ads:
MINISTÉRIO DA EDUCAÇÃO
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA MECÂNICA
DESENVOLVIMENTO E APLICAÇÃO DE UM SISTEMA DE VISÃO PARA ROBÔ
INDUSTRIAL DE MANIPULAÇÃO
por
Maurício Velloso Grassi
Dissertação para obtenção do Título de
Mestre em Engenharia
Porto Alegre, maio de 2005
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
DESENVOLVIMENTO E APLICAÇÃO DE UM SISTEMA DE VISÃO PARA ROBÔ
INDUSTRIAL DE MANIPULAÇÃO
por
Maurício Velloso Grassi
Engenheiro Mecânico
Dissertação submetida ao Corpo Docente do Programa de Pós-Graduação em
Engenharia Mecânica, PROMEC, da Escola de Engenharia da Universidade Federal do Rio
Grande do Sul, como parte dos requisitos necessários para a obtenção do Título de
Mestre em Engenharia
Área de Concentração: Processos de Fabricação
Orientador: Prof. Dr. Flávio José Lorini
Aprovada por:
Prof. Dr. Eduardo André Perondi, PROMEC/UFRGS
Prof. Dr. Ney Francisco Ferreira, DEMEC/UFRGS
Prof. Dr. Gilberto Dias da Cunha, PUCRS
Prof. Dr. Flávio José Lorini
Coordenador do PROMEC
Porto Alegre, maio de 2005.
ads:
i
AGRADECIMENTOS
Ao orientador, pelo apoio e motivação.
Aos colegas, pelo auxílio e companheirismo.
À comissão de avaliação, pelas críticas e sugestões.
À esposa e família, pelo carinho e atenção.
ii
RESUMO
O presente trabalho aborda o desenvolvimento e aplicação de um sistema de visão para um
robô industrial, dedicado a tarefas de manipulação. Para seu desenvolvimento, foi feita a
integração de equipamentos comerciais de captação de vídeo com um PC, onde é executada a
análise das imagens. Os resultados são enviados ao controlador do robô através de um sistema de
comunicação, sendo recebidos por um programa de manipulação que executa as tarefas.
Como peça central do sistema de captura e processamento de imagens tem-se o programa
RobVis, desenvolvido em linguagem Visual Basic e que tem a função principal de identificar a
posição e orientação de objetos a serem manipulados pelo robô, que interpreta as imagens
captadas por uma câmera de vídeo do tipo CCD, ligada a uma placa de captura de imagens. Após
definidas as variáveis de interesse, estas são transmitidas ao controlador do robô, através de um
sistema de comunicação IRBCom, desenvolvido no Laboratório de Robótica da UFRGS. No
controlador, um programa de manipulação escrito em linguagem Rapid, nativa do manipulador
empregado, recebe as variáveis para execução da tarefa de captura de objetos em posições
aleatórias e depósito em um ponto de descarga pré-definido.
O sistema de visão desenvolvido caracteriza-se como de fácil implementação e aplicação
em tarefas de manipulação robótica industrial que exijam a determinação da posição e orientação
de objetos de trabalho dentro de uma porção do volume de trabalho do robô, coberta por um
sistema de visão.
iii
ABSTRACT
“Development and Aplication of a Vision System for Manipulating Robot”
This work deals with the development and aplication of a vision system for an industrial
robot dedicated to manipulating tasks. For its development, a commercial video-capture
equipment was combined to a PC, where image analyis is performed. The results are sent to the
robot controller through a communication system and received by a manipulating program which
performs the tasks.
The main piece of the image capture and processing system is the processing software
RobVis, developed using the Visual Basic code, that has the main function of identify the
position and orientation of objects intended to be manipulated by the robot. The software
processes the images captured by a CCD video camera connected to an image capture card.
When the desired variables are calculated, these are transmitted to the robot controller through an
IRBCom communication system, developed by the UFRGS Laboratory of Robotics. At the
controller, a manipulating program written in Rapid, the native language of the robot, waits for
the variables to perform the task of capturing parts in randomic positions and depositing them at
a pre-established unloading point.
The designed vision system is qualified as of easy usage and application in robotic
manipulating tasks that need information about position and orientation of parts inside a section
of the robot’s work space that is within the in range of the vision system.
iv
ÍNDICE
ÍNDICE DE TABELAS..................................................................................................................x
1. Introdução....................................................................................................................................1
1.1 Motivação..............................................................................................................................2
1.2 Objetivos e Limitações do Trabalho......................................................................................2
2. Revisão Bibliográfica..................................................................................................................4
2.1. O Robô..................................................................................................................................4
2.2 Aplicações dos Robôs............................................................................................................6
2.3 Visão Robótica ......................................................................................................................8
2.3.1 Imagem ...........................................................................................................................9
2.4 Captação da Imagem ...........................................................................................................11
2.4.1 Câmera Vidicon............................................................................................................11
2.4.2 Câmera Digital..............................................................................................................13
2.5 Técnicas de Iluminação.......................................................................................................15
2.6 Pré-Processamento de Imagens ...........................................................................................16
2.6.1 Domínio-Freqüência.....................................................................................................16
2.6.2 Domínio-Espaço ...........................................................................................................18
2.6.3 Conectividade ...............................................................................................................20
2.7 Processamento de Imagens..................................................................................................21
2.7.1 Histograma da Imagem.................................................................................................22
2.7.2 Limiarização .................................................................................................................23
2.7.3 Detecção da Borda........................................................................................................24
2.7.4 Segmentação Orientada a Regiões................................................................................27
2.7.5 Operações de Morfologia Binária.................................................................................29
2.8 Análise de Imagens..............................................................................................................31
2.8.1 Reconhecimento de Objetos .........................................................................................31
2.8.2 Momentos .....................................................................................................................33
2.9 Sistemas de Controle e Transmissão de Sinais....................................................................36
2.9.1 Hierarquia de Sistemas de Automação Industrial.........................................................37
2.9.2 Redes Locais.................................................................................................................38
3. Desenvolvimento do Sistema....................................................................................................40
3.1 Equipamento de Captura de Imagens..................................................................................40
3.1.1 Câmera..........................................................................................................................40
v
3.1.2 Placa de Captura ...........................................................................................................41
3.1.3 Suporte da Câmera........................................................................................................42
3.2 Iluminação...........................................................................................................................43
3.3 Interface PC/Controlador do Robô......................................................................................44
3.3.1 Módulo Hardware IRBCom .........................................................................................46
3.3.2 Módulo Software IRBCom...........................................................................................47
3.4 Programa de Análise de Imagens ........................................................................................48
3.4.1 Módulo de captura ........................................................................................................48
3.4.2 Módulo de Processamento............................................................................................49
3.4.3 Módulo de Calibração...................................................................................................52
3.4.4 Procedimentos Matemáticos.........................................................................................53
3.5 Programa de Manipulação...................................................................................................57
4. Avaliação Experimental ............................................................................................................60
4.1 Desenvolvimento da Tabela de Comparação ......................................................................61
4.2 Manipulação de Objetos com Orientação............................................................................62
4.2.1 Carregando o Programa de Manipulação .....................................................................63
4.2.2 Referência do Campo de Visão ....................................................................................63
4.3 Seleção de Parâmetros.........................................................................................................64
4.4 Ciclo de Operação ...............................................................................................................65
4.5 Operação com Sólido de Revolução....................................................................................66
5. Considerações Finais.................................................................................................................68
5.1 Resultados............................................................................................................................68
5.2 Conclusões...........................................................................................................................69
5.3 Sugestões.............................................................................................................................69
Referências Bibliográficas ............................................................................................................71
vi
LISTA DE SÍMBOLOS
AC Alternate Current (Corrente Alternada)
BMP Bit MaP (Mapa de Bits)
BARA British Automation and Robot Association (Associação Britânica de Robótica e
Automação)
CAD Computer Aided Design (Projeto Assistido por Computador)
CAM Computer Aided Manufacte (Fabricação Assistida por Computador)
CCD Charge-Coupled Device (Dispositivo de carga Acoplada)
CFTV Circuito Fechado de Televisão
CID Charge-Integrated Device (Dispositivo de Carga Integrada)
CIM Computer Integrated Manufacturing (Manufatura Integrada por Computador)
CNC Computerized Numerical Control (Controle Numérico Computadorizado)
CRT Cathode-Ray Tube (Tubo de Raios Catódicos)
DLL Dinamic Link Library (Biblioteca de Vínculo Dinâmico)
EIA American Electronic Industry Association (Associação Americana da Indústria
Eletrônica)
FFT Fast Fourier Transform (Transformada Rápida de Fourier)
FM Frequency Modulated (Modulado em Frequência)
fps Frames per Second (Quadros por Segundo)
GPFAI Grupo de Projeto, Fabricação e Automação Industrial
IFToMM International Federation for the Promotion of Mechanism and Machine Science
(Federação Internacional para a Promoção da Ciência de Mecanismos e
Máquinas)
ISO International Standards Organization (Organização Internacional de Padrões)
JPEG Joint Photographic Experts Group (Grupo Combinado de Peritos em Fotografia)
LAN Local Area Network (Rede Local)
NASA National Aeronautics and Space Administration (Administração Nacional de
Aeronáutica e Espaço)
NTS National Television Standards (Padrões de Televisão Nacionais)
OSI Open System Interconnect (Interconexão de Sistema Aberto)
PC Personal Computer (Computador Pessoal)
PCI Peripheral Component Interconect (Interconexão para Componente Periférico)
RGB Red, Green, Blue (Vermelho, Verde, Azul)
vii
RIA Robot Industry Association (Associação da Indústria Robótica)
SCARA Selective Compliance Assembly Robot Arm (Braço Robótico Seletivo de
Montagem)
TIFF Tagged Image File Format (Formato de Arquivo de Imagem Rotulada)
USB Universal Serial Bus (Barra Serial Universal)
viii
ÍNDICE DE FIGURAS
Figura 2.1 – Tipos de robôs.............................................................................................................5
Figura 2.2 – Esquema de uma câmera Vidicon.............................................................................12
Figura 2.3 – Varredura da câmera Vidicon...................................................................................12
Figura 2.4 – Modelo de captura de dados de imagem...................................................................14
Figura 2.5 – Formas de iluminação...............................................................................................16
Figura 2.6 – Vizinhança 3 × 3 de um ponto da imagem e detalhe da máscara de convolução.....19
Figura 2.7 – Máscara 3 × 3 mostrando coeficientes e coordenadas de pixel. ...............................20
Figura 2.8 – Vizinhança de pixel p................................................................................................21
Figura 2.9 – Histogramas de 4 tipos básicos de imagens..............................................................23
Figura 2.10 – Processo de limiarização.........................................................................................24
Figura 2.11 – Detecção da borda por operadores de derivação. ...................................................25
Figura 2.12 – Máscaras de Sobel. .................................................................................................27
Figura 2.13 – Efeito aproximado de espessamento (a) e dilatação (b). ........................................30
Figura 2.14 – Erosão (a) e esqueletonização sem (b) e com (c) espessamento prévio. ................31
Figura 2.15 – Razão de Aspecto de um objeto..............................................................................32
Figura 2.16 – Imagem exemplo para cálculo de momentos..........................................................34
Figura 2.17 – Objetos com pequenas diferenças e assimetrias. ....................................................35
Figura 3.1 – Câmera CCD.............................................................................................................41
Figura 3.2 – Placa de captura de imagens. ....................................................................................42
Figura 3.3 – Suporte da câmera.....................................................................................................43
Figura 3.4 – Iluminação da área de captura. .................................................................................44
Figura 3.5 – Sistema segundo o modelo de camadas OSI.............................................................46
Figura 3.6 – Módulo IRBCom. .....................................................................................................46
Figura 3.7 – Tela do módulo de captura com detalhes..................................................................49
Figura 3.8 – Barra de menu do módulo de processamento. ..........................................................50
Figura 3.9 – Interface do módulo de processamento, com observações para suas funções..........52
Figura 3.10 – Interface do módulo de calibração, com observações para suas funções. ..............53
Figura 3.11 – Área de captura com os ângulos para calibração....................................................57
Figura 3.12 – Comunicação entre os componentes do sistema.....................................................57
Figura 3.13 – Trajetória seguida pelo manipulador. .....................................................................59
Figura 4.1 – Ferramentas e corpos de prova. ................................................................................60
Figura 4.2 – Aparência do módulo e imagem durante calibração para 45º...................................61
ix
Figura 4.3 – Carregando base de dados.........................................................................................62
Figura 4.4 – Procedimento de referenciar o campo de visão. .......................................................64
Figura 4.5 – Seleção dos parâmetros.............................................................................................65
Figura 4.6 – Imagens captadas durante o ciclo de operação. ........................................................66
Figura 4.7 – Imagens de manipulação de sólido de revolução......................................................67
x
ÍNDICE DE TABELAS
Tabela 3.1 – Dados técnicos do conjunto......................................................................................41
Tabela 4.1 – Tabelas de comparação para seção “T” e retangular................................................62
Tabela 5.1 – Resultados dos testes................................................................................................68
1
1. INTRODUÇÃO
Há não muito tempo, surgiu no imaginário da humanidade, algo que pudesse facilitar o
trabalho das pessoas e até substituí-las na execução de tarefas repetitivas e difíceis. Pode-se dizer
que o surgimento da robótica está ligado ao livro tcheco Robôs Universais de Rossum [apek
apud Niku, 2001]. Nesta obra, os Robotas (trabalhadores), máquinas semelhantes aos humanos,
seriam produzidos em larga escala e empregados nas mais variadas tarefas. Dos Robotas,
originou-se o termo robô e derivou a expressão robótica que é a base científica e conhecimento
para se desenvolver, aplicar e usar robôs em tarefas essencialmente humanas.
Saindo da ficção, o emprego da robótica no setor industrial vem desde a década de 1960,
após as experiências desenvolvidas na década anterior, onde foram construídos os primeiros
robôs industriais, dos quais ressaltaram-se as principais vantagens do seu emprego:
- a automação pode, em várias situações, aumentar a produtividade, segurança,
eficiência e qualidade dos produtos;
- os robôs podem trabalhar em ambientes perigosos sem a necessidade de suporte de
vida, conforto ou preocupações com segurança;
- os robôs não precisam de conforto ambiental, como iluminação, ar condicionado,
ventilação e proteção de ruídos;
- os robôs trabalham continuamente sem apresentar fadiga e cansaço;
- robôs apresentam repetitividade de precisão durante todo o ciclo de operação;
- os robôs podem ser muito mais precisos que os humanos.
Mas o uso da robótica também apresenta algumas deficiências, dentre elas podem ser
citadas:
- os robôs não têm a habilidade de responder a emergências, a menos que a situação
seja prevista e a resposta esteja incluída em seu sistema. Medidas de segurança são
necessárias para garantir que não sejam causados danos a operadores e máquinas
trabalhando junto à eles [Bonney e Yong, 1985]. Isto inclui respostas inapropriadas ou
erradas, falta de poder de tomada de decisão, perda de potência, danos ao robô e outros
dispositivos e lesões a humanos;
- robôs são relativamente caros, devido ao custo inicial do equipamento, custos de
instalação, necessidade de periféricos, operadores treinados e de programação
específica;
2
- os robôs, apesar de serem equipamentos com vasta gama de aplicações, podem
apresentar deficiências em alguns casos devido a limitadas capacidades em graus de
liberdade, sensores integrados e resposta em tempo-real.
Este último aspecto, mais precisamente a falta de um sistema de visão integrado e a
capacidade de envio de decisões em tempo-real serão o foco principal deste trabalho.
1.1 Motivação
Apesar do emprego de robôs industriais estar plenamente estabelecido em tarefas
repetitivas e que dependam apenas de um programa pré-concebido, que lida com parâmetros
fixos, o mesmo não se pode dizer do campo em que se tratam parâmetros variáveis. Necessita-se,
neste caso, de uma programação que se auto-adapte para que a vantagem da não-necessidade de
constante intervenção humana em tarefas industriais desapareça.
Uma maneira para se lidar com esta dificuldade surge através do emprego de sistemas de
visão, capazes de captar o ambiente de trabalho, mais especificamente a área em torno do foco
central do processo do robô. É necessário que o sistema seja capaz de interpretar esta imagem e
transmitir um comando para que o robô execute a tarefa adaptando-se a condições operacionais.
Necessita-se, neste caso, também de um sistema de comunicação eficiente, que transmita as
informações ao robô, para que este possa responder de imediato às variações.
Verificando esta peculiaridade de emprego a que alguns sistemas robóticos são submetidos,
optou-se pela abordagem deste tema, visando desenvolver e aplicar um sistema de visão em
tarefas de manipulação. Para tanto, busca-se a integração de equipamentos de captação de vídeo
encontrados no mercado com um robô industrial, através de um sistema de comunicação
utilizando um computador pessoal para o processamento da imagem.
1.2 Objetivos e Limitações do Trabalho
O objetivo principal do trabalho foi desenvolver um sistema de visão com as seguintes
características:
- De construção simples a partir de componentes de tecnologia consolidada: em termos
de empregar equipamentos disponíveis no mercado e suficientemente robustos para
aplicações na automação de sistemas industriais;
- De baixo custo: comparado à sistemas fechados comerciais, compreendendo
equipamento de captura de imagem, análise e envio de sinais;
3
- De fácil implementação: tanto em termos de integração e compatibilidade de
equipamentos quanto em simplicidade de operação;
- Capaz de ser empregado em tarefas de manipulação robótica industrial: tarefas que
necessitam informação de posição e orientação de componentes em diferentes
condições de captação da imagem, com eficiente envio dos dados resultantes de sua
análise ao robô.
Sistemas de visão coma as características citadas encontram uma ampla gama de aplicações
na automatização industrial tais como embalagem de produtos manufaturados, paletização e
movimentação e posicionamento de componentes entre estações de trabalho dentro de uma
mesma célula de fabricação.
A proposta do trabalho limita-se a identificação da posição de componentes e sua
orientação dentro de um espaço de trabalho bem definido e calibrado para operações específicas.
Nestas condições é suficiente, para a extração das informações necessárias, a análise de imagens
bidimensionais, ou seja, sobre um plano (x,y), com o emprego de apenas uma câmera. Limita-se,
portanto, à verificação da posição e orientação de objetos neste plano, não extraindo informação
de altura (cota z), peculiar de sistema de visão estéreo, que empregam duas, ou mais, câmeras.
Não se buscou, também, a identificação e diferenciação de objetos na cena captada, estando o
sistema, limitado a analisar imagens contendo apenas um objeto.
4
2. REVISÃO BIBLIOGRÁFICA
Tendo em vista o foco deste trabalho, buscou-se fazer uma breve apresentação dos pontos
de interesse utilizados em seu desenvolvimento, tais quais: definição e descrição dos robôs
industriais, introdução à visão industrial e seus equipamentos, técnicas de processamento e
análise de imagens e transmissão de sinais. Cabe ressaltar que há um grande número de técnicas
empregadas para visão industrial, sendo aqui apresentadas apenas as de aplicação mais comum e
de certo grau de facilidade de implementação.
