Las cámaras ojo de pez duales compactas existen desde hace casi diez años y ofrecen un campo de visión sin límites a 360 grados. Su resolución, siempre en crecimiento, alcanza hoy hasta 70 millones de píxeles y proporciona un excelente campo de visión a diferentes tipos de robots.
Pero como estas imágenes a 360 grados se proyectan sobre un plano para ser procesadas, inducen numerosas distorsiones, de la misma manera que cuando queremos aplanar un mapa del mundo a partir de un globo terráqueo. El procesamiento de estas distorsiones puede resultar particularmente pesado para aplicaciones en tiempo real.
El corte de la esfera en celdas, así como sus proyecciones en la imagen.
© Antoine André
Unos investigadores del Joint Robotics Laboratory (JRL, AIST/CNRS) y del laboratorio Modelización, información & sistemas (MIS, Universidad de Picardie Jules Verne) han propuesto un nuevo tipo de representación esférica, llamado Uniform spherical mapping of omnidirectional images (UniphorM), donde transforman las imágenes adquiridas hacia un tipo de malla esférica regular de una geometría hasta ahora marginal en el estado del arte.
Así han demostrado que una reducción significativa de la resolución, a menos de 1000 píxeles solamente, permite a un robot estimar su orientación en el espacio y reconocer lugares tan bien como con resoluciones muy superiores, con una complejidad algorítmica y una ocupación de memoria mínimas.
Los científicos han obtenido este resultado aplicando sus cálculos directamente sobre la esfera, subdividiéndola y asignando cada píxel como uno de sus vértices. La esfera se aproxima para ello a un icosaedro, un sólido de veinte caras. Este enfoque ha sido validado en varios tipos de robots. Se cuentan así dos drones aéreos, un hexacóptero y un ala volante, un brazo robótico de seis grados de libertad, y robots móviles.
Estas diferentes máquinas han sido capaces de realizar dos tareas importantes en robótica, que son estimar su orientación en el espacio y reconocer lugares. La primera consiste en realinear sus dos imágenes esféricas para recuperar un conjunto derecho, lo que aquí se ha logrado con un 95 % de éxito. El reconocimiento de lugares consiste en ser capaz de reconocer las imágenes de un recorrido en condiciones diferentes de iluminación, hora, clima... Una tarea en la que el nuevo algoritmo ha resultado ser un 40 % más eficaz que el estado del arte. La baja resolución empleada es además compatible con el respeto de la privacidad, ya que no permite reconocer rostros.
Los investigadores se interesan ahora por una nueva tarea importante en robótica: el servovisual. Se trata de tomar una imagen en una posición deseada, y controlar el movimiento del robot para alcanzar esa posición desde otra.