UNIVERSIDADE ESTADUAL DE CAMPINAS
FACULDADE DE ENGENHARIA MECÂNICA
COMISSÃO DE PÓS-GRADUAÇÃO EM ENGENHARIA MECÂNICA
DEPARTAMENTO DE PROJETO MECÂNICO
Visão Artificial Aplicada na Detecção de
Mudança de Cenários: Estudo de Caso em
Plataforma de Integração de Veículos Espaciais
Autor: Silvana Aparecida BarbosaOrientador: Prof. Dr. João Maurício Rosário
Co-orientador: Prof. Dr. Francisco Carlos Parquet Bizarria
Curso: Engenharia Mecânica
Área de Concentração: Projeto mecânico
Tese de doutorado apresentada à comissão de Pós Graduação da Faculdade de Engenharia Mecânica, como requisito para a obtenção do título de Doutor em Engenharia Mecânica.
Campinas, 22 de setembro de 2008 SP – Brasil
FICHA CATALOGRÁFICA ELABORADA PELA
BIBLIOTECA DA ÁREA DE ENGENHARIA E ARQUITETURA - BAE - UNICAMP
B234v
Barbosa, Silvana Aparecida
Visão artificial aplicada na detecção de mudança de cenários: estudo de caso em plataforma de integração de veículos espaciais / Silvana Aparecida Barbosa. --Campinas, SP: [s.n.], 2008.
Orientadores: João Maurício Rosário, Francisco Carlos Parquet Bizarria.
Tese de Doutorado - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica.
1. Visão. 2. Processamento de imagem. I. Rosário, João Maurício . II. Bizarria, Francisco Carlos Parquet. III. Universidade Estadual de Campinas. Faculdade de Engenharia Mecânica. IV. Título.
Titulo em Inglês: Artificial vision applied in detection of change of scenes: Study of case in platform for integration of space vehicles Palavras-chave em Inglês: Satellite launch vehicle (VLS), Integration mobile
tower , Movement detection, Artificial vision Área de concentração: Projeto Mecânico
Titulação: Doutor em Engenharia Mecânica
Banca examinadora: Alexandre Garcia, Viktor Pastoukhov, Niederauer Mastelari, Antônio Batocchio
Data da defesa: 22/09/2008
Programa de Pós Graduação: Engenharia Mecânica
Dedicatória:
Agradecimentos
Em primeiro lugar agradeço a Deus por mais esta conquista, “do homem o esforço, de Deus a graça”.
Ao meu marido Teófilo pelo apoio, compreensão e incentivo.
Aos meus pais Nino e Walda, pelo apoio incondicional em todos os momentos da minha vida.
Ao meu orientador, Prof. Dr. João Maurício Rosário pela dedicação, incentivo e pela disponibilidade de recursos sem os quais não seria possível a execução deste trabalho.
Ao meu co-orientador e amigo Prof. Dr. Francisco Carlos Parquet Bizarria que me mostrou os caminhos a serem seguidos, pela dedicação, incentivo e credibilidade.
Ao Instituto de Aeronáutica e Espaço (IAE) pela confiança e pela oportunidade oferecida de desenvolvimento profissional.
Ao meu chefe imediato Dr. José Bezerra Pessoa Filho pelo apoio e oportunidade de dedicação exclusiva a este trabalho na sua fase de conclusão.
Aos colegas e funcionários da UNICAMP/FEM, em especial Sra. Denise Aparecida Vilella, e aos colegas do IAE, que ajudaram de forma direta e indireta na execução deste trabalho.
“Bom mesmo é ir à luta com determinação, abraçar a vida e viver com paixão, perder com classe e vencer com ousadia, pois o triunfo pertence a quem se atreve... E a vida é muito para ser insignificante.”
Charles Chaplin (Tradutor desconhecido)
Resumo
Barbosa, Silvana Aparecida, Visão Artificial Aplicada na Detecção de Mudança de Cenários: Estudo de Caso em Plataforma de Integração de Veículos Espaciais, Campinas: Faculdade de Engenharia Mecânica, Universidade Estadual de Campinas, 2008. 126 p. Tese (Doutorado)
A tarefa contínua de detecção de mudança de cenários em determinado ambiente pode ocasionar estresse físico e mental para o supervisor. Com o uso da visão computacional associada à automação é possível oferecer recursos para que essa tarefa seja executada de forma automatizada. Neste contexto, este trabalho apresenta uma proposta de arquitetura para um sistema detectar mudanças de cenários por meio da comparação sucessiva de imagens. Esse sistema de visão deverá possibilitar por meio da implementação de um algoritmo, utilizando recursos matemáticos específicos para a aplicação, a detecção de mudança no cenário e o registro das imagens relativas a essa situação. Para validar a referida proposta, com o enfoque na aplicação aeroespacial, é apresentado nesta tese o estudo de caso para aplicação de técnicas de Visão Artificial na Detecção de Mudança de Cenários em Plataforma de Integração de Veículos Espaciais. Esse estudo visa supervisionar áreas destinadas principalmente à integração e aos testes desse veículo espacial. A implementação desse algoritmo utiliza técnicas de processamento de imagens baseada em filtros espaciais, em especial convolução por filtro da média. Os resultados satisfatórios, obtidos nos ensaios práticos realizados em protótipo da Torre Móvel de Integração, indicam que o sistema é adequado para aplicação a qual se destina.
Palavras Chave: Veículo Lançador de Satélite (VLS), Torre Móvel de Integração, Detecção de Movimento, Visão, Processamento de Imagem.
Abstract
BARBOSA, Silvana Aparecida, Artificial Vision Applied in Detection of Change of Scenes: Study of Case in Platform for Integration of Space Vehicles, Campinas: Faculdade de Engenharia Mecânica, Universidade Estadual de Campinas, 2008. 126 p. Thesis (Doctor Degree)
The continuous task of detecting changes in scenarios can cause a mental and physical stress on supervisor. The associated use of computational vision and automation provides resources to execute this task in an automated way. This thesis presents an architectural proposal for a system to detect changes in the imaged scenes by comparing images successively. Through the development of algorithm using specific mathematical tools, this vision system detects and record changes in the imaged scenes. Focusing aerospace area to validate this proposal, Artificial Vision Applied in Detection of Change of Scenes, a Study of Case in Platform for Integration of Space Vehicles is presented in this thesis. The purpose of this research is supervising the designed areas for integration and tests of the space vehicle. Image processing techniques based on spatial filters, in particular convolution, are used for algorithm development. The results obtained through practical tests executed on a prototype of an Integration Mobile Tower, show the system is appropriate to this application.
Key Words: Satellite Launch Vehicle (VLS), Integration Mobile Tower, Movement Detection, Vision, Image Processing.
