Inteligencia artificial en el proceso enseñanza y aprendizaje para mediciones físico matemáticas en el posicionamiento de cuerpos

María Belén Terán Herrera, Carlos Alberto Analuiza Lara, Audelia Mariana Escobar Gavilanes, Rosa Elizabeth Miranda Escobar, Raúl Marcelo Naranjo Montaguano, Fénix Yolanda Oñate Quinatoa, Paulina Liliana Ricaurte Morocho, Limber Fabricio Sánchez Rosero, Susana Karina Suárez Ramírez, Wilson Eduardo Toaza Tipantasig

Resumen


El objetivo de la presente investigación en el ámbito educativo de nivel secundario y superior, fue crear un algoritmo que permita el uso de inteligencia artificial para aumentar la distancia entre objetos mediante una cámara Kinect. El proceso de investigación estuvo sostenido por un enfoque positivista de alcance exploratorio – descriptivo, bajo un proceso cuasi experimental, para lo cual se generaron 150 pruebas y 45 ensayos para establecer los resultados, el análisis se generó mediante el software denominado inteligencia artificial para lo cual los localizadores se generaron a través de posicionamientos vectoriales en referencia a la distancia del objeto para el direccionamiento de cada una de las posiciones. Los resultados muestran que el algoritmo se puede utilizar para estimar la distancia entre cuatro objetos, logrando una estimación de distancia del 94,7% en la imagen procesada. Se concluye que la distancia al objeto se puede estimar utilizando una sola cámara con un error medio de 0,97% y una desviación estándar de 0,1% de la distancia. Según los errores obtenidos, el error medio es 1,00% y la desviación estándar es 2,24%. Por lo tanto, se puede concluir que el algoritmo SURF se puede utilizar para la detección de objetos y la estimación de la distancia de los objetos en aplicaciones robóticas. El robot utiliza una sola cámara, lo que ayudará a reducir el costo de fabricación del robot, facilitará la instalación de equipos y reducirá la posibilidad de errores debido a variables externas que interfieren con la imagen capturada.


Palabras clave


Distancia; Posición; Cámara; Vectores.

Texto completo:

PDF HTML XML

Referencias


Akhlaq, M. U., Izhar, U., & Shahbaz, U. (2014). Depth estimation from a single camera image using power fit. In Robotics and Emerging Allied Technologies in Engineering (iCREATE), 2014 International Conference on. IEE, 221-227.

Andrade Moreira, G. A. (2015). Correspondencia multiespectral en el espacio de Hough. GUAYAQUIL – ECUADOR.

Bauer, J., Sünderhauf, N., & Protzel, P. (2007). Comparing several implementations of two recently published feature detectors. In Proc. of the International Conference on Intelligent and Autonomous Systems.

Bay, H., Ess, A., Tuytelaars, T., & Gool, L. V. (2008). SURF: Speeded Up Robust Features. Computer Visión and Image Understanding (CVIU), 110(3), 346-359.

Gamero, M. (2007). Posicionamiento de Robots Basados en Visión. Universidad, Ciencia y Tecnologia,, 11(43), 98-101.

García Barquero, I., Sánchez González, P., Luna Serrano, M., & Gómez Aguilera, E. J. (2012). Comparación de algoritmos detectores de puntos singulares para reconocimiento de objetos en vídeo quirúrgico.

González, G., E. J., Cruz, R., Sergio, R., Durán, G., & Héctor, M. (2001). Aplicación de sensores múltiples para el posicionamiento tridimensional de robots usando visión. Interciencia, 11(26), 541-546.

Hernandéz, E. R. (2001). Desarrollo de un Sistema de Visión para la Localización y Navegación de Robots Humanoides. México.

Hu, S., Wu, N., & Song, H. (2012). Object Tracking Method Based on SURF. Conference on Modelling, Identification and Control, 351-356.

Lee, Y. H., Ahn, H., Cho, H. J., & Lee, J. H. (2015). Object Recognition and Tracking based on Object Feature Extracting., 5(3), 48-57. Journal of Internet Services and Information Security (JISIS), 5(3), 48-57.

Liaquat, S., & Khan, U. S. (2015). Object detection and depth estimation of real world objects using single camera. 2015 Fourth International Conference on (págs. 1-4). IEEE.

Luis, M. A. (2008). Introducción a la Fotografia Científica. Recuperado el 20 de Septiembre de 2016, de http://foto.difo.uah.es/curso/objetivo_e_imagenes.html

Magaña, J., Atoche, J., & Canche, R. (2015). Pruebas del algoritmo surf para la elección de imágenes de referencia. Revista Electrónica de Divulgación de la Investigación, 10.

Minglei, T., & Shudong, C. (Octubre de 2014). Efficient Surf Tracking by Nearest Neighbor Classifier. JOURNAL OF COMPUTERS,, 9(10), 2449-2454.

Mondéjar, G. V. (2016). Contribuciones a la estimaciónn de pose de cámara. Córdoba.

Prietoa, C. E., Febresa, J. E., Cerrolazaa, M., & Miquelarenab, R. (2010). Sistema de Visión Artificial para el Control de Movimiento de un Asistente Robótico Médico. Mecánica Computacional, 29, 6619-6629.

Reza, O., & Farshad, T. (2012). Full Object Boundary Detection By Applying Scale Invariant Features In A Region Merging Segmentation Algorithm. International Journal of Artificial Intelligence & Applications (IJAIA), 3(5), 41-50.

Romero Cortijo, A. M., & Cazorla Quevedo, M. Á. (2009). Comparativa de detectores de características visuales y su aplicación al SLAM. X WORKSHOP DE AGENTES FÍSICOS, 55-62.

Zavala, J. G., Hernández, J. A., & Freyre, J. P. (2012). Implementación de un sistema de visión para control de un brazo robótico. Actas de la II Conferencia de Desarrollo Profesional en Ingeniería Mecatrónica 2012. México.




DOI: https://doi.org/10.23857/pc.v8i9.6096

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';

Bookmark and Share




Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/