Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
A mi DIOS todo poderoso, el amigo que nunca abandona, que en los momentos
ms difciles y sombros de mi vida, me dio la fuerza necesaria para seguir adelante,
nunca renunciar a mis sueos y sobre todo a nunca perder la fe. Que me bendijo
enormemente al darme la mejor familia que una persona puede querer y soar .
A la mujer que me dio la vida. La mujer ms valiente que existe, mi seora
MADRE, Ana Mara Asmat Orbegoso, a quien le debo todo lo bueno que soy, que
ahora me doy cuenta, que todas esa llamadas de atencin y castigos, no fueron en
vano, sino que tenan un objetivo claro, inculcarme valores y por eso te doy gracias
de todo corazn mamita linda.
A mi segunda madre terrenal, mi queridsima MADRINA, seora Blanca
Amrica Asmat Orbegoso, el hecho que usted est ahora a mi lado, es el milagro,
ms grande que Dios ha hecho por m, usted que siempre ha estado a mi lado,
haciendo hasta lo imposible para tratar de ayudarme, y me aconseja todos lo das a
no perder la fe en Dios.
A mi hermano mayor, el nico y mejor hermano del mundo, Alberto Adolfo
Snchez Asmat, mi gua y modelo a seguir quien llor y celebr junto a m, el
comienzo de este largo camino, y quien tambin me hizo derramar lgrimas de
felicidad, cuando este sueo fue alcanzado, gracias HERMANO, por haberme
devuelto, la confianza en m mismo, cuando yo la daba por perdida, por darme esos
consejos de vida, y por haber sido una figura paterna en muchos pasajes de mi vida.
Tenemos una promesa que cumplir, y ese es mi motor para seguir adelante y as ser
por lo que me reste de vida.
A todos mis seres queridos, que me dieron su apoyo y comprensin, por sus
mensajes de aliento y a todas esas personas que sin saberlo contribuyeron de alguna
manera con este gran sueo, que hoy es una realidad, miles de gracias de todo
corazn.
ii
Agradecimientos
El Autor
iii
Resumen
La presente tesis tiene como objetivo investigar, encontrar las caractersticas
adecuadas de un sistema de visin artificial, as como encontrar un mtodo para
reconocer imgenes en funcin de su color y su forma, y corroborar su
funcionamiento por medio de la implementacin de una mecanismo, que tiene
acoplada una cmara web, con la cual, siguiendo unas tcnicas de procesamiento de
imgenes, y una comunicacin con un circuito externo, se intenta lograr que la
cmara web, siga a un objeto en movimiento, segn la forma y color que se desea.
El mtodo de reconocimiento implementado en esta tesis, abarca los procesos y
etapas necesarios para una correcta descripcin y extraccin de caractersticas.
Dichas etapas buscan: mejorar el aspecto de las imgenes, resaltar las caractersticas
ms importantes dentro de la imagen, eliminar el ruido presente durante tratamiento
de las imgenes, separar los objetos del fondo de manera clara, extraer datos
caractersticos de los objetos presentes en la escena, de manera que sea fcil su
reconocimiento.
El software de procesamiento de imgenes empleado en esta tesis, es Matlab,
puesto que posee un entorno de trabajo sencillo, por qu presenta un toolbox de
procesamiento de imgenes, permitindonos la creacin de una interfaz grfica con
la cual se puede controlar todo el proceso, y porque permite comunicacin con
perifricos externos.
El funcionamiento del sistema en general es el siguiente: Una cmara acoplada a
un mecanismo mvil de 2 grados de libertad conectada a una placa externa que
permite la comunicacin con la PC, donde mediante el software de procesamiento de
imgenes, se cre una interfaz grfica de usuario y en la cual, un usuario, puede
elegir el color y la forma del objeto que le gustara que la cmara siga, una vez
seleccionados, presionando un botn, se inicia el proceso, de manera que el
mecanismo al moverse, mueve el ngulo de visin de la cmara realizando el
seguimiento en tiempo real.
iv
Abstract
This thesis aims to investigate, find a suitable system artificial vision system
features as well as a method to recognize images as a function of color and form, and
confirm its operation through the implementation of a mechanism that has a webcam attached, where, following some image processing techniques and a
communication circuit, try to get your web-cam, follow an object moving.
The processing method implemented in this thesis covers the processes and steps
required for s correct description and extraction characteristics description. Those
steps, improve the appearance of the images, highlight the technical characteristics
within the image, delete the noise present during processing of the images, remove
background objects, clearly, extract characteristic data of the objects present in the
scene so it easy recognition.
The software of images processing used in this thesis is Matlab, since it has a
simple work environment, because it presents a toolbox of image processing,
allowing us creating a GUI where we can control the whole process and because
allows communication with external peripherals.
INDICE GENERAL
CAPTULO I: MARCO METODOLGICO ....................................................... 1
1.1. El problema ............................................................................................... 1
1.1.1.
1.1.2.
1.1.3.
1.1.3.1.
1.1.3.2.
1.1.3.3.
1.1.3.4.
1.1.3.5.
1.1.4.
1.2.
Objetivos ................................................................................................... 6
1.2.1.
1.2.2.
1.3.
Hiptesis ................................................................................................... 6
1.4.
Variables ................................................................................................... 7
1.4.1.
1.4.1.1.
1.4.2.
1.4.2.1.
1.5.
Indicadores ...................................................................................7
Indicadores ...................................................................................7
1.5.1.
1.5.1.1.
1.5.1.2.
1.5.1.3.
1.5.1.4.
1.5.1.5.
1.5.2.
Mtodos...............................................................................................9
1.5.3.
1.5.3.1.
Poblacin......................................................................................9
1.5.3.2.
Muestra ........................................................................................9
1.5.4.
1.5.4.1.
Tcnicas .......................................................................................9
1.5.4.2.
Instrumentos ............................................................................... 10
1.5.4.3.
1.5.5.
1.5.5.1.
1.5.5.2.
Indicadores ................................................................................. 10
2.1.2.
2.1.2.1.
Reconocimiento ..........................................................................80
2.1.2.5.
ARDUINO ................................................................................. 85
3.2.1.
3.2.2.
3.2.3.
3.2.3.1.
3.2.3.2.
3.2.4.
3.2.5.
3.2.6.
4.2.1.
4.2.1.1.
4.2.1.2.
4.2.1.3.
4.2.2.
4.2.2.1.
4.3.
4.3.1.
4.3.2.
4.3.3.