Índice
Lista de Figuras ...xii
Lista de Tabelas ... xv
Nomenclatura ... xvi
1. Introdução ... 1
1.1 Descrição do Problema ... 2
1.2 Solução Proposta – Justificativa do Trabalho ... 6
1.3 Objetivos do Trabalho ... 7
1.4 Metodologia do Trabalho ... 7
1.5 Estrutura do trabalho ... 8
2. Revisão Bibliográfica ... 10
2.1 Aplicações de Técnicas em Visão Industrial ... 10
2.2 Critérios de Escolha para Manipulação de Imagens ... 16
2.3 Recursos Utilizados para Análise e Manipulação de Imagens ... 17
2.4 Ambiente MATLABTM ... 18
2.4.1 Aplicações Multi-domínios do MATLABTM ... 19
2.5 Ambiente LabVIEWTM ... 21
2.5.1 O LabVIEWTM Utilizado para Controle ... 22
2.5.2 Sistema de Visão da National InstrumentsTM ... 23
2.5.3 Recursos de Imagem Integrados no LabVIEWTM ... 24
2.6 Principais Características a Serem Atendidas por um Sistema de Visão Industrial ... 27
2.6.1 Escolha da Câmera ... 27
2.6.3 Software de Simples Utilização ... 28
2.6.4 Abrangência e Exatidão do Algoritmo ... 28
2.6.5 Análise de Desempenho do Algoritmo ... 29
2.6.6 Integração com Outros Dispositivos ... 29
2.6.7 Parceiros e Integradores ... 30
2.6.8 Suporte Técnico ... 30
2.6.9 Crescimento e Estabilidade da Empresa ... 31
2.7 Conclusão ... 31
3. Conceitos Básicos em Processamento Digital de Imagens ... 33
3.1 Elementos da Imagem Digital ... 33
3.2 Processamento Digital de Imagens ... 36
3.2.1 Sistemas de Visão ... 38
3.2.2 Sistema de Aquisição de Imagens ... 43
3.3 Operações e Filtros ... 48
3.3.1 Convolução ... 50
3.3.2 Filtro da Média ... 55
3.4 Conclusão ... 56
4. Estudo de Caso: Detecção de Movimentos em Plataforma de Integração de Veículos Espaciais ... 57
4.1 Breve Histórico da Pesquisa Aeroespacial ... 57
4.2 Veículo Lançador de Satélite ... 59
4.3 Sistema Plataforma de Lançamento ... 61
4.4 Arquitetura Proposta ... 62
4.5 Arquitetura do Protótipo ... 64
4.6 Conclusão ... 67
5. Implementação Experimental – Validação e Resultados... 68
5.1. Descrição da Metodologia e do Algoritmo ... 68
5.2. Fluxograma Analítico ... 70
5.3. Algoritmo Proposto para o Sistema ... 71
5.5. Interface Gráfica com Usuário ... 85
5.6. Ensaios Práticos e Resultados ... 89
5.7. Conclusão ... 101
6. Conclusões e Sugestões para Trabalhos Futuros ... 102
6.1 Principais Contribuições deste Trabalho de Pesquisa ... 103
6.2 Sugestões para Trabalhos Futuros ... 105
Referências Bibliográficas ... 106
Lista de Figuras
Figura 1.1 – Vista Frontal da TMI, AEB (2008). ... 4 Figura 1.2 - Vista Aérea da TMI, AEB (2008). ... 5 Figura 2.1- Ilustração das etapas da captura abordadas no artigo, Fernandes e Gomes (2002). .... 11 Figura 2.2- (a) Imagem original; (b) diferença em relação à imagem de fundo, Soares, Figueiró
e Susin (2004). ... 12 Figura 2.3- ALTAvision no Laboratório de Processamento de Sinais e Imagens, Schuch et al
(2004). ... 12 Figura 2.4 - Supressão do fundo por estudo prévio, Ferreira, Cardoso e Carvalho (2007). ... 13 Figura 2.5 – a) Região de Interesse obtida após a aplicação de máscara sobre a imagem
original; b) Aplicação do algoritmo de subtração de fundo na imagem anterior (a); c) Resultado após o processo de limiarização e remoção da falsa borda, Osowsky e Gamba (2001). ... 14 Figura 2.6 – Simulação da Navegação do Módulo de Visão Computacional, Martins et al
(2006). ... 15 Figura 2.7 – Diagrama de Comunicação VPS. a) Imagem de fundo, background b) Imagem
original da câmera c) Imagem depois da subtração de fundo d) Imagem depois de limiarização e) Imagem depois de aplicação de filtro, Rosendall (2007). ... 16 Figura 2.8 – A Evolução da MathWorksTM , Passos (2008). ... 19 Figura 2.9 – Multi-domínios de Aplicação do MATLABTM , Passos (2008). ... 20 Figura 2.10 – Recursos para Prototipagem de Sistemas Mecatrônicos com MATLABTM ,
Figura 2.11 – Componentes do simulador e sua conexão com a aplicação real em bancada,
Kogler e Miranda (2008). ... 22
Figura 2.12 – Exemplo de Diagrama de Blocos elaborado no LabVIEWTM. ... 24
Figura 2.13 – Exemplo de Painel Frontal elaborado no LabVIEWTM. ... 25
Figura 3.1- Sistema de Coordenadas usado na Representação de uma Imagem Digital, Gonzalez e Woods (2002). ... 34
Figura 3.2- Componentes Iluminância (I) e Reflectância (R) de uma Imagem, Marques e Vieira(1999). ... 34
Figura 3.3- Elementos de um Sistema de Processamento de Imagens, Marques e Vieira (1999). ... 37
Figura 3.4 – Representação em Blocos de um Sistema de Visão Artificial e suas Principais Etapas, Marques e Vieira (1999). ... 40
Figura 3.5 – Visão esquemática de uma Câmera CCD, Marques e Vieira (1999). ... 44
Figura 3.6 – Diagrama Representativo de um Sensor de Imagem CCD linha, Gonzalez e Woods (2000). ... 45
Figura 3.7 – Diagrama Representativo de um Sensor de imagem CCD de área, Gonzalez e Woods (2000). ... 46
Figura 3.8 - Sistema coordenado da imagem. ... 48
Figura 3.9 - Resultado da convolução = 1. ... 51
Figura 3.10 - Resultado da convolução = 5. ... 51
Figura 3.11 - Resultado da convolução = 8. ... 51
Figura 3.12 - Resultado da convolução = 9. ... 51
Figura 3.13 - Resultado da convolução = 4. ... 52
Figura 3.14 - Resultado da convolução = 1. ... 52
Figura 3.15 - Resultado da convolução = -1. ... 52
Figura 3.16 - Interpretação da Operação de Convolução, Silva (2007). ... 54
Figura 3.17 - Imagens de entrada (a) e saída (b) do filtro. ... 55
Figura 4.1 – Representação dos Subsistemas do VLS, IAE(2008). ... 60
Figura 4.2 – Plataforma de Lançamento – Principais Módulos, IAE(2008). ... 62
Figura 4.3 - Arquitetura Proposta – Elementos do Sistema. ... 63
Figura 4.5 – Esquema Analítico de Ligações, Bizarria (2007). ... 66
Figura 5.1 - Fluxograma Analítico do Sistema. ... 71
Figura 5.2 – Chamada da Rotina SubVI_Compara no Fluxograma Analítico do Sistema. ... 77
Figura 5.3 - Diagrama de Blocos da Rotina de Comparação de Imagens (SubVI – Compara). .... 78
Figura 5.4 – Parte expandida do Diagrama de Blocos da Rotina de Comparação de Imagens representando as Equações 5.1 até 5.3. ... 81
Figura 5.5 - Parte expandida do Diagrama de Blocos da Rotina de Comparação de Imagens representando as Equações 5.4 até 5.7. ... 84
Figura 5.6 - Tela Inicial do Aplicativo – Dados de Entrada. ... 85
Figura 5.7 – Acionamento do Aplicativo - Run. ... 86
Figura 5.8 - Botão de Acionamento da indicação da Imagem Padrão. ... 86
Figura 5.9 - Botão para Interrupção do Processo de Captura. ... 87
Figura 5.10 - Informações fornecidas pelo Aplicativo durante sua execução. ... 88
Figura 5.11 - Janelas para Imagens Resultantes (com e sem aplicação de filtro). ... 89
Figura 5.12 – Ensaio Prático – Imagem Padrão, Imagem Capturada. ... 90
Figura 5.13 – Ensaio Prático – Definição da Região de Interesse para Análise das Cenas. ... 91
Figura 5.14 – Ensaio Prático – Captura das cenas e aplicação da ROI definida. ... 92
Figura 5.15 – Ensaio Prático – Resultado da Subtração das Imagens: Presença de Elemento Estranho na Plataforma. ... 93
Figura 5.16 – Ensaio Prático - Comparação das cenas considerando ROI: Movimentação de Plataforma. ... 94
Figura 5.17 – Tela Inicial do Aplicativo de Exibição das Cenas Diferentes. ... 95
Figura 5.18 – Representação Gráfica dos Resultados de Ensaios da Tabela 5.1. ... 98
Lista de Tabelas
Tabela 2.1 - Bytes por pixel para imagem em níveis de cinza, IMAQ (2004). ... 26 Tabela 2.2 - Tabela Comparativa de Velocidade do Software de Visão NI em relação a um Líder
do Mercado, National(2008)...29 Tabela 3.1 - Sistema Visual Humano x Sistema de Visão Artificial, Marques e Vieira (1999). ... 42 Tabela 5.1 – Comparativo de Resultados de Ensaios Experimentais – Duas Imagens Iguais. ... 97 Tabela 5.2 – Comparativo de Resultados de Ensaios Experimentais – Alteração de Cenário. ... 99 Tabela A.1 - Descrição das Telas deste Apêndice...115
Nomenclatura
Letras Latinas kN – kilonewton nm – nanômetro s – segundo AbreviaçõesCCD – Charge Coupled Device - Dispositivo de Carga Acoplada CLP – Controlador Lógico Programável
IHM – Interface Homem Máquina ML – Mesa de Lançamento RGB – Red, Green, Blue ROI – Region of Interest
TMI – Torre Móvel de Integração TU – Torre Umbilical
VI – Virtual Instrument
Siglas
AEB – Agência Espacial Brasileira
CLBI - Centro de Lançamento da Barreira do Inferno COBAE - Comissão Brasileira de Atividades Espaciais CTA – Comando-Geral de Tecnologia Aeroespacial EMFA – Estado-Maior das Forças Armadas
IAE – Instituto de Aeronáutica e Espaço (antigo Instituto de Atividades Espaciais) IPD – Instituto de Pesquisas e Desenvolvimento
MCT - Ministério da Ciência e Tecnologia
NASA – National Aeronautics and Space Administration VLS – Veículo Lançador de Satélite
Capítulo 1
Introdução
A expressão Visão de Máquina refere-se ao termo inglês machine vision. É usado normalmente como um sinônimo para o termo “sistema de visão”, ou como sendo a simulação e/ou incorporação do comportamento visual inteligente de humanos em máquinas, como robôs, usando extensivamente técnicas de visão computacional e inteligência artificial, Stemmer et al, (2005).
