Figura 30 Ű Visualização dos módulos e sinais que implementam o Ąltro Gaussiano. Fonte: (ALSHARIF,2014)
3.6
Resultados e Testes
3.6.1 Ambiente de teste
Para possibilitar a aquisição das imagens e a visualização dos resultados em tempo real, foi montado um ambiente de testes. O mesmo consiste em um suporte que acopla o módulo de captura de vídeo ao escâner, conforme ilustra a Figura 31.
Figura 31 Ű Módulo de vídeo anexado à estrutura do escâner
O suporte (Ągura32a) é preso ao escâner através de presilhas, ilutradas na Figura
32b. O projeto das peças foi feito no CAD Catia V5, após realizadas as medições do módulo VmodCAM e da caixa a qual este módulo foi anexado. Foi ainda utilizada uma impressora 3D para imprimir os componentes do suporte. É importante salientar que a impressora utiliza o formato STL (STereoLithography). Sendo assim, o design das peças foi exportado pelo Catia V5 no formato requerido.
44 Capítulo 3. Implementação e Resultados
(a) Suporte do módulo VmodCAMTM
(b) Presilha do su- porte
Figura 32 Ű Desenho do suporte para o módulo VmodCAMTM feito no CAD Catia V5. Fonte: elaborada pelo autor
O ambiente de teste completo é mostrado nas Figuras33a e33b. Assim, a câmera está devidamente posicionada, e o display exibe os resultados do processamento em tempo real.
(a) Setup completo do ambiente de testes
(b) Braço robótico sobre a peça a ser escaneada
Figura 33 Ű Ambiente de testes. Fonte: elaborada pelo autor
3.6.2 Resultados
O resultado do processamento é visualizado em um display que recebe as imagens vindas do FPGA através de uma interface HDMI. As Figuras34ae34b, ilustram parte do escaneamento, com e sem o Ąltro óptico, respectivamente. As linhas azuis representam as áreas em que o algoritmo detectou as maiores intensidades, sabendo-se que a comparação ocorre linha a linha, ou seja, somente um ponto de máximo é escolhido para cada linha. Desta forma, o perĄl do laser Ąca destacado em azul do resto da imagem.
3.6. Resultados e Testes 45
(a) Resultado com o filtro óptico
(b) Resultado sem o fil- tro óptico
Figura 34 Ű Resultados visualizados no display. As linhas destacadas em azul representam o perĄl segmentado pelo algoritmo. Fonte: elaborada pelo autor
A proposta de solução foi implementada com sucesso. A segmentação do perĄl do laser foi visualizada no display em tempo real utilizando a placa Digilent Atlys e o módulo de vídeo VmodCAM. No entanto, o algoritmo algoritmo de segmentação não prevê algumas condições. Uma delas é que, em linhas em que o perĄl do laser não está presente, o algoritmo ainda assim destaca o ponto de máxima intensidade. Nessa situação, a coordenada do ponto de máxima intensidade não representa a localização do laser, como mostra a Figura Ągura:resultado3.
Figura 35 Ű Falhas encontradas no álgoritmo de segmentação do perĄl do laser. Fonte: elaborada pelo autor
Outra situação que ocorre quando ao longo de uma linha da imagem mais de um segmento do laser aparece, como mostra a Figura 35. Nestes casos, o algoritmo só é capaz de identiĄcar um ponto de máxima intensidade, e, sendo assim, o perĄl não
46 Capítulo 3. Implementação e Resultados
é inteiramente segmentado. Essa situação ocorre devido ao foco da câmera não estar perfeitamente alinhado à fonte de luz do laser, pois o suporte para o módulo VmodCAM utilizado para o teste foi montado a alguns centímetro da fonte de luz do laser. A Figura
36ilustra o efeito causado pelo desalinhamento. Percebe-se que a câmera encherga o perĄl do laser sobre o objeto em perspectiva. Sendo assim, a ocorrência de dois segmentos do perĄl em apenas uma linha pode ser causada por esse desalinhamento, uma vez que a câmera não encherga o perĄl do laser no mesmo plano em que este foi emitido.
Figura 36 Ű Efeito da distância entre a fonte de luz do laser e a câmera. Fonte: (GINANI,
47
4 Conclusão
O algoritmo de segmentação do perĄl de laser foi implementado em VHDL de acordo com a ideia proposta. O mesmo se mostra eĄciente nas áreas em que o perĄl do laser é contínuo ou não aparece em dois ou mais pontos ao longo de uma linha. No entanto, os resultados mostraram que o algoritmo não prevê algumas situações adversas.
Foi observado que, caso ao longo de uma linha varrida para encontrar o pixel de máxima intensidade o laser não esteja presente, o algoritmo detecta erroneamente a pre- sença de um ponto de perĄl. Essa situação pode ser resolvida por uma limiarização, ou seja, apenas pixels com intensidade maior que um limiar estabelecido podem ser conside- rados parte do perĄl do laser.
Outra observação foi que, caso por uma linha da imagem passe mais de um seg- mento do perĄl do laser, o algoritmo é capaz de detectar apenas um dos segmentos, pois somente o pixel de máxima intensidade é selecionado. Sabe-se que a ocorrência de dois segmentos do perĄl em apenas uma linha é um efeito causado pelo desalinhamento entre a fonte de luz do lazer e a câmera. Desta forma, este efeito pode ser minimizado caso se trabalhe no sentido de diminuir a distância entre a câmera e o laser.
