Anar al contingut (clic a Intro)
UdG Home UdG Home
Tancar
Menú

Mètodes de monitorització remota d'estoc mitjançant sensors de profunditat

Tesi doctoral d'Oriol Vila Clarà: "Methods for remote stock monitoring using depth sensors". Direcció: Dra. Immaculada Boada Oliveras. Departament d'Informàtica, Matemàtica Aplicada i Estadística

Les càmeres RGB-D retornen imatges com una càmera convencional, però a més de la informació de color, també s'obtenen mapes de profunditat on cada valor de píxel representa la distància a un punt de l'escena. Tot i que inicialment van ser concebudes per a aplicacions de videojocs i consum, la seva assequibilitat i extensa documentació les converteixen en una opció adequada per a altres aplicacions de mesura 3D. En aquesta tesi, el nostre interès s'ha centrat en la seva utilització per al control del contingut de les sitges agrícoles, que és fonamental per a la seva bona gestió. Malgrat els seus potencials avantatges, obtenir mesures precises d'ocupació mitjançant l'ús de sensors RGB-D és una tasca complexa i es requereix investigació i desenvolupament addicionals. En aquesta tesi, es consideraran tres àrees principals d'investigació.
• Generalment, els dispositius de mesura poden veure's afectats per la temperatura. Particularitzant en les càmeres RGB-D, el primer objectiu és comprendre aquesta deriva de la temperatura en els sensors de llum estructurada, caracteritzar-la i proposar un model de compensació ràpid i fiable per mitigar els seus efectes en les mesures. Per assolir aquest objectiu, s'ha analitzat el rendiment del sensor en diferents condicions de temperatura i s'ha caracteritzat el model de distorsió com una funció hiperbòlica paraboloide. També s'ha proposat un mètode de compensació que redueix l'error de mesurament als nivells d'altres sensors sense llum estructurada i solucions propietàries. Els bons resultats del mètode s'han demostrat en escenaris reals.
• La posició i l'orientació de la càmera RGB-D dels dispositius instal·lats en sitges agrícoles són crucials per a les estimacions precises del volum. Aquesta informació no sempre està disponible i requereix molt temps per obtenir-la mitjançant inspecció manual. Per abordar aquest problema, s'ha recomanat un mètode que utilitza les propietats del tensor de forma per calcular automàticament l'eix de la sitja i proporcionar un nou sistema de referència des del qual es poden processar fàcilment les dades provinents del sensor. El mètode s'ha implementat i provat tant en sitges sintètics com reals, aconseguint un error mitjà de distància màxim de menys de 6 cm.
• Les càmeres estereoscòpiques actives estan dissenyades habitualment per a aplicacions de curta distància amb requisits de precisió no gaire elevats. No obstant, el rendiment estàndard d'aquestes càmeres tal com ho proporciona el fabricant, pot no satisfer les exigències estrictes de tasques de monitoratge de sitges remots. Especialment en casos on es requereixen mesures de contingut per a sitges molt grans amb expectatives d'alta precisió. Per superar aquesta limitació, s'ha proposat un procés de calibració personalitzat per optimitzar els paràmetres de calibració de les càmeres estereoscòpiques i millorar la precisió
de la profunditat en mesures de llarga distància. El mètode s'ha avaluat en un escenari real, obtenint una reducció mitjana de l'error volumètric relatiu del 8,6% en comparació amb la calibració de fàbrica.
Tots els mètodes presentats s'han integrat en diferents etapes de producció dels serveis de INSYLO SL Amb més de 500 dispositius que utilitzen els algorismes de compensació tèrmica, més de 1000 sensors ajustats mitjançant mètodes automàtics i més de 200 sensors calibrats mitjançant el nou procés. Com a resultat, s'ha aconseguitt un increment substancial de la fiabilitat i la precisió de la xarxa de sensors de INSYLO SL.

Lectura de la tesi: 29/01/2024, Sala d'Actes de l'Escola Politècnica Superior IV (informació extreta de l’Agenda activitats de la web Escola de Doctorat)

Notícies relacionades

Escull quins tipus de galetes acceptes que el web de la Universitat de Girona pugui guardar en el teu navegador.

Les imprescindibles per facilitar la vostra connexió. No hi ha opció d'inhabilitar-les, atès que són les necessàries pel funcionament del lloc web.

Permeten recordar les vostres opcions (per exemple llengua o regió des de la qual accediu), per tal de proporcionar-vos serveis avançats.

Proporcionen informació estadística i permeten millorar els serveis. Utilitzem cookies de Google Analytics que podeu desactivar instal·lant-vos aquest plugin.

Per a oferir continguts publicitaris relacionats amb els interessos de l'usuari, bé directament, bé per mitjà de tercers (“adservers”). Cal activar-les si vols veure els vídeos de Youtube incrustats en el web de la Universitat de Girona.