2.1. O Robô
Para qualificar o que é um robô industrial, podem-se citar algumas definições
internacionais de uso corrente:
“Máquina re-programável para realizar funções de manipulação, movimentação e usinagem
em condições de interagir com o ambiente e dotada de certo grau de autonomia.” [IFToMM]
“Um dispositivo programável projetado para manipular e transportar peças, ferramentas ou
implementos especializados de manufatura através de movimentos programáveis variados para a
execução de tarefas específicas de manufatura.” [BARA]
“Dispositivo multifuncional, re-programável para realizar uma série de tarefas dedicadas à
automação das atividades de um ambiente CIM.” [RIA]
O robô, como um sistema, consiste de elementos mecânicos, de acionamento e de controle,
que são caracterizados e integrados da forma como segue:
Manipulador
É o corpo principal do robô e consiste dos elos, juntas e outros elementos estruturais.
Dependendo do arranjo destes elos e juntas, o manipulador adquire uma determinada capacidade
de movimentos, que resulta em uma área de trabalho específica. Os robôs podem, então, serem
classificados pelo arranjo das juntas (que podem ser R, ou rotacionais, ou P, prismáticas) ou
mesmo pela forma da área de trabalho resultante de seus manipuladores. São eles Cartesianos ou
Retangulares (PPP), Cilíndricos (RPP), Esféricos (RRP) e Antropomorfos ou Articulados (RRR)
e SCARA (RRP), conforme a Figura 2.1.
5
Figura 2.1 – Tipos de robôs.
Efetuador
É a parte conectada à última junta (pulso) do manipulador. Constitui a ferramenta que
executa tarefas específicas, como manipulação, solda, pintura, etc. A possibilidade de serem
acopladas ferramentas variadas à um mesmo robô confere a sua grande versatilidade. Pode ser
comandado diretamente pelo controlador do robô ou por algum dispositivo de controle
específico associado.
Atuadores
São os “músculos” do manipulador. Tipos comuns de atuadores são os servo-motores,
motores de passo (quando se requer mais precisão), cilindros hidráulicos (mais capacidade de
carga) ou cilindros pneumáticos (condição intermediária). São controlados pelo controlador do
robô e são responsáveis pelos movimentos das juntas.
Sensores
São usados para coletar dados sobre o estado interno do robô ou para comunicar este com o
ambiente externo. Sensores integrados enviam informações sobre cada junta ou elo ao
controlador, que determina a configuração do robô. Algumas vezes, os robôs são equipados com
sensores externos, como um sistema de visão, que o permite interagir com o ambiente e executar
uma gama de tarefas que sem eles seria impossível, de modo automático.
Unidade de Controle
Constitui-se de um módulo principal, de controle geral do equipamento, constituído pela
memória de controle e pelo processador principal, que recebe dados da memória de controle para
6
controlar os movimentos dos atuadores e coordenar esses movimentos com a informação dos
sensores e de outro específico para algumas funções do robô, constituído pelo processador I/O e
pelo processador de controle de eixos. O processador I/O coordena a entrada e saída de sinais
oriundos de sensores ou de programas de processamento de dados externos. O processador de
controle de eixos calcula os movimentos das juntas do robô, determina quanto e quão rápido uma
junta deve se mover para alcançar desejada posição e velocidade e supervisiona as ações
coordenadas do controlador principal e dos sensores.
Software
São empregados três níveis de softwares em um robô. Um é o sistema operacional do
controlador. O segundo é o software robótico do processador, que calcula os movimentos
necessários de cada junta baseados em equações cinemáticas do robô. O terceiro grupo é a soma
de rotinas e programas de aplicação que são desenvolvidos para operar os dispositivos
periféricos, como rotinas de visão, ou para executar tarefas específicas, podendo ser escrito em
diversas linguagens de programação ou em linguagem própria a cada tipo de robô.
Nota-se, que os sistemas de visão integram um grupo externo ao robô e que a este pode ser
adicionado, para expandir sua gama de tarefas possíveis.
2.2 Aplicações dos Robôs
Os robôs são equipamentos ideais para trabalhar em ambientes caracterizados por tarefas
repetitivas, pesadas ou de risco para humanos ou ainda, que exigem precisão e repetitividade.
São usados por muitas indústrias e nas mais variadas tarefas, oferecendo melhor performance e a
custos mais baixos do que com operadores humanos. Apesar disso, algumas tarefas ficam
dificultadas ou impossibilitadas quando se utiliza o robô “simples”, sem equipamentos
periféricos, como um sistema de visão. A aplicação de sistemas de visão, associados à atuação
do manipulador amplia ou possibilita melhor desempenho nas mais diversas tarefas, dentre elas
podem-se citar as seguintes:
Carregamento
Onde robôs fornecem componentes para (ou os removem de) outras máquinas. O robô não
executa trabalho no componente, apenas o transporta. Quando os componentes a serem
transportados não estão sempre na mesma posição em relação ao robô, ou seja, quando o ponto
de captura não é constante, a tarefa fica inviável de ser executada através de um programa que
fornece coordenadas fixas ao robô. Neste caso, um sistema de visão pode fornecer estas
coordenadas variáveis, pois permite ao robô “ver” onde a peça a ser capturada se encontra.
7
Pick and place
Operação em que o robô captura uma peça e a insere em um local específico, como em
paletização, inserção de componentes, montagem simples ou rotinas similares. Um sistema de
visão pode ser usado na mesma situação encontrada no carregamento.
Inspeção
De componentes, chassis, placas de circuito e outros produtos. Em geral, algum dispositivo
específico está integrado ao sistema, como um sistema de visão, um dispositivo de raio-X, um
detector ultra-sônico ou outro dispositivo similar. Muito comum é o uso de sistemas de visão em
placas de circuito, onde seu diagrama é armazenado em um arquivo. As imagens das placas na
linha de produção são comparadas com o diagrama correto armazenado em um computador e
então aceitas ou rejeitadas, de acordo com os princípios de conformidade.
Seleção
Muito usada na agricultura, em controle de qualidade de alimentos, podendo ser um misto
das tarefas de pick and place e inspeção. Imagens de frutas, por exemplo, podem ser analisadas
com base na tonalidade das cores superficiais e então aceitas ou rejeitadas, sendo então
capturadas e encaixotadas ou então descartadas [Blasco et al, 2003].
Aplicações médicas
Nesta área de aplicação cada vez mais cresce o interesse, e avançam as pesquisas, no
campo das cirurgias à distância. Um manipulador robótico funciona como o braço do cirurgião,
que controla o manipulador à distância e supervisiona o serviço através de um sistema de visão
[Camarillo et al, 2004].
Operações em Ambientes perigosos
Situações ideais para aplicações da robótica. Para humanos trabalharem neste tipo de
ambiente há a necessidade do uso de trajes especiais, sistemas de proteção e de suporte de vida,
etc. Um robô dispensa estes cuidados, resguardando a saúde e integridade do operador, que pode
supervisionar o serviço do robô, em um ambiente seguro, através de um sistema de visão [Colon
et al, 2002].
Operações espaciais, submarinas e em ambientes remotos
Também podem ser explorados com mais facilidade por robôs. É extensivo o uso de robôs
submarinos nas tarefas de pesquisa do leito oceânico e resgate de tripulações de submarinos
[Maia, 2004]. Na área espacial, são enviados robôs exploradores há vários anos para a lua e
outros corpos celestes além do uso de manipuladores robóticos, como o CANADARM da frota
de ônibus espaciais americanos e o CANADARM-2 da Estação Espacial Internacional
8
[Sallaberger, 1997]. Em todos estes casos, há o emprego de sistemas de visão, quer para
supervisão de trabalhos, posicionamento dos robôs ou para controle de trajetória automático,
como nos rovers enviados à lua e marte [Tunstel e Howard, 2003].
Estas, e outras, tarefas de sistemas robotizados demonstram a gama de aplicações que os
sistemas de visão encontram na robótica, pois, como em humanos, a capacidade da visão dota os
robôs de um sofisticado mecanismo sensor que permite à máquina responder ao ambiente de
uma maneira inteligente e flexível. O uso da visão e outros dispositivos sensores é motivado pela
contínua necessidade de aumentar a flexibilidade e área de aplicação de sistemas robóticos.
Enquanto sensores de proximidade, toque e força possuem um papel significante na melhora da
performance de um robô, a visão é reconhecida como a mais poderosa capacidade sensorial do
robô.
2.3 Visão Robótica
Um grande campo de trabalho associado com sistemas de visão, processamento de
imagem e reconhecimento de padrões leva à vários e diferentes tópicos de hardware e software.
Esta informação está sendo acumulada desde os anos 50, com o crescente interesse no assunto de
diferentes setores da indústria e economia. O grande número de trabalhos publicados a cada ano
indica que existem muitas técnicas úteis surgindo constantemente na literatura. Ao mesmo
tempo, isto também significa que várias destas técnicas devem estar disponíveis para serem
usadas em outras aplicações.
Visão robótica pode ser definida como o processo de extrair, caracterizar e interpretar
informações de imagens de um mundo tridimensional. Este processo, também comumente
referido como visão de máquina ou computador, pode ser subdividido em seis áreas principais:
(1) sensoreamento, (2) pré-processamento, (3) segmentação, (4) descrição, (5) reconhecimento e
(6) interpretação [Fu et al, 1987]. Sensoreamento é o processo de captar a imagem. Pré-
processamento trata de técnicas como redução de ruído e melhoramento de detalhes.
Segmentação é o processo que divide uma imagem em objetos de interesse. Descrição lida com a
computação de detalhes (tamanho, forma) conveniente para diferenciar um tipo de objeto de
outro. Reconhecimento é o processo que identifica esses objetos (chaves, parafusos, blocos de
motor, por exemplo). A interpretação consiste num conjunto de técnicas para fornecer um
significado para os objetos reconhecidos.
É conveniente agrupar estas áreas de acordo com a sofisticação envolvida em sua
implementação. Considera-se três níveis de processamento: visão de baixo, médio e alto nível.
9
Apesar de não haver limites definidos entre essas subdivisões, elas provêm uma útil ferramenta
para categorizar os vários processos que são componentes inerentes de um sistema de visão de
máquina. Associam-se esses processos com a visão de baixo nível, pois são elementares, no
sentido de que eles podem ser considerados “reações automáticas”, não requerendo inteligência
por parte do sistema de visão. Assim, deve-se tratar sensoreamento e pré-processamento como
funções de visão de baixo nível. Isto implica em passar do processo de formação da imagem
propriamente a compensações como redução de ruído e finalmente a de traços primitivos da
imagem como a descontinuidades de intensidade.
Associa-se com visão de médio nível os processos de extração, caracterização e marcação
de componentes em uma imagem resultante de uma visão de baixo nível. Em termos das seis
subdivisões, trata-se a segmentação, descrição e reconhecimento de objetos individuais como
funções de médio nível. Visão de alto nível se refere a processos que visam simular raciocínio.
Enquanto algoritmos de visão de baixo e médio nível encontram um razoável e bem-definido
espectro de atividades, o conhecimento e entendimento de processos de visão de alto nível são
consideravelmente mais vagos e especulativos.
Essas categorias e subdivisões sugerem como os sistemas de visão são geralmente
implementados. Isto não implica que estas subdivisões representem um modelo da visão humana
nem que sejam executados independentemente. Sabe-se, por exemplo, que reconhecimento e
interpretação são funções inter-relacionadas nos seres humanos. Estes relacionamentos,
entretanto, ainda não são entendidos ao ponto de poderem ser modelados analiticamente. A
subdivisão de funções feita nesta discussão pode ser visualizada como uma aproximação prática
para implementar o estado da arte em sistemas de visão robótica, dado o nível de conhecimento e
as ferramentas analíticas correntemente disponíveis neste campo [Niku, 2001].
2.3.1 Imagem
Uma imagem é uma representação de uma cena real, tanto em preto-e-branco quanto a
cores, e tanto em forma impressa quanto digital. Imagens impressas podem ser reproduzidas
tanto à cores quanto em escalas de cinza ou por uma fonte simples de tinta. Por exemplo, para
reproduzir uma fotografia com meios-tons, deve-se usar tintas múltiplas cinzas, as quais, quando
combinadas, produzem uma imagem que é realista. Entretanto, em muitas aplicações de
impressão, apenas uma cor de tinta é disponível (como tinta preta em papel branco em um jornal
ou copiadora). Neste caso, todos os níveis de cinza podem ser produzidos mudando a razão de
preto contra áreas brancas (o tamanho do ponto preto). Considere-se que um desenho a ser
10
impresso seja dividido em pequenas seções. Em cada seção, se a respectiva porção de tinta é
menor quando comparada à área branca, a seção parecerá um cinza mais claro. Se a área de tinta
preta for maior comparada à área branca, irá parecer um cinza mais escuro. Mudando o tamanho
do ponto impresso, muitos níveis de cinza podem ser produzidos e coletivamente uma figura em
escala de cinzas será impressa.
Ao contrário das imagens impressas, imagens de televisão e digitais são divididas em
pequenas seções chamadas células de imagem, ou pixels (em imagens tridimensionais, eles são
chamados células de volume ou voxels), onde o tamanho de todos os pixels é o mesmo, enquanto
a intensidade de luz em cada pixel é variada para criar imagens cinzas. Lidando com imagens
digitais, refere-se sempre a pixels de mesmo tamanho com intensidades variáveis.
Apesar de todas as cenas reais serem tridimensionais, imagens podem tanto ser bi ou
tridimensionais. Imagens bidimensionais são usadas quando a profundidade da cena ou sua
característica não precisam ser determinadas, como na definição do contorno da silhueta de um
objeto. Neste caso, não é necessário determinar a profundidade de qualquer ponto do objeto.
Outro exemplo é o uso de um sistema de visão para inspeção de uma placa de circuito impresso,
onde não há necessidade de conhecer a relação de profundidade entre partes diferentes e desde
que todas as partes são fixas a um plano, nenhuma informação sobre a superfície é necessária.
Neste caso, a análise de uma imagem bidimensional e inspeção é suficiente.
Processamento de imagens tridimensionais lida com operações que requerem detecção de
movimento, medida de profundidade, sensoreamento remoto, posicionamento relativo e
navegação. Operações relacionadas com CAD/CAM também requerem processamento de
imagens tridimensionais, como fazem muitas ferramentas de inspeção e reconhecimento de
objetos [González-Galván et al, 2003]. Outras técnicas, como tomografia computadorizada, são
também tridimensionais. Nesta técnica, tanto raios-X quanto pulsos ultra-sônicos são usados para
obter imagens de uma fatia de um objeto em um instante para, posteriormente, todas as imagens
serem postas juntas para criar uma imagem tridimensional das características internas do objeto.
Nas etapas iniciais da operação de um sistema de visão, este deve desempenhar
basicamente duas funções: o processamento e a análise. Estes termos geram certa confusão, mas
são duas tarefas distintas. Processamento da imagem relaciona a preparação de uma imagem
para posterior análise e uso. Imagens capturadas por uma câmera ou outra técnica similar (como
por scanner) não estão necessariamente na forma em que podem ser usadas por rotinas de análise
de imagens. Algumas podem requerer melhoramento para redução de ruído, outras podem exigir
simplificação e outras ainda podem necessitar realce, alteração, segmentação, filtragem, etc.
Processamento da imagem é a soma de rotinas e técnicas que melhoram, simplificam, realçam
11
ou alteram uma imagem. Análise da imagem é a soma de processos nos quais uma imagem que
foi preparada por processamento de imagem é analisada para extrair informação sobre a imagem
para identificar objetos ou fatos sobre o objeto ou seu ambiente.
2.4 Captação da Imagem
A captação de imagens é realizada através de câmeras diretamente associadas com
sistemas de visão. Elas podem ser de dois tipos: analógicas e digitais. Câmeras analógicas não
são mais muito comuns, mas ainda são aplicadas; elas eram padrão em estações de televisão.
Uma câmera filmadora de vídeo caseira é uma câmera com uma seção de gravação adicionada.
Por outro lado, o mecanismo da aquisição de imagens é o mesmo como nas outras câmeras que
não gravam imagens. Enquanto a imagem capturada é analógica ou digital, em sistemas de visão
a imagem é eventualmente digitalizada. Na forma digital, todos os dados são binários e são
armazenados em um arquivo de computador ou chip de memória.
2.4.1 Câmera Vidicon
Uma câmera vidicon é uma câmera analógica (transforma a imagem em um sinal
analógico), cujo sinal, uma tensão elétrica variável (ou corrente) versus tempo, pode ser
armazenado, digitalizado, transmitido ou reconstruído em uma imagem. A Figura 2.2 mostra um
esquema simples de uma câmera vidicon. Com o uso de lentes, a cena é projetada em uma tela
feita de duas camadas: um filme metálico transparente e um mosaico fotocondutor sensível à luz.
O mosaico reage à intensidade variável da luz variando sua resistência. Como resultado,
conforme a imagem é projetada nele, a magnitude da resistência em cada local varia com a
intensidade da luz. Um canhão de elétrons gera e envia um raio catódico contínuo (um feixe de
elétrons com carga negativa) através de dois pares de capacitores (defletores) que são
perpendiculares entre si. Dependendo da carga de cada par de capacitores, o raio de elétrons é
defletido para cima ou para baixo e para esquerda ou direita e é projetado no mosaico
fotocondutor. A cada instante, assim que o feixe de elétrons atinge o mosaico, a carga é
conduzida ao filme metálico e pode ser medida na porta de saída como diferença de potencial.
12
Figura 2.2 – Esquema de uma câmera Vidicon.
Considerando-se que rotineiramente alteram-se as cargas nos dois capacitores e o raio seja
defletido para ambos os lados, para cima e para baixo, ocorrerá uma varredura do mosaico.
Como o raio varre a imagem, em cada instante a saída é proporcional à resistência do mosaico ou
proporcional à intensidade da luz no mosaico. Lendo a voltagem de saída continuamente, uma
representação analógica da imagem pode ser obtida.
Para criar imagens em movimento em televisões, usando como exemplo o sistema NTS
(National Television Standards), a imagem é lida e reconstruída 30 vezes por segundo. Para os
olhos humanos, que possuem uma histerese temporária de cerca de 1/10 de segundo, imagens
mudando 30 vezes por segundo são percebidas como contínuas e estando em movimento. A
imagem é dividida em duas sub-imagens de 240 linhas, interligadas entre si. Logo, uma imagem
de televisão é composta de 480 linhas de imagens, mudando 30 vezes por segundo. Para retornar
o raio para o topo do mosaico, outras 45 linhas são usadas, criando um total de 525 linhas. Em
alguns sistemas, o padrão pode ser de 625 linhas. A Figura 2.3 mostra uma varredura em uma
câmera vidicon.
Figura 2.3 – Varredura da câmera Vidicon.