4.4.
4.5.
4.6.
4.6.1.
4.6.2.
4.6.3.
viii
ndice de Figuras
Figura 1: Castaas de la empresa privada El Bosque. ............................................. 11
Figura 2: Esquema del equipo mecatrnico para la seleccin de castaas. .............. 12
Figura 3: Seleccin del cacao. ................................................................................ 14
Figura 4: Robot soldador guiado mediante visin artificial. .................................... 19
Figura 5: Robot explorador curiosity. .....................................................................20
Figura 6: Proceso al que se somete una radiografa. ............................................... 21
Figura 7: Robot quirrgico Davinci........................................................................21
Figura 8: Visin artificial en la identificacin de huellas digitales. ......................... 22
Figura 9: Visin artificial en sistemas de vigilancia. .............................................. 22
Figura 10: Semforos inteligentes que saben cundo dejar pasar a los peatones. .... 23
Figura 11: Control dimensional usando visin artificial .........................................24
Figura 12: Etapas de un Sistema de Visin Artificial. ............................................ 28
Figura 13: Configuracin de un sensor CCD. ......................................................... 30
Figura 14: Configuracin de un sensor CMOS. ...................................................... 31
Figura 15: Cubo de colores RGB. ..........................................................................34
Figura 16: Modelo RGB. ....................................................................................... 34
Figura 17: Modelo de doble cono del espacio de colores HSI. ................................ 35
Figura 18: Modelo de color HSI............................................................................. 36
Figura 19: Componentes RGB de una imagen. ....................................................... 37
Figura 20: Esquema de la transformacin aplicada a una imagen. .......................... 39
Figura 21: Vecindad 4 de un pixel. ........................................................................40
Figura 22: Vecindad 8 de un pixel. ........................................................................40
Figura 23: Ejemplo de mscara de 3x3. ..................................................................41
Figura 24: Mscaras de convolucin para filtro de media. (a) Mscara 3x3. (b)
Mscara 5x5............................................................................................................ 43
Figura 25: Entorno 3x3. ......................................................................................... 44
Figura 26: Imagen binaria. ..................................................................................... 47
Figura 27: Proceso de dilatacin de una imagen. .................................................... 49
Figura 28: Proceso de erosin de una imagen. ........................................................ 50
ix
Figura 29: Operaciones morfolgica. (a) Imagen original. (b) Imagen dilatada. (c)
Imagen erosionada. ................................................................................................. 51
Figura 30: Imagen en niveles de gris de Lena y su correspondiente histograma. .....54
Figura 31: Etiquetado de imgenes. (a) Imagen original. (b) Imagen etiquetada. .... 59
Figura 32: Etiquetado de una imagen en forma de U. (a) Imagen original. (b)
Imagen etiquetada. ..................................................................................................60
Figura 33: (a) Imagen Binaria. (b) Filtrado de rea igual T=5................................. 62
Figura 34: Direcciones de cdigo de cadena. (a) Para 4 vecinos. (b) Para 8 vecinos.
............................................................................................................................... 66
Figura 35: Aproximacin poligonal .......................................................................67
Figura 36: Representacin polar............................................................................. 68
Figura 37: Proceso de Esqueletizacin. ..................................................................69
Figura 38: Reconstruccin de la frontera usando descriptores de Fourier. .............. 71
Figura 39: Esquema de representacin de momentos centrales. .............................. 77
Figura 40: Tipos de articulaciones. ........................................................................82
Figura 41: Placa Arduino UNO. ............................................................................. 85
Figura 42: Fases de un sistema de visin artificial. ................................................. 87
Figura 43: Vista de objetos con fondo blanco de manera ideal. ............................ 88
Figura 44: Vista de objetos con fondo negro de manera ideal. ................................ 88
Figura 45: Vista de figuras con fondo blanco de manera real.................................. 89
Figura 46: Vista de objetos con fondo negro de manera real. ..................................89
Figura 47: Procesamiento de imgenes con fondo color negro. .............................. 90
Figura 48: Procesamiento de imgenes con fondo color blanco. ............................. 90
Figura 49: Procesamiento de imgenes con material (a) Microporoso. ................... 91
Figura 50: Mecanismo de prueba mvil. ................................................................ 94
Figura 51: Entorno de trabajo de Matlab. ............................................................... 98
Figura 52: Adaptadores de video instalados. ........................................................ 100
Figura 53: Identificadores de dispositivos de video conectados a la PC. ............... 101
Figura 54: Formatos y tamaos de imagen aceptados por los dispositivos de video
conectados a la PC. ............................................................................................... 101
Figura 55: Configuracin de la cmara en Matlab. ............................................... 102
Figura 56: Adquisicin de imgenes desde Matlab. .............................................. 103
x
xii
ndice de Tablas
Tabla 1: Sistemas de transmisin para robots. ........................................................ 83
Tabla 2: Modelos de cmaras web..........................................................................93
Tabla 3: Eslabones del mecanismo de la cmara. ................................................. 106
Tabla 4: Ventajas y desventajas de los motores elctricos usados en robtica. ...... 108
Tabla 5: Servomotor Tower Pro SG90. ................................................................ 109
Tabla 6: Lista de propiedades de forma de la funcin regionprops(). .................... 125
Tabla 7: Resultados obtenidos con la funcin CalcularMomentosInvariantes (). ... 134
Tabla 8: Intervalos de trabajo de h1...................................................................... 135
xiii
1.1. El problema
Por el gran auge que est teniendo esta tecnologa, las empresas a nivel
local, nacional, mundial, necesitan gente capacitada en dichas tecnologas.
Por stas razones lo que se busca lograr con sta tesis, es proponer un
estudio de tcnicas de visin artificial aplicadas al reconocimiento de objetos
y darle una aplicacin prctica a travs de la creacin de un prototipo de un
sistema de reconocimiento y seguimientos de objetos en tiempo real, el cual
se implementar con el propsito de comprobar y validar el trabajo, cuyo
principio de funcionamiento puede servir como base para fomentar futuros
proyectos de investigacin, as como fomentar ms en los estudiantes, el
inclinarse por el campo de la visin artificial
1.1.3.2.Relevancia Institucional.
La escuela de Ingeniera Mecatrnica de la Universidad Nacional
de Trujillo, desde el ao 2012, presenta una feria
de proyectos
1.1.3.3.Relevancia Social.