O Ąltro Gaussiano passa-baixas utilizado visava suavizar os picos de intensidade existentes na imagem, e assim evitar que o pixel de maior intensidade fosse confundido com ruídos de alta frequência. No entanto, com o uso do Ąltro óptico, o Ąltro passa-baixas implementado não apresentou grande avanço nos resultados. Uma possível explicação para tal observação é que não foi feito um estudo prévio sobre o espectro de frequência do tipo de imagem Ąltrada, e, desta forma, o kernel do Ąltro utilizado pode não ser adequado, pois não foi devidamente projetado. No entanto, é importante ressaltar que a arquitetura do Ąltro espacial implementada pode ser reutilizada, pois é possível inserir os coeĄcientes de kernels de outros Ąltros espaciais.
A escolha de empregar o módulo de vídeo VmodCAM controlado pela placa Digi- lent Atlys TM para capturar as imagens mostrou-se um avanço e direção à substituir do setup atual da arquitetura do sistema, que utiliza uma câmera com resolução e taxa de quadros inferiores ao módulo VmodCAM.
49
5 Trabalhos Futuros
Para trabalhos futuros, é sugerido que o algoritmo de segmentação do perĄl de laser seja aperfeiçoado. Uma possível solução para o falha no algoritmo em que um seg- mento do perĄl do laser é detectado quando este não está presente, pode-se implementar uma limiarização. Desta forma, somente fará parte do perĄl do laser pixels que possuam intensidade maior que determinado valor. Uma possível solução para o efeitos do desa- linhamento da fonte de laser e a câmera podem ser minimizados se a distância entre o sensor de imagem e o laser forem reposicionados de forma a diminuir a distância entre eles.
Neste projeto apenas o processo de segmentação do perĄl de laser foi implentado. Uma vez que o uso da placa Digilent Atlys e do módulo de vídeo VmodCAM foram validados para esta aplicação, pode-se então iniciar o trabalho no sentido de implementar outras etapas do processo de digitalização tridimensional.
Como dito, neste trabalho não foi realizado um estudo sobre o espectro de frequên- cia das imagens capturadas. Desta forma, o Ąltro Gaussiano utilizado nos teste pode não ser adequado a esta solução e, por isso, não apresentou melhoras nos resultados. Uma solução de trabalhos futuros seria realizar o estudo e selecionar o tamanho do kernel do Ąltro e desvio padrão adequados às imagens.
51
Referências
ALSHARIF, M. N. Real Time Image Processing for Lane Following. Dissertação (Mestrado) Ů Flinders University, 2014. Citado 6 vezes nas páginas 27, 28, 31, 33, 34
e 41.
ARAGAO, A. C. O. S. Uma Arquitetura Sistólica para Solução de Sistemas Lineares
Implementada com circuitos FPGAs. Dissertação (Mestrado) Ů Universidade de São
Paulo, 1998. Citado 2 vezes nas páginas 25 e26.
CYPRESS. Getting Started with FX2LP. Document no. 001-65209 rev. e. [S.l.], 2016. Citado na página 30.
DIGILENT. VmodCAM Reference Manual. [S.l.], 2011. Citado 2 vezes nas páginas 32
e 33.
DIGILENT. Atlys™ Board Reference Manual. [S.l.], 2013. REV C. Citado 2 vezes nas páginas 31e 32.
GINANI, L. S. Desenvolvimento de um Sistema de Digitalização Tridimensional de
Superfícies Baseado em Visão Computacional com Varredura a Laser para Uso em Metrologia Dimensional. Dissertação (Mestrado) Ů Universidade de Brasília, 2008.
Citado 2 vezes nas páginas 15 e44.
GOKHALE, M. B.; GRAHAM, P. S. Reconfigurable Computing - Accelerating
Computation with Field-Programmable Gate Arrays. [S.l.]: Editora Springer, 2005.
Citado na página 15.
GONZALEZ, R. C.; WOODS, R. E. Digital Image Processsing. Second edition. [S.l.]: Tom Robbins, 2001. Citado 3 vezes nas páginas 19,24 e27.
IDEX OPTICS & PHOTONICS MARKETPLACE. Gaussian Beam Optics. [S.l.], 2015. Citado 3 vezes nas páginas 19, 20e 21.
KEHTARNAVAZ, N.; GAMADIA, M. Real-Time Image and Video Processing: From
Research to Reality. First edition. [S.l.]: Morgan & Claypool, 2006. Citado 3 vezes nas
páginas 21, 22 e23.
LU, X. L. et al. Parallel hough transform-based straight line detection and its fpga implementation in embedded vision. Sensors, v. 13, n. 17, p. 25, Julho 2013. Citado na página 15.
MCCLELLAND, C. FPGALink Documentation. Release 20140311. [S.l.], 2016. Citado na página 30.
NELSON, A. E. Implementation of Image Processing Algorithm on FPGA Hardware. Dissertação (Mestrado) Ů Graduate School of Vanderbilt University, 2000. Citado na página 26.