Para o sinal ser transmitido, este é usualmente modulado em freqüência (FM); isto é, a
freqüência do sinal portador é uma função da amplitude do sinal. O sinal é transmitido e é
recebido por um receptor, onde é modulado na forma do sinal original, criando uma tensão
variável em relação ao tempo. Para recriar a imagem – por exemplo, em um aparelho de
13
televisão – esta tensão deve ser convertida em uma imagem. Para isto, a voltagem é inserida em
um tubo de raios catódicos (CRT) com um canhão de elétrons e capacitores de deflexão
semelhantes, como em uma câmera Vidicon. A intensidade do raio de elétrons na televisão é
então proporcional à voltagem do sinal e varrida similarmente como na câmera. Na televisão,
entretanto, o raio é projetado em um material à base de fósforo na tela, que fosforesce
proporcionalmente à intensidade do raio, recriando a imagem.
Para imagens coloridas, a imagem projetada é decomposta em três cores, vermelho, verde e
azul (RGB). O mesmo processo é repetido para as três imagens e três sinais simultâneos são
produzidos e transmitidos. No aparelho de televisão, três canhões de elétrons regeneram três
imagens simultâneas em RGB na tela, exceto quando a tela possui três conjuntos de pequenos
pontos (pixels) que reagem fosforescendo em cores RGB e são repetidos sobre a tela inteira. Um
sinal tanto pode ser transmitido, gravado para uso posterior, digitalizado ou inserido em um
monitor para visualização direta.
2.4.2 Câmera Digital
A câmera digital é baseada na tecnologia do estado sólido. Como em outras câmeras, um
conjunto de lentes é usado para projetar a área de interesse sobre a área da imagem de interesse
da câmera. A maior parte da câmera é uma área de imagem de silício em estado sólido que
possui centenas de milhares de extremamente pequenas áreas fotossensíveis chamadas photosites
sobre ela. Cada pequena área é um pixel. Assim que a imagem é projetada sobre a área da
imagem, em cada pixel uma carga é criada proporcionalmente à intensidade da luz em cada
ponto (uma câmera digital é também chamada de dispositivo de carga acoplada ou câmera CCD
e dispositivo de carga integrada ou câmera CID). O conjunto de cargas, lido seqüencialmente,
pode ser uma representação dos pixels da imagem [Okigawa, 1992].
Podem haver até 520.000 pixels em uma área de fração de polegada (3/16 x 1/4), o que
torna impossível haver conexões diretas por cabo para todos estes pixels para medir a carga em
cada um. Para ler este grande número de pixels, 30 vezes por segundo as cargas são movidas
para registradores opticamente isolados próximos a cada photosite. Posteriormente, são movidas
para uma linha de saída e então lidas [Wilson, 1984]. O resultado é que a cada 30 avos de
segundo as cargas em cada pixel são lidas seqüencialmente e gravadas. A saída é uma
representação discreta de uma imagem – uma tensão capturada no tempo – como mostrado na
Figura 2.4.
14
Figura 2.4 – Modelo de captura de dados de imagem.
Similar às câmeras CCD para luzes visíveis, câmeras de longo comprimento de onda para
infravermelho permitem um imagem similar à de televisão das emissões infravermelhas de uma
cena [NASA, 1999].
As tensões tomadas no processo descrito são digitalizadas através de um conversor
analógico-digital e então armazenadas no computador em um formato de imagem como TIFF,
JPEG, BMP, etc., ou mostradas em um monitor. Sendo digitalizada, a informação guardada é
uma coleção de 0’s e 1’s que representa a intensidade da luz em cada pixel; uma imagem
digitalizada não é nada mais que um arquivo de computador que contém essa coleção de 0’s e
1’s, seqüencialmente guardados para representar a intensidade da luz em cada pixel. Os arquivos
podem ser acessados e lidos por um programa computacional, serem duplicados e manipulados,
ou ainda serem reescritos em um formato diferente. Rotinas de visão geralmente acessam estas
informações, executam alguma função nos dados e tanto mostram o resultado quanto gravam o
resultado em um novo arquivo.
Uma imagem com diferentes níveis de cinza em cada pixel, é chamada de uma imagem
cinza. Os valores de cinza são digitalizados, gerando uma imagem de 0’s e 1’s (representação
binária) que são subseqüentemente guardados ou mostrados. Uma imagem a cores é obtida
superpondo três imagens de tons de vermelho, verde e azul, cada uma variando de intensidade e
equivalente a uma imagem cinza. Quando a imagem é digitalizada, ela também terá valores de
0’s e 1’s para cada tom. Uma imagem binária é uma imagem que em cada pixel pode ser
totalmente claro ou totalmente escuro, representado por 0 ou 1. Para obter-se uma imagem
binária, em muitos casos uma imagem cinza é convertida usando o histograma da imagem e um
valor chamado limite. Um histograma determina a distribuição dos diferentes níveis de cinza.
Pode-se tomar um valor que melhor determina um nível com menor distorção e usar este valor
como limite para designar 0’s (ou “desligado”) à todos os pixels cujos níveis de cinza estão
abaixo deste valor ou designar 1’s (ou “ligado”) para todos os pixels cujos valores de cinza estão
acima deste limite. Mudando-se o limite, muda-se a imagem binária. A vantagem de uma
15
imagem binária é que ela requer muito menos memória e pode ser processada muito mais
rapidamente do que imagens cinzas ou coloridas [Shi, 1997].
2.5 Técnicas de Iluminação
Iluminação de uma cena é um fator importante que freqüentemente afeta a complexidade de
algoritmos de visão. Iluminação arbitrária do ambiente freqüentemente é inaceitável porque pode
resultar em imagens com pouco contraste, reflexões, sombras e detalhes estranhos. Um sistema
de iluminação bem projetado trata a cena de tal modo que a complexidade da imagem adquirida
é minimizada, enquanto a informação requerida para a detecção de objetos e sua extração é
melhorada.
A Figura 2.5 mostra cinco dos principais esquemas usados para iluminar um espaço de
trabalho com robôs [Mundy, 1977]. O método mais simples é o da iluminação direta, onde uma
fonte de luz é disposta diretamente acima do objeto de interesse, como mostrado na Figura
2.5(a).
A iluminação difusa, mostrada na Figura 2.5(b), pode ser empregada para objetos lisos com
superfícies regulares. Este esquema é geralmente empregado em aplicações onde características
da superfície são importantes. Iluminação traseira, como mostrado na Figura 2.5(c), produz uma
imagem preto-e-branco (binária). Esta técnica é ideal para aplicações onde silhuetas de objetos
são suficientes para reconhecimento ou outras medidas.
A iluminação estruturada, mostrada na Figura 2.5(d), consiste de projetar pontos, listras ou
grades na superfície de trabalho. Esta técnica tem duas vantagens importantes: primeiro, ela
estabelece um padrão de luz conhecido na superfície de trabalho e distúrbios neste padrão
indicam a presença de um objeto, simplificando o problema de detecção de objetos; segundo,
analisando o modo como o padrão é distorcido é possível visualizar melhor as características
tridimensionais do objeto.
A iluminação direcional, mostrada na Figura 2.5(e), é útil principalmente para inspeção
superficial de objetos. Defeitos na superfície, como reentrâncias e riscos, podem ser detectados
usando um feixe de luz direcionado (como um feixe de laser) e medindo o espalhamento de luz.
Em superfícies livres de defeitos há pouco espalhamento. Por outro lado, a presença de defeitos
aumenta a quantidade de luz espalhada, facilitando sua detecção.
16
Figura 2.5 – Formas de iluminação
2.6 Pré-Processamento de Imagens
Existem diversas técnicas de pré-processamento de imagens passíveis de serem
empregadas em visão robótica, mas poucas cumprem os requisitos de velocidade computacional
e baixo custo de implementação, que são elementos essenciais de um sistema de visão industrial
[Fu et alli, 1987]. Os métodos básicos podem ser resumidos a dois: os baseados em técnicas de
domínio-freqüência e os baseados em técnicas de domínio-espaço.
No processo de domínio-freqüência, o espectro de freqüência da imagem é usado para
alterar, analisar ou processar a imagem. Neste caso, pixels individuais e seus conteúdos não são
usados, sendo uma representação em freqüência da imagem inteira usada no processo. No
processo de domínio-espaço, o processo é aplicado à pixels individuais na imagem. Como
resultado, cada pixel é afetado diretamente pelo processo. As duas técnicas são igualmente
importantes e poderosas e são usadas para diferentes propósitos, ressaltando-se que apesar de
serem usadas diferentemente, elas são relacionadas.
2.6.1 Domínio-Freqüência
Domínio-freqüência se refere a um conjunto de pixels resultantes da obtenção da
transformada de Fourier de uma imagem. O conceito de freqüência é normalmente usado na
interpretação da transformada de Fourier e vem do fato de que esta transformada em particular é
composta de senóides complexas. Devido a seus extensivos requisitos de processamento,
17
métodos de domínio-freqüência não são tão usados em visão robótica como as técnicas de
domínio-espaço. Entretanto, a transformada de Fourier tem um importante papel em áreas como
a análise de movimento de objetos e descrição de objetos. Em adição, muitas técnicas espaciais
para melhoramento e restauração são fundadas em conceitos cujas origens podem ser traçadas
para a formulação da transformada de Fourier [Gonzales e Wintz, 1977].
Considerando-se funções discretas de uma variável, f(x), para x = 0, 1, 2, ..., N-1. A
transformada de Fourier F(u), para u = 0, 1, 2, ..., N-1, em relação a f(x) é dada por:
( ) ( )
−
=
−
=
1
0
/2
1
N
x
Nuxj
exf
N
uF
π
(1)
Nesta equação,
1−=j e u é a chamada variável freqüência. A transformada inversa de
Fourier para F(u) retorna a função f(x), para x = 0, 1, 2..., N-1, sendo definida por:
( ) ( )
−
=
=
1
0
/2
N
u
Nuxj
euFxf
π
(2)
A validade destas expressões, chamadas de Par Transformada de Fourier, é facilmente
verificada substituindo a Equação (1) para F(u) na Equação (2), ou vice-versa. Em ambos os
casos obtém-se uma identidade.
Uma implementação direta da Equação (1) para u = 0, 1, 2, ..., N-1 pode requerer uma
ordem de N
2
adições e multiplicações. O uso de uma Transformada Rápida de Fourier (FFT)
reduz significativamente este número para
NN
2
log
, onde N é assumido como uma potência
inteira de 2. Comentários similares aplicam-se à Equação (2) para x = 0, 1, 2, ..., N-1. Grande
número de algoritmos FFT está disponível em uma variedade de linguagens computacionais [Fu
et alli, 1987].
O par bi-dimensional da transformada de Fourier de uma imagem N × N, para u, v = 0, 1, 2,
..., N-1, é definido como:
( ) ( )
( )
−
=
−
=
+−
=
1
0
1
0
/2
,
1
,
N
x
N
y
Nvyuxj
eyxf
N
vuF
π
(3)
E para x, y = 0,1, 2, ..., N-1:
18
( ) ( )
( )
−
=
−
=
+−
=
1
0
1
0
/2
,
1
,
N
u
N
v
Nvyuxj
evuF
N
yxf
π
(4)
É possível mostrar através de alguma manipulação que cada uma destas equações pode ser
expressa como somatórios unidimensionais separados na forma mostrada na Equação (1). Isto
leva a um procedimento para cálculo da transformada de Fourier bi-dimensional usando apenas
um algoritmo FFT unidimensional: primeiro calcula-se a transformada de cada linha de f(x,y),
produzindo uma disposição bi-dimensional de resultados intermediários. Estes resultados são
multiplicados por N e a transformada unidimensional de cada coluna é calculada. O resultado
final é F(u,v). O mesmo se aplica para calcular f(x,y) dado F(u,v). A ordem do cálculo de uma
aproximação linha-coluna pode ser invertida para um formato coluna-linha sem afetar o
resultado final.
A transformada de Fourier pode ser usada em vários caminhos de um sistema de visão. Por
exemplo, tratando a fronteira de um objeto como uma disposição unidimensional de pontos e
calculando sua transformada de Fourier, valores selecionados de F(u) podem ser usados para
descrever a forma do contorno. A transformada unidimensional de Fourier também é usada como
uma poderosa ferramenta para detecção de movimento de objetos. Aplicações da transformada
discreta de Fourier bidimensional na reconstrução, melhoramento e restauração da imagem
também são abundantes e a utilidade deste método na visão robótica industrial está um tanto
restrita devido a seus extensivos requisitos computacionais necessários para implementar a
transformada. Cita-se também que a transformada contínua bidimensional de Fourier pode ser
calculada por meios ópticos. Este método, que requer o uso de instrumentos ópticos
precisamente alinhados, pode ser usado em ambientes industriais para tarefas como inspeção de
superfícies acabadas de metal [Goodman, 1968].
2.6.2 Domínio-Espaço
Domínio-espaço refere-se ao agregado de pixels que compõem uma imagem e métodos
domínio-espaço são procedimentos que operam diretamente nesses pixels. Funções de pré-
processamento no domínio-espaço podem ser expressas como:
)],([),( yxfhyxg
=
(5)
19
Onde f(x,y) é a imagem de entrada, g(x,y) é a imagem resultante (pré-processada) e h é um
operador em f, definido sobre a vizinhança de (x,y). Também é possível deixar h operar em um
conjunto de imagens de entrada, como uma soma pixel por pixel de K imagens para redução de
ruído.
O principal método usado para definir uma vizinhança de (x,y) é usar uma sub-imagem
quadrada ou retangular centrada em (x,y), como mostrado na Figura 2.6. O centro da sub-
imagem é movido pixel por pixel começando pelo canto superior esquerdo e aplicando o
operador em cada localização (x,y) para tornar g(x,y). Ainda que outras formas de vizinhança,
como um círculo, sejam algumas vezes utilizadas, disposições quadradas são as predominantes
devido à sua fácil implementação.
A forma mais simples de h ocorre quando a vizinhança é 1 × 1 e, logo, g depende apenas
do valor de f em (x,y). Neste caso h se torna uma transformação da forma:
)(rTs
=
(6)
Onde, por simplicidade, usa-se s e r como variáveis denotando, respectivamente, a
intensidade de f(x,y) e g(x,y) em qualquer ponto (x,y).
Figura 2.6 – Vizinhança 3 × 3 de um ponto da imagem e detalhe da máscara de convolução.
Uma das técnicas domínio-espaço usadas mais freqüentemente é baseada no uso das
chamadas máscaras de convolução (também chamadas de templates, janelas ou filtros).
Basicamente, uma máscara é uma pequena disposição bi-dimensional (3 × 3), como a mostrada
na Figura 2.6, cujos coeficientes são escolhidos para detectar uma dada propriedade numa
imagem. Como introdução a este conceito, supõe-se que tem-se uma imagem de intensidade
constante que contém pixels isolados cujas intensidades são diferentes do fundo. Estes pontos
20
podem ser detectados usando a máscara mostrada na Figura 2.6. O procedimento é como segue:
o centro da máscara (chamado 8) é movido em torno da imagem, como indicado acima. Em cada
posição de pixel na imagem, multiplica-se cada pixel contido na área da máscara pelo
correspondente coeficiente da máscara; isto é, o pixel no centro da máscara é multiplicado por 8,
enquanto os 8 vizinhos são multiplicados por –1. Os resultados destas nove multiplicações são
então somados. Se todos os pixels sob a área da máscara têm o mesmo valor (fundo constante), a
soma será zero. Se, por outro lado, o centro da máscara estiver localizado em um dos pontos
isolados, a soma será diferente de zero. Se o ponto isolado é uma posição fora do centro, a soma
será também diferente de zero, mas a magnitude da resposta será mais fraca. Estas respostas mais
fracas podem ser eliminadas comparando a soma contra a extremidade.
Como mostrado na Figura 2.7, se w1, w2, ..., w9 representam coeficientes da máscara e
considerando os 8 vizinhos de (x,y), pode-se generalizar o exposto executando a seguinte
operação:
++−++−+−+−−= ),()1,()1,1(),1()1,1()],([
54321
yxfwyxfwyxfwyxfwyxfwyxfh
)1,1(),1()1,1()1,(
9876
+++++−++++ yxfwyxfwyxfwyxfw (7)
Em uma vizinhança 3 × 3 de (x,y).
Figura 2.7 – Máscara 3 × 3 mostrando coeficientes e coordenadas de pixel.
2.6.3 Conectividade
A conectividade estabelece quando pixels estão conectados, ou seja, quando possuem as
mesmas propriedades, como pertencer à mesma região ou ao mesmo objeto, ter uma textura
similar, etc. Para estabelecer a conectividade de pixels vizinhos, primeiro deve-se escolher um
critério de conectividade. Destes, há três critérios fundamentais para o processamento de
21
imagens bidimensionais: conectividade+4 ou ×4, conectividade H6 ou V6 e conectividade-de-8.
Em três dimensões, a conectividade entre voxels (células de volume) é de 6 até 26. Os seguintes
termos de relacionamento de um pixel p são definidos com respeito à Figura 2.8:
Conectividade +4: em relação aos quatro pixel imediatamente acima, abaixo, à esquerda e
à direita (b, g, d e e).
Conectividade ×4: em relação aos quatro pixels imediatamente diagonais aos quatro lados
(a, c, f e h).
Conectividade H6: em relação aos seis pixels vizinhos nas duas linhas acima e abaixo (a,
b, c, f, g e h).
Conectividade V6: em relação aos seis pixels vizinhos nas duas colunas à direita e à
esquerda (a, d, f, c, e e h).
Conectividade-de-8: em relação a os oito pixels que o circundam (a, b, c, d, e, f, g e h).
Figura 2.8 – Vizinhança de pixel p.
Para um pixel p(x,y) os pixels relevantes são como segue:
Conectividade +4: )1,(),1,(),,1(),,1(
−
+
−
+
yxyxyxyx
Conectividade ×4: )1,1(),1,1(),1,1(),1,1(
−
−
+
−
−
+
+
+
yxyxyxyx
Conectividade H6: )1,1(),,1(),1,1(),1,1(),1,(),1,1(
−
+
−
−
−
+
+
+
+
−
yxyxyxyxyxyx
Conectividade V6: )1,1(),,1(),1,1(),1,1(),,1(),1,1(
−
+
+
+
+
−
−
−
+
−
yxyxyxyxyxyx
Conectividade-de-8:
)1,1(),1,(),1,1(),,1(
),,1(),1,1(),1,),1,1(
++++−+
−
−
+
−
−
−
yxyxyxyx
yxyxyxyx
2.7 Processamento de Imagens
As técnicas de processamento da imagem são usadas para realçar, melhorar ou alterar uma
imagem e prepará-la para sua análise. Usualmente, durante o processamento da imagem não se
extrai informação da mesma. A intenção é remover erros, informações triviais ou informações
que até podem ser importantes, mas inúteis para os resultados que se desejam, e melhorar a
22
imagem. Uma imagem obtida com o objeto se movendo pode resultar em uma imagem que não é
clara. Para sua utilização é desejável reduzir ou remover o borrão na imagem antes que
informações sobre o objeto (como sua natureza, forma, localização, orientação, etc.) possam ser
determinadas.