La implementacin de sistemas con visin artificial en diversos
procesos contribuye a mejorar la calidad de los productos (control de
calidad), lo cual aumenta la productividad de la compaa, as como su
rentabilidad. Tambin se emplean en sistemas domticos que mejoran la
calidad de vida de las personas, tambin se usan en el mbito de
seguridad y muchas otras aplicaciones. Todos estos han puesto un gran
aporte al desarrollo de las industrias y tecnologa, sobre todo en el
mbito de la robtica y la automatizacin industrial.
1.1.3.4.Relevancia Econmica.
Por el simple hecho de mejorar la calidad de los productos, la
productividad de la empresa, as como la calidad y vida de las personas y
seguridad, esto trae consigo de manera implcita un bienestar econmico.
1.1.3.5.Relevancia Ambiental.
La presente tesis, dado que se encuentra dentro del mbito
acadmico, no contribuye ni afecta al medio ambiente, ya que no
contribuye a la contaminacin ambiental, ni deterioro de la capa de
ozono, ni agota los recursos naturales, ni tampoco
representa una
amenaza a la biodiversidad.
1.2. Objetivos
1.2.1. Objetivo General
-
1.3. Hiptesis
La hiptesis que se plantea en la tesis es la siguiente:
Con el uso de tcnicas de procesamiento de imgenes y descriptores, se
verifica la posibilidad de que una cmara reconozca y siga un objeto
determinado de manera automtica.
1.4. Variables
1.4.1. Variable independiente
-
Mtodo reconocimiento.
1.4.1.1.Indicadores
-
Nmero de operaciones.
Forma.
Color.
Trayectoria.
1.4.2.1.Indicadores
-
revisar tesis
Los temas que se tuvieron que tocar con mayor profundidad dentro de
esta investigacin son los siguientes:
1.5.1.1.Sistemas de visin artificial
-
1.5.1.2.Procesamiento de imgenes.
-
Definicin de descriptores.
Objetivos.
Tipos de descriptores.
1.5.2. Mtodos
-
1.5.3.2.Muestra
-
Algoritmos de procesamiento.
Descriptores de formas.
1.5.4.2.Instrumentos
-
PC porttil.
Cmara.
Servomotores.
Software de procesamiento.
1.5.4.3.Fuentes e Informantes
-
Tesis, publicaciones.
1.5.5.2.Indicadores
Se observ la respuesta de la cmara al movimiento del objeto y
tambin el reconocimiento del objeto ante la cmara, teniendo como un
indicador visual dos leds de colores, uno verde y uno rojo. El led de
color verde se encenda cada vez que la cmara reconoca al objeto
seleccionado y por lo tanto la cmara empezaba a moverse. Mientras que
el led de color rojo, era encendido cada vez que el objeto dejaba de
reconocerse o cuando no haba ningn objeto en frente de la cmara y por
lo tanto la cmara no se mova.
10
2.1.1.
Fuente: [W5]
11
Fuente: [W5]
12
Equipo mecatrnico.
Los investigadores disearon y construyeron los componentes
mejorar la
Fuente: [W6]
orgnicos de la
14
2.1.2.
Marco terico
16
La evaluacin de resultados.
Procesamiento de imgenes.
Reconocimiento de imgenes.
Aprendizaje estadstico.
Geometra de proyeccin.
Analizan color.
A. Robtica.
La visin artificial permite realizar en este campo las
siguientes tareas:
-
Evadir obstculos.
Manipulacin.
Interaccin
humano-robot
HRI
(Human
Robot
Fuente: [W9]
19
Fuente: [W10]
B. Medicina
La comunidad mdica tiene muchas aplicaciones en las que
aparece el procesamiento de imgenes, a menudo orientadas hacia
el diagnostico de dolencias o enfermedades, entre las se incluyen
radiografas, resonancias magnticas, tomografas, etc.
Otras aplicaciones donde interviene la VA en este campo son
las siguientes:
-
Clasificacin y deteccin.
(lesin o clasificacin de
Segmentacin 2D/3D.
20
Fuente: [W9]
Fuente: [W12]
21
C. Seguridad
En el mbito de la seguridad, ya se viene empleando la VA
artificial en sistemas de seguridad, domticos e inmticos, donde
realizan tareas como:
-
Fuente: [W13]
Fuente: [W14]
22
D. Transporte.
La visin artificial est encontrando en este sector un extenso
campo de aplicacin, donde estn cada vez ms siendo usada. La
visin artificial est siendo usada en este campo:
-
Vehculos autnomos.
Figura 10: Semforos inteligentes que saben cundo dejar pasar a los peatones.
Fuente: [W15]
E. Automatizacin industrial.
La VA se aplica en distintos sectores de la industria como la
industria alimentaria, automocin, electrnica, farmacia.
Entre las principales tareas que realizan en este campo se
encuentran:
-
Ensamblado.
23
Fuente: [W17]
G. Interfaces hombre-computadora.
Se utiliza para:
-
Estimacin de miradas.
25
Pre-procesamiento.
La segunda etapa consiste en el tratamiento digital de las
imgenes, con objeto de facilitar las etapas posteriores. En
esta etapa de procesamiento previo es donde mediante filtros
y
transformaciones
geomtricas,
se
eliminan
partes
Segmentacin.
La siguiente fase se conoce como segmentacin y
consiste en aislar los elementos que interesan de una escena
para comprenderla ([1], cap. I, pg. 21).
Se trata de decidir que partes de la imagen necesitan
interpretacin o anlisis y cules no. A menudo es posible y
necesario refinar la segmentacin. Por ejemplo, si la
aplicacin debe encontrar araazos o grietas en un vidrio, la
primera fase de segmentacin suele encontrar elementos que
son las propias grietas o araazos adems de suciedad y
polvo. Otro ejemplo, en una imagen de satlite se determina
las zonas de agua, de cultivo, urbanas, carreteras, etc. A
26
Representacin
descripcin
(extraccin
de
caractersticas).
Una vez dividida la imagen en zonas con caractersticas
de ms alto nivel se pasar a su extraccin de las
caractersticas. Bsicamente son de tipo morfolgico, tales
como rea, permetro, excentricidad, momentos de inercia,
esqueletos, pero tambin se puede emplear caractersticas
basadas en texturas o color.
Se ha pasado de una informacin visual primaria a algo
ms elaborado. Con las caractersticas analizadas ahora cada
regin se debe clasificar e interpretar. Por tanto, se deben
disear clasificadores que le d a cada rea segmentada una
etiqueta de alto nivel, como por ejemplo, en una imagen
area que zonas son tierras de cultivo, reas urbanas, etc.