De acordo com Lee (1986), define-se visão robótica como o processo de extração, caracterização e interpretação da informação a partir de imagens do mundo tridimensional. O uso de visão ou outros tipos de sensores é motivado pela constante necessidade do aumento da flexibilidade em sistemas com aplicações robóticas, Kabayama e Trabasso, (1999).
Diversos processos produtivos envolvendo tarefas complexas, muitas vezes repetitivas, realizadas por operadores humanos, vêm sendo automatizadas por meio de sistemas computacionais e de robótica.
Os sistemas de visão computacional têm contribuído expressivamente em diversas fases do ciclo produtivo de um processo, tais como orientação de deslocamento de manipuladores robóticos, automatização de tarefas, planejamento da produção e controle de qualidade.
Na área Aeroespacial a utilização de técnicas a partir da análise de sistema de visão é cada vez mais freqüente, sendo encontrada em muitas aplicações, dentre as quais: posicionamento de sonda durante o processo de reabastecimento de aeronave no ar EADS (2008), sistema de
navegação autônoma para Veículos Aéreos Não Tripulados (VANTs), Martins et al (2006). Com o enfoque na aplicação aeroespacial, é apresentado nesta tese técnicas de Visão Artificial Aplicada na Detecção de Mudança de Cenários: Estudo de Caso em Plataforma de Integração de Veículos Espaciais. Nesse contexto é proposta a implementação de um sistema composto por hardware e software para auxiliar na inspeção visual de plataformas de integração de foguetes, e executar a detecção de mudança de cenários nesse ambiente, de forma automatizada.
Com o intuito de esclarecer terminologia e sistemas, no Capítulo 4 são descritos um breve histórico da pesquisa espacial no Brasil, o Veículo Lançador de Satélite (VLS) e o Sistema Plataforma de Lançamento.
1.1Descrição do Problema
Uma imagem digital pode conter várias informações, que deverão ser tratadas em diferentes etapas de um processo. De acordo com Rudek (2001), em um ambiente industrial, dificilmente consegue-se obter as condições ideais de iluminação, contraste, posicionamento correto da peça, e do ângulo de obtenção da imagem, além de outros fatores externos que dificultam a interpretação de uma cena. Sendo assim muitas técnicas de processamento de imagens apresentadas na literatura são geralmente validadas através de protótipo de aplicações, Weeks (1996), Russ (1995). As aplicações utilizando visão artificial, conforme descrito no Capítulo Revisão Bibliográfica deste trabalho, são as mais variadas possíveis.
O planejamento e a programação de máquinas controladas por computador exigem o conhecimento sobre o ambiente de trabalho. De acordo com Shen (2000) e Loscos (2000) modelos são utilizados para representar as estruturas geométricas de objetos reais e para treinar os sistemas de processamento de imagem. Onde o cenário tem um comportamento menos dinâmico, a partir da mesma orientação (posição de câmera e dos objetos) e de mesmas condições ambientais (iluminação, sombra, oclusão), informações relevantes da imagem podem ser obtidas.
A tarefa contínua de detecção de alteração de cenários em determinado ambiente, executada de forma não automatizada, pode acarretar tensão mental e física em operadores
humanos. O estresse mental associado com as tarefas difíceis de determinadas operações, são todos desafios que podem ser aliviados com a automatização eficaz, Naylor (2007). Nesse caso, o nível de precisão na detecção de mudança de cenários depende da aplicação a qual se destina essa tarefa sendo, portanto, necessário implementar técnicas para que o sistema seja adaptado a aplicação estudada evitando assim resultados não esperados. Dependendo da aplicação, diferenças que poderiam ser consideradas desprezíveis aparecem, necessitando deste modo a implementação de recursos específicos para adequação do sistema. O processamento de imagens é caracterizado por soluções específicas, ou seja, técnicas que funcionam bem em numa aplicação, podem não ser adequadas numa outra, Gonzalez e Woods (2000).
Na pesquisa para a realização do estudo de caso deste trabalho, verificou-se que no Brasil, na área Aeroespacial, a integração das diversas partes que formam o Veículo Lançador de Satélite (VLS) é executada em dependências especializadas do centro de lançamento para permitir a realização de testes relacionados principalmente com a fase de pré-lançamento desse veículo, Palmério (2002). Essa integração é realizada através de uma unidade especializada, localizada no Centro de Lançamento de Alcântara (CLA), denominada por Torre Móvel de Integração (TMI), conforme mostra a Figura 1.1.
Figura 1.1 – Vista Frontal da TMI, AEB (2008).
Essa torre é sustentada por estrutura metálica que tem forma de paralelepípedo retangular, com lado maior disposto na vertical, sendo equipada com subsistema de movimentação horizontal sobre trilhos, Figura 1.2.
Plataforma Móvel VLS Torre de Umbilical TMI
Figura 1.2 - Vista Aérea da TMI, AEB (2008).
Nessa estrutura são previstos pontos estratégicos para a instalação de uma ponte rolante, elevador, plataformas de trabalho (fixas e móveis), portas e outros subsistemas necessários para atender às atividades relacionadas com a tarefa de integração, testes e lançamento desse veículo, Yamanaka (2006). As plataformas fixas e móveis utilizadas pelos usuários na execução de tarefas relacionadas com a integração do veículo, são instaladas em níveis preestabelecidos no interior da mencionada torre, sobre as quais são acomodados diversos equipamentos.
Durante a realização de testes no veículo lançador é necessário acionar várias vezes essas plataformas móveis. Esses acionamentos são comandados de forma remota e exigem do operador
TMI VLS Trilhos Casa de Equipamento e Apoio
da torre um conhecimento prévio da presença de equipes de trabalho e/ou equipamentos nas imediações e/ou sobre essas plataformas.