O processamento da imagem é dividido em muitos sub-processos, incluindo análise de
histograma, limiarização, detecção de borda, segmentação, modelamento de região, entre outros.
2.7.1 Histograma da Imagem
Um histograma é uma representação do número total de pixels de uma imagem em cada
nível de cinza. A informação do histograma é usada em vários processos, incluindo limiarização.
A informação de um histograma pode ajudar na determinação do ponto de interrupção quando a
imagem é transformada em valores binários. Também pode ser usada para decidir onde há níveis
de cinza predominantes na imagem. O histograma de uma imagem digital com níveis de cinza no
intervalo [0, L-1] é uma função discreta, do tipo:
n
n
rp
k
k
=)( (8)
Onde, r
k
é o k-ésimo nível de cinza, n
k
é o número de pixels com esse nível de cinza, n é o
número total de pixels na imagem, k =0, 1, 2, ..., L-1 e L é o número de níveis de cinza.
Genericamente analisando, p(r
k
) dá uma estimativa da probabilidade de ocorrência do nível de
cinza r
k
. Um gráfico dessa função para todos os valores de k fornece uma descrição global da
aparência de uma imagem.
A Figura 2.9 mostra os histogramas de quatro tipos básicos de imagens. O gráfico ilustrado
em 2.9(a) mostra que os níveis de cinza estão concentrados em direção à extremidade escura do
intervalo de níveis de cinza. Assim, este histograma corresponde a uma imagem com
características predominantemente escuras. O oposto se verifica na Figura 2.9 (b). O histograma
mostrado em 2.9(c) tem uma forma estreita que indica uma escala dinâmica pequena, portanto,
corresponde a uma imagem de baixo contraste. Como todos os níveis de cinza ocorrem no meio
da escala, a imagem pareceria um cinza denso. Finalmente, a Figura 2.9(d) mostra um
histograma com espalhamento significativo, correspondendo a uma imagem de alto contraste.
23
Figura 2.9 – Histogramas de 4 tipos básicos de imagens.
2.7.2 Limiarização
Limiarizar a imagem é uma das principais técnicas usadas em sistemas de visão industrial
para detecção de objetos, especialmente em aplicações requerendo alta capacidade de
processamento. É o processo de dividir uma imagem em diferentes porções (ou níveis)
selecionando um certo nível de cinza como limite, comparando cada valor de pixel com o limite
e então assinalando o pixel a diferentes porções ou níveis, dependendo se o nível de cinza está
abaixo do limite (desligado, zero ou não pertence) ou acima do limite (ligado, 1 ou pertence).
Limiarização pode ser executada tanto com um nível único quanto para vários níveis, nos quais a
imagem processada é dividida em camadas, cada uma com um limite selecionado.
Rotinas mais comuns, usadas para imagens binárias, têm o objeto claro e o fundo
totalmente escuro, ou o contrário. Esta condição pode ser alcançada em iluminação controlada
em condições industriais, mas não é possível de ser alcançada em outros ambientes. Em imagens
binárias, os pixels são “ligados” ou “desligados” e, assim, escolher um limite é simples. Em
outras situações, a imagem terá múltiplos níveis de cinza e seu histograma exibe uma
distribuição bi-modal. Neste caso, o vale é escolhido como o valor limite. Técnicas mais
avançadas usam informações estatísticas e características de distribuição dos pixels da imagem
para encontrar um valor limite. Como o valor limite varia, varia a imagem.
24
Portanto, pode-se ver a limiarização de imagens como uma operação que envolve testes
contra uma função T da forma [Gonzalez e Woods, 2003]:
)],(),,(,,[ yxfyxpyxTT
=
(9)
Onde f(x,y) é a intensidade do ponto (x,y) e p(x,y) denota alguma propriedade local deste
ponto, por exemplo, a média da intensidade de uma vizinhança centrada em (x,y). Uma imagem
limiarizada g(x,y) é definida como
≤
>
=
Tyxfse
Tyxfse
yxg
),(0
),(1
),( (10)
Examinando g(x,y), encontra-se pixels rotulados 1 (ou qualquer outro nível de cinza
conveniente) corresponde à objetos, enquanto pixels 0 correspondem ao fundo. A Figura 2.10
exemplifica esta operação com um objeto genérico e diversas sombras ou elementos indesejados
na cena captada. Após a limiarização, a cena fica “limpa”, podendo-se tratar apenas com o
objeto.
Figura 2.10 – Processo de limiarização.
Quando T depende apenas de f(x,y), a limiarização é chamada global. Se T depende tanto
de f(x,y) quanto de p(x,y), então a limiarização é chamada local. Se, além disso, T depende das
coordenadas espaciais de x e y, é chamada de limitação dinâmica.
2.7.3 Detecção da Borda
A detecção da borda tem um papel importante na visão de máquina, servindo como pré-
processamento inicial para numerosos algoritmos de detecção de objetos. Uma borda é o limite
entre duas regiões com propriedades relativamente diferentes de níveis de cinza. Na detecção de
borda, assume-se que essas regiões são homogêneas o suficiente para que a transição entre duas
25
regiões possa ser determinada com base apenas nas descontinuidades dos níveis de cinza. Caso
isso não seja válido, as técnicas da limiarização e segmentação são mais aplicáveis [Gonzales e
Woods, 2003].
Basicamente, a idéia por trás de muitas técnicas de detecção da borda é a computação de
um operador diferencial local. Analisando-se a imagem de uma linha escura sobre um fundo
claro, como mostrado na Figura 2.11, com o perfil de intensidade ao longo de uma linha de
varredura horizontal da imagem e a primeira e segunda derivadas do perfil. Nota-se do perfil que
uma borda (transição do escuro para o claro) é modelado como uma rampa, ao invés de uma
abrupta mudança de intensidade. Isto representa o fato de que bordas em imagens digitais são,
geralmente, levemente borradas como resultado da captação.
Figura 2.11 – Detecção da borda por operadores de derivação.
A primeira derivada é zero em todas as regiões de intensidade constante e assume um valor
constante durante uma transição de intensidade. A segunda derivada é zero em todos os locais,
exceto no início e fim de uma transição de intensidade. Baseado nisto, é evidente que a
magnitude da primeira derivada pode ser usada para detectar a presença de uma borda, enquanto
o sinal da segunda derivada pode ser usado para determinar quando um pixel da borda está no
lado claro (fundo) ou escuro (objeto) da borda, respectivamente negativo e positivo.
São empregados em detecção da borda os operadores de gradiente, sendo que o gradiente
de uma imagem f(x,y) no ponto (x,y) é definido como o vetor
∂
∂
∂
∂
=
=∇
y
f
x
f
G
G
F
y
x
(11)
26
Sabe-se da análise vetorial que o vetor gradiente aponta na direção de mais rápida taxa de
mudança de f na posição (x,y). Em detecção de bordas, a magnitude desse vetor é uma
quantidade importante chamada simplesmente de gradiente e denotada por f
∇
, onde:
2/122
][)(
yx
GGFmagf +=∇=∇
(12)
Essa quantidade equivale à maior taxa de aumento de f(x,y) por unidade de distância na
direção de f
∇
. É prática comum aproximar o gradiente por valores absolutos:
yx
GGf +≈∇
(13)
Esta aproximação é consideravelmente mais fácil de implementar, particularmente quando
hardware dedicado está sendo empregado.
Nota-se pela Equação (12) que o cálculo do gradiente é baseado em obter-se as derivadas
de primeira ordem
xf
∂
∂
/ e
yf
∂
∂
/ . Há vários modos de se implementar derivação de maneira
digital, mas os operadores de Sobel têm a vantagem de fornecer efeitos de diferenciação e
suavização. Sabendo que a derivação aumenta o ruído, a suavização é uma característica atrativa
dos operadores de Sobel. Partindo-se da Figura 2.12 tem-se que as derivadas baseadas nas
máscaras de Sobel são [Gonzales e Woods, 2003]:
)2()2(
321987
zzzzzzG
x
++−++=
(14)
)2()2(
741963
zzzzzzG
y
++−++=
(15)
Onde
z
são os níveis de cinza dos
pixels
sobrepostos pelas máscaras em qualquer posição
da imagem, sendo que estas são usadas para o cômputo de
G
x
e
G
y
no ponto central da região 3 ×
3. O valor do gradiente no ponto central da máscara é obtido utilizando-se a Equação (12) ou a
(13). A máscara é deslocada para o próximo
pixel
e o procedimento é repetido. O resultado final
é uma imagem de gradiente do mesmo tamanho da imagem original.
27
Figura 2.12 – Máscaras de Sobel.
2.7.4 Segmentação Orientada a Regiões
O objetivo da segmentação é partir uma imagem em regiões. Em limitação busca-se definir
regiões através das propriedades dos
pixels
, como suas intensidades, e em detecção da borda, isto
é feito baseado na intensidade das descontinuidades. Em segmentação, buscam-se estas regiões
diretamente.
Sendo
R
a região inteira da imagem, pode-se ver a segmentação como um processo de
partir
R
em
n
subregiões,
R
1
,
R
2
, ...,
R
n
, tal que [Gonzalez e Woods, 2003]:
(1)
n
i
i
RR
1
=
=
(2)
R
i
é uma região convexa,
i
= 1, 2, ...,
n
(3)
R
i
∩
R
j
=
φ
para todo
i
e
j
,
i
j
(4)
P
(
R
i
) = VERDADEIRO para
i
=1, 2, ...,
n
(5)
P
(
R
i
∪
R
j
) = FALSO para
i
j
, para
i
= 1, 2, ...,
n
e
j
= 1, 2, ...,
n
Onde
P
(
R
i
) é um predicado lógico definido sobre os pontos do conjunto
R
i
e
φ
é o conjunto
vazio.
A condição (1) indica que a segmentação deve ser completa, isto é, cada
pixel
deve estar
em uma região. A condição (2) requer que pontos na região devam ser conectados. A condição
(3) indica que as regiões não devem ter partes comuns. A condição (4) diz quais as propriedades
que devem ser satisfeitas pelos
pixels
em uma região segmentada. A condição (5) indica que as
regiões
R
i
e
R
j
são diferentes no sentido do predicado
P
.
A segmentação orientada a regiões pode ser implementada através de dois processos
básicos: o crescimento de regiões através da agregação de
pixels
e a partição seguida de fusão de
regiões.
28
Crescimento de Região
É um procedimento que agrupa
pixels
ou sub-regiões em regiões maiores. A mais simples
abordagem é a agregação de
pixels
, onde se inicia com um conjunto de pontos “semente” e deles
crescem regiões por adição dos vizinhos que tem propriedades similares (como textura,
intensidade ou cor). A escolha de três sementes em uma imagem, por exemplo, resultaria em, no
máximo, três regiões. Diferentes critérios empregados para a agregação de
pixels
e limiares
arbitrados para esta operação forneceriam resultados finais diferentes. Note-se que após
executada a segmentação, qualquer ponto pertencente a uma dada região que tivesse sido usado
como semente levaria ao mesmo resultado [Fu et al, 1987].
Dois problemas imediatos da segmentação são a seleção de sementes iniciais que melhor
representem as regiões de interesse e a seleção de propriedades para incluir pontos nas várias
regiões durante o processo de crescimento. Selecionar um ou mais pontos iniciais pode se basear
na natureza do problema. Por exemplo, em aplicações militares de imagem infravermelho, alvos
de interesse são mais quentes (e logo parecem mais brilhantes) que o fundo. Escolher os
pixels
mais brilhantes é um ponto inicial para um algoritmo de crescimento de região. Quando uma
informação anterior não é disponível, pode-se calcular em cada
pixel
o mesmo conjunto de
propriedades que irão ser usadas para designar pontos a regiões durante o processo de
crescimento. Se o resultado deste cálculo mostrar aglomerados de valores, então os
pixels
cujas
propriedades colocam eles próximos do centróide destes aglomerados podem ser usados como
sementes.
A seleção de critérios de similaridade é dependente não apenas do problema em
consideração, mas também do tipo de imagem disponível. Onde necessita-se de imagens
coloridas para análise, a disponibilidade apenas de imagens monocromáticas se tornaria um
problema difícil de lidar. No entanto, a disponibilidade de imagens multiespectrais e com outros
dados complementares é uma exceção, ao invés de regra, em sistemas de visão. Tipicamente, a
análise da região deve ser feita usando um conjunto de descritores baseados em propriedades de
intensidade e espaciais de uma simples fonte de imagem.
Partição e Fusão de Regiões
Uma alternativa ao crescimento é subdividir uma imagem em um conjunto de regiões
arbitrárias e então fundi-las e/ou parti-las na tentativa de satisfazer as condições impostas. Um
algoritmo de partição e fusão que iterativamente trabalha para satisfazer estas definições pode ser
exposto como segue.
29
Seja
R
a região inteira da imagem e
P
um predicado. Assumindo uma imagem quadrada,
um método para segmentar
R
é sucessivamente subdividir em regiões quadradas cada vez
menores de maneira que, para qualquer região
R
i
,
P
(
R
i
) = VERDADEIRO. Se
P
(
R
) = FALSO,
divide-se a imagem em quadrantes. Se
P
é falso para qualquer quadrante, subdivide-se em sub-
quadrantes, e assim sucessivamente [Fu et alli, 1987].
Usando-se apenas partição, certamente a partição final pode conter regiões adjacentes com
propriedades idênticas. Isto pode ser remediado realizando fusão. Para satisfazer as condições de
segmentação estabelecidas, fundem-se apenas regiões adjacentes cujos
pixels
combinados
satisfazem
P
, isto é, funde-se duas regiões adjacentes
R
i
e
R
k
apenas se
P
(
R
i
∪
R
k
) =
VERDADEIRO. Em resumo, pode-se executar o seguinte procedimento:
1. Dividir em quatro quadrantes desunidos qualquer região
R
i
para qual
P
(
R
i
) = FALSO.
2. Fundir quaisquer regiões adjacentes
R
j
e
R
k
para as quais
P
(
R
j
∪
R
k
) = VERDADEIRO.
3. Parar quando não é mais possível fundir ou partir.
2.7.5 Operações de Morfologia Binária
Operações de morfologia se referem a uma família de operações que são executadas em
uma imagem. Elas incluem muitas operações diferentes, podendo ser para imagens binárias ou
em níveis de cinza, como engrossamento, dilatação, erosão, esqueletonização, abertura,
fechamento e preenchimento. Estas operações são executadas em uma imagem para ajudar em
sua análise assim como para reduzir as informações desnecessárias que possam estar presentes
na imagem.
Espessamento: esta operação elimina pequenos buracos e falhas na borda de um objeto e
pode ser usado para alisar sua superfície. Em um caso mais específico, por exemplo, pode ser
usado para eliminar a imagem de borda “dentada” de um parafuso, gerada pela sua rosca. Isto é
importante quando se deseja aplicar outras operações, como esqueletonização, num objeto: o
espessamento inicial impede o surgimento de linhas perpendiculares ao eixo longitudinal do
parafuso, que seriam geradas pela rosca assim que fosse aplicada a esqueletonização.
Dilatação: neste método, os
pixels
de fundo que estão conectados-de-8 ao objeto são
mudados para
pixels
de objeto. Como resultado, uma camada é adicionada ao objeto cada vez
que o processo é implementado. Devido à dilatação ser executada em
pixels
que são conectados-
de-8 ao objeto, repetidas dilatações podem mudar a forma do objeto. Além disso, objetos
30
próximos em uma imagem podem encostar após alguns passes de dilatação assim como orifícios
em um objeto podem ser preenchidos. Pode-se chegar ao ponto de objetos se fundirem em um
só, impedindo a identificação dos objetos.
Figura 2.13 – Efeito aproximado de espessamento (a) e dilatação (b).
Erosão: Neste processo,
pixels
da imagem que são conectados-de-8 a um
pixel
do fundo
são eliminados. Isto efetivamente elimina uma camada da borda do objeto cada vez que a
operação é executada. Sabendo que a erosão remove
pixels
de toda a borda do objeto, este se
torna cada vez mais fino a cada passe do processo. Entretanto, a erosão desconsidera todos os
outros requerimentos da representação de forma. Irá remover uma camada de 1
pixel
de
espessura do perímetro, e de orifícios, do objeto até mesmo se a forma do objeto for
eventualmente perdida. O resultado de muitos passes de erosão será a perda do objeto. Como
resultado, este processo pode danificar irreparavelmente a imagem. Entretanto, ele pode ser
usado para apagar objetos indesejados da imagem.
Esqueletonização: um esqueleto é uma linha que representa um objeto em que toda a
espessura foi reduzida a 1
pixel
em cada ponto. A esqueletonização é uma variação da erosão.
Enquanto na erosão a espessura de um objeto pode ir a zero e este pode ser perdido, na
esqueletonização, assim que a espessura do objeto atinge a de 1
pixel
, a operação em todos os
pontos pára. Do mesmo modo, enquanto na erosão o número de repetições poder ser escolhido
pelo usuário, na esqueletonização o processo continua até o objeto atingir 1
pixel
de espessura.
Seu resultado final é uma linha (esqueleto) de um objeto, que é uma boa representação deste,
muitas vezes melhor que sua borda. Outro ponto a ser notado, é que se um esqueleto for dilatado,
muitas vezes o objeto resultante terá uma forma diferente do objeto original, assim como
imagens de objetos que anteriormente eram mais finos que outros, terão a mesma espessura após
um processo de esqueletonização seguida de dilatação.
31
Figura 2.14 – Erosão (a) e esqueletonização sem (b) e com (c) espessamento prévio.
Abertura e Fechamento: processos que combinam erosão seguida de dilatação e dilatação
seguida de erosão, respectivamente. Causam um limitado melhoramento de superfícies convexas
de objetos. Podem ser usados como operação intermediária antes da esqueletonização.
Preenchimento: similar ao processo de dilatação, mas que se limita aos orifícios de um
objeto. Estes são preenchidos por
pixels
do fundo.
2.8 Análise de Imagens
A análise de imagems é um conjunto de técnicas e operações que são usadas para extrair
informação de imagens. Entre estas operações estão reconhecimento de objetos, extração de
características superficiais, determinação de posição, orientação, tamanho e outras propriedades
de objetos e extração de informações de profundidade da imagem.
Assume-se que técnicas de processamento da imagem já foram aplicadas à imagem ou que
elas estão disponíveis para aplicação, se necessário, para melhorar e preparar a imagem para
análise. As rotinas de análise de imagem podem ser usadas tanto para imagens binárias quanto
em escala de cinza, bem como para mais de um propósito.
2.8.1 Reconhecimento de Objetos
Objetos podem ser reconhecidos em uma imagem através de características tais como:
histogramas de níveis de cinza; características morfológicas como área, perímetro, número de
orifícios, etc; excentricidade, comprimento, momentos de inércia, etc. Em muitos casos a
informação extraída é comparada com informações conhecidas do objeto, que podem formar
uma tabela de comparação. As características morfológicas básicas que são usadas em
reconhecimento de objetos são a seguir descritas [Castleman, 1996]:
32
Média, valor máximo e mínimo de níveis de cinza
Usados para diferenciar objetos ou componentes em uma imagem. Separando a imagem em
um número determinado de setores, objetos de interesse podem ser encontrados através da
análise do histograma de níveis de cinza de cada setor e comparando a média ou os valores
máximo ou mínimo com o valor previamente conhecido do objeto. Em alguns casos, apenas a
presença de um determinado nível de cinza em um histograma pode ser suficiente para
determinar a presença de um objeto.