Existe un elenco de tcnicas de clasificacin, como redes
neuronales, sistemas expertos, lgica difusa, clasificadores
estadsticos, etc. [W9].
-
Reconocimiento e interpretacin.
Por ltimo se llega a la etapa de reconocimiento o
clasificacin. En ella se pretende distinguir los objetos
segmentados, gracias al anlisis de ciertas caractersticas que
se establecen previamente para diferenciarlos ([1], cap. I,
pg. 21).
27
Deteccin de formas.
Anlisis geomtrico.
Comparacin de patrones.
Medicin de objetos.
28
29
Fuente: [W18]
30
Fuente: [W18]
Memoria de video.
Memoria semiconductora (RAM) en la que se almacena la
imagen digitalizada. Normalmente la conversin A/D y la
memoria de video se agrupan n un mdulo conocido como
frame grabber (captura de imgenes).
Procesador.
La memoria de video se acopla a un procesador de
propsito general que permite operar sobre la imagen.
Opcionalmente puede existir otro procesador dedicado para
captura y procesamiento de imgenes.
Monitor.
Generalmente se tiene un monitor que permite visualizar
las imgenes adquiridas ([6], cap. II, pg. 11).
Color.
El color es un fenmeno perceptual relacionado con la
33
Fuente: [W19]
34
Modelo HSI
Se considera que el modelo HSI, es el que mejor
aproxima a la condicin humana. El modelo HSI codifica el
modelo en tres componentes:
H=croma(Hue, matiz)
35
Fuente: [W20]
36
B. Filtrado
Las imgenes digitales no siempre presentan la calidad
adecuada para su anlisis y utilizacin, y puede deberse a diversos
factores como:
-
Problemas de iluminacin.
38
|(
)|
(2.2)
a.
39
Convolucin bidimensional.
La convolucin bidimensional discreta es la base de
40
( ) (
(2.3)
Mscaras.
Una mscara, llamada tambin ventana, kernel o
( )
( )
(2.4)
Filtros de suavizamiento.
El objetivo de los filtros de suavizamiento es eliminar
42
43
Mediana.
En este caso, el nivel de gris de cada pixel se
44
C. Operaciones morfolgicas
Clsicamente la morfologa ha sido una parte de la biologa
que estudia la forma de los animales y de las plantas. De la misma
forma, la morfologa matemtica consiste en un conjunto de
tcnicas matemticas que permiten tratar problemas que
involucran formas en una imagen. La morfologa matemtica
tiene su origen en la teora de conjuntos. Para ella las imgenes
binarias son conjuntos de puntos 2D, que representan los puntos
activos de una imagen, y las imgenes en niveles de gris son
conjuntos de puntos 3D, donde la tercera componente
corresponde al nivel de intensidad.
A continuacin se presentan algunas definiciones bsicas que
se deben conocer a priori:
45
Traslacin.
La traslacin de A por x=(x1,x2), como:
( )
(2.6)
Reflexin.
Se define la reflexin de A como:
(2.7)
Complemento.
Se define el complemento de un conjunto A como:
{
(2.8)
Diferencia.
La operacin diferencia entre dos conjuntos A y B se
representa como:
{
(2.9)
define la siguiente
propiedad: [Libro03]
(2.10)
-
Imgenes binarias.
Una imagen binaria es una imagen digital que tiene
nicamente
dos
valores
posibles
para
cada
pixel.
46
Fuente: [W11]
Dilatacin.
La dilatacin adiciona pixeles a los lmites del objeto (es
(2.11)
47
propiedad conmutativa.
(2.12)
(2.13)
(2.14)
48
Erosin.
La erosin remueve pixeles sobre los lmites del objeto
(2.15)
49
(2.16)
50
Fuente: [W22]
51
2.1.2.2.2. Segmentacin
La segmentacin es un proceso que consiste en dividir una
imagen digital en regiones homogneas con respecto a una o ms
caractersticas que pueden ser: brillo, color, forma, textura, entre
otros; con la finalidad de facilitar un posterior anlisis o
reconocimiento automtico. Localizar la cara de una persona dentro de
la imagen de una fotografa o encontrar los lmites de una palabra
dentro de una imagen de un texto, etc. ([1], cap. IV, pg. 125).
Este proceso ayuda a obtener una versin ms compacta de la
informacin de bajo nivel, ya que en vez de miles o millones de
pixeles, se puede llegar a decenas de regiones.
Locales.
Se basan en agrupar pixeles en base a sus atributos y los de
Globales.
Se basan en propiedades globales de la imagen (divisin)
Divisin-agrupamiento.
Combinan propiedades de las tcnicas locales y globales ([2],
La textura.
La textura de un objeto dentro de una imagen es el conjunto
El contorno.
El contorno de un objeto en una imagen digital corresponde
Fuente [W23]
Umbralizacin fija.
El caso ms sencillo, es el conocido como umbralizacin
( )
( )
( )
(2.17)
55
Umbralizacin de banda.
La umbralizacin de banda permite segmentar una
( )
(2.18)
Multiumbralizacin.
Como su nombre indica, consiste en la eleccin de
( )
{
(2.19)
( )
Semiumbralizacin.
La semiumbralizacin persigue obtener una imagen
( )
( )
(2.20)
Umbralizacin adaptativa.
En las tcnicas anteriores, los rangos de umbralizacin se
sigue los
siguientes pasos:
Dividir la imagen original I(i,j) en sub-imgenes
Ik(i,j) donde se supone que los cambios de
iluminacin no son tan fuertes.
Determinar independientemente un umbral Uk para
cada sub-imagen Ik(i,j).
Si en alguna sub-imagen no se puede determinar su
umbral, calcularlo mediante la interpolacin de los
valores de los umbrales de sub-imgenes vecinas.
Procesar cada sub-imagen con respecto a su umbral
local.
Como se mencion anteriormente, el histograma de una
imagen no contiene informacin espacial sino solamente la
distribucin (frecuencia) de grises presentes en la imagen.
Eso quiere decir, que dos imgenes diferentes pueden tener el
mismo
histograma. Esto
segmentacin basados
58
en donde
a cada componente
59
.
En general, los algoritmos para etiquetar
dan buenos
Figura 32: Etiquetado de una imagen en forma de U. (a) Imagen original. (b)
Imagen etiquetada.