Entretanto, o atual procedimento para a realização dessa tarefa exige o deslocamento de responsáveis até os níveis da plataforma, para efetuarem uma inspeção visual da área, com o objetivo de detectar se as condições estão adequadas para efetuar as movimentações necessárias, verificando se há alguma diferença entre o ambiente esperado e o encontrado durante a inspeção como, por exemplo, presença de pessoas ou equipamentos no local. Em muitas situações na realização dessa inspeção o foguete já se encontra em condições para lançamento, o que corresponde à situação que exige cuidados específicos a fim de minimizar riscos à integridade física dos responsáveis pela inspeção e perdas materiais. Fora desses períodos de atividade dos especialistas, não está previsto, normalmente, nenhum tipo de movimentação das plataformas móveis, nem a presença de pessoas no local de realização dessas atividades. Atualmente essa condição é obtida por controle de acesso.
1.2Solução Proposta – Justificativa do Trabalho
O crescente desenvolvimento tecnológico, a mudança de postura na utilização do trabalho humano, deixando aos poucos de ser manual e repetitivo e passando a ser mais especializado, leva a uma evolução natural à utilização da automação. Os sistemas de automação estão em grande demanda principalmente para a exploração em ambientes hostis, inacessíveis. Com o uso da visão computacional associada à automação, é possível oferecer ao operador, recursos adequados e eficientes para que trabalhos repetitivos possam ser executados com maior rapidez e precisão, não eliminando o operador humano de suas funções, mas procurando proporcionar redução de custos e melhor aproveitamento de tempo, Rudek (2001).
Dessa forma a partir da definição de um cenário referência indicado pelo operador, a tarefa de detecção de mudança de cenário pode ser feita de forma automatizada, propondo utilizar um sistema remoto para supervisionar áreas definidas, baseado em arquitetura aberta que utiliza recursos de informática e visão artificial. Esse sistema de visão deverá possibilitar, por meio da
implementação de algoritmo dedicado o qual utiliza recursos matemáticos específicos para a aplicação, a detecção de mudança no cenário e o registro das imagens relativas a essa situação.
Para validar tal sistema é considerado um estudo de caso: detecção de mudança de cenários em sistema plataforma de integração de foguetes. A aplicação do sistema é na supervisão de áreas definidas pelas plataformas móveis da Torre Móvel de Integração (TMI) para auxiliar o operador dessa torre na detecção de presença humana e/ou equipamentos nessas áreas.
1.3Objetivos do Trabalho
O principal objetivo deste trabalho é propor a implementação de algoritmo que utiliza técnicas de Visão Artificial para Detecção de Mudança de Cenários e, realizar ensaios práticos em protótipo que retrata área destinada a integração e teste de veículos espaciais a fim de validar o aludido algoritmo nessa aplicação.
1.4Metodologia do Trabalho
O trabalho é iniciado com a realização de pesquisa bibliográfica, a qual tem como principal objetivo selecionar a literatura na área de visão artificial, buscando aqueles relacionados à comparação de cenas e utilização de filtros para o tratamento das imagens capturadas.
É apresentada uma proposta de arquitetura para um sistema ser capaz de detectar mudanças de cenários através da comparação sucessiva de imagens. Entre as várias aplicações de visão artificial para detecção de mudança de cenário, é selecionado um estudo de caso na área espacial para validação do sistema: detecção de mudança de cenário em Plataforma de Integração de Veículos Espaciais.
Definido o estudo de caso é proposto uma arquitetura para implementação do sistema e, a fim de validar a aplicação, utilizado um protótipo representativo da Torre Móvel de Integração, com um veículo espacial no seu interior, e um sistema de visão artificial.
É realizada então a implementação experimental do algoritmo proposto do sistema, que privilegia técnicas de processamento de imagens baseada em filtros espaciais, em especial convolução por filtro da média, seu fluxograma analítico e a implementação da rotina que executa a comparação das imagens. Nessa fase leva-se em consideração as técnicas a serem implementadas a fim de evitar detecções de mudanças de cenário consideradas desprezíveis a olho humano.
A validação do sistema que emprega técnicas de processamento de imagens para o Estudo de Caso em Plataforma de Integração de Veículos Espaciais é feita por meio de ensaios utilizando-se o protótipo de aplicação da Torre Móvel de Integração, e analisando-se então os resultados obtidos.
1.5Estrutura do trabalho
Para atingir os principais objetivos delineados anteriormente, esse trabalho está subdividido em seis capítulos. O Capítulo 1, Introdução, é destinado a descrever o problema, apresentar a solução proposta e os objetivos do trabalho, e a descrever de maneira sucinta o conteúdo desta tese.
O Capítulo 2, Revisão Bibliográfica, procura informar, por meio de pesquisa bibliográfica, o que está sendo feito em termos de aplicações, semelhantes à apresentada neste trabalho, destacando algumas publicações que guardam relação com a aplicação aqui apresentada, e software e hardware utilizados normalmente para a implementação dessas aplicações.
O Capítulo 3, Conceitos Básicos em Processamento Digital de Imagens, busca apresentar de forma resumida as definições básicas dos recursos utilizados no desenvolvimento do trabalho, mais especificamente relacionados com a área de processamento de imagens, com o intuito de facilitar a compreensão do leitor.
Capítulo 4, Estudo de Caso: Detecção de Movimentos em Plataforma de Integração de Veículos Espaciais, apresenta de maneira resumida o histórico da pesquisa espacial no Brasil, a descrição do Veículo Lançador de Satélite (VLS) e do Sistema Plataforma de Lançamento. Apresenta também a arquitetura proposta do sistema, os detalhes da arquitetura do protótipo no qual os ensaios práticos foram realizados para validação do trabalho, e o sistema utilizado como ambiente de implementação.
Capítulo 5, Implementação Experimental – Validação e Resultados descreve o algoritmo proposto do sistema, seu fluxograma analítico e a metodologia desenvolvida na implementação do mesmo e em particular na apresentação de rotina que executa a comparação das imagens. Apresenta também a descrição da interface gráfica com o usuário, destacando os seus recursos. Finalizando, são exibidos os ensaios práticos com os resultados obtidos.
Capítulo 6, Conclusões e Sugestões para Trabalhos Futuros, procura fazer um estudo comparativo dos resultados finais do trabalho desenvolvido, com os resultados esperados, e as perspectivas futuras para continuidade deste desenvolvimento.
O trabalho é finalizado com a apresentação do Apêndice I contendo detalhamento dos diagramas de bloco e o painel de controle do aplicativo “CompCena.vi" implementado em LabVIEWTM.
Capítulo 2
Revisão Bibliográfica
Este capítulo apresenta uma revisão bibliográfica que retrata os principais artigos técnicos que guardam relação com a proposta deste trabalho. A pesquisa se estendeu a consulta em diversos meios possíveis de informações e trabalhos técnicos relacionados com o tema proposto nesta tese, principalmente pesquisa em periódicos e anais de congressos internacionais.
Finalizando este capítulo foi realizado um trabalho de revisão e pesquisa, enfocando os principais softwares e hardwares de Visão Artificial utilizados em aplicações industriais, fornecendo assim subsídios para o desenvolvimento desse trabalho de pesquisa.
2.1 Aplicações de Técnicas em Visão Industrial
Foram pesquisados vários artigos na área de visão artificial, buscando aqueles relacionados à comparação de cenas e utilização de filtros para o tratamento das imagens capturadas. Dentre eles, os que possuem maior relação com o estudo apresentado neste trabalho têm em comum a comparação de cenas utilizando uma como referência, ou seja, a cena denominada como a padrão. As operações realizadas entre as imagens baseiam-se em subtração de fundo e muitas vezes são usadas técnicas de filtragem, sem, entretanto fornecer detalhes do método utilizado. As aplicações observadas nesta pesquisa são as mais variadas possíveis.
Dentre os artigos pesquisados cabe, destacar o trabalho de Fernandes e Gomes (2002), que apresenta técnicas para remoção de fundo de cena e identificação da silhueta humana para a captura óptica de movimento.
