|
 Index
História
da
Inteligência Artificial
Inteligência
Artificial
Ciências
Cognitivas
Cibernética
e Robótica
Bibliografia
|
NÍVEIS DE PROCESSAMENTO
Consideradas funções de baixo nível temos
as funções de utilização do sensor e pré-processamento.
Este nível tem a sua origem no processo de aquisição de
imagem, engloba as compensações, como redução de
ruído, e, finalmente, até à extracção das
características da imagem.
Na aquisição da imagem, através da utilização
do sensor, a informação visual é convertida em sinais eléctricos
através de sensores visuais. Estes irão depois compor a imagem
digital. Os aparelhos geralmente utilizados para a visão de robots são
as câmaras que utilizamos quotidianamente. No que se refere ao pré-processamento,
convém referir que apesar de existirem diversos métodos disponíveis
para pré-processar informação de imagens, apenas um pequeno
subconjunto satisfaz totalmente os requisitos em termos de velocidade computacional
e custo de implementação, faculdades essenciais para um sistema
de visão.
Em relação aos processos de nível médio
consideramos aqueles que extraem, que caracterizam e atribuem nomes aos componentes
de uma imagem resultante da visão de nível médio. Em termos
das seis divisões anteriormente referidas (Visão em robots), podemos
considerar a descrição,
o reconhecimento de objectos e a segmentação
como funções de nível médio.
A interpretação
será considerada uma função de nível alto, uma vez
que entendemos por função de nível alto, os processos que
tentam emular a cognição.
No que diz respeito ao nível médio/alto a segmentação
é um processo que segmenta as imagens capturadas nos seus elementos constituintes
ou objectos. Este é, claramente, um dos passos mais importantes do sistema
automático de visão, porque é nesta fase do processamento
que os objectos são extraídos da imagem para o reconhecimento
e análise. Os algoritmos de segmentação são, na
maioria dos casos, baseados em dois princípios: o da descontinuidade
e o da continuidade. Na primeira categoria a principal abordagem é baseada
na detecção das arestas. Em relação à segunda
categoria, a principal abordagem consiste no crescimento de regiões e
em "thresholdings".
Voltar Visão
em Robots
|