60
C. Filtro de tamao.
El filtro de tamao en imgenes binarias est orientado,
principalmente con dos objetivos:
-
61
Figura 33: (a) Imagen Binaria. (b) Filtrado de rea igual T=5.
(c) Filtrado de rea igual T=10.
62
Descriptores unidimensionales.
Entre los que tenemos los cdigos de cadenas, permetro, forma
Descriptores bidimensionales.
Tenemos rea, momentos, etc.
Descriptores Especficos.
Entre los que tenemos: Nmero de agujeros, posicin relativa de
63
denomina
seleccin
de
caractersticas
y reducen
la
64
Estas
tcnicas
reciben
el
nombre
de
extraccin
de
Descriptores de contorno.
Cdigo de cadena.
Aproximacin poligonal.
Representacin polar.
Esqueletizacin.
Descriptores de Fourier.
Descriptores de regin.
Momentos.
Descriptores topolgicos.
Descriptores de contorno.
El objetivo de estos descriptores es representar la frontera de
Cdigo de cadena.
A muchas imgenes luego de aplicarles el proceso de
Aproximacin poligonal.
Se trata de aproximar de la mejor manera posible el
Fuente: [W26]
Representacin polar.
Conocida tambin como signaturas o firmas. Es una
Fuente: [W27]
Esqueletizacin.
Una regin plana se puede reducir a un grafo, mediante
Fuente: [W26]
69
Descriptores de Fourier.
La transformada discreta de Fourier (DFT) se puede
Invarianza a traslaciones.
Los componentes de Fourier de dos objetos iguales,
Invarianza a giros.
La transformada de Fourier de un objeto girado
F
m
f
k
f
m
k
f
Fuente: [W26]
Descriptores de forma.
El objetivo de estos descriptores es extraer caractersticas a
71
Descriptores topolgicos.
Permetro (P).
Es el nmero de pixels que pertenecen al objeto y
rea.
Es el nmero de pixels para los cuales su valor es 1.
(2.23)
Distancia.
Se puede definir la distancia entre dos puntos de una
Distancia Eucldea.
(
(2.24)
Distancia de Magnitud.
|
(2.25)
||
|}
(2.26)
72
Compactacin.
La compactacin da una medida de la dispersin del
(2.27)
Momentos.
Los momentos son un concepto derivado de la fsica. En
Como
contraparte,
tambin
existen
diferentes
(2.28)
73
Donde
(2.29)
(2.30)
74
Momentos Simples.
La teora de los momentos proporciona una
(2.31)
el momento de
(2.32)
(2.33)
(2.34)
(2.35)
75
(2.36)
(2.37)
cualquier
direccin.
Podemos
expresar
las
(2.38)
(2.39)
Momentos Centrales.
Para hacer una descripcin independiente de la
(2.40)
(2.41)
(2.42)
(2.43)
(2.44)
(2.45)
77
(2.46)
(2.47)
(2.48)
(2.49)
si estaba
78
definimos
los
momentos
centrales
normalizados
(2.50)
(2.51)
Momentos Invariantes.
A partir de los momentos centrales normalizados de
(2.52)
(2.53)
)(
(
(
) (
(2.54)
)(
)
)(
(2.55)
)
(2.56)
)
79
)(
)
(
)(
(
)(
)
) (
(
)(
)
)
(2.57)
)(
(2.58)
)
(
)
2.1.2.4. Reconocimiento
Por ltimo, una vez concluidas las operaciones de pre-procesamiento,
segmentacin, descripcin y extraccin de caractersticas, se debe obtener
como resultado un conjunto de datos, que describen las caractersticas del
objeto que se quiere reconocer.
En esta fase de reconocimiento, se realizar la clasificacin de los
objetos presentes en la imagen de acuerdo a sus modelos respectivos ([5],
cap. II, pg. 23).
sta ltima fase del procesamiento de la imagen, ser la que estar
directamente relacionada con el medio exterior, ya que en muchas
aplicaciones el sistema no termina en esta etapa, ya que es muy comn que
con la informacin proveniente de sta etapa, se realice alguna accin
sobre algn sistema elctrico, mecnico, etc., con el objeto de realizar una
accin determinada o corregir un estado no deseado del sistema donde se
est aplicando el tratamiento de imgenes.
82
Denominacin
Ventajas
Inconvenientes
Circular-Circular
Engranaje
Pares altos
Holguras
Correa dentada
Distancia grande
--
Cadena
Distancia grande
Ruido
Paralelogramo
--
Giro limitado
Cable
--
Deformabilidad
Tornillo sinfn
Poca holgura
Rozamiento
Cremallera
Holgura media
Rozamiento
Paral.
--
Control difcil
Articulado
Holgura media
Rozamiento
Circular-Lineal
Lineal-Circular
Cremallera
denominado
83
2.1.2.5.3. Actuadores.
Los actuadores tienen por misin generar los movimientos de
los elementos de las articulaciones de un mecanismo.
De manera general, los actuadores utilizados pueden emplear
energa
B. Actuadores hidrulicos.
Este tipo de actuadores no se diferencian funcionalmente en
mucho de los neumticos. En ellos, en vez de aire, se utilizan
aceites a una presin comprendida normalmente entre los 50 y
100 bar, llegndose en ocasiones a superar los 300 bar. Existen,
como en el caso de los neumticos, actuadores del tipo cilindro y
del tipo motores.
C. Actuadores elctricos.
Las caractersticas de control, sencillez y precisin de los
accionamientos elctricos, han hecho que sean los ms utilizados,
y como su nombre lo indica su fuente de energa proviene de la
corriente elctrica ([4], cap. II, pg. 42-45).
84
2.1.2.6. ARDUINO
Arduino es una plataforma de electrnica abierta para la creacin de
prototipos basada en software y hardware flexibles y fciles de usar. Fue
creada para artistas, diseadores, aficionados y cualquiera interesado en
crear entornos u objetos interactivos.
El hardware consiste en una placa con un microcontrolador Atmel
AVR y puertos de entrada / salida. Arduino puede tomar informacin del
entorno a travs de sus pines de entrada de toda una gama de sensores y
puede afectar a todo aquello que le rodea controlando luces, motores y
otros actuadores. El microcontrolador en la placa Arduino se programa
mediante el lenguaje de programacin Arduino y el entorno de desarrollo
Arduino. Los proyectos hechos con Arduino pueden ejecutarse sin la
necesidad de conectar la placa a un ordenador, si bien tiene la posibilidad
de hacerlo y comunicar con diferentes tipos de software [W29].