Características morfológicas (perímetro, área, diâmetro e número de orifícios)
O perímetro pode ser facilmente encontrado aplicando-se uma rotina de detecção da borda
e contando-se o número de
pixels
presentes. A área pode ser calculada através de técnicas de
crescimento de região. O diâmetro de um objeto não-circular é definido como a máxima
distância entre quaisquer dois pontos em qualquer linha que atravessa a área identificada do
objeto.
Razão de Aspecto
É a razão entre a largura e o comprimento de um retângulo circunscrito em um objeto,
como mostrado na Figura 2.15. Todas as razões de aspecto, exceto a mínima razão de aspecto
são sensíveis à orientação. Portanto, a mínima razão de aspecto é geralmente usada para
identificar objetos.
Figura 2.15 – Razão de Aspecto de um objeto.
33
Esbeltez
A esbeltez (
E
) é definida como uma das razões à seguir, onde
p
é o perímetro,
d
é o
diâmetro e
A
é a área, do objeto:
a.
A
p
E
2
=
(16)
b.
A
d
E =
(17)
2.8.2 Momentos
Os momentos de objetos em imagens utilizadas em visão robótica são de especial
importância na análise de imagens pois são utilizados em várias tarefas de reconhecimento e
interpretação, quer por cálculo simples ou por comparação em uma tabela pré-armazenada.
Considerando-se um objeto em uma imagem binária, onde
pixels
do objeto estão “ligados”,
ou 1, e o fundo é representado por
pixels
“desligados”, ou 0. Tem-se a equação geral de
momento:
=
yx
ba
ba
yxM
,
,
(18)
Onde
M
a,b
é o momento do objeto na imagem com índices
a
e
b
. As coordenadas de cada
pixel
“ligado” na imagem são representadas por
x
e
y
, com origem em um dos cantos da imagem.
Primeiramente, uma rotina baseada na Equação (18) irá determinar se cada
pixel
pertence ao
objeto (“ligado”) e, caso positivo, irá elevar as coordenadas da localização do
pixel
aos dados
valores de
a
e
b
. O somatório desta operação sobre toda a imagem será o momento particular do
objeto nos valores
a
e
b
.
M
0,0
é o momento do objeto em
a
= 0 e
b
= 0. Isto significa que todos os
valores de
x
e
y
estão elevados à potência de 0.
M
0,2
significa que todos os valores de
x
estão
elevados à potência de 0 e todos os valores de
y
estão elevados à potência de 2. É comum a
aplicação de momentos que usem todas as combinações de índices entre 0 e 3 [Niku, 2001].
As distâncias
x
e
y
são medidas tanto dos eixos coordenados fictícios localizados na borda
da imagem (
x,y
) ou são medidas dos eixos coordenados formados pelas primeiras linha e coluna
da imagem. As distâncias são medidas contando-se o número de
pixels
do eixo até o
pixel
de
interesse. O uso da primeira linha e coluna como eixos coordenados é mais comum, mas, como
ambas as referências são usadas consistentemente, a escolha não é importante.
34
Baseado nestas definições, tem-se que todos os números elevados à potência de 0 são
iguais à 1, então todos os
x
0
e
y
0
serão iguais à 1. Como resultado, o momento
M
0,0
é o somatório
de tantos 1’s quantos
pixels
“ligados” há na imagem, fornecendo o número total de
pixels
“ligados”, o que representa a área do objeto. Em outras palavras, o momento
M
0,0
é o mesmo que
a áea do objeto. Este momento pode ser usado para determinar a natureza de um objeto e para
distinguí-lo de outros objetos que possuem áreas diferentes.
Figura 2.16 – Imagem exemplo para cálculo de momentos.
Similarmente,
M
0,1
é
x
0
y
1
, ou o somatório de 1 ×
y
, que é o mesmo que o somatório da
área de cada
pixel
multiplicado por sua distância do eixo
x
. Isto é similar ao primeiro momento
da área em relação ao eixo
x
. A localização do centro da área de
pixels
1 relativo ao eixo
x
pode
ser calculado por [Gonzales e Wints, 1977]:
0,0
1,0
M
M
área
y
y ==
(19)
Também pela simples divisão dos dois momentos, pode-se calcular a coordenada
y
do
centro da área do objeto. Similarmente, a localização do centro de área relativo ao eixo
y
será:
0,0
0,1
M
M
área
x
x ==
(20)
Deste modo, um objeto pode ser localizado em uma imagem, independentemente de sua
orientação. Logicamente, esta informação pode ser usada para localizar em um espaço de
trabalho um objeto a ser manipulado por um robô.
35
Analisando outros momentos,
M
0,2
é
x
0
y
2
e representa o segundo momento de área
relativo ao eixo
x
. Similarmente,
M
2,0
é o segundo momento de área relativamente ao eixo
y
.
Deste modo, o momento de inércia de um objeto, como o da Figura 2.16, irá variar
significativamente se o objeto rotacionar em torno de seu centro. Supondo-se que sejam
calculados os momentos de área em relação ao eixo
x
, em diferentes orientações. Cada
orientação cria um valor único, uma tabela de comparação (
lookup table
) que contenha esses
valores pode ser usada para identificar a orientação do objeto. Logo, se uma tabela de
comparação contendo os valores dos momentos de inércia de um objeto conhecido em diferentes
orientações é calculada, a subseqüente orientação do objeto pode ser estimada comparando seus
segundos momentos com os valores na tabela. Quando um objeto translada dentro de uma
imagem, estes momentos de inércia irão também mudar. Entretanto, se as coordenadas do centro
de área do objeto são conhecidas, então, com uma simples aplicação do teorema de eixos
paralelos, os segundos momentos do centro de área podem ser calculados independentemente de
sua localização [Azuela, 2001]. Como resultado, com o uso de equações de momento, um objeto,
sua localização e sua orientação podem ser identificadas. Em adição à identificação do
componente, a informação pode ser usada para direcionar o robô para capturar a peça ou
trabalhar sobre ela.
Outros momentos podem ser usados similarmente. Por exemplo,
M
1,1
representa o produto
de inércia da área e pode ser também usado para identificar um objeto. Momentos de ordens
mais altas como
M
0,3
,
M
3,0
,
M
1,2
, etc., também podem ser usados para identificar objetos e suas
orientações. Sendo dois objetos relativamente similares em forma, como na Figura 2.17(a), é
possível que o segundo momento, áreas, perímetros ou outras características morfológicas dos
objetos possam ser similares ou muito próximas entre si, logo não podendo ser úteis na
identificação do objeto. Neste caso, uma pequena diferença entre os dois objetos pode ser
exagerada através dos momentos de ordem mais alta, tornando a identificação do objeto possível.
O mesmo vale para um objeto com uma pequena assimetria (Figura 2.17(b)). A orientação do
objeto pode ser encontrada por momentos de alta ordem [Niku, 2001].
Figura 2.17 – Objetos com pequenas diferenças e assimetrias.
36
2.9 Sistemas de Controle e Transmissão de Sinais
Além dos procedimentos de captação, processamento e análise de imagem, têm-se os
relacionados com a transmissão e recebimento dos resultados, variáveis e comandos gerados
pelos dispositivos de visão industrial. Estes mecanismos de transmissão são a base do controle
em tempo real na indústria em tarefas CAM, imprescindíveis para o funcionamento de
dispositivos de visão robótica, que exigem respostas imediatas dos manipuladores a um ambiente
de trabalho em constante processo produtivo.
O desenvolvimento dos controladores automáticos teve como objetivo facilitar o controle
de processos em plantas complexas, que, no início do século XX, devido aos equipamentos
mecânicos possuírem controles manuais e localizado próximo ao processo, demandavam grande
esforço e coordenação. Foi através da aplicação de
métodos e padrões analógicos de transmissão
de dados, sendo um dos primeiros o padrão pneumático 3-15
psi
, trabalhando em conjunto com
processos instrumentados mecanicamente, que permitiu o surgimento do controle automático.
Neste sistema, a pressão na linha de controle era proporcional ao valor da variável que se
desejava transmitir. Um método mais eficiente para execução das mesmas tarefas foi
desenvolvido mais tarde, através do envio de sinal elétrico de 4 a 20 mA, que se tornou um
padrão utilizado até hoje [Murugeshan, 2003], onde os dados eram transmitidos fazendo-se
variar a corrente do circuito do sensor de forma proporcional à variação do valor da variável de
controle.
Com o desenvolvimento da eletrônica e de dispositivos semicondutores, os sistemas
analógicos puramente pneumáticos tornaram-se obsoletos. No início dos anos 80 os sinais
elétricos analógicos provindos do chão-de-fábrica passaram a ser conectados a conversores
analógico/digitais, para poderem ser processados por microprocessadores digitais. Os dados
resultantes eram enviados para um conversor digital/analógico, sendo o sinal analógico utilizado
para o controle de atuadores com posicionadores eletro-pneumáticos. Esta prática dominou o
cenário fabril por mais de 10 anos, mantendo-se o conceito de sala de controle centralizada. No
final da década de 80, surgiram no mercado os transmissores “inteligentes”, utilizando a
transmissão de sinais digitais sobrepostos aos sinais analógicos, permitindo sistemas de diagnose
remota [Mahalik, 2003]
.
O desenvolvimento de transmissores capazes de manipular toda a estratégia de controle
usando blocos de funções
integradas ao software e por comunicação ponto-a-ponto com
equipamentos similares eliminou a necessidade do processamento centralizado das informações.
37
Através da rede de automação da planta, os controles foram levados para o chão-de-fábrica, mais
próximos ao processo, trazendo de volta a estratégia de controle descentralizado.
2.9.1 Hierarquia de Sistemas de Automação Industrial
A automação em uma planta de manufatura pode ser implementada em diferentes níveis.
Estes, podem ser classificados de diferentes formas, como o modelo de quatro níveis proposto
por Boucher [Boucher, 1996], e que apresenta a seguinte hierarquia:
- Nível 1/Máquina: assegura que as operações da máquina correspondam à seqüência de
operações planejada. Controle de CNC e robôs industriais;
- Nível 2/Célula de Trabalho ou Linha de Produção: decisões locais para coordenar as
atividades de vários equipamentos, como definir seqüência de produção e manipulação
de materiais;
- Nível 3/Chão-de-Fábrica: coordenar as atividades entre diversas células de manufatura
ou linhas de produção. Tarefas como gerenciamento de materiais e controle de
qualidade;
- Nível 4/Planta: automatizar o processo de tomada de decisões da empresa ou dar
suporte de informação, como pedidos de clientes, compras e planejamento da produção.
A integração completa de todos estes níveis de processos de decisão, suportados por um
sistema de informações computadorizado, é normalmente chamada Manufatura Integrada por
Computador (CIM). Elementos importantes para essa integração são as redes locais, que
permitem interligar diferentes equipamentos e controles.
Com o objetivo de padronizar o
desenvolvimento de redes de comunicação, o
International Standarts Organization (ISO)
estabeleceu um modelo de referência que descreve como as redes devem ser estruturadas em
termos de camadas de responsabilidade. Este modelo é conhecido como o modelo
OSI (Open
System Interconnect),
e tem o propósito de dividir o problema da comunicação em uma série de
subproblemas
.
O modelo
OSI
é estruturado em sete camadas, assim definidas
[Mahalik, 2003]:
- Camada Física: assegurar o formato físico dos dados adequado ao seu transporte
através de sinais elétricos pela rede;
- Camada de Enlace de Dados: estruturar dados com vista ao seu envio pela rede;
- Camada de Rede: estabelecer conexão e assegurar o correto encaminhamento da
informação;
38
- Camada de Transporte: supervisionar o serviço da rede;
- Camada de Sessão: gerenciar a sessão de comunicação entre os nós envolvidos;
- Camada de Apresentação: providenciar para que os dois computadores envolvidos na
comunicação se entendam;
- Camada de Aplicação: converter a informação do usuário ou de um formato digital
adequado para sua transmissão ou converter os dados recebidos de uma transmissão em
um formato inteligível para aplicação do usuário.
2.9.2 Redes Locais
O problema mais complicado na automação de chão-de-fábrica é o de interconectar
máquinas e processos, principalmente devido à tendência histórica de cada fabricante de utilizar
seu próprio protocolo de comunicação. Porém com o crescimento da demanda pela integração de
máquinas em sistemas coordenados de produção, criou-se a necessidade de um meio comum
sobre o qual os controladores dos equipamentos pudessem comunicar-se entre si e com
computadores em níveis superiores.
Atualmente, os computadores em uma fábrica podem comunicar-se através de uma rede
local (LAN), definida pela norma ISO 11898, sendo normalmente implementada em uma área
limitada e de propriedade de uma certa organização [Buchanan, 2003]. Este sistema de
comunicação privado permite a comunicação entre diversos dispositivos integrados na rede, a
distâncias que variam de poucos metros até vários quilômetros. Os equipamentos conectados a
rede incluem, entre outros, computadores, controladores lógicos programáveis, máquinas CNC,
robôs industriais e dispositivos coletores de dados.
As topologias usuais na implementação das redes são os tipos anel, estrela e barramento,
sendo esta última a mais amplamente utilizada. Na transmissão de sinais entre estações na
configuração anel, a informação é transmitida a uma estação e quando o sinal não lhe é
endereçado, esse é retransmitido para a estação seguinte. Um problema em alguma estação pode
interromper toda a transmissão. No tipo estrela, centrada em um servidor, uma pane nesta
estação central paralisa toda a rede. Já no tipo barramento, os sinais estão acessíveis a todas as
estações, sendo apenas copiados pela estação à qual foram endereçados, sem passar por
máquinas intermediárias e sem depender de um servidor central. Apenas uma quebra no
barramento pode interromper a transmissão [Bedworth et al, 1991].
Para terem acesso aos sinais disponíveis na rede, as estações devem obedecer ao método de
acesso empregado. O mais utilizado para o controle de transmissão, em conjunto com a
39
topologia de barramento, é Passagem de Permissão, ou
token
, sendo implementado na norma
IEEE 802.4
(
Token Bus
) [Boucher, 1996]. Neste sistema apenas uma estação é autorizada a
transmitir a cada momento, sendo esta permissão controlada através da passagem de um sinal de
controle de estação para estação. Quando uma estação recebe o
token
ela pode transmitir
mensagens por um determinado período de tempo, após o qual deve passá-lo para a próxima
estação da seqüência. Utilizando este sistema se evita o problema da colisão na transmissão, e
permite-se que o tempo máximo para o envio de uma mensagem seja previamente definido. Por
esta razão o controle por
token
, ou variações deste sistema, tem sido amplamente utilizados em
aplicações onde controle em tempo real é envolvido.
O envio de imagens de sistemas de captação para aplicativos de processamento e análise
pode ser feito através de rede se o computador onde é executado o programa está em um
ambiente diverso de onde se dá a operação de captação, com os resultados desta análise sendo
repassados via rede ao controlador robótico se este está conectado a uma LAN. Em casos onde a
captação e análise se dão no mesmo local, o envio das informações pode ser eficientemente
realizado através do envio direto de sinais entre a captação/análise e análise/execução de tarefas.
40
3. DESENVOLVIMENTO DO SISTEMA
A união das características principais dos robôs industriais (tais como trabalho contínuo
sem apresentação de fadiga, mantendo precisão e repetitividade, com conseqüente aumento de
produção) com maior autonomia na execução de tarefas onde há variáveis continuamente em
transformação (como identificação de objetos dentre um conjunto a ser analisado ou a
identificação da posição de objetos que venham a se apresentar continuamente em posições
aleatórias) tem sido assunto de grande interesse e pesquisa. Baseado no exposto no capítulo
anterior, verifica-se uma parcela do grau de desenvolvimento e conhecimento acerca da geração
e análise de imagens e transmissão de sinais necessários à execução de tarefas de visão robótica.
Sendo o foco deste trabalho o desenvolvimento e aplicação de um sistema de visão para
tarefas de manipulação robótica industrial, pode-se dividi-lo em cinco módulos principais:
- Equipamento de captura de imagens;
- Iluminação;
- Programa de processamento de imagens;
- Interface PC/Controlador do robô;
- Programa de manipulação.
Esta divisão foi feita para tornar mais objetiva a execução do projeto. Apesar de
independentes, os elementos operam de forma conjunta para formar o sistema de visão proposto.
Tendo em vista a simplicidade de especificação, projeto e implementação, procurou-se
utilizar ferramentas facilmente encontradas no mercado ou disponíveis no Laboratório de
Robótica. Observando-se, ainda, a aplicabilidade em um ambiente industrial, buscou-se utilizar
equipamentos que se encontram em operação na indústria ou que poderiam vir a ser
eficientemente empregados neste ambiente.
3.1 Equipamento de Captura de Imagens
3.1.1 Câmera
Baseado na prática comum, foram escolhidas as câmeras digitais, que são as mais utilizadas
atualmente e são facilmente encontradas no mercado. Além disso, permitem uma rápida e
eficiente interface com os demais sistemas que seriam empregados no projeto, gerando um sinal
41
digital facilmente captado por aplicativos de visualização. No início do trabalho, cogitou-se na
utilização de uma
webcam
, pela sua simplicidade de operação e pelo fato de dispensar uma placa
de captura de imagens, devido à sua conexão USB (
Universal Serial Bus
). Ressalta-se também o
fato de esse tipo de dispositivo haver sido empregado em outros trabalhos acadêmicos sobre
sistemas de visão em robótica com vistas à manipulação de objetos [Soares, 2004].
Durante a fase inicial do trabalho, optou-se pela utilização da
webcam
apenas para funções
de desenvolvimento e teste do programa de processamento de imagens em sua fase de projeto.
Para a implementação do sistema de visão e para garantir sua consistência como ferramenta de
aplicação industrial, decidiu-se pela utilização de uma câmera CCD de circuito fechado, o que
acarretou a necessidade de uma placa de captura de imagens. Após pesquisa no mercado,
escolheu-se o modelo BW-2302EA da
Samsung
, uma câmera CCD monocromática. Possuindo
entrada de tensão padrão EIA de 24V AC, utilizou-se uma fonte para CFTV da Nodaji, na tensão
e corrente especificadas. Este modelo de câmera se encontra em uso em tarefas de pesquisa em
sistemas de visão com análise de imagens e integrando sistemas de posicionamento de
equipamentos de raios-x [LACTEC, 2004]. Utilizaram-se lentes SLA-124C
Auto-Iris
com
montagem C, também da
Samsung
. A função
Auto-Iris
indica o fechamento automático da íris
das lentes quando do desligamento da fonte de força, para proteção dos filtros ópticos e
captadores de imagem. O conjunto câmera-lentes é ilustrado na Figura 3.1.