Neste trabalho são apresentadas técnicas de captura de movimento e subtração do fundo da cena por seleção de limiar, Figura 2.1. Semelhante a presente tese, Fernandes apresenta também a preocupação em manter alguns pré-requisitos como posição estática da câmera, não variação de iluminação (em intensidade e posicionamento da fonte) e os dados de entrada são obtidos diretamente das câmeras de vídeo utilizadas.
Figura 2.1- Ilustração das etapas da captura abordadas no artigo, Fernandes e Gomes (2002).
O trabalho de Soares, Figueiró e Susin (2004), mostra técnicas de subtração, utilizando o cenário de fundo (ambiente) como imagem de referência a qual é subtraída a cada quadro da seqüência, Figura 2.2. Em alguns casos para corrigir imperfeições na imagem, aplica filtragem dedicada, entretanto esse artigo não entra em detalhes quanto ao tipo de filtro utilizado.
(a) (b)
Figura 2.2- (a) Imagem original; (b) diferença em relação à imagem de fundo, Soares, Figueiró e Susin (2004).
O artigo de Schuch et al (2004) apresenta um sistema de visão composto de microcomputador, interfaces de aquisição de imagem e câmeras de vídeo, representados na Figura 2.3, e cuja aplicação pode ser na detecção de movimento empregando funções de diferença, projeção, histograma e limiar.
Figura 2.3- ALTAvision no Laboratório de Processamento de Sinais e Imagens, Schuch et al (2004).
No trabalho de Ferreira, Cardoso e Carvalho (2007), são propostas técnicas de processamento de imagem, optando-se pela aplicação de um método de subtração de fundo e algoritmo baseado na média ponderada, Figura 2.4, apresentando como objetivo do trabalho, segundo os autores, o estudo de viabilidade da criação da interface homem – máquina, IHM, por análise e processamento de imagem.
Figura 2.4 - Supressão do fundo por estudo prévio, Ferreira, Cardoso e Carvalho (2007).
Técnicas de visão artificial são aplicadas também para auxiliar na análise do exame bacteriológico do leite para determinar sua qualidade, no que diz respeito à fabricação, condições de armazenamento e transporte. De acordo com o trabalho de Osowsky e Gamba (2001), desenvolveu-se um protótipo de um Sistema Automático para a Contagem de Colônias, que utiliza técnicas de processamento digital de imagens, entre outras, definição de região de interesse, algoritmo de subtração de fundo e limiarização, Figura 2.5.
Em decorrência dos filtros aplicados no processo de subtração do fundo da imagem e da resolução da placa de aquisição de vídeo, há segundo os autores, uma limitação deste Sistema Automático para a Contagem de Colônias (SACC) com relação a menor Unidade Formadora de
Colônia (UFC) detectável. O equipamento computacional utilizado no protótipo é um Pentium IV 1,7GHz com 256MB RAM.
Figura 2.5 – a) Região de Interesse obtida após a aplicação de máscara sobre a imagem original; b) Aplicação do algoritmo de subtração de fundo na imagem anterior (a); c) Resultado
após o processo de limiarização e remoção da falsa borda, Osowsky e Gamba (2001).
Na área aeroespacial, o trabalho de Martins et al (2006), intitulado “Navegação Aérea Autônoma por Imagens“, tem como objetivo, segundo os autores, apresentar um sistema de navegação autônoma para Veículos Aéreos Não Tripulados (VANTs) com estimação de posição obtida por meio de um sistema de visão computacional. O sistema de navegação permite, em tempo real, verificar situações de risco (estas consistem na existência de obstáculos entre a posição do VANT e a coordenada seguinte da rota), bem como, planejar trajetórias mais seguras. No sistema de visão computacional, a estimação da posição do VANT é realizada em tempo real, através do processamento de imagens obtidas por uma câmera e de mosaicos armazenados em bancos de dados geográficos. De acordo com os autores, a utilização das técnicas no módulo de visão computacional, conforme Figura 2.6, mostraram-se eficientes, mesmo quando utilizadas imagens obtidas por diferentes sensores, quadros de videografias aéreas, imagens georreferenciadas e fotografias aéreas, Martins et al (2006).
Figura 2.6 – Simulação da Navegação do Módulo de Visão Computacional, Martins et al (2006).
O trabalho de Rosendall (2007), intitulado “Enhanced Algorithms for an Underwater Visual Positioning System”, faz uso de técnicas visão para uma avaliação de um Sistema de Posicionamento Visual (VPS) debaixo d’água, cuja aplicação é expandida para engenharia aeroespacial.
Segundo o autor, a versão previamente testada de VPS foi projetada para processar imagens de câmeras individuais com subtração de fundo simples e métodos de limiarização como um modo para eliminar o ruído causado por estruturas no tanque de água, luz, reflexões de objetos fora do tanque de água. A Figura 2.7 apresenta um resumo cronológico deste processo para uma imagem de uma câmera. Eventuais pixels que não foram removidos pela subtração de fundo e métodos de limiarização foram removidos por um algoritmo de filtragem que eliminou regiões de ruído pequenas e isoladas.
Figura 2.7 – Diagrama de Comunicação VPS. a) Imagem de fundo, background b) Imagem original da câmera c) Imagem depois da subtração de fundo d) Imagem depois de limiarização
e) Imagem depois de aplicação de filtro, Rosendall (2007).
O método de subtração de fundo foi a primeira tentativa para remover objetos interferindo na imagem. Antes que o veículo entrasse no tanque para teste, a câmera capturou um “fundo de imagem” que seria usado para processar toda imagem capturada pela câmera durante o teste. A imagem da câmera e a imagem de fundo foram convertidas a níveis de cinza, Rosendall (2007).
O trabalho de Rosendall (2007) ilustra a funcionalidade de um novo VPS normalizado com método de filtragem da imagem por correlação cruzada e documenta a melhora da exatidão com uma comparação dos métodos atuais e anteriores para a determinação da posição estimada do veículo. O procedimento de processamento de imagem do VPS é esboçado, e o método da correlação cruzada normalizada, Normalized Cross-Correlation (NCC), é avaliado.
2.2 Critérios de Escolha para Manipulação de Imagens
A utilização de um sistema de Visão Industrial está cada vez mais freqüente em diferentes aplicações na área de Engenharia, e muitos fabricantes vem desenvolvendo sistemas dedicados para visão de máquina e processamento de imagens. Como exemplo, o caso de um ambiente de produção, onde existem muitos limites ou não conformidades que podem ser identificados facilmente por meio de inspeção visual e que seriam muito difíceis de serem detectados utilizando técnicas tradicionais de medição.
Nos dias atuais, aplicações industriais incluem inspeção de partes para verificação na fabricação ou montagem tais como, verificação da correta posição de componentes em placas de
circuito impresso, reconhecimento de caracteres (OCR1) para exame de códigos ou para selecionar produtos, e medições óticas para encontrar não conformidade em produtos para seleção baseada em critérios de qualidade. Câmeras inteligentes que precisam se comunicar com o controle de processo da produção são utilizadas por muitas plantas industriais, como recurso que minimiza o processamento efetuado por esse sistema de controle.
Considerando a rapidez e eficiência na sua manipulação e implementação, além da inúmera quantidade de recursos disponíveis nestes sistemas que cobrem grande maioria das aplicações, os sistemas de Visão Industrial são cada vez mais utilizados em projetos de Engenharia. A escolha de um software de visão adequado para uma dada aplicação deverá seguir, de acordo com National-3 (2008), as seguintes recomendações:
a. Escolha da Câmera.
b. Fator de Escala do Hardware. c. Software de simples utilização.
d. Abrangência e exatidão do algoritmo implementado. e. Desempenho do algoritmo implementado.
f. Facilidade de integração com outros dispositivos. g. Parceiros e Integradores.
h. Suporte Técnico.
i. Crescimento e Estabilidade da Empresa.
Tais recomendações são detalhadas no item 2.6 deste trabalho.