Fuente: [W29]
85
3.1. Introduccin.
La presente tesis busca hacer un estudio sobre principios bsicos y tcnicas
aplicadas a sistemas de visin artificial, as como el estudio de sus diferentes
fases. El objetivo que se busca con esta tesis es hacer un reconocimiento de
figuras bsicas teniendo como restriccin para el reconocimiento dos
caractersticas que son:
- Forma: Se buscar reconocer figuras geomtricas bsicas como crculos,
cuadrados y tringulos.
- Color: Se buscara diferenciar los colores rojo, azul, verde.
Adicionalmente, una vez reconocidos, los objetos, ya sea por color o forma
o por una combinacin de ambos, se programar una rutina para que una cmara
web acoplada a un mecanismo de 2 GDL, realice un seguimiento del objeto,
tratando de ubicar siempre la imagen coincidiendo con el centro de gravedad del
objeto seleccionado.
A continuacin se describen las siguientes fases el proyecto
3.2.Implementacin del sistema de visin Artificial.
En el captulo anterior se describieron las fases de un sistema de visin
artificial, las cuales comprendan las fases de:
-
Pre-procesamiento.
Segmentacin.
Extraccin de Caractersticas.
Reconocimiento e Interpretacin.
86
mejor
87
Las imgenes
intensidades que van desde 0 (color negro) hasta 255 (color blanco), se
utilizarn estos dos extremos como posibles colores de fondo, para que al
insertar objetos de colores, que al transformarlos a escala de grises, sus
valores estarn contenido entre estos dos lmites. De esta manera se
obtendr una buena diferenciacin entre los objetos y el fondo.
Idealmente, si los objetos estuvieran sobre un fondo blanco o negro,
sin ningn factor adicional externo, deberan verse de la siguiente
manera:
Figura 43: Vista de objetos con fondo blanco de manera ideal.
88
90
91
92
MODELO
CYB-W161
DESCRIPCION
FIGURA
- Presenta 3 leds para una
imagen ms ntida y
clara.
- Resolucin VGA.
- Micrfono integrado.
- Seguimiento
fcil
inteligente.
- Clip ideal para porttil.
- Compatible con todos
los sistemas operativos
Windows.
- Precio: S/. 25.00
CYB-W101
CYB-W102
3.2.3.1.Hardware empleado
Para las etapas de procesamiento de imgenes, se utiliz en la parte
de hardware una PC porttil de la marca ASUS que presenta entre sus
principales caractersticas:
-
3.2.3.2.Software empleado
Existen actualmente varios programas, que permiten procesar
imgenes, de los cuales, de los cuales se seleccion Matlab.
Matlab.
Es un software matemtico que ofrece un entorno de desarrollo
de
datos
funciones,
la
programacin
tratamiento.
As
como
tambin
permitir
la
97
98
Current directory
Las operaciones de Matlab utilizan el directorio seleccionado
Editor
En esta ventana, se pueden introducir las rdenes de trabajo
Luego
de
ver
los
adaptadores,
debemos
encontrar
los
100
101
las imgenes
103
3.2.3.3.Mtodo de segmentacin.
Para poder extraer las caractersticas de los objetos a analizar, es
necesario, diferenciarlos y separarlos del fondo. Por esta razn el mtodo
para segmentar ser uno basado en la umbralizacin, y ser el de
umbralizacin fija, puesto que es el de menor complejidad de clculo, por
lo tanto el de menor tiempo de procesamiento, y debido a que los
resultados obtenidos con este mtodo son aceptables y van acorde con los
objetivos del presente trabajo.
que se
objeto a lo largo del plano. Por lo tanto se deben tener en cuenta que
configuraciones se deben utilizar.
En la Figura 58, se tienen 2 configuraciones diferentes. La primera est
conformada por dos articulaciones prismticas, que harn que la cmara se
mueva sobre dos ejes de manera lineal, pudiendo alcanzar cualquier punto
que se encuentre sobre su espacio de trabajo sin problemas.
La segunda configuracin presenta dos articulaciones rotacionales, los
cuales harn que la posicin de la cmara no vare, pero har que el ngulo
de visin de la misma s.
105
Nombre
Imagen
BASE-SOPORTE DEL
MECANISMO
Peso: 48g
106
ESLABN PARA
MOVIMIENTO IZQUIERDADERECHA DE LA CMARA
WEB
Peso:42g
ESLABN PARA
MOVIMIENTO ARRIBADEBAJO DE LA CMARA WEB
Peso:18g
Fuente: Elaboracin propia
Motores DC.
Los servomotores.
107
Tipo de motor
Motor DC
Ventajas
Desventajas
Fciles de controlar.
para
de
torques.
robtica.
-
torques
aplicaciones
Normas
de
pobres
en
No
requiere
cajas -
reductoras
para
poder
cargas
trabajar
bajas
velocidades.
-
Efecto
variables.
No
de
dinmico,
frenado
irregulares.
dejando -
Alto
consumo
de
corriente.
-
Necesita
unos
drivers
Menos
costoso.
No -
Requiere
modificacin
para
movimiento continuo.
Aunque
Disponible
varios
agujeros
tamaos,
en
con
poder
servos
realizar
ms
es de 10 libras.
Fuente: [W30]
108
Motor
Tower Pro SG90
Especificaciones
-
Peso: 9 gramos.
Dimensiones: 23.1x12.2x29mm.
Fuente: [W31]
3.2.6. ARDUINO,
Una plataforma de electrnica abierta para la creacin de prototipos
basada en software y hardware flexibles, fciles de usar.
Esta plataforma ser utilizada para comunicar la PC porttil con el
mecanismo de la cmara, ya que esta se puede comunicar con la PC por
medio del puerto serial.
109
Microcontrolador: ATmega328.
sta placa nos permite adems entre otras cosas comunicarnos con la
PC, por lo tanto, podemos enviar rdenes para mover los servomotores,
desde la PC, lo cual ser de mucha utilidad.
110
4.1. Introduccin
En el captulo 3, se present las condiciones iniciales con las que se iba a
trabajar en la presente tesis. Se trataron puntos, como el color del fondo, material
del fondo, configuracin de la cmara, el tipo de actuador a utilizar, entorno de
software en visin artificial,
4.2.1. Pre-procesamiento
En un primer momento, la imagen proveniente de la cmara puede no
estar lo suficientemente acondicionada para el anlisis y extraccin de
caractersticas. Si bien nosotros al ver las imgenes notamos inmediatamente
la forma y el color de los objetos presentes en la escena, la computadora no lo
sabe, por lo tanto se debe acondicionar la imagen de tal manera que luego de
su respectivo tratamiento, la imagen resultante pueda contener la informacin
suficiente para que la computadora pueda entender la escena y descifrar que
objetos se encuentran en dicha imagen.