Tabela 3.1 – Dados técnicos do conjunto.
Figura 3.1 – Câmera CCD.
Câmera
Dispositivo de
Captura
537(H)x505(V)
1/3”CCD
Sistema de Varredura
2:1 (padrão EIA)
525linhas/60campos/
30
frames
Resolução 380(H) linhas de TV
Lentes
Distância Focal 12 mm
Razão de Abertura 1:1,4
Formato da Imagem
6,4x4,8 mm
3.1.2 Placa de Captura
Para a aquisição do sinal de vídeo fornecido pela câmera, através de um cabo coaxial RGC
59, foi selecionada uma placa de captura compatível, dentre as disponíveis no mercado. A placa
selecionada pela sua compatibilidade com a câmera e que cumpria os objetivos do trabalho foi a
42
VTV 2004. Placa muito usada em CFTV (Circuito Fechado de Televisão) baseado em PC, sendo
compatível com
slot
PCI, captura com 30 fps e possui entradas para até 4 câmeras.
Figura 3.2 – Placa de captura de imagens.
Uma adaptação que se fez necessária durante a execução do trabalho foi a mudança do
driver
da placa. O original tornava a placa funcional com
softwares
de vigilância, mas não com
programas multimídia gerados para o ambiente
Windows
. A simples mudança do
driver
tornou a
placa reconhecível por demais
softwares
de captura/visualização e com programas gerados com
linguagens de programação, como C e
Basic
, como o desenvolvido para este trabalho.
3.1.3 Suporte da Câmera
Analisados alguns esboços preliminares e observando o material disponível, definiu-se pela
montagem do suporte do equipamento de visão com vigas de aço com seção em L.
Caracterizam-se por serem leves e estáveis, além de já possuem furação, facilitando a montagem.
Visando a facilidade de montagem e robustez do suporte, este foi fixado à mesa utilizada para a
colocação dos objetos a serem manipulados, esta servindo também como uma base estável para o
suporte. Sendo uma mesa industrial, já possui furação em sua estrutura de aço, podendo ser
facilmente parafusada às vigas supracitadas.
Este suporte foi desenvolvido levando-se em conta as características peculiares do
Laboratório de Robótica e apenas para fins didáticos, tendo sido especificado apenas para manter
a câmera em uma posição acima da área de interesse e fora do alcance do manipulador e
observando o material disponível para sua confecção. Ao se aplicar este sistema de visão em
outro ambiente, como o industrial, devem-se levar em conta outros fatores, como vibrações e
maquinário situado no entorno do robô além da disponibilidade de espaço, ao se projetar um
suporte para a câmera.
43
Figura 3.3 – Suporte da câmera.
3.2 Iluminação
Os tipos de sistemas de iluminação normalmente empregados em sistemas de visão
robótica direcionados à manipulação são a iluminação direta e a traseira.
Apesar de a iluminação traseira permitir a geração de uma imagem ótima para este
trabalho, devido à imagem ficar resumida a uma superfície iluminada e a sombra de um objeto
(mais próxima de uma imagem preto-e-branco), desde o início considerou-se como a menos
indicada, devido, principalmente, à dificuldade de implementação. Primeiramente, ela obriga que
a superfície onde estarão os objetos a serem manipulados pelo robô seja translúcida ou
transparente, para permitir a passagem da luz. Em segundo lugar, a iluminação do ambiente em
torno da área de manipulação deve ser controlada, pois pode gerar interferência. Neste caso, a
área de trabalho deve ser protegida por anteparos ou então a iluminação ambiente deve ser
reduzida.
A escolha recaiu sobre um sistema de iluminação direta, que pode ser implementada sem
alterações na iluminação do laboratório e sem a necessidade de anteparos ou superfície
transparente. Como a superfície que é utilizada para manipulação no laboratório é clara, definiu-
se a utilização de objetos de superfície escura a serem manipulados, o que, com um sistema de
iluminação adequado, gera imagens muito próximas das obtidas com iluminação traseira.
Após a captação de algumas imagens sobre a área de trabalho, com o intuito de definir a
melhor maneira de iluminá-la, constatou-se que as luminárias do ambiente fornecem iluminação
suficiente e diretamente sobre a área de trabalho e praticamente sem a geração de sombras ou
qualquer tipo de interferência.
44
Figura 3.4 – Iluminação da área de captura.
Em situações críticas para a iluminação, pode-se adaptar ao suporte da câmera, uma
luminária do tipo fluorescente apontada diretamente para a área de interesse. No caso, como a
qualidade da iluminação do laboratório demonstrou ser suficiente, eliminou-se a necessidade de
utilização de mais um equipamento sendo simplificada a implementação do sistema.
3.3 Interface PC/Controlador do Robô
Obtidas as variáveis resultantes da análise das imagens, essas devem ser transferidas para o
controlador do robô para que um programa próprio de manipulação as capture e execute a tarefa.
Isto é feito na prática com o uso de interfaces de comunicação entre equipamentos e máquinas de
processo em células de fabricação integrados por dispositivos dedicados ou redes de chão-de-
fábrica.
No caso deste projeto, onde se necessita da comunicação entre um PC comum com o
controlador ABB S4 do robô IRB1400, emprega-se o sistema de comunicação IRBCom,
desenvolvido no Laboratório de Robótica. Caracteriza-se por ser uma interface
hardware
e
software
de fácil implementação, através da porta paralela do PC, e que permite ações de
controle em tempo real [Bayer, 2004]. Dentro da hierarquia de redes, este dispositivo integra-se
no Nível de Máquina.
A interface de comunicação do controlador do robô é uma placa E/S digital ABB DSQC
223, que apresenta 16 canais digitais de entrada e 16 de saída, destinada originalmente ao
controle de dispositivos integrados à célula do robô, através de sinais discretos. Como interface
de comunicação no PC, utiliza-se a porta paralela, que disponibiliza os dados em um formato que
45
pode ser transferido ao robô sem necessidade de manipulação. A flexibilidade do sistema
caracteriza-se pelas rotinas desenvolvidas no
software
de interface no PC, compiladas em um
formato DLL
(Dinamic Link Library),
empregados na comunicação e controle. As DLL’s
permitem a integração do sistema a qualquer programa desenvolvido para a plataforma Win32
[Bayer, 2004]
.
Já a implementação das rotinas no controlador é feita através de programação na
linguagem nativa do mesmo, no caso, em ABB Rapid. Estas rotinas devem ser introduzidas no
código fonte dos programas em que se deseja implementar a comunicação, como no caso do
programa de manipulação desenvolvido.
A comunicação implementada é bidirecional, onde o PC e o robô tem igual capacidade de
envio de dados. O funcionamento, porém, dá-se no modo Cliente/Servidor, tendo o PC como
Cliente. Nesta configuração o fluxo padrão de dados é do PC para o robô, a transmissão no
sentido inverso só ocorre sob solicitação do Cliente.
O
Programa
Cliente
desenvolvido pelo usuário, que no caso deste trabalho é o Programa
de Processamento de Imagens RobVis, obtém dados de alguma fonte, como o equipamento de
captura de imagens, e, após processá-los e analisá-los, decide quais tarefas devem ser realizadas
pelo robô e quais variáveis devem ser informadas. O programa chama rotinas disponíveis na
Camada de Aplicação
, informando a ação a ser realizada, bem como os dados e parâmetros
necessários. Estas informações são repassadas para a
Camada de Enlace de Dados
, a qual
verifica os sinais da
Camada Física
, aguardando o sinal de “pronto para a recepção” do robô. Os
dados são convertidos para o formato de
bytes
e enviados seqüencialmente para a
Camada
Física
, este envio inclui também todo o procedimento de sincronismo de transmissão. Cada
byte
é então transferido para a porta paralela, estando disponível para o circuito externo. Os sinais da
porta paralela são recebidos pelo circuito da Placa E/S do robô, através de um dispositivo de
hardware
especialmente desenvolvido para esta aplicação, denominado Módulo IRBCom, o qual
faz os ajustes de tensão necessários. No controlador do robô a
Camada de Enlace de Dados
do
programa residente recebe a seqüência de
bytes
através da Placa E/S, recompondo os dados
originais, os quais são repassados à
Camada de Aplicação
ou diretamente
ao Programa
Servidor
, no caso o
Programa de Manipulação
, que analisa os dados recebidos, acionando os
comandos necessários para executar a tarefa prevista.
46
Figura 3.5 – Sistema segundo o modelo de camadas
OSI
.
3.3.1 Módulo Hardware IRBCom
O dispositivo de comunicação IRBCom apresenta características construtivas
especialmente concebidas para interligar um PC via porta paralela. Este dispositivo é composto
por uma série de acopladores óticos de alta sensibilidade modelo 4N33, os quais permitem a
transmissão dos dados sem nenhuma conexão elétrica entre a porta paralela do PC e a Placa E/S
do controlador do robô. Este sistema permite total segurança de operação, garantindo isolamento
galvânico entre as duas interfaces para tensões da ordem de até 1,5kV.
No módulo IRBCom, as conexões são montadas em placas de circuito impresso e
acondicionados em um gabinete com conectores externos. O painel frontal do gabinete possui
leds
indicadores de sinal em cada linha de comunicação, como ilustrado na Figura 3.6.
Figura 3.6 – Módulo IRBCom.
As conexões do sistema são feitas através de cabos paralelos de 25 vias com conectores
DB25. No Módulo IRBCom utilizam-se dois conectores DB25 macho, um para conexão com o
robô e outro para a conexão ao PC, pois esta configuração impossibilita a conexão errônea do
cabo proveniente do robô diretamente na porta paralela do PC, o que causaria danos à mesma.
47
3.3.2 Módulo Software IRBCom
O módulo de comunicação IRBCom foi desenvolvido tendo em vista incorporar rotinas de
transformação de dados gerados por um programa cliente para envio por rede e sua correta
recepção e interpretação pelo destinatário, no caso, um programa servidor. Isto se enquadra,
dentro do modelo
OSI
, nas funções especificadas para as camadas de enlace de dados e de
aplicação.
Enlace de Dados
A Camada de Enlace de Dados é responsável pela estruturação de dados com vista ao seu
envio pela rede, cabendo também um certo nível de controle de transmissão. É responsável de
igual modo pela transição do formato de
bits
provenientes da rede, para um formato que possa
ser entendido por níveis superiores. Constitui-se de rotinas pré-definidas para a transmissão e
recebimento de dados, tendo implementação equivalente tanto no módulo do PC quanto no
módulo do controlador do robô.
No módulo do PC estas rotinas estão encapsuladas em um arquivo chamado
IRBCom.dll
, o
qual é compilado no formato DLL para a plataforma Win32.
Este formato de arquivo permite a
sua utilização por qualquer programa desenvolvido para o sistema operacional
Microsoft
Windows
. Para o robô as rotinas foram escritas na linguagem nativa do controlador (ABB Rapid)
e devem ser incluídas no código fonte do programa que pretende usar o sistema de comunicação.
Devido à baixa velocidade de processamento do controlador do robô, que pode bloquear a
comunicação durante a execução do programa, implementaram-se sinais de sincronismo para
garantir a máxima taxa de transmissão e evitar conflitos. Com um procedimento de
sincronização viabiliza-se a transmissão, permitindo que esta seja interrompida e posteriormente
retomada, por qualquer um dos dispositivos sem perda de dados.
A
Camada de Enlace
de dados define três categorias de dados, a saber:
-
Byte
: número natural, transmitido no formato de 8
bits
;
- Inteiro: número inteiro, transmitido no formato de 16
bits
;
- Real: número real, com 16
bits
para a parte inteira e 8
bits
para a parte fracionária.
Camada de Aplicação
É o nível mais próximo do usuário, implementando rotinas de interface entre o sistema de
comunicação e o programa cliente desenvolvido pelo usuário. Trabalhando-se com as rotinas
48
padrão da Camada de Enlace de Dados é possível realizar a comunicação de forma efetiva.
Visando facilitar a utilização, principalmente para as tarefas mais comuns, o sistema de
comunicação é dotado de uma Camada de Aplicação, onde constam rotinas pré-configuradas e
que satisfazem grande parte das necessidades básicas de um sistema de controle.
O protocolo de transmissão de dados é orientado a
byte
, sendo formado basicamente de um
byte
de comando seguido de uma série de
bytes
de dados. O número de
bytes
de dados é variável
e definido pelo número e tipo dos parâmetros necessários para cada comando. A transmissão
dos dados é feita chamando-se as rotinas da camada de Enlace de Dados ou rotinas específicas
desenvolvidas nos próprios programas.
3.4 Programa de Análise de Imagens
Componente central do sistema de visão desenvolvido, o programa de processamento de
imagens foi escrito em
Visual Basic
, devido não apenas ao seu difundido uso como ferramenta
de criação de aplicativos, mas também à simplicidade da linguagem e facilidade de criação de
interface gráfica para o usuário, sendo que o
software
utilizado na programação foi o
Visual
Studio 6.0
.
A este foi dado o nome de RobVis, acrônimo formado pelo termo empregado na
literatura especializada
Robotic Vision
. Chegou-se a uma configuração que permaneceu como a
melhor encontrada para a execução das tarefas propostas, estruturando-se o programa, e sua
interface visual, em:
- Módulo de Captura;
- Módulo de Processamento;
- Módulo de Calibração.
Cada um deles executa tarefas específicas e, até certo ponto, independentes entre si, mas
complementares. Podem operar independentemente, como no caso de calibração, onde o módulo
de processamento não é ativado ou em análise de imagens, onde o módulo de calibração
permanece desativado. As operações são interdependentes e complementam-se para o completo
funcionamento do sistema.
3.4.1 Módulo de captura
É o módulo-raiz do programa. Nele são feitas a captura das imagens obtidas pelo conjunto
câmera/placa de captura e sua apresentação na tela do PC. Também, é a partir dele que são
ativados os módulos de processamento e de calibração, através de sua barra de menu.
49
Resumidamente, sua função básica é a geração de imagens para a operação dos outros módulos,
onde são implementadas operações sobre as imagens captadas. Não sendo estes ativados, o
módulo de captura funciona apenas como uma ferramenta de visualização de imagens. O
programa foi desenvolvido para operar em configuração de vídeo 1024 × 768 ou superior. Uma
representação da interface deste módulo é ilustrada na Figura 3.7.
Figura 3.7 – Tela do módulo de captura com detalhes.
3.4.2 Módulo de Processamento
Módulo onde é feito todo o processamento e análise das imagens e geração de sinais para
envio dos comandos e das variáveis obtidas com os procedimentos implementados para o robô.
Também apresenta, na tela, os resultados obtidos ao usuário e permite que este especifique os
parâmetros específicos para o caso em que o programa será empregado. Para uma melhor
compreensão, a explanação sobre este módulo do programa está dividida em interface gráfica e
procedimentos matemáticos, que serão apresentados no sub-capítulo 3.4.4 juntamente com os
procedimentos do módulo de calibração. Sua interface gráfica se divide em:
50
Barra de Menu
Permite ao usuário selecionar se a análise de imagem será implementada em um sólido de
revolução ou em um sólido cuja manipulação demande a informação de orientação. Neste caso,
deve-se carregar uma base de dados que consiste em uma tabela de comparação (ou
look-up
table
) em formato .txt previamente gerada pelo módulo de calibração para o componente
específico a ser manipulado.
Também é possível selecionar operação em modo de simulação, que consiste apenas na
execução das tarefas de processamento e análise da imagem em modo
off-line
, ou seja, sem
envio de comandos para o robô. Este recurso é empregado em casos onde apenas se deseja
verificar o funcionamento do programa, observando-se os resultados apresentados na tela, antes
de se partir para a operação com o robô. Mantendo-se esta opção desabilitada, o programa gera
comandos e envia variáveis ao controlador do robô.
Deve-se selecionar também se a operação se dará contra um fundo claro, e conseqüente
objeto escuro, ou vice-versa. Desmarcando-se a opção “Fundo Branco”, a opção “Fundo Escuro”
aparecerá na guia opções. A opção “Salvar Arquivo de Processamento” consiste na gravação de
imagens binárias em formato
.bmp
para posterior avaliação. Serve para verificar se a captação
está ocorrendo de forma satisfatória, assim como a limiarização das imagens sob o
threshold
, ou
limiar, escolhido.
Figura 3.8 – Barra de menu do módulo de processamento.
Seção Base de Dados
Indica o nome do arquivo base de dados carregado para objetos com orientação ou se foi
selecionado sólido de revolução, o que dispensa o uso de base de dados. A operação de análise
não inicia sem a especificação da base de dados, sendo que se o usuário tenta iniciar a operação
sem este procedimento é advertido para que faça a escolha. Do mesmo modo o indicador
vermelho passa para verde quando o tipo de objeto é selecionado, para indicar visualmente ao
operador que o programa já possui uma base de dados carregada.
51
Seção de Parâmetros e Comandos
Onde o usuário estabelece os parâmetros para operação das rotinas de processamento e
análise da imagem. É composta pelos seguintes dispositivos, que estão detalhados na Figura 3.8:
- Limiar: uma barra de rolagem com valores de 0 a 256 para determinação do limite de
limiarização. Deve ser ajustado conforme as condições de operação do sistema.
- Intervalo: intervalo de tempo entre captações para análise, em segundos.
- Velocidade: velocidade do robô em mm/s. Deve ser ajustada de acordo com as condições
de operação.
- Botão Reiniciar: apaga os resultados apresentados na seção respectiva assim como
retorna às configurações-padrão.
- Botão Referenciar: aciona o sinal 24 do módulo de comunicação, reconhecido pelo
programa RobVisR.prg no controlador. O manipulador fica livre para ser movimentado pelo
operador com o
joystick
de seu
teach pendant
para o ponto de referência área de captura / robô.
Foi estabelecido como ponto de referência o canto superior-esquerdo da área de captura, sobre o
qual deve estar posicionada uma peça das quais se vai manipular, com seu centróide
aproximadamente sobre a referência. O manipulador deve ser posicionado como se fosse
capturá-la, com o centro do efetuador sobre o centróide da peça.
- Botão Velocidade: aciona o sinal 23 do módulo IRBCom, seguido do valor de velocidade
inserido na guia velocidade.
- Botão Captar: ativa o processo de captura de imagens seguido de processamento e
análise. Este processo é executado respeitando o intervalo especificado.
- Botão Parar: interrompe o processo.
- Guia de Status: indica se não há processo em andamento ou se está sendo executado.
Neste caso, um cronômetro indica o tempo decorrido entre procedimentos de captura.
Seção de Resultados
O usuário não tem controle sobre esta área, com exceção de poder zerar os resultados
através do botão reiniciar. Esta seção se destina a mostrar os resultados da análise das imagens à
medida que vão sendo executadas. É composta de:
- Número da Peça: indica quantas imagens já foram processadas dentro de uma seqüência
de captação.
- Área do Objeto: indica a área do objeto presente na imagem captada em termos de
pixels
.
É dependente do limiar adotado.
