Generalități despre sistemele de vedere artificială

Dintre toate domeniile în care un robot, sau un calculator, poate fi comparat cu performanţele umane, percepţia (şi componenta sa cea mai importantă, văzul) este probabil mai puţin satisfăcătoare prin calitatea rezultatelor. Chiar dacă suntem în stare să construim senzori mult mai sensibili decît organele omeneşti de simţ, nu putem egala resursele computaţionale dedicate de creier acestei activităţi. În mod paradoxal, progresele din CV nu fac decît să sporească admiraţia pentru modul în care creierul uman procesează imaginile, de la fizica formării imaginii, pînă la sistemele de prelucrare şi analiză, precum şi pentru adaptabilitatea remarcabilă, la condiţii de mediu extrem de schimbătoare. Din păcate, foarte multe lucruri ne sunt necunoscute despre felul în care creierul procesează informaţiile vizuale, aşa că nu putem ``copia'' soluţia sa. Datorită vastităţii domeniului, chiar şi o simplă încercare de a enumera temele de cercetare ar fi sortită eşecului. Importanţa percepţiei şi dificultăţile legate de obţinerea unor rezultate semnificative fac ca în fiecare subdomeniu să existe o activitate febrilă ce cercetare şi sumedenie de rezultate. Fiecare metodă propusă în literatură oferă adesea rezultate bune, dar pe o problemă precis delimitată. Limitările provin uneori din modele matematice simplificate al fenomenelor; pentru fiecare metodă putem imagina un context în care nu funcţionează satisfăcător. Robotica este unul din domeniile în care sistemele de viziune sunt foarte des folosite. Un robot care asamblează piese trebuie să le poată identifica; are nevoie deci de mecanisme de percepţie şi de un model despre modul în care îşi formează imaginile, pentru a înţelege ce sunt informaţiile primite. Un robot ce navighează pe un teren unde există iarbă şi stînci trebuie să fie capabil sa distingă între zonele cu iarbă şi obstacole. Tehnica folosită pentru a distinge obiecte se numeşte segmentare de imagine. Roboţii se mişcă într-un spaţiu tridimensional; este deci nevoie de a extrage informaţie tridimensională; în cazul acesta se poate apela la viziunea stereoscopică, care utilizează imagini ale aceeaşi scene luate din puncte diferite. Foarte frecvent roboţii combină mai mulţi senzori pentru a obţine informaţie despre mediul înconjurător, sau ``baleiază'' mediul cu senzorii, culegînd informaţii pe suprafeţe mari. În acest caz, este nevoie ca datele provenite de la dispozitive diferite (fie de la roboţi diferiţi, fie de la acelaşi senzor la momente de timp diferite) să fie aliniate între ele, reconstituind din mozaicul de imagini un model unic al realităţii. Identificarea obiectelor de interes şi clasificarea lor se poate face cu tehnici folosite şi pentru, manipularea şi căutarea de informaţii în baze de date multimedia; vom vedea unele tehnologii din acest domeniu la lucru în acest text. Adesea nu este suficient ca un obiect să poată fi identificat în mod static; robotul trebuie să fie capabil să urmărească obiectul în mişcare (motion tracking). În fine, unii roboţi trebuie să fie educaţi pentru a învăţa ce anume prezintă interes din mediu; putem deci vorbi şi despre învăţare în contextul „computer vision”(C.V.). Este de reţinut faptul că diferitele domenii ale CV sunt întrepătrunse. Un simplu exemplu: pentru a recunoaşte obiecte, este uneori nevoie de a separa obiectul de interes de fundalul imaginii. Dar acest procedeu cade în sfera segmentării imaginilor, şi deci toate problemele şi dificultăţile existente în domeniul segmentării apar în mod indirect în anumite metode de recunoaştere. Deşi nu legate în mod direct de vederea utilizată în domeniul roboticii, aproape toate domeniile de cercetare din CV se dovedesc astfel utile în anumite aplicaţii robotice.

1.1 Formarea imaginilor

În această diviziune a CV intră tot ceea ce are legatură cu procedeele de obţinere a imaginilor. Există trei aspecte principale ale formării imaginilor: geometria, fotometria şi captarea a imaginii.

1.2 Geometria formării imaginii

Geometria formării imaginii descrie modelul procedeului de formare a imaginii în dispozitivul optic utilizat. Modelul cel mai frecvent utilizat este cel al camerei obscure, în care imaginea se formează prin trecerea razelor luminoase printr-un orificiu infinitezimal (``centrul de proiecţie'') şi proiectarea lor pe un plan. Într-un aparat tradiţional, acest plan este un material fotosensibil; în camerele digitale de astăzi planul este compus din elemente electronice sensibile la radiaţia din spectrul de interes (vizibil, infraroşu, etc.). Transformarea geometrică în modelul camerei obscure este intuitivă şi uşor de exprimat matematic; tehnologia este cunoscută din epoca renascentistă şi poartă numele de proiecţia perspectivă. Marea problemă a acestei transformări este însă faptul că relaţia dintre coordonatele punctelor din imagine şi coordonatele tridimensionale ale lumii fotografiate este inerent neliniară. Din această cauză, adesea se foloseşte un alt tip de proiecţie, cea ortografică, în care un obiect în spaţiul 3D este întîi proiectat perpendicular pe planul imaginii, ignorînd profunzimea (adică un punct (x, y, z) în 3 dimensiuni devine un punct (x,y) în planul imaginii). Apoi această proiecţie este redusă la scară, în funcţie de distanţa medie a obiectului faţă de cameră. Modelul acesta, care foloseşte o proiecţie ortografică urmată de o reducere la scară este o aproximare acceptabilă a modelului din perspectivă doar în cazurile în care obiectul este aproape de axa optică a camerei şi relativ mic, în comparaţie cu distanţa dintre obiect şi aparatul optic. O întrebare legitimă este de ce modelul camerei obscure e aproape universal acceptat, dar toate camerele de filmat/fotografiat în uz folosesc de fapt un sistem cu lentile. Iată de ce: pentru a obţine o imagine cît mai clară cu o cameră obscură, orificiul prin care razele de lumină sunt proiectate ar trebui să fie cît mai mic. Pe masură ce orificiul devine mai mic, fenomenul de difracţie devine din ce în ce mai semnificativ, rezultînd într-o imagine neclară. (Pe lîngă asta, energia semnalului optic care trece printr-o găurică mică este foarte redusă.) Scopul lentilelor este de a menţine geometria camerei obscure, în timp ce dimensiunile orificiului sunt suficient de mari ca difracţia să fie nesemnificativă. Lentilele prezintă şi ele o serie întreagă de alte probleme: aberaţii cromatice, radiale, distorsiuni şi alte efecte nedorite, însă constituie un substanţial avantaj faţă de camera obscură.