111
est
conformada en realidad por 3 imgenes o planos, uno para cada color del
modelo RGB (rojo, verde, azul). Cada uno de estos planos tendr un
color predominante en su respectivo plano.
Por ejemplo si la imagen obtenida por la cmara web se almacena en
la variable Irgb. Entonces para obtener cada plano RGB de la imagen
usaremos los siguientes comandos:
Figura 59: Obtencin de los tres planos RGB.
112
113
4.2.1.2.Filtrado.
Inicialmente, se pens utilizar filtros para mejorar el aspecto de las
imgenes y reducir el ruido de los mismos en esta etapa. Pero hubo el
problema que al implementar el sistema final con los filtros aumentaban
en gran parte el tiempo de procesamiento, lo cual ya que como
planteamos en nuestros objetivos, no se puede permitir un alto tiempo de
procesamiento del sistema se concluy el no aplicar estos filtros, ya que
114
4.2.1.3.Operaciones Morfolgicas.
En esta etapa, el planteamiento es el mismo, debido al alza del
tiempo de procesamiento, y que no es de vital importancia para el
procesamiento, se determin no aplicarle a las imgenes las operaciones
morfolgicas, que haran al sistema muy lento, en contraste
con el
sistema deseado.
4.2.2. Segmentacin.
En el captulo 3, se defini que se empleara el mtodo de segmentacin
mediante umbralizacin fija, donde una imagen previamente convertida a
escala de grises, ser analizada pixel por pixel, y aquellos cuyos valores de
intensidad sean mayores a un valor conocido como umbral, sern asignados
un valor de uno (color blanco), y en el caso que sean menores, se les asignara
el valor cero (color negro), obtenindose como resultado una imagen binaria.
Para realizar este procedimiento, existen dos maneras de hacerlo: La
primera es mediante la utilizacin de funciones predefinidas de Matlab, para
este caso la funcin es im2bw(), la segunda es a travs de la creacin de un
fichero donde escribamos una funcin que lea una imagen a escala de grises y
analiza y compare el valor de cada pixel con el valor umbral, de ambas
maneras el resultado obtenido es el mismo.
Figura 63: Funcin im2bw().
115
116
117
de color tiene
118
120
(2.23)
121
Donde, Iruido es una imagen binaria que presenta ruido, Lim es el valor
lmite de rea debajo del cual los objetos son considerados como ruido y cuyas
reas deben eliminarse, Isruido es la imagen binaria resultante luego de aplicar
el filtro de tamao. El resultado se presenta en la siguiente imagen:
122
124
125
Con todos estos datos obtenidos, es posible construir y delimitar cada una
de las regiones. En el ANEXO A se presenta el diagrama de flujo para separar
objetos a partir de las datos entregados por la funcin BoundingBox. Las
coordenadas de los 4 vrtices del rectngulo se calculan de la siguiente manera:
Figura 76: Coordenadas de los vrtices del rectngulo contenedor de cada regin.
126
127
Donde:
-
128
Supongamos que Ibw, es una imagen binaria de NxM pixels, y que luego
de aplicada la funcin bwlabel() y regionprops(), los objetos de la imagen han
sido correctamente etiquetados, se tiene las variables Ne que corresponden
al nmero de objetos encontrados y property, que es donde se almacenan
las propiedades de la funcin regionprops(). La propiedad seleccionada es
BoundingBox, cuyos datos almacenaremos en las siguientes variables:
129
Momentos invariantes.
130
131
132
Cuadrado
Tringulo
Crculo
Figura 83: Formas de las figuras.
INTERVALO
[h1]
[0.163-0.175]
[0.183-0.215]
[0.150-0.163]
Analizando estos valores, podemos analizar qu forma tiene cada uno de los
objetos, por lo tanto, estos resultados en conjunto con los resultados obtenidos
para la segmentacin de colores nos darn la informacin necesaria para poder
diferenciar la forma y color de los objetos de estudio los cuales son:
-
Cuadrado rojo.
Cuadrado verde.
Cuadrado azul.
Tringulo rojo.
Tringulo verde.
Tringulo azul.
Crculo rojo.
Crculo verde.
Crculo azul.
4.5.Interfaz grfica.
Una de las principales utilidades, que nos brinda Matlab para los propsitos
del presente proyecto, es que nos permite crear interfaces grficas de usuarios.
Lo cual nos permitir comunicarnos con la PC, y darle los parmetros de
funcionamiento.
135
Adquirir la imagen.
Procesar la imagen.
136
procesar
identificar los objetos, y una vez que los identifique, mandar una
orden a la tarjeta de Arduino, que a su vez activar los movimientos de
los servomotores que controlan el movimiento del mecanismo de la
cmara web, y este proceso continuar hasta que el centro del objeto
coincida con el centro de la imagen.
4.6.1. Cmara web y mecanismo de la cmara.
Ya se defini que el material de los eslabones que componen al
mecanismo ser aluminio, ya se defini la cmara web a emplear, as como
137
Y finalmente el botn
Luego una vez obtenidos tanto los puntos (xd,yd) y (xc,yc), se debe
hacer una comparativa para saber si un objeto se encuentra a la
derecha, a la izquierda, arriba o debajo del centro de la imagen. El
esquema a tener en cuenta es el siguiente:
Figura 87: Esquema de posicin relativa del objeto con respecto al
centro de la imagen.
139
140
141
CAPTULO V: CONCLUSIONES
Para este proyecto de tesis, se busc un mtodo que posea las caractersticas
adecuadas para el reconocimiento y seguimiento de objetos en tiempo real, as
como la implementacin de un prototipo de mecanismo para corroborar la
funcionalidad del sistema, mediante el seguimiento de una cmara a la posicin
del objeto. Teniendo como restriccin tres formas (cuadrados, tringulos y
crculos) y tres colores (rojo, verde y azul).
1. El mtodo de procesamiento de imgenes utilizado en la presente tesis,
contiene las fases principales de un sistema de visin artificial. Si bien se
obviaron algunas fases como la aplicacin de filtros y operaciones
morfolgicas, stas no tenan una gran implicancia para el resultado final. Los
procesos aplicados a las imgenes fueron: Conversin a escala de grises,
umbralizacin, etiquetado, extraccin de caractersticas y reconocimiento.