52
- Ângulo: orientação do objeto calculado através de seus momentos de inércia comparados
aos gravados na base de dados carregada. Estes são peculiares de cada objeto e a forma de sua
seção transversal. Sendo um sólido de revolução, o ângulo apresentado é sempre zero.
- Centróide: apresenta a posição do objeto sobre o plano de trabalho em relação ao centro
da base do robô, em mm.
- Momentos: indica os momentos utilizados na determinação da orientação do objeto.
Figura 3.9 – Interface do módulo de processamento, com observações para suas funções.
3.4.3 Módulo de Calibração
É o módulo que deve ser ativado para gerar a tabela de comparação necessária para a
determinação da orientação pelo módulo de processamento. Cada sólido, dependendo de sua
geometria, apresenta alguns momentos de inércia dependentes da orientação assumida e são estes
os parâmetros gerados pelo módulo de calibração para posterior comparação. Na sua execução, o
operador ativa a seqüência de calibração e executa o procedimento apresentado na tela, que
consiste em orientar, sob a área de captura de imagem, o objeto de interesse nos ângulos
indicados na tela para que sejam atrelados a estas orientações valores salvos em um documento
53
.txt, posteriormente chamado pelo módulo de processamento. Estes valores serão discutidos na
sub-seção 3.4.4. O referido documento, pode ser salvo com o nome e no diretório mais
convenientes ao usuário, ficando armazenado para, em se necessitando posteriormente, voltar a
empregar o mesmo sólido sem necessidade de nova calibração. Sua interface está representada
na Figura 3.10.
Figura 3.10 – Interface do módulo de calibração, com observações para suas funções.
3.4.4 Procedimentos Matemáticos
Nas rotinas implementadas nos módulos de processamento e calibração foram utilizados
alguns métodos matemáticos introduzidos no Capítulo 2, selecionados dentre os expostos por
mais eficientemente processar os resultados necessários à execução das tarefas propostas.
Limiarização
Como já descrito, a limiarização é uma das principais tarefas da visão industrial, por
transformar imagens complexas em uma combinação de 1’s e 0’s ou preto e branco. Consiste em
comparar o nível de cinza, que pode estar entre 0 e 255, de cada
pixel
da imagem
independentemente com uma função lógica de maneira que resultem
pixels
com intensidades
apenas 1 ou 0, dependendo de em que faixa da função estiver o valor original. A função
empregada para fundos da imagem claros e objetos escuros é a seguinte:
≥
<
=
Tyxfse
Tyxfse
yxg
),(0
),(1
),( (21)
54
Onde
g
(
x
,
y
) é o valor de intensidade resultante do
pixel
,
f
(
x
,
y
) é a intensidade original e
T
é
o valor limite de intensidade. Como resultado, partindo-se de um limite
T
tal como 100,
pixels
escuros, próximos de 0, tendem a ser rotulados como sendo 1 (preto, “ligado” ou “objeto”) e
quanto mais claros e acima do limite estabelecido, como sendo 0 (branco, “desligado” ou
“fundo”), ficando isolados os
pixels
“ligados” e em condições de serem analisados. No entanto,
se a tarefa será executado em um fundo escuro e com objeto claro, a função lógica fica:
≤
>
=
Tyxfse
Tyxfse
yxg
),(0
),(1
),(
(22)
Neste caso, ocorrerá o inverso do anterior, onde
pixels
escuros do fundo serão “desligados”
e os demais “ligados”, ficando aptos para análise.
Determinação da Posição
Limiarizada a imagem e separados os
pixels
passíveis de serem analisados, implementa-se
a contagem de
pixels
da área total da imagem, mais o número de
pixels
nos eixos virtuais x e y
da imagem, e da área do objeto para determinação de sua posição. Isto é feito através das
seguintes equações:
0,0
1,0
M
M
área
y
y ==
(23)
0,0
0,1
M
M
área
x
x ==
(24)
Onde o momento
M
0,0
é o somatório de tantos 1’s quantos
pixels
“ligados” há na imagem,
fornecendo o número total de
pixels
pretos, o que representa a área do objeto. Em outras
palavras, o momento
M
0,0
é o mesmo que a áea do objeto. Já
M
0,1
e
M
1,0
representam os
somatórios dos
pixels
pretos multiplicados por suas distâncias em relação aos eixos x e y de
imagem, respectivamente.
Este procedimento independe da geometria do objeto sobre o qual estiver sendo feita
análise da imagem e fornece a posição do centróide dos
pixels
dentro da imagem o que
corresponde a dizer que fornece o centróide do objeto dentro da área de captura de imagem,
bastando referenciá-la em relação ao manipulador para se obter a posição do objeto no espaço
em relação às coordenadas do robô. O procedimento de referência já foi apresentado e será
tratado com mais detalhe no Capítulo 4, na descrição operacional do sistema.
55
Determinação da Orientação
Para sólidos de revolução, basta a informação de posição para que o manipulador esteja
apto a capturá-los; neste caso, o operador do programa seleciona a opção correspondente a sólido
de revolução e o programa envia sinal indicativo correspondente, mantendo a ferramenta sempre
com ângulo de rotação 0
o
. Em geral, objetos tratados em tarefas de manipulação industrial
apresentam geometrias que exigem o conhecimento da orientação de seu eixo de simetria ou de
algum eixo que atravesse simetricamente a peça e que possa ser destacado para este
procedimento.
O meio escolhido para a determinação de orientações neste trabalho foi o da criação da
tabela de comparação através de momentos sensíveis à mudança de orientação do objeto. Neste
caso os momentos
M
0,1
e
M
1,0
são invariantes quanto à orientação, o que não se aplica a
momentos de mais alta ordem como
M
0,2
e
M
2,0
, que consistem no somatório dos
pixels
multiplicados pelas suas distâncias ao quadrado dos eixos
x
e
y
, respectivamente. Neste caso, os
momentos são dependentes da orientação, mas também da distância em relação aos eixos da
imagem, o que se resolve calculando-os em relação a eixos auxiliares que têm origem no
centróide do objeto. Calculados estes valores, para orientações conhecidas, cria-se uma tabela de
comparação atribuindo-se a ângulos conhecidos valores de momento que um objeto de
determinada geometria deve apresentar. Para simplificar o processo, ao invés de se fazer a
comparação através de dois valores de momento, utiliza-se sua razão
R
, na forma que segue:
0,2
2,0
M
M
R = (25)
Tanto estes momentos como sua razão apresentam simetria de resultados de 0
o
a 90
o
em
relação aos obtidos de 90
o
a 180
o
. Para diferenciar estes quadrantes, buscou-se utilizar um fator
de diferenciação que poderia ser um sinal negativo. Os momentos M
0,3
e M
3,0
fornecem este sinal
mas são muito sensíveis à ruídos na imagem por terem as distâncias elevadas ao cubo,
acarretando erros excessivos. Como solução foi empregado o momento M
1,1
que consiste no
somatório da distância de determinado pixel do objeto em relação ao eixo x que passa pelo seu
centro multiplicado pela sua distância em relação ao eixo y que passa pelo seu centro. Ele
fornece o sinal que diferencia se o objeto está rotacionado entre 0
o
e 90
o
(similarmente entre 180
o
e 270
o
) ou entre 90
o
e 180
o
(de forma similar entre 270
o
e 360
o
).
Após obtidos estes resultados pelo módulo de calibração eles são salvos em um arquivo .txt
que deve ser nomeado pelo usuário para ser ativado pelo módulo de processamento quando se
56
empregam objetos de geometria igual à do que gerou a tabela. Os resultados são então inseridos
em funções lógicas, da forma como segue:
dangcsinalebRase
=
=
≤
<
, (26)
Onde R é a razão de momentos, sinal é o sinal positivo ou negativo do valor resultado de
M
1,1
(ambos calculados durante a operação de análise de imagem), a e b são valores de razões de
momentos conhecidos para determinados ângulos, c é o sinal positivo ou negativo do valor
resultado de M
1,1
(ambos tomados durante a calibração) e d é o ângulo conhecido assumindo que
a faixa a – b e o sinal c correspondem e foram calculados para este ângulo.
Como exemplo: durante a calibração no ângulo de 45
o
determinou-se que este apresentava
razão de momentos 3 e sinal negativo. Se 30
o
apresentava razão 2 e 60
o
, 4, durante a operação de
análise assume-se que ângulos próximos de 45
o
cairão num faixa que vai de 2,5 a 3,5
( 5,35,2
≤
<
R ) e terão sinal negativo (sinal “–”). Se, em algum momento durante a operação do
sistema, o programa encontrar R = 3,2 e sinal “–”, por exemplo, o robô será instruído a orientar a
ferramenta a 45
o
para a captura do objeto na posição (x,y) informada.
Observa-se que o programa de calibração está preparado para fazer a tomada de valores de
15
o
em 15
o
entre 0
o
e 165
o
, o que é suficiente, devido à simetria de resultados nos demais
quadrantes. Essa calibração permite que o robô possa apanhar objetos orientados em qualquer
ângulo, aproximando sua orientação para os ângulos intercalados de 15
o
, cabendo ao operador,
posicionar o objeto de interesse nos ângulos solicitados e na ordem que é indicada na tela do
módulo de calibração. Para cada ângulo, o módulo de calibração faz 10 capturas de imagem, em
intervalos de 2 segundos, e conseqüentes análises. São feitas várias capturas para cada ângulo
visando amenizar uma eventual tomada de valores errônea devido a algum ruído significativo
presente em alguma captura de calibração. Após análise para cada uma das 10 capturas, o
programa faz a média dos resultados, que é armazenada na tabela de comparação como sendo o
valor de referência para aquele ângulo.
57
Figura 3.11 – Área de captura com os ângulos para calibração.
3.5 Programa de Manipulação
É o programa de produção que reconhece e capta as informações oriundas do programa de
processamento de imagens e as integra às suas rotina de manipulação de componentes. Sendo o
robô empregado no desenvolvimento deste trabalho um modelo ABB IRB1400, o programa de
manipulação foi desenvolvido em linguagem ABB Rapid. Para reconhecimento de dados, foram
adicionadas as rotinas específicas em seu código fonte.
Diferente de um programa comum de manipulação, dados como a posição do objeto a ser
capturado não estão incluídos no código fonte do programa. Ao invés disso, apresenta lacunas a
serem preenchidos pelas coordenadas enviadas pelo PC. O programa, denominado RobVisR.prg
e executado no controlador do robô, tem como elemento central um laço que faz a leitura do
comando, o identifica e chama a rotina solicitada, ficando a mesma responsável para receber
seus parâmetros e executar a tarefa para a qual foi programada. Concluída a tarefa, o programa
retorna ao laço central e chama ReceiveByte para receber o próximo comando e, caso o PC não
tenha nenhum comando a ser enviado, o controlador permanece aguardando. Do mesmo modo,
no intervalo de tempo em que a tarefa está sendo executada, o controlador fica bloqueado para
outros comandos. Nesta situação, o PC verifica que o controlador está indisponível e mantém-se
aguardando até a liberação, quando então envia novo comando. A relação entre os componentes
do sistema pode ser vista na Figura 3.12.
Figura 3.12 – Comunicação entre os componentes do sistema.
58
A estrutura do programa consta de uma raiz PROC Main, padrão da linguagem, que
executa os loopings no aguardo de comandos provenientes do PC e chama as rotinas (PROCs)
secundárias, específicas para execução das tarefas de manipulação, assim que um comando
disponível no módulo de comunicação é acionado pelo programa RobVis. Suas rotinas
secundárias são:
- Place: acionado sempre quando o programa é carregado pelo controlador do robô.
“Questiona” o usuário se este deseja manter o ponto de descarga padrão ou se há um novo ponto
descarga para ser utilizado. O programa libera o braço do manipulador para ser movido pelo
operador, que deve posiciona-lo no novo ponto de modo que o efetuado fique em uma posição
como se fosse capturar um objeto.
- DoHome: rotina acionada pelo Programa Cliente do PC para que o usuário posicione o
manipulador no ponto de referência. Do mesmo modo que a rotina Place, o manipulador fica
livre e deve ser posicionado como se fosse capturar um objeto no canto superior esquerdo do
campo de visão apresentado na tela do PC para calibração da posição espacial relativa do campo
de visão em relação ao manipulador.
- SetSpeed: rotina acionada quando solicitado pelo usuário a partir do PC. Altera a
velocidade do manipulador de 200 mm/s para qualquer velocidade desejada pelo usuário, se
houverem novas condições de tempo a serem cumpridas. Existe a limitação de que o usuário
deve definir velocidades com valores de 100 em 100 a partir de 500 mm/s, visto que o
controlador só aceita velocidades em intervalos de 50 mm/s até V500.
- Move: é a rotina principal de manipulação. A partir do momento em que o programa do
PC inicia a captura, processamento e análise das imagens e informa os resultados para o
controlador, a rotina Move passa a ser acionada em seqüência onde são inseridos os valores de
posição x, y e orientação plana do objeto, sendo acionada a seqüência de movimentos de
aproximação, captura, transporte e descarga do objeto de trabalho.
Para acionamento dessas rotinas, é utilizada uma rotina do tipo ReadCommand que, através
de um ReceiveByte, recebe o sinal do controlador e o define como sendo para referência, se o
sinal recebido tiver valor 24, para ajuste de velocidade, se o valor for 23, ou de movimentação,
se for 10. Estes valores são os padrões estabelecidos pelo programa IRBCom. Definido o tipo de
comando que está em andamento, o programa passa para a leitura dos valores enviados em
seqüência pelo PC utilizando o procedimento ReadReal, uma vez para o comando SetSpeed e
três vezes pelo comando Move. O comando 24 DoHome simplesmente faz com que o
controlador libere o manipulador para movimentação pelo usuário através do
joystick presente no
Teach Pendant do controlador S4.
59
Um exemplo de operação é a do comando Move, que tem seu ciclo através da seguinte
seqüência:
- controlador informa estar livre para receber comandos, chamando ReceiveByte;
- Programa Cliente no PC chama a rotina Move da Camada de Aplicação, indicando
também os parâmetros necessários;
- a rotina Move utiliza SendByte para enviar o valor 10, que é o código do comando;
- o Programa Servidor do controlador do robô recebe o byte e reconhece o comando,
acionando a rotina Move, disponível na sua Camada de Aplicação;
- rotina chamada solicita a leitura dos parâmetros necessários, chamando ReceiveReal três
vezes para receber os valores de x, y e o ângulo de orientação;
- rotina realiza a tarefa utilizando os parâmetros recebidos associados com comandos de
movimento para mover o efetuador para a posição x, y na orientação indicada e levar a peça
capturada até o ponto de descarga pré-definido, passando por pontos de trânsito, conforme a
Figura 3.13;
- terminada a tarefa retorna ao laço principal, onde o controlador solicita um novo
comando chamando ReceiveByte.
Note-se que durante a operação normal do sistema de visão, ou seja, em modo corrido de
captura e análise de imagens com conseqüente geração de comandos de captura e deposição de
objetos, o laço sempre recebe um novo comando Move, até o operador solicitar encerramento do
ciclo através do Programa Cliente no PC, quando o looping fica livre para receber os demais
comandos que possam ser gerados.
Figura 3.13 – Trajetória seguida pelo manipulador.
60
4. AVALIAÇÃO EXPERIMENTAL
Para validação do sistema de visão desenvolvido, executaram-se testes experimentais em
laboratório, seja para avaliar a funcionalidade da integração dos componentes ou sua praticidade,
eficiência e conseqüente aplicabilidade. Foram utilizados dois tipos de ferramentas adaptadas ao
robô, uma garra Schunk e um gerador de vácuo Schrader Bellows, aqui chamado de ventosa,
equipamentos direcionados à aplicação em robótica. Ambos têm acionamento pneumático e são
comandados por sinais elétricos gerados pelo robô. No comando da garra utiliza-se um sinal para
abertura e outro para fechamento e na ventosa, apenas um para gerar vácuo, sendo desligado para
desativá-la. Esta peculiaridade foi observada na geração do programa RobVisR, que aciona
rotinas separadas de ativação de sinal dependendo da ferramenta empregada. Nos testes com
sólidos de revolução, foi empregada a ventosa e para os demais, a garra.
Como corpos de prova para a avaliação do programa, foram empregados 3 sólidos: um de
formato cilíndrico, um bloco de seção retangular e uma peça com seção T. Isto visando verificar
como se comporta a geração de tabelas de comparação para diferentes sólidos com orientação e
sua posterior aplicação. Também foi feita avaliação da operação de sólido claro/fundo escuro e
vice-versa, sendo os sólidos brancos com uma face pintada de tinta escura para contraste.
Figura 4.1 – Ferramentas e corpos de prova.
61
4.1 Desenvolvimento da Tabela de Comparação
A geração da tabela de momentos é o processo que antecede a operação do sistema quando
se vai manipular sólidos orientados sobre o plano de trabalho. Deve-se manter sob a área de
captura um gabarito ângulos de 0
o
a 165º, espaçados de 15º em 15º, com o eixo correspondente a
0
o
alinhado com o eixo horizontal da área de visão.
No aplicativo do sistema ativa-se o módulo de calibração a partir da barra de menu do
programa RobVis. O primeiro passo é escolher o diretório onde deve-se salvar a tabela e seu
respectivo nome. Como padrão, o aplicativo apresenta a pasta onde está o programa. Na
seqüência, pressiona-se o botão calibrar, ao que surge uma janela de diálogo indicando
“posicione a 0
o
”. Posicionando a peça alinhado com o eixo 0
o
e pressionando “OK”, o processo é
iniciado, devendo ser executado seguindo os passos indicados na tela através de janelas de
diálogo, que consiste em posicionar a peça de 15º em 15º. Para cada posição são feitas 10
tomadas em um intervalo de 2 segundos. Ao fim do processo, uma nova janela de diálogo indica
o fim da calibração, podendo ser encerrado o módulo ou prosseguir com a calibração para outro
sólido.
Figura 4.2 – Aparência do módulo e imagem durante calibração para 45º.
62
A vantagem do arquivo .txt gerado contra a criação de uma tabela temporária dentro do
programa é a de poder ser armazenado para posterior uso, mesmo quando foram geradas outras
tabelas. A Tabela 4.1 mostra exemplos de tabelas de comparação geradas para as geometrias
utilizadas com as razões de momentos e o sinal diferenciador.
Tabela 4.1 – Tabelas de comparação para seção “T” e retangular.