2.3Recursos Utilizados para Análise e Manipulação de Imagens
Para a validação e testes referentes aos conceitos apresentados nesta tese e posterior implementação experimental, tornou-se imprescindível a realização de pesquisa e estudo de softwares que pudessem integrar recursos de controle, análise e manipulação de imagens. Dentre
os mais utilizados, e atendendo as especificações descritas anteriormente, destacam-se as plataformas MATLABTM e LabVIEWTM, que além de oferecerem vários recursos na área de processamento de imagens, apresentam arquitetura aberta, permitindo uma rápida e fácil integração com outras aplicações.
Essas plataformas contêm um grande número de funções aplicadas à visão, que poderão ser implementadas em outros softwares de Instrumentação Industrial, que possuem funções dedicadas para diferentes aplicações industriais tais como sistemas de inspeção, alinhamento, identificação e medição visual. Esses ambientes possuem interatividade para configurar, testar e distribuir aplicações de visão, podendo operar diretamente com muitas interfaces de aquisição de imagem disponíveis no mercado.
2.4Ambiente MATLABTM
O MATLABTM é tanto uma linguagem de programação quanto um ambiente de computação técnica que possibilita a análise e visualização de dados, cálculos matemáticos e desenvolvimento de algoritmos, entre outras aplicações. Sua primeira versão foi escrita no final da década de 70 nas Universidades do Novo México e Stanford visando fornecer suporte a cursos de teoria matricial, álgebra linear e análise numérica, Hanselman e Littlefield (1999).
Em 1984, a MathworksTM elaborou então, uma linguagem dedicada para desenvolvimento e simulação de algoritmos matemáticos – o MATLABTM. Desde o início de seu desenvolvimento, essa linguagem incorporou as mais diversas aplicações, sendo líder de mercado, possuindo um grande número de usuários tanto no mundo acadêmico como no industrial, e é considerada um recurso indispensável para o ensino e desenvolvimento industrial, Figura 2.8, Passos (2008).
Figura 2.8 – A Evolução da MathWorksTM , Passos (2008).
A sua estrutura de dados fundamental é a matriz, que pode ter elementos reais ou complexos. Embora na sua versão base já possua um vasto conjunto de funções de caráter genérico, existem várias bibliotecas de funções adicionais (designadas por toolboxes) que expandem as capacidades em domínios de aplicações mais específicas.
Esse aplicativo pode ser usado numa larga escala de aplicações, incluindo processamento de sinal e de imagem, comunicações, projeto de controle, teste e medida, e biologia computacional.
2.4.1 Aplicações Multi-domínios do MATLABTM
De acordo com Passos (2008), o MATLABTM pode ser considerado como um recurso para simulação e desenvolvimento em multi-domínios de aplicação, representados na Figura 2.9. Esse ambiente possui muitos recursos matemáticos dedicados, destinados a aplicações em
processamento de imagens, comunicações, controle de sistemas, modelagem matemática e outros.
Figura 2.9 – Multi-domínios de Aplicação do MATLABTM , Passos (2008).
A sua utilização pode ser realizada por meio de comandos executados diretamente em interface intuitiva, permitindo rápida execução de cálculos e manipulação de dados, e algoritmos podem ser implementados em arquivos do tipo texto por meio da linguagem de programação MATLABTM. Essa linguagem dispõe também de recursos para a Modelagem de Sistemas Físicos e Geração Automática de Códigos, Figura 2.10, para prototipagem de dispositivos com alto grau de integração (mecatrônicos).
a) Modelagem de sistemas físicos.
b) Geração automática de códigos.
Figura 2.10 – Recursos para Prototipagem de Sistemas Mecatrônicos com MATLABTM , Passos (2008).
2.5 Ambiente LabVIEWTM
LabVIEWTM, acrônimo para Laboratory Virtual Instrument Engineering Workbench, é uma linguagem de programação gráfica de propriedade da National Instruments. A primeira versão surgiu em 1986 para o Macintosh, e atualmente existem ambientes de desenvolvimento integrado também para Windows, Linux e Solaris.
O principal campo de aplicação do LabVIEW é na técnica de medição e na automatização de sistemas. A programação é feita por meio do modelo de fluxo de dados, que oferece a essa linguagem vantagens para a aquisição de dados e sua manipulação, National (2000).
O principal benefício do LabVIEW sobre outros ambientes de desenvolvimento é o extenso suporte no acesso a hardware de instrumentação. Drivers2 e camadas de abstração para diferentes tipos de instrumentos são fornecidos ou disponibilizados. Eles se apresentam como nós gráficos de fácil utilização. As camadas de abstração permitem isolação entre a implementação de hardware e a solução de software. Sem o software com as interfaces de driver fornecido, isso demandaria um gasto de tempo extremamente longo para ser implementado.
Bibliotecas com um grande número de funções para aquisição de dados, geração de sinais, matemática, estatística, análise, etc., junto com vários elementos de interface gráfica são fornecidas em diversas opções do conjunto de softwares do LabVIEW.
As aplicações utilizando LabVIEW são as mais variadas, inclusive na área aeroespacial. Dentre elas, a NASA, National Aeronautics and Space Administration, usa NI LabVIEW em Teste de Automação de Microshutters. Nessa aplicação, conforme descrição em National-1 (2008), o desafio era desenvolver uma aplicação de teste flexível que pudesse acionar dezenas de milhares de microshutters por milhões de ciclos, e durante a captação de dados, adquirir imagens de alta-resolução, monitorar e controlar o ambiente teste.
Kogler e Miranda (2008) desenvolveram o trabalho intitulado por “Simulador Virtual para Treinamento em Visão de Máquina com LabVIEW”, Figura 2.11. O objetivo, segundo os autores, foi desenvolver um ambiente interativo de ensino integrando através do LabVIEW um modelo de realidade virtual e um sistema de álgebra computacional proporcionando simulação realística, rapidez na prototipagem e teste de propostas de solução de problemas com visão de máquina.
Figura 2.11 – Componentes do simulador e sua conexão com a aplicação real em bancada, Kogler e Miranda (2008).
2.5.1 O LabVIEWTM Utilizado para Controle
Em conseqüência das potencialidades apresentadas anteriormente de utilização do ambiente LabVIEWTM, aliado a facilidade de uso de linguagem de programação gráfica, atualmente são cada vez mais utilizados Controladores Programáveis para Automação (PACs) , National -2 (2008), utilizando como plataforma de desenvolvimento o ambiente LabVIEWTM, através da implementação de aplicações que requerem:
a. Implementação de Interfaces Gráficas - o programador elabora automaticamente a interface de usuário, podendo ser incorporado em sistemas de controle gráficos e Interfaces Homem-Máquina - IHM.
b. Sistemas de Medição - implementação de Entrada/Saída de alta velocidade, incluindo aquisição de imagem. Desta forma é possível incorporar sistemas de medições tais como vibração e visão de máquina.
c. Características de Processamento - possibilidade de implementação de algoritmos de controle especializados, processamento de sinal avançado ou data logging (processo de utilização de computadores para coletar dados por meio de sensores, analisá-los e salvá-los, e fornecer como saída os resultados da coleta e da análise, Webopedia (2008)), podendo incorporar código de controle personalizado ou recursos desenvolvidos por terceiros, e implementar processamento de sinal como JTFA, (Joint Time-Frequency Analysis) ou gravar dados de forma local ou remota.
d. Plataformas de Desenvolvimento - criação de código portável, podendo ser executado em uma variedade de plataformas incluindo um PC3, controlador embarcado, chip FPGA4, ou dispositivo PDA, (Personal Digital Assistant).
e. Interface de Comunicação - possibilidade de transmitir dados à rede corporativa com recursos como conectividade a base de dados OPC (OLE5 for Process Control) e interfaces de operador via navegador web.