2. Se utiliz el mtodo de reconocimiento usando momentos invariantes porque
nos dio como resultado caractersticas de la forma del objeto, adems de
entregarnos resultados positivos, con ste mtodo para la presente aplicacin
slo era necesario, el primero de dichos momentos, lo cual nos da un menor
tiempo de procesamiento, muy conveniente para el propsito principal de la
tesis.
3. Para lo comprobacin del correcto funcionamiento del sistema y como
complemento de la tesis, se implement un mecanismo de 2 grados de
libertad, construidos de retazos planchas de 1.5mm de material de aluminio
liso, con dos articulaciones rotacionales, accionados por servomotores cuyos
movimientos eran controlados por medio de una placa Arduino adems de
permitir la comunicacin del mecanismo con la PC.
4. Se seleccionaron servomotores de tamao y toque ligero, puesto que, el
mecanismo era de peso ligero, reduciendo los costos y adems obteniendo un
buen resultado final.
142
5. Para la interaccin del usuario con el sistema, se cre una interfaz grfica. La
interfaz creada presenta los componentes necesarios para el funcionamiento
del sistema: dos mens deslizables para seleccionar el color y la forma, un
botn SWITCH para intercambiar entre el Iniciar y Detener el proceso,
as como una botn para Salir y cerrar la interfaz y un cuadro donde se
mostrarn la imgenes que capturadas por la cmara.
6. Se enlazaron las diferentes partes del sistema, la adquisicin de la imagen por
medio de la cmara web, la PC porttil donde se realiz el procesamiento y
reconocimiento de la imagen, la placa de Arduino que comunica la PC con el
mecanismo. De manera que todas estas partes trabajen de manera conjunta
para realizar las pruebas necesarias para regular algunos parmetros de
trabajo.
7. Se hicieron pruebas finales con el sistema completo, se logr una adecuada
identificacin de la forma y color de los objetos sobre un fondo negro, y
debido a que se us un material de microporoso, se pudieron evitar los efectos
negativos de brillo sobre los objetos. Razn por la cual, el resultado final, fue
un sistema con un bajo tiempo de procesamiento que identific de manera
adecuada los objetos segn su color y su forma.
8. Si bien es cierto, que este sistema no tiene un fin especfico, los resultados
obtenidos en esta tesis buscan sentar las bases para futuras investigaciones
que se puedan realizar en este campo y darle una aplicacin especfica para
solucionar algn problema de su sociedad.
143
144
Vlez Serrano, J. F., Moreno Daz, A. B., Snchez Calle, A. Snchez Marn,
J. L. E. (2003). Visin por Computador 2da Edic. [en lnea].
[2]
Sucar, L., E., Gmez, G. (2011). Visin Computacional. [en lnea]. Instituto
Nacional de Astrofsica, ptica y Electrnica. Puebla, Mxico.
[3]
[4]
Referencia de Tesis
[5]
[6]
[7]
145
Referencia de Websites
[W1] Ortiz, U. (2003). Visin Artificial. Recuperado de
http://dspace.ups.edu.ec/bitstream/123456789/220/2/Capitulo%201.pdf
[W2] Daz, R. (2009). Visin Artificial para el control de calidad y seguridad
alimentaria. Recuperado de
http://www.aeratp.com/documentos/Presentacion_VISION%20(7).pdf
[W3] Aplicacin prctica de la visin artificial en el control de procesos
industriales. Recuperado de
http://visionartificial.fpcat.cat/wpcontent/uploads/UD_1_didac_Conceptos_previos.pdf
[W4] C.I.P. ETI Tudela. Visin Artificial, Conceptos Generales. Recuperado de
http://www.etitudela.com/celula/downloads/visionartificial.pdf
[W5] El comercio CIENCIAS (2014). Arequipeos usan visin artificial para
seleccionar castaas. Recuperado de
http://elcomercio.pe/ciencias/investigaciones/arequipenos-usan-visionrtificial-seleccionar-castanas-noticia-1706434
[W6] UDEP Hoy (2013). Desarrollarn sistema de visin artificial para mejorar
calidad del cacao. Recuperado de
http://beta.udep.edu.pe/hoy/2013/desarrollaran-sistema-de-vision-artificialpara-mejorar-calidad-del-cacao/
[W7] Wikipedia (2012). Visin Artificial. Recuperado de
http://es.wikipedia.org/wiki/Visi%C3%B3n_artificial
[W8] Rensselaer Department of Electrical, Computer, & Systems Engineering
(2014). Computer Vision. Recuperado de
http://www.ecse.rpi.edu/~qji/CV/3dvision_intro.pdf
146
147
148
212.128.130.23/eduCommons/enseanzas-tecnicas/procesamiento-avanzadode-imgenes-digitales
[W25] Cancelas C., J. A., lvarez, I. (2011). Visin Industrial por Computador.
rea de Ingeniera de Sistemas y Automtica. Universidad de Gijn.
Recuperado de
isa.uniovi.es/~cancelas/doctorado/
[W26] Unicauca (2009). Extraccin de caractersticas. Recuperado de
ftp.unicauca.edu.co/Facultades/FIET/DEIC/Materias/Vision%20de%20Maqui
na/Clases/
[W27] Alberola L., C. (2002). Descriptores de Imagen. Laboratorio de Procesado de
Imagen. Recuperado de
Poseidon.tel.uva.es/~carlos/ltif10001/descriptores.pdf
[W28] Wikipedia. (2014). Reductores de velocidad. Recuperado de
es.wikipedia.org/wiki/Reductores_de_velocidad
[W29] ARDUINO HOMEPAGE (2014) ARDUINO. Recuperado de
www.arduino.cc/es/
[W30] ROBOTICS UNIVERSE. (2014) How to choose a motor for your robot.
Recuperado de
http://www.robotoid.com/howto/choosing-a-motor-type.html
[W31] ServoDatabase.com (2014). TowerPro SG90- Micro Servo. Recuperado de
www.servodatabase.com/servo/towerpro/sg90
[W32] Wikipedia. (2014). MATLAB. Recuperado de
es.wikipedia.org/wiki/MATLAB
[W33] KND. (2007). Entorno de trabajo Matlab. Recuperado de
Matlabxsiemprexd.blogspot.com/2007/11/entorno-de-trabajo.html
149