como um sensor de visão, fornecendo informações de alto nível sobre o ambiente ao robô. Outras áreas da inteligência artificial relacionadas com a visão computacional são o reconhecimento de padrões e a aprendizagem de máquina. Como consequência, a visão computacional é por vezes vista como parte da inteligência artificial ou daciência da computação de modo geral.
Física é outro campo relacionado. Grande parte da visão computacional lida com métodos que requerem o entendimento dos processos no qual a radiação eletromagnética, tipicamente na camada visível ou infravermelha, é refletida pelas superfícies dos objetos e capturada pelos sensores para formar a imagem. Esse processo é baseado na óptica e na física dos estados sólidos. Sensores de imagem mais sofisticados requerem também a física quântica para fornecer um compreendimento completo do processo de formação da imagem. Também, vários problemas como o movimento de fluidos podem ser resolvidos com a visão computacional, o que a torna também uma extensão da física.
Um terceiro campo relacionado é a neurobiologia, especificamente o estudo de sistemas biológicos de visão. Durante o século XX houve vários estudos extensos sobre as estruturas do olho, neurônios e do cérebro, devotados ao processo de estimulação visual tanto nos humanos quanto em vários outros animais. Isso levou a uma descrição bastante rica e complexa de como a visão biológica opera para resolver algumas tarefas de visão. Os resultados foram usados para o enriquecimento dos estudos sobre a imitação dos sistemas biológicos, em diferentes níveis de complexidade.
Outro campo relacionado com a visão computacional é o processamento de sinais. Vários métodos de processamento de sinais uni-variáveis, geralmente relacionados ao tempo, podem ser estendidos ao processamento de sinais com duas ou várias variáveis.
Além dos campos de pesquisa anteriores, vários outros tópicos também são estudados na visão computacional, tais como estatística, otimização e geometria computacional.
5. análises sobre os artigos avaliados
5.1 Visão computacional aplicada à metrologia dimensional automatizada
O uso de inspeções automatizadas na indústria vem se tornando cada vez mais uma solução interessante para análise de conformidade de peças. Em processos de manufatura devem ser avaliados: tolerâncias dimensionais, tolerâncias geométricas, ajustagem, incertezas e defeitos de fabricação.
Com a evolução e redução dos preços das câmeras digitais, torna-se atrativo investir em sistemas de Visão Computacional para realização de medições e inspeções. Sistemas deste tipo podem oferecer exatidão e repetitividade em medições sem contato, especialmente por eliminar aspectos como subjetividade, fadiga, lentidão e custo associados à inspeção humana.
Em sistemas de medição por imagem automatizados, o problema principal consiste em saber combinar a tecnologia a uma aplicação específica de uma maneira econômica e com a qualidade requerida. Não há um sistema que resolva todos os desafios industriais, os sistemas são específicos e configurados para cada aplicação. O desenvolvimento de sistemas de visão industriais robustos e com a necessária exatidão torna-se, portanto, um desafio. 
Sistemas de Visão Computacional envolvem técnicas de Processamento Digital de Imagens. Existem duas abordagens comuns nestes sistemas, a primeira refere-se a aplicações de reconhecimento e a segunda a inspeção automatizada. Em um sistema para reconhecimento devem-se extrair características dos objetos da imagem e usar algum tipo de inteligência computacional para proceder a distinção entre os objetos. 
Neste caso não é fundamental obter valores exatos destas características, por outro lado em sistemas de inspeção a exatidão é fundamenta. A Metrologia por imagem consiste no processo automatizado de inspeção/medição, e engloba conceitos de Metrologia e de Visão Computacional. É a medição sem contato que utiliza algoritmos computacionais.
A escolha por técnicas medição automáticas de por imagem requer uma avaliação detalhada sobre os diferentes algoritmos possíveis de serem implementados, bem como as condições de iluminação e do objeto a ser medido. Pode se notar que para algumas aplicações, pode haver mais de uma técnica diferente. Cabe ao usuário decidir quais técnicas se enquadram de modo mais satisfatório para sua aplicação.
5.2 Comando de um servomecanismo usando visão computacional
O objetivo principal do presente trabalho, a descrever resumidamente neste artigo, foi o da implementação de um sistema de controlo de um servomecanismo, dotado de dois eixos lineares, baseado em visão computacional. Para tal, optou-se pela utilização de uma webcam genérica para a aquisição das imagens, baseadas na linguagem gestual, e pela seguinte filosofia de controlo: o sistema deveria, numa primeira fase, a de aprendizagem, associar ordens de controlo a determinadas imagens e, na consequente fase de trabalho (ou de execução), reconhecer a ordem em causa, por comparação da imagem respectiva com as imagens previamente utilizadas na aprendizagem. 
Neste artigo foi apresentado um sistema de controlo, de um servomecanismo, baseado em visão computacional. Assim, foi descrito o servomecanismo considerado, apresentada uma interface para o controlo do mesmo por intermédio de um computador e duas abordagens utilizadas para o seu controlo, baseado em visão computacional. A primeira, baseada nos momentos associados ao objeto de comando, é de implementação simples e rápida, mas apresenta algumas desvantagens, nomeadamente o número reduzido de possíveis ordens de comando. A segunda, baseada em histogramas de orientação, ultrapassou satisfatoriamente esta desvantagem a abordagens implementadas para o controlo baseado em visão computacional.
6. CONCLUSÃO
Este trabalho teve o objetivo de apresentar, sem esgotar o assunto, algumas técnicas de processamento e análise de imagens utilizando a Visão Computacional que têm a capacidade de facilitar bastante o trabalho humano na indústria, além de possibilitar a realização de tarefas de modo mais preciso e eficaz, aumentando consideravelmente a produtividade e a garantia da qualidadedos produtos fabricados. Porém, se utilizada sem a avaliação e os cuidados adequados pode resultar em medidas inexatas.
7. REFERÊNCIAS BIBLIOGRÁFICAS
Tavares, J. M. R. Análise de Movimento de Corpos Deformáveis usando Visão Computacional, Porto, 2000.
Molz, R. F. Uma Metodologia para Desenvolvimento de Aplicações de Visão Computacional utilizando um projeto conjunto de Hardware e Software, Porto Alegre: PPCG da UFRGS, 2001.
Flávio F. Feliciano, F.F.; Souza, I. L ; Leta, F. R. Visão Computacional Aplicacada À Metrologia Dimensional Automatizada: Considerações Sobre Sua Exatidão* ENGEVISTA, v. 7, n. 2, p. 38-50, dezembro 2005
<http://www.invisys.com.br/tecnologia/> acessado em 01 de maio 2014.
Milano, D.; Honorato, L. B. Visão Computacional, Limeira, SP, 2010.
Ferreira, R.; João Manuel R. S. Tavares, R. S.; Manuel, J.; Freitas, F. Comando De Um Servomecanismo Usando Visão Computacional, Porto Portugal, robótica , 54, 2003.
ARAÚJO, S. A. Casamento de Padrões de Imagens Digital Livre de Segmentação e Invariante Sob Transformações de Similaridade, São Paulo, SP, 2009.