2.5.2 Sistema de Visão da National InstrumentsTM
A National Instruments possui conjuntos de software que podem operar com as diversas placas de aquisição de imagem. O NI Vision Development, módulo a ser utilizado com o LabVIEW da National Instruments, contém várias funções de visão para programar aplicações de inspeção, alinhamento, identificação e medição visual. O NI Vision Builder for Automated Inspection (AI) é um ambiente interativo para configurar, testar e distribuir aplicações de visão por meio de parametrização.
3 Personal Computer 4
Field Programmable Gate Array.
2.5.3 Recursos de Imagem Integrados no LabVIEWTM
O programa desenvolvido em LabVIEWTM é denominado por instrumento virtual (VI – virtual instrument) devido a sua aparência e operação assemelharem-se às de instrumentos reais. Um VI é composto por um conjunto de instruções que fazem a manipulação e fluxo dos dados, e por uma interface com o usuário, na qual se encontram as entradas e saídas necessárias. O VI é composto por duas partes:
• Diagrama de blocos – é a estrutura do programa propriamente dita que contém o código fonte construído de forma gráfica, representado na Figura 2.12.
• Painel frontal – constitui a interface com o usuário, apresentando de forma visual todos os controles, gráficos e indicadores formando uma tela representativa do painel físico de um instrumento. Esse pode ser formado por botões, leds6, e indicadores que permitem a interação através do mouse ou do teclado do computador. A Figura 2.13 apresenta o Painel Frontal relativo ao Diagrama de Blocos representado na figura anterior.
Figura 2.13 – Exemplo de Painel Frontal elaborado no LabVIEWTM.
O LabVIEWTM inclui diversas bibliotecas compostas por componentes contendo funções para aplicações específicas, e módulos adquiridos separadamente para complementar o número de funções necessárias a algumas aplicações. O módulo de visão utilizado no desenvolvimento deste trabalho é denominado IMAQ. Através desse módulo, vários recursos relacionados ao processamento de imagens são disponibilizados.
Uma imagem em níveis de cinza é composta de um plano, enquanto uma imagem colorida é composta de três planos - um para o componente vermelho, um para o azul, e um para verde, IMAQ (1999).
A imagem representada em níveis de cinza é composta de um único plano de pixels. Cada pixel pode ser codificado usando um inteiro 8-bit sem sinal representando valores de níveis de cinza entre 0 e 255, ou um inteiro 16-bit com sinal representando valores de níveis de cinza entre -32,768 e +32,767. A Tabela 2.1 mostra a maneira que o módulo IMAQ reserva o número de bytes por pixel para imagem em níveis de cinza para 8 e 16 bits.
Tabela 2.1 - Bytes por pixel paraimagem em níveis de cinza, IMAQ (2004).
A maneira pela qual a imagem é codificada depende do tipo de dispositivo de aquisição da imagem, o tipo de processamento de imagem necessário a ser usado, e o tipo de análise que se deseja realizar. Por exemplo, uma codificação em 8 bits é suficiente para o caso em que se deseja obter informação sobre a forma de objetos numa imagem. Entretanto se for necessário a medida com precisão da intensidade de luz de uma imagem ou região numa imagem, deve-se usar a codificação em 16 bits ou ponto decimal, IMAQ (2004).
2.6 Principais Características a Serem Atendidas por um Sistema de Visão Industrial
Conforme descrito no item 2.2 a escolha de um software de visão adequado para uma dada aplicação deverá seguir determinadas recomendações descritas nos subitens seguintes, de acordo com National-3 (2008).
2.6.1 Escolha da Câmera
A primeira consideração ao selecionar um software de visão é determinar se o mesmo opera com a câmera que melhor atende aos requisitos da aplicação. Câmeras analógicas de baixo custo são encontradas no mercado com facilidade, mas freqüentemente uma aplicação necessita de uma resolução maior que a VGA7, taxas de aquisição maiores que 30 frames/s e maior qualidade de imagem do que essas câmeras analógicas podem proporcionar.
Desta forma é importante que os recursos de hardware e software sejam compatíveis com muitas câmeras, desde padrões analógicos de baixo custo a linhas de alta-velocidade, e ainda permitam uma seleção da melhor câmera para uma dada aplicação, auxiliando na escolha correta do hardware de aquisição.
2.6.2 Fator de Escala do Hardware Utilizado
O fator de escala de uma câmera é um importante aspecto a ser considerado na escolha da mesma, representando um passo crucial numa dada aplicação. Devido à tecnologia de câmeras evoluírem rapidamente, torna-se indispensável considerar a atualização de câmeras para melhorar a qualidade de imagem ou realizar outros tipos de medição.
No caso especifico do driver NI-IMAQ da National Instruments, ele possui um grande número de interfaces para Aquisição de Imagem, que pode realizar comunicação com diferentes câmeras industriais, por meio de interface intuitiva para utilização. O aplicativo implementado não sofrerá alterações, caso uma câmera analógica seja substituída por câmera com outra
tecnologia, o mesmo ocorrendo com o software NI-IMAQ for IEEE 1394 (FireWire), onde é possível a comunicação e aquisição de imagens de cerca de 100 diferentes câmeras, sem necessidade de uma interface de aquisição de imagens.
O driver da National Instruments também é compatível com as plataformas de hardware da NI, desde PCs e CompactPCI/PXI a sistemas Compact Vision System, conseqüentemente, é possível prototipar uma determinada aplicação em um laboratório com um PC e uma câmera IEEE 1394 (FireWire) de baixo custo e depois distribuí-la na linha de produção, por um sistema mais robusto do tipo Compact Vision System, sem a necessidade de realizar alterações do código de processamento ou sistema de aquisição de imagem.
2.6.3 Software de Simples Utilização
Após realizar a aquisição da imagem, o próximo passo é o seu processamento, onde preferencialmente deve-se utilizar recursos otimizados e algoritmos, que não utilizem o método de “tentativas e erro”.
Considerando esses aspectos, são necessários recursos de software de visão para auxiliar ao máximo o aproveitamento dos algoritmos. Em muitas aplicações, não é necessário uma linguagem de programação para construir um sistema completo de visão de máquina.
2.6.4 Abrangência e Exatidão do Algoritmo
Cada pixel é composto por três sub-pixels, um para cada uma das cores primárias. Uma das mais importantes características a serem consideradas na escolha de um software de visão, é se o recurso de software utilizado pode medir de maneira correta e com exatidão as características do objeto em sub-pixels. Aspectos relacionados à rapidez do computador ou ao número de pixels da câmera utilizada não importarão muito se o software não for confiável ou exato.
Em termos de softwares industriais o Vision Development Module e o Vision Builder AI da National Instruments, incluem várias funções de visão. Essas funções possuem a exatidão em sub-pixels (1/10 de pixel e 1/10 de grau) para interpolar localizações, distâncias e medições.
2.6.5 Análise de Desempenho do Algoritmo
A exatidão e a facilidade de uso podem ser consideradas como os dois fatores mais importantes na escolha de um sistema de visão, entretanto, a velocidade de execução também pode ser considerada de extrema importância. Os recursos utilizados para inspeção devem ser eficientes e ao mesmo tempo rápidos. Portanto, não importa quantas centenas de algoritmos são necessários para escolha, ou quão rápido pode-se construir uma aplicação através dos mesmos, se os recursos de inspeção são ineficientes e levam muito tempo para executar, muito do trabalho será perdido. A Tabela 2.2 mostra uma comparação de características de tempo de processamento entre dois softwares e visão.
