CALCULO DE DISTANCIA DE OBJETOS A

TRAVES DE LA VISION ARTIFICIAL

DENNIS RAMOS ARIAS

NICKOLAE QUINTANILLA CHAVEZ
 INTRODUCCION
El Algoritmo aplicado para calcular la distancia de objetos desde la
cámara hasta el objeto, se realiza mediante el siguiente proceso:

• Algoritmo de detección de puntos característicos en imágenes

• Estimación de distancia de uno o mas objetos
 Algoritmos de detección de
puntos característicos

• ALGORITMOS SIF
• ALGORITMOS ASIF
• ALGORITMOS SURF
• ALGORITMOS RANSAC
 ALGORITMO ASIF

• Es una mejora del algoritmo SIF, a diferencia del anterior algoritmo

mencionado, simula tres parámetros: el zoom, el angulo de la cámara
en latitud y el ángulo de la cámara en longitud y normaliza la
traslación, rotación y escala.
 ALGORITMO SURF

• El algoritmo SURF es invariante a rotaciónes, cambios de escala e

iluminación. Por lo que realiza una caracterización de imágenes mas
agil
 ALGORITMO RANSAC
• Es un algoritmo iterativo que estima los parámetros de una
homografía utilizando un cierto porcentaje de datos que no se ajustan
al modelo teórico
 ALGORITMOS SIF
• Es un método que permite extraer características distintivas
(comparación y detección) de las imágenes de forma muy particular
• Su funcionamiento consiste en encontrar descriptores en 2 o mas
imágenes dadas como valores de entrada, analiza dichos descriptores
para determinar si existen coincidencias o no entre ambas.

Para que algoritmo funcione correctamente tenemos que seguir un

procedimiento tomando los siguientes puntos:
 • Puntos de Localización
• Estabilidad en los puntos de Localización
• Descripción Local de la Imagen
• Emparejar e Indexar
 PUNTOS DE LOCALIZACION
Identifica la ubicación de una imagen a través del escalado y rotacion,
Para lograr la rotación y un alto nivel de eficiencia,
Se selecciona ubicaciones clave en Máxima.
y mínimos de una diferencia de función gaussiana aplicada en un
espacio de escala. Esto se puede calcular de manera muy eficiente construyendo
Una pirámide de imágenes con remuestreo entre cada nivel.
Además, localiza puntos clave en regiones y escalas de
alta variación, haciendo que estas ubicaciones sean particularmente estables
caracterizando la imagen
ESTABILIDAD EN LOS PUNTOS DE LOCALIZACION
• Para caracterizar la imagen en cada ubicación clave, el suavizado La
imagen A en cada nivel de la pirámide se procesa para extraer
Gradientes de imagen y orientaciones. En cada píxel, Aij, la imagen.
gradiente, magnitud, Mij y orientación, Rij, se calculan utilizando las
diferencias de píxeles:
Inglés

Las diferencias de píxeles son eficientes para calcular y proporcionar

Precisión suficiente debido al nivel sustancial de suavizado Se
compensa el cambio efectivo de medio píxel en la posición. para
cuando se determina la ubicación clave
 DESCRIPCION LOCAL DE LA IMAGEN
• Dada una ubicación, escala y orientación estables para cada clave,
Ahora es posible describir la región de la imagen local de una manera
invariante a estas transformaciones. Simula las respuestas de
neuronas complejas a diferentes imágenes 3D. vistas de modelos
gráficos de computadora, y encontró que el complejo salidas de celda
proporcionan una discriminación mucho mejor que Correspondencia
simple basada en correlación.
 ALMACENAMIENTO Y COINCIDENCIA
• Después de haber realizado los procesos anteriores, se necesita de los
puntos de localización obtenidos de las imágenes que queremos
localizar en base a sus características, al igual que también queremos
encontrar las coincidencias en las imágenes utilizando el
dimensionamiento de vectores. Obteniendo el reconocimiento de
uno o mas objetos como se muestra el ejemplo a continuación.
 Estimación de la distancia de objetos
Para estimar la distancia de la cámara a un objeto el área de una
imagen patrón, con el área del objeto detectado, se realiza el calculo de
la distancia euclidiana a través de esta formula:

• Donde I1 e I2 son dos puntos de referencia del objeto a la cámara, y

también toma en cuenta la distancia focal (zoom), ya que el tamaño
de la imagen esta en función de la distancia focal.