"T"
Retangular
"T"
Retangular
Ângulo (
o
)
Razão
Sinal
Razão
Sinal
Ângulo (
o
)
Razão
Sinal
Razão
Sinal
0/180
140,5
-
269
-
180
140,5
+
269
+
15/195
295,5
-
406,5
-
195
295,5
+
406,5
+
30/210
678,5
-
746,5
-
210
678,5
+
746,5
+
45
1544
-
1425,5
-
225
1544
+
1425,5
+
60
3692
-
2592,5
-
240
3692
+
2592,5
+
75
7168,5
-
3797
-
255
7168,5
+
3797
+
90
7444,5
+
3850,5
+
270
7444,5
-
3850,5
-
105
4090
+
2657,5
+
285
4090
-
2657,5
-
120
1693,5
+
1468
+
300
1693,5
-
1468
-
135
710,5
+
795,5
+
315
710,5
-
795,5
-
150
307,5
+
427
+
330
307,5
-
427
-
165
146
+
281
+
345
146
-
281
-
4.2 Manipulação de Objetos com Orientação
Aberto o módulo de calibração, deve-se carregar um arquivo base de dados contendo os
valores para a tabela de comparação. Isto é feito através de comando correspondente com uma
ferramenta de busca de diretórios, devendo-se selecionar a tabela de comparação correspondente
ao sólido a ser manipulardo. Após a escolha, o módulo está livre para ter seus parâmetros
estabelecidos para posterior emprego.
Figura 4.3 – Carregando base de dados.
63
4.2.1 Carregando o Programa de Manipulação
No comando do robô, a ativação do programa RobVisR pode ser feita diretamente de sua
memória ou carregado a partir de disquete. Este, ao ser inicializado, questiona o usuário para
manter o ponto de descarga pré-estabelecido ou escolher outro através da tela do Teach Pendant
do controlador. Escolhendo a opção de mudar o ponto de descarga, o manipulador fica livre para
ser movido por seu joystick. O usuário deve posicionar o sólido sobre o ponto que se deseja
marcar como de depósito e então levar o manipulador, munido de efetuador, até ele, em
condições de efetuar captura. Memorizada a posição através do menu do Teach Pendant, o ponto
fica gravado no programa RobVisR. A Figura 4.4 ilustra o caso de memorização de um ponto de
descarga com um bloco em T e utilizando uma garra como efetuador.
Há ainda a possibilidade de se efetuar esta mudança em modo off-line, através de rotina
similar à descrita e gravando-se um ponto posteriormente inserido na raiz do programa em ABB
Rapid, visto que este permanece passível de alterações até mesmo a partir de um simples editor
de texto, como o bloco de notas do windows.
4.2.2 Referência do Campo de Visão
Este processo é importante por estabelecer uma relação de posição relativa do campo de
visão com o robô e é o primeiro passo para o início da operação em ciclos de manipulação. A
posição calculada para o objeto na imagem é transformada para coordenadas espaciais, sendo
que a coordenada z tomada no momento da referência é assumida como sendo fixa para capturas
e descargas de objetos.
O referenciamento é executado buscando-se posicionar o centróide do objeto o mais
próximo possível ao vértice superior-esquerdo da linha que limita a área de captura de imagem.
Ativando o botão “referenciar” no módulo de processamento, um sinal é enviado ao robô para
que libere o braço, deixando-o livre para ser movido através do joystick, em procedimento
similar ao descrito na subseção anterior. É um procedimento que requer atenção, pois um erro no
referenciamento persiste durante o ciclo de operação, podendo acarretar tomadas fora de posição.
64
Figura 4.4 – Procedimento de referenciar o campo de visão.
4.3 Seleção de Parâmetros
A seleção dos parâmetros de operação reveste-se de importância na medida em que este
procedimento personaliza a execução do sistema com as peculiaridades a situação em que se vai
trabalhar. Deve-se ter atenção nos seguintes pontos:
- Modo de simulação: empregado apenas para verificação de funcionamento do programa
em modo off-line, ou seja, sem envio de sinais. Por padrão do programa esta opção está
selecionada, devendo-se desmarcá-la para operação normal;
- Fundo: para especificar condições de objeto claro/fundo escuro e vice-versa. A opção
“fundo branco” está selecionada, devendo-se desmarcá-la, ao que é substituída pela opção
“fundo preto”, quando se deseja operar nesta condição;
- Limiar: especifica o limiar de binarização da imagem, sendo dependente das condições
ambientais e de iluminação, não havendo regra para estabelecimento de um valor adequado.
Deve-se encontrar um limiar mais adequado para cada operação de manipulação. Pode-se, por
exemplo, operar em modo de simulação e analisar os resultados apresentados na seção de
parâmetros, além de gerar “arquivos de processamento”, disponível no menu “Opções”. Este
salva imagens binárias, podendo-se verificar se o limiar assumido estabelece uma correta
definição do objeto.
65
- Intervalo: depende das condições de operação, como a freqüência em que é solicitada a
manipulação de objetos e a velocidade em que o robô opera. É o intervalo de tempo, em
segundos, entre análises de imagem sucessivas.
- Velocidade: depende de parâmetros similares aos descritos acima. É a velocidade do
manipulador em mm/s. Após especificado um valor de velocidade, aciona-se o botão
“Velocidade” que ativa o envio de um sinal seguido do número escolhido para o controlador.
Recebido pelo programa RobVisR, este reconhece o sinal como indicativo de velocidade e lê o
valor agregado, assumindo-o como a variável de velocidade constante nas linhas de comando.
Caso o operador não defina a velocidade ao manipulador, o programa de manipulação assume
200 mm/s ao iniciar o ciclo. A Figura 4.6 ilustra a interface de definição de parâmetros.
Figura 4.5 – Seleção dos parâmetros.
4.4 Ciclo de Operação
O ciclo operacional é ativado através do comando “Captar” do módulo de processamento.
As imagens são captadas no intervalo especificado, sendo processadas e analisadas, e seus
resultados enviados à unidade de comando. O programa RobVisR reconhece o sinal de
movimento seguido de três variáveis: x, y (as coordenadas do objeto no plano de trabalho) e sua
orientação. Estes são agregados às suas linhas de comando que movem o manipulador até a
posição e orientam sua ferramenta para a captura. Na seqüência, é executada a trajetória pré-
determinada, composta por pontos de aproximação e afastamento, até o ponto de descarga
estabelecido, descarregando a peça e voltando até o ponto de espera fixo, onde o
looping do
66
programa aguarda novos comandos. Os citados pontos de trânsito e espera estão localizados a
distâncias seguras do suporte e da câmera além de posicionados de modo a garantir que o
manipulador vai estar fora do campo de visão quando da captação. Este procedimento ocorre
conforme o descrito no subcapítulo 3.5 e prossegue até que o operador selecione o comando
“Parar”.
Figura 4.6 – Imagens captadas durante o ciclo de operação.
4.5 Operação com Sólido de Revolução
O sistema tem tratamento diferenciado para sólidos de revolução, bastando especificar
“Sólido de Revolução” na base de dados do módulo de processamento, que assume orientação 0
o
para a ferramenta em todo o ciclo de operação. Define-se a referência do campo de visão pelo
mesmo processo e a seleção de parâmetros conforme as condições já descritas, operando-se o
ciclo do mesmo modo. A trajetória seguida pelo manipulador á a mesma ilustrada no sub-
capítulo 3.5.
A opção “Sólido de Revolução” também se presta à operação de sólidos orientados quando
se garante que estes serão sempre capturados e depositados com o mesmo ângulo, não sendo
67
necessário orientar a ferramenta. Um exemplo de aplicação é ilustrado na Figura 4.8, onde o
efetuador é uma ventosa.
Figura 4.7 – Imagens de manipulação de sólido de revolução.
68
5. CONSIDERAÇÕES FINAIS
5.1 Resultados
Os resultados apresentados durante o período de avaliação foram altamente satisfatórios. O
sistema se mostrou capaz de operar com os diferentes tipos de objetos utilizados. O desempenho
alcançado para a combinação objeto escuro/fundo claro e objeto claro/fundo escuro foi idêntico e
satisfatório. Os procedimentos de captura, processamento e análise da imagem são feitos de
forma ágil pelo programa RobVis assim como a geração, transmissão e recepção de sinal. O
programa RobVisR.prg rodando no controlador do robô executa a recepção dos comandos de
forma rápida permitindo uma eficiente e precisa operação do manipulador. Estas considerações
podem ser assumidas com base nos parâmetros adotados nos testes e na conseqüente rapidez
requerida nas operações, da captação da imagem até a manipulação do objeto.
Os principais problemas determinados durante a avaliação, foram alguns erros de
posicionamento da ferramenta para captura do objeto e poucos erros na determinação da
orientação da ferramenta. Os erros de posicionamento são detectados quando a referência é feita
de forma inadequada pelo operador e os erros de orientação são resultantes da análise imprecisa
da imagem, visto que este procedimento é feito através de faixas de comparação em intervalos de
15º, o que pode acarretar algumas situações em que a ferramenta captura o objeto em uma faixa
acima ou abaixo da ideal. Isto se deve à presença de algum ruído excepcional no momento da
captura da imagem, distorcendo a representação do objeto e alterando o resultado dos cálculos. A
Tabela 5.1 mostra os resultados obtidos, em três séries de 20 manipulações para as peças
testadas, com destaque para os erros de orientação. Os erros de posicionamento não são
analisados pois são inexistentes seguindo um correto processo de referenciamento.
Tabela 5.1 – Resultados dos testes.
Relação
Seção da
Peça
Objeto
Fundo
Limiar
Ciclos de
Manipulação
Erros de
Orientação
Proporção de
Erro (%)
"T"
Claro
Escuro
160
60
7
11,67
"T"
Escuro
Claro
100
60
5
8,33
Retangular
Claro
Escuro
160
60
6
10,00
Retangular
Escuro
Claro
100
60
5
8,33
69
5.2 Conclusões
O emprego de robôs está plenamente estabelecido em funções de automação industrial,
mas, ainda assim, busca-se aumentar sua autonomia e capacidades com uma variada gama de
sensores e dispositivos de tomada de decisão. Deste modo buscou-se, com este trabalho,
desenvolver um sistema de visão dedicado a tarefas de manipulação visando ser integrado a um
robô industrial. Deveria ser capaz de capturar imagens de uma porção do volume de trabalho do
manipulador e de determinar a posição e a orientação de componentes a serem movimentados
por ele, além de enviar esses dados ao seu controlador. Neste, outro componente do sistema
estaria aguardando os comandos para coordenar a execução da tarefa.
Com base nos resultados obtidos nos testes de laboratório e tendo em vista os objetivos
propostos quando do início deste trabalho, pode-se considerar a seguinte avaliação:
- O sistema de visão desenvolvido se mostrou satisfatório em tarefas de manipulação
industrial tanto em condições de objeto escuro/fundo claro quanto objeto claro/fundo escuro e
com necessidade ou não de se conhecer a orientação dos objetos a serem manipulados;
- Operacionalmente é de fácil implementação, visto que necessita de uma câmera CCD e
placa de captura disponíveis no mercado, ligados a um PC onde roda o programa de
captura/processamento/análise de imagens (RobVis), compatível com o ambiente Windows;
- Para a transmissão de sinais em tempo real utiliza-se um dispositivo (IRBCom) prático e
de fácil execução, também desenvolvido no Laboratório de Robótica, como interface entre a
porta paralela disponível em PC e placa E/S existente em controladores robóticos;
- O programa de manipulação RoBVisR apresenta igualmente desempenho satisfatório,
embora customizado para robôs ABB, visto que utiliza linguagem Rapid nativa desses
manipuladores. Para aplicação em outros equipamentos, deve apenas ser reescrito na linguagem
correspondente.
5.3 Sugestões
Como sugestões para melhorias em trabalhos futuros nesta área, pode-se considerar:
- Substituição do procedimento de geração de tabela de comparação para busca da
orientação de componentes através de um método indireto por um procedimento matemático que
encontre diretamente a orientação do objeto na imagem captada.
70
- Implementação de métodos mais eficientes de referência para sanar eventuais desvios de
posicionamento do manipulador durante o ciclo de operação decorrentes de imprecisão do
método de referenciamento empregado.
- Ajuste automático do limiar com base em análise do histograma de tons de cinza da
imagem;
- Testes com uma variedade maior de objetos com outras morfologias, para se estabelecer
novas potencialidades e limitações do sistema obtido.
71
REFERÊNCIAS BIBLIOGRÁFICAS
Azuela, J. H. S., 2001. “Notes for the lecture: Invariant Moments Recognition”, Instituto
Politecnico Nacional, Mexico.
Bart, E., Zetzsche, C., Krieger, G., 1998, “Curvature Measures in Visual Information
Processing”, Open Systems and Information Dynamics, vol. 5, pp. 25-39.
Bayer, F. M., 2004. “Interface de Comunicação Paralela de Baixo Custo para Robô Industrial”,
Dissertação de Mestrado, Programa de Pós-Graduação em Engenharia Mecânica, UFRGS.
Bedworth, D. D., Henderson, M. R., Wolfe, P. M., 1991. “Computer-Integrated Design and
Manufacturing”, McGraw-Hill, New York.
Blasco, J., Aleixos, N., Moltó, E., 2003. “Machine Vision System for Automatic Quality Grading
of Fruit”, Biosystems Engineering, vol. 85, pp. 415-423.
Bonney, M. C., Yong, Y. F., editores, 1985. “Robot Safety”, IFS Publications Ltd., United
Kingdom.
Boucher, T.O., 1996, “Computer Automation in Manufacturing”, Chapman & Hall, London.
Buchanan, W. J., Mahalik, N.P., 2003, “Some Studies on CAN Specification”, Fieldbus
Technology, cap. 23, Springer, Berlin.
Camarillo, D. B., Krummel, T. M., Salisbury, Jr., J. K., 2004. “Robotic Technology in Surgery:
Past, Present and Future”, The American Journal of Surgery, vol. 188, pp. 2-15.
Castleman, K. R., 1996. “Digital Image Processing”, Prentice Hall, Upper Sadle River
Chen, S. B., Zhang, Y., Qiu, T. Lin, T., 2003. “Robotic Welding System with Vision-Sensing
and Self Learning Neuron Control of Arc Welding Dynamic Process”, Journal of
Intelligence and Robotic Systems, vol. 36, pp. 191-208.
Chojnacki, W., Brooks, M. J., van den Engel, A., Gawley, D., 2004. “A New Constrained
Parameter Estimator for Computer Vision Applications”, Image and Vision Computing,
vol. 22, pp. 85-91.
Colon, E., Hong, P., Habumuremyi, J., Doroftei, I., Baudoin, Y., Shali, H., Milojevic, D.,
Weemaels, J., 2002. “An Integrated Robotic System for Antipersonel Mines Detection”,
Control Engineering Practice, vol. 10, pp. 1283-1291.
Dong, Y., 2004, “Fast Computation of Variant Templates for Parallel Image Processing”,
Journal of Mathematical Imageing and Vision, vol. 20, pp. 223-235.
Fu, K. S., Gonzalez, R. C., Lee, C. S. G., 1987. “Robotics: Control, Sensing, Vision and
Intelligence”
, McGraw-Hill, New York.
72
Gonzalez, R. C., Wintz, P., 1977. “Digital Image Processing”, Addison-Wesley,
Massachussets.
Gonzalez, R. C., Woods, R. E., 2003. “Processamento de Imagens Digitais”, Editora Edgard
Blücher, São Paulo.
González-Galván, E. J., Cruz-Ramirez, S. R., Seelinger, M. J., Cervantes-Sánchez, J. J., 2003.
“An Efficient Multi-Camera, Multi-Target Scheme for the Three-Dimensional Control of
Robots Using Uncalibrated Vision”, Robotics and Computer Integrated Manufactuing,
vol. 19, pp. 387-400.
Goodman, J. W., 1968. “Introduction to Fourier Optics”, McGraw-Hill, New York.
Kragi, D., Petersson, L., Christensen, H. I., 2002. “Visually Guided Manipulation Tasks”,
Robotics and Autonomous Systems, vol. 40, 193-203.
Mahalik, N.P., 2003, “Industrial Network Standarts for Real-Time Distributed Control”,
Fieldbus Technology, Springer, Berlin.
Maia, P., 2004. “A Força de Submarinos Hoje”, Tecnologia e Defesa – Edição Especial, vol.
10, pp. 12-14.
Maru, N., Kase, H., Yamada, S., Nishikawa, A., Miyazaki, F., 1993, “Manipulator Control by
Visual Servoing With theStereo Vision”, Proceedings of the 1993 IEEE/RSJ International
Conference of Intelligent Robots and Systems, Yokohama, Japan, pp. 1866-1870
Murugeshan, R., Mahalik, N. P., 2003, “Fieldbus and Contemporary Standarts”, Fieldbus
Technology, cap. 1, Springer, Berlin.
NASA, 1999. “A 640 x 486 Long Wavelength Infrared Câmera”, NASA Tech Briefs, June
1999, pp. 44-47.
Niku, S. B., 2001. “Introduction to Robotics: Analysis, Systems, Applications”, Prentice
Hall, Upper Saddle River.
Nunes, J. C., Bouaoune, Y., Delechelle, E., Niang, O., Bunel, Ph., 2003. “Image Analisys by
Bidimensional Empirical Mode Decomposition”, Image and Vision Computing, vol. 21,
pp. 1019-1026.
Okigawa, M., 1992. “A New and Simple Test Structure for Evaluating the Sectional Photo-
Sensitivity Distribution of Pixels in a Frame-Transfer CCD Image Sensor”, Proceedings of
IEEE 1992 International Conference of Microeletronic Test Structures, vol. 5, pp. 134-
138.
Pollefeys, M., 2004, “Visual Modeling with a Hand-Held Camera”, International Journal of
Computer Vision
, vol. 59(3), pp. 207-232.
73
Ringer, M. Lasemby, J., 2004, “A Procidure for Automatically Estimating Model Parameters in
Optical Motion Capture”, Image and Vision Computing, vol. 22, pp. 843-850.
Sallaberger, C., 1997. “Canadian Space Robotic Ativities”, Acta Astronautica, vol.41, pp. 239-
246.
Seitz, M., 1999. “Toward Autonomous Robotic Servicing: Using an Integrated Hand-Arm-Eye
system for Manipulating UnknownObjects”, Robotics and Autonomous Systems, vol. 26,
pp. 23-42.
Shi, H., 1997. “Two-Image Template operations for Binary Image Processing”, Journal of
Mathematical Imaging and Vision, vol. 3, pp. 269-274.
Shirinzadeh, B., Tie, Y., 1993, “Vision-Based calibration of Robot Workstation for Off-Line
Programming Systems”, Proceedings of an international Conference of the Australian
Robot Association and the international federation of Robotics 1993, pp. 531-538.
Soares, A. M. S., 2004. “Controle de um Manipulador Robótico em uma Tarefa de Pick and
Place Auxiliado por um Sistema de Visão”, Anais do III Congresso Nacional de
Engenharia Mecânica, Belém-PA, Brasil.
Tunstel, E., Howard, A., 2003. “Approximate Reasoning for Safety and Survivability of
Planetary Rovers”, Fuzzy Sets and Systems, vol. 134, pp.27-46.
Wilson, A., 1984. “Solid-State Camera Design and Aplication”, Machine Design, April 1984,
pp. 38-46.
BARA, 17/12/2004 www.bara.org.uk/encyclopedia/robots/robintro.doc
LACTEC, 12/11/2004 www.lactec.org.br
IFToMM, 17/12/2004 www.caip.rutgers.edu/iftomm
RIA, 17/12/2004 www.roboticsonline.com
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
