Recibido el 28 de marzo de 2005, aceptado el 25 de abril de 2005 RESUMENEste trabajo presenta una comparación de las técnicas de calibración propuestas por Tuceryan et al. [15], Trucco et al. [13] y Zhang [20], los cuales proponen maneras diferentes para determinar los parámetros a partir de puntos 3D conocidos y sus correspondientes en el plano imagen 2D. La correspondencia es extraída en forma manual, centrando la atención en la exactitud de los parámetros de cámara entregados (intrínsecos y extrínsecos). Los patrones pasivos utilizados consideran las técnicas de calibración con diferentes homografías, dependiendo de los planos existentes en el proceso. Zhang [20] propone una aproximación basada en patrones acomodados en una superficie planar 2D, donde la cámara o el patrón se desplaza sin conocer el movimiento. En cambio Tuceryan et al. [15] y Trucco et al. [13] se basan en un modelo conocido 3D y su correspondencia en el plano imagen 2D, diferenciándose en la consideración de los parámetros intrínsecos que deben ser determinados o de influencia en la matriz de cámara final. Los algoritmos fueron implementados en Matlab 6.0, de acuerdo a la interpretación de los trabajos y técnicas de optimización extraídas desde la literatura citada.Palabras clave: Visión computacional, calibración de cámara, homografía 3D-2D, matrices de proyección. ABSTRACTThis work presents a comparison of the calibration techniques proposed by Tuceryan et al. [15], Trucco et al. [13] and Zhang [20], suggesting different ways to determine the parameters, starting from known 3D points and their corresponding points in the 2D image plane. The correspondence is manually extracted, being the obtained parameter accuracies (extrinsic and intrinsic) the most important. The passive patterns used consider the calibration techniques with different homographs, depending on the existing process planes. Zhang [20] proposes an approximation based on patterns located on a 2D planar surface, where the camera or the pattern are displaced without knowledge of the motion. Tuceryan et al. [15] and Trucco et al. [13] base their procedure in a known 3D model and its correspondence on a 2D image plane, the difference being in the consideration of the intrinsic parameters that must be determined or considered in the final camera matrix. The algorithms were implemented using Matlab 6.0, according to the interpretation of the works and optimization techniques extracted from the cited literature.

Este trabajo presenta el desarrollo de una interfaz cerebro-computador utilizando el dispositivo Emotiv EEG, en donde se realizan reconocimientos de gestos faciales y pensamientos cognitivos, los que serán traducidos en movimientos que serán ejecutados por un robot Lego Mindstorms, con la idea de verificar si realmente Emotiv realiza un buen reconocimiento y puede ser utilizado para el movimiento de dispositivos. El trabajo es motivado por otras investigaciones realizadas, en donde se aplicaron distintas técnicas para el reconocimiento, pero en algunos casos la velocidad y en otros la precisión no fueron las esperadas, por lo que en esta investigación utiliza otros métodos para evitar esos problemas. Se realizan pruebas de reconocimiento con seis personas, arrojando en el reconocimiento cognitivo un 81% de precisión con dos acciones aprendidas y para el reconocimiento facial una precisión de 67% con seis gestos utilizados. Posteriormente se realiza una prueba en el sistema implementado con una arquitectura dirigida por eventos, junto con el dispositivo Emotiv y el robot, obteniendo una precisión del 70%, evaluada según lo que el usuario quería hacer y lo que ejecutaba el robot, donde se muestra que el dispositivo Emotiv es recomendable para su uso en el control de movimientos, ya que entrega buenos resultados de reconocimiento y permite múltiples acciones en tiempo real.

La calidad del agua de un estanque en el campo de la acuicultura tiene un papel muy importante para el éxito del cultivo o crianza de camarones. Los parámetros del agua son variables que pueden afectar la salud del animal o afectar en un crecimiento tardío y una reproducción lenta. Los parámetros del agua se miden comúnmente de manera manual con la ayuda de instrumentos de medición para conocer su estado. Los datos de las mediciones permiten notar cambios y tomar decisiones ante emergencias. Se desarrolla un sistema de monitoreo remoto, con el objetivo de automatizar el proceso de toma de datos y evitar accidentes con las especies en observación, éste incluye nodos con sensores para medir parámetros del agua, sensores ambientales, módulo de comunicación inalámbrica XBee y microcontrolador Arduino. El trabajo en conjunto permite la toma de lecturas programadas o en tiempo real. La información de cada lectura tomada de los parámetros puede ser consultada desde un dispositivo móvil o un computador con acceso a internet en cualquier instante. Finalmente se realizan pruebas del sistema, para comprobar su funcionamiento en el ambiente requerido. Se instalan nodos en cada estanque del "proyecto piloto de criaderos de camarones".

No abstract

En este trabajo se presenta el empleo de técnicas de agrupamiento para segmentar patentes vehiculares mediante un método aplicable a sistemas ANPR (Automatic Number Plates Recognition). Para lograr este objetivo se realizaron diferentes pruebas con clusters, comparando su desempeño y efectividad. Este método utiliza técnicas de agrupamiento para eliminar, de manera automática, los puntos espurios que pueden ser generados por las técnicas de obtención de correspondencias. Para realizar la segmentación de patentes vehiculares, el método recibe como entrada una nube de puntos correspondientes, resultantes de un matching entre los descriptores SIFT (Scale Invariant Features Transforms) de la imagen de entrada y los descriptores SIFT de una imagen de referencia que contiene los posibles caracteres de una patente vehicular. Mediante técnicas de agrupamiento se obtiene el cluster conformado por los puntos ubicados en la zona de la placa y además su centroide asociado. Luego se emplea la técnica de crecimiento de regiones para segmentar el área mínima que encapsula al centroide, la cual constituye la placa patente de la imagen considerada. En conclusión se presenta un proceso de agrupamiento que forma parte de un método híbrido que combina técnicas de visión e inteligencia computacional para segmentar patentes vehiculares en ambientes externos. Palabras clave: Segmentación de patentes vehiculares, ANPR (Automatic Number Plates Recognition), técnicas de agrupamiento, técnicas de obtención de correspondencias, SIFT (Scale Invariant Features Transforms), crecimiento de regiones.