Tabela 2.2 - Tabela Comparativa de Velocidade do Software de Visão NI em relação a um Líder do Mercado, National-3 (2008). Velocidade do Software de Visão da NI (ms) Velocidade do Software de Visão Líder do Mercado Aumento de Velocidade do Software da NI (num. de vezes) Histograma 0.91 2.03 2.2 Transformadas Geométricas 3.1 10.3 3.3 Morfologia 1.8 5.9 3.3 OCR 3.3 5.9 1.8 Detecção de Geometrias 93.0 149.8 1.6 Classificação de Objetos 7.5 – –
2.6.6 Integração com Outros Dispositivos
Em Automação Industrial, uma aplicação de visão está inserida como um aplicativo dentro de um grande sistema de controle, podendo necessitar de atuadores para selecionar produtos;
comunicar os resultados da inspeção para o controlador de um robô ou outro dispositivo, CLP, ou Controlador Programável para Automação; armazenar imagens e dados em servidores de rede; ou comunicar os parâmetros e os resultados de inspeção para uma interface de usuário local ou remota. Freqüentemente, para aplicações em imagens científicas, é necessário integrar visão com estágios de movimento, sistemas de aquisição de dados, microscópios, óticos especializados e trigger avançado.
Isso justifica o interesse na escolha de um software, que permite a integração com outros sistemas de automação, controle industrial, aquisição de dados e controle de movimento. No caso dos produtos de visão da National Instruments, os mesmos são projetados para trabalhar com esses e outros componentes comuns. Assim, no caso de uma aplicação em que seja necessário a comunicação com um CLP através de uma rede DeviceNet8 ou com um microscópio via barramento serial, isso deverá ser facilmente implementado a partir de um Sistema de Visão Industrial.
2.6.7 Parceiros e Integradores
Uma grande empresa fornecedora de software e hardware para processamento de imagem e Visão Industrial, normalmente trabalha em conjunto com outros especialistas que desenvolvem periféricos compatíveis para cada aplicação (sistemas de iluminação, câmeras e equipamentos óticos), permitindo assim, que a implementação da aplicação seja rápida e eficiente.
No caso da utilização de softwares desenvolvidos por empresas experientes na área, isso significará ganho de tempo e redução de custos.
2.6.8 Suporte Técnico
Ao mesmo tempo, que um software de visão deverá ser projetado para ser de simples e fácil utilização, um suporte técnico é muito importante no sentido de obter ajuda sempre que
8
Protocolo de comunicação usado na indústria de automação para interconectar dispositivos de controle para troca de dados.
necessário, evitando perdas de tempo, que podem ser resolvidas através da experiência de outros profissionais que já utilizaram esse mesmo equipamento. Assim, uma empresa fornecedora de software de Visão Industrial deverá oferecer também um suporte técnico aos seus clientes de seus produtos.
2.6.9 Crescimento e Estabilidade da Empresa
Um investimento num software de Visão Industrial deve levar em consideração utilizações futuras e necessidade de sempre mantê-lo funcionando. Existem diversas empresas pequenas e especializadas em visão de máquina onde, enquanto seus sistemas podem funcionar para uma aplicação atual, quando for necessário atualizar uma estação de inspeção em cinco anos, por exemplo, é preciso saber que a empresa e o software ainda existirão e estarão evoluindo.
A empresa fornecedora deverá ter investimentos consideráveis em Pesquisa e Desenvolvimento, e grande presença no mercado no desenvolvimento de software e hardware para visão, e perspectivas de expansão dentro do mercado e melhoria de seus compromissos na área de Visão Industrial, processamento de imagens e instrumentação.
2.7Conclusão
Neste capítulo foi realizado um trabalho de revisão bibliográfica enfatizando artigos técnicos direcionados a aplicações de Visão Industrial. Ao mesmo tempo foi realizado um trabalho de revisão e pesquisa, enfocando os principais softwares e hardwares de Visão Industrial utilizados em aplicações industriais, destacando-se a utilização do MATLAB e LabVIEW, cujas características são detalhadas nos itens 2.4 e 2.5 desse trabalho.
Para validação experimental optou-se por realizar o desenvolvimento e implementação da aplicação, utilizando a plataforma LabVIEW. Tal escolha deve-se entre outros ao fato de que:
• Os recursos oferecidos atendem amplamente aos requisitos necessários para o desenvolvimento do sistema proposto neste trabalho.
• A interface de aquisição de imagens e a câmera, disponíveis para a utilização no protótipo, são compatíveis com o mencionado software.
• Além de sua flexibilidade, o caráter inteiramente orientado a objeto do código em LabVIEW permite seu reuso sem modificações, contanto que os tipos de dados de entrada e de saída sejam consistentes.
No capítulo seguinte são apresentados conceitos matemáticos básicos utilizados no desenvolvimento deste trabalho relacionados às técnicas de processamento digital de imagens, permitindo assim, a implementação de uma plataforma experimental de validação e testes a ser apresentada nos capítulos subseqüentes desse trabalho.
Capítulo 3
Conceitos Básicos em Processamento Digital de Imagens
Este capítulo tem como objetivo apresentar de forma resumida os principais conceitos relacionados às técnicas de processamento de imagens, abrangendo também conceitos matemáticos utilizados no desenvolvimento deste trabalho. Esses conceitos formarão a base necessária para o leitor compreender a terminologia utilizada nesta tese, e para implementação dos algoritmos utilizados nos próximos capítulos para validação da plataforma experimental implementada nesse trabalho.
3.1Elementos da Imagem Digital
De acordo com IMAQ (2004), imagem é uma função de intensidade de luz f(x, y), na qual f é o brilho9 do ponto (x, y), e “x” e “y” representam as coordenadas espaciais de um elemento de imagem, ou pixel, Figura 3.1.
Elemento de imagem, pixel (aglutinação de Picture e Element), é a menor unidade de uma imagem, a qual armazena valores que representam a intensidade de luz de uma determinada cor num ponto específico, IMAQ (2004). Como a luz é uma forma de energia, f(x, y) deve ser positiva e finita, ou seja, 0 < f(x, y) < ∞.
Figura 3.1- Sistema de Coordenadas usado na Representação de uma Imagem Digital, Gonzalez e Woods (2002).
A natureza básica de f(x, y) pode ser caracterizada pelos componentes de iluminação, (quantidade de luz incidindo na cena sendo observada), e reflectância (quantidade de luz refletida pelos objetos da cena), representados por i(x, y) e r(x, y) respectivamente, conforme Figura 3.2. O produto dessas funções resulta em f(x, y), Gonzales e Woods (2000).
Figura 3.2- Componentes Iluminância (I) e Reflectância (R) de uma Imagem, Marques e Vieira(1999).
A Equação (3.1) indica que a reflectância é limitada entre 0 (absorção total) e 1 (reflectância total). A natureza de i(x, y) é determinada pela fonte de luz, e r(x, y) é determinada pelas características dos objetos na cena, Gonzales e Woods (2000).
. 1 ) , ( 0 ) , ( 0 ) , ( ) , ( ) , ( < < ∞ < < = y x r y x i y x r y x i y x f (3.1)
No processamento digital de imagens, o sensor de imagens converte uma imagem para um número discreto de pixels. O sensor de imagem atribui a cada pixel uma localização numérica e um nível de cinza ou valor de cor que especifica o brilho ou a cor do pixel. Uma imagem em níveis de cinza tem um valor de intensidade a cada ponto, enquanto uma imagem colorida tem três valores associados, um para o vermelho, outro para o verde, e outro para o azul (RGB).
Uma imagem digital é a representação de uma imagem bidimensional, Banon (2000). Ela contém um número fixo de linhas e colunas de pixels, e quanto maior o número de pixels, melhor é a resolução da imagem.
A profundidade (bit depth) de uma imagem é o número de bits usado para codificar o valor de um pixel. Para uma dada profundidade de n, a imagem tem uma definição de 2n, significando que um pixel pode ter 2n diferentes valores. Por exemplo, se n é igual a 8 bits, um pixel pode ter 256 diferentes valores entre 0 e 255. Se n igual a 16 bits, um pixel pode ter 65.536 diferentes valores de 0 a 65.535 ou de -32.768 a 32.767.
O número de planos numa imagem corresponde ao número de matrizes de pixels que compõem a imagem. Uma imagem em níveis de cinza é composta de um plano, enquanto uma imagem colorida é composta de três planos – um para componente vermelho (Red), uma para o verde (Green) e um para o azul (Blue).
