Navegación de robot móvil usando Kinect, OpenCV y Arduino

César Augusto Díaz Celis
César Augusto Romero Molano


DOI: http://dx.doi.org/10.15665/rp.v10i1.398

Resumen


Este artículo presenta los resultados de investigación de la visión artificial que sirve de apoyo a la navegación
por medio de imágenes de profundidad y el reconocimiento de objetos por sus canales primarios. El dispositivo
utilizado para la captura de la imagen RGB y la imagen de profundidad es el sensor Kinect de Microsoft, este
consta de una cámara RGB y un emisor de infrarrojos que proyecta un patrón irregular de haces con una intensidad
variable. El sensor de profundidad reconstruye una imagen a partir de la distorsión del patrón, el siguiente
paso es buscar todos los puntos rojos de la escena, contarlos, calcular el centroide, diámetro, posición y distancia
al Kinect. Por último procesar estos resultados, tomar la decisión de movimiento para ser enviada al Arduino, el
cual controla los motores. Los resultados obtenidos en la investigación indican que las imágenes de profundidad
capturadas por el Kinect requieren de escenarios con iluminación controlada; este aspecto es compensado con la
creación del algoritmo de navegación con procesamiento digital de imágenes.


Palabras clave


Kinect; OpenCV; Robot Móvil; Visión Estéreo; Visión RGB.

Texto completo:

PDF

Referencias


Blanco, J., Gonzalez, J., Fernandez, J., Extending Obstacle

Avoidance Methods through Multiple Parameter-

Space Transformations, Autonomous Robots, vol. 24 (1),

pp. 29-48, 2008.

Alvarez, J., Lopez, F., Cuadra, J., Santos, D., Reactive

navigation in real environments using partial center of

area method, Robotics and Autnomous Systems, Vol. 58,

n.12, 2010.

Wang, Y., Chen, D., Autonomous Navigation based on

a novel Topological Map, Asia-Pacific Conference on Information

Processing, 2009.

Fiorini, P., Shiller, Z., Motion Planning in Dynamic Environments

using Velocity Obstacles, in The International

Journal of Robotics Research, vol. 17, no. 7, pp. 760, 1998.

Franco, O.; Perez-Sala, X.; Angulo, C. Identificación y

seguimiento de personas usando kinect por parte de un

robot seguidor. A: Jornadas de ARCA. “XIII Jornadas de

ARCA: eficiencia energética y sostenibilidad en inteligencia

ambiental : sistemas cualitativos y sus aplicaciones en

diagnosis, robótica e inteligencia ambiental”. Islantilla

- Huelva: Universidad de Sevilla, 2011, p. 51-55. 978-84-

-5513-0. [on line]. Disponible desde

net/2117/14270> [Acceso 10 de Junio 2012].

Schwarz L., Mkhitaryan A., Mateus D., Navab N. 2012.

Human skeleton tracking from depth data using geodesic

distances and optical flow. Image and Vision Computing.

Vol 30 pp 217-226. [on line]. Disponible desde

sciencedirect.com/science/article/pii/S026288561100134X>

[Acceso 10 de Junio 2012].

Ruiz J., Galindo C., Gonzales J., Blanco J. 2011. Navegacion

reactiva de un robot móvil usando kinect. Robot 2011,

Robotica experimental. Escuela superior de ingenieros de la

Universidad de Sevilla (España). [on line]. Disponible desde

pdf> [Acceso 10 de Junio 2012].

Dutta T. 2012. Evaluation of the Kinect™ sensor for 3-D

kinematic measurement in the workplace. Applied Ergonomics.

Vol 43 pp 645-649. [on line]. Disponible desde

S0003687011001529> [Acceso 10 de Junio 2012].

Hernandez J., Quintanilla A., Lopez J., Rangel F., Ibarra

M., Almanza D. 2012. Detecting objects using color

and depth segmentation with Kinect sensor. Procedia Technology.

Vol 3 pp 196-204. [on line]. Disponible desde

S2212017312002502> [Acceso 10 de Junio 2012].

Ruiz, J., Galindo, C., Gonzales, J., Blanco, J., Navegación

reactiva de un robot móvil usando Kinect, Robot

, Semana Europea de Robótica, 2011.

(2010) Open Kinect [on line]. Disponible desde

openkinect.org> [Acceso 10 de mayo 2011].

Bradsky, G., Kaeblar, A., Learning OpenCV computer

vision with the OpenCV library, O’Reilly Books, United

States of America, 2008.

Hagen, W., Ubuntu Linux Bible: Featuring Ubuntu 10.04

LTS, Wiley Publishing Inc, United States of América, 2010.

Gómez, D., Reconocimiento de formas y visión artificial,

Ra-ma, Madrid, 1993, p. 235.

Grifith, A., The complete reference GCC, McGraw-

Hill, 2002.

Hagen, W., The definitive guide to GCC, Apress, United

States of América, 2006.

Sobrino, J., Teledetección, Guada Impresores S.L.,

, p. 249.

Riaño, O., Algebra lineal en el procesamiento digital

de imagines, Fondo de publicaciones Universidad Distrital

Francisco José de Caldas, Colombia, 2010.

Pajares, G., De La Cruz, J., Visión por computador

imagines digitales y aplicaciones, Alfaomega Ra-Ma, Madrid,

Digilent [on line]. Disponible desde

com> [Acceso 2 de Julio 2011].

(2007) GNU General Public License [on line]. Disponible

desde [Acceso 12

de Agosto 2011].

Arduino Language Reference [on line]. Disponible

desde [Acceso

de Julio 2011].

(2011) Visión Artificial Unillanos [on line]. Disponible

desde

[Acceso 20 de Septiembre 2011].

Kisacanin, B., Bhattacharyya, S., Chai, S., Embedded

Computer Vision, Springer, 2009.


Enlaces refback

  • No hay ningún enlace refback.


Licencia Creative Commons
Este trabajo esta licenciado bajo una Licencia Internacional Creative Commons Atribución-NoComercial-SinDerivados 4.0.

 

ISSN : 1692-8261 Versión impresión
ISSN : 2216-1368 Versión Web

RedesRepositorio UACRedes Sociales
 


Licenciada bajo: