Reconocimiento de color y posición con un sensor Kinect para aplicación de robótica móvil

Se diseña un sistema de visión artificial para una aplicación de robótica móvil, logrando ensamblar y controlar un robot de prueba capaz de identificar y recoger objetos esféricos de color verde y naranja. En este proyecto se utiliza una tarjeta de desarrollo Raspberry Pi para procesar las imágenes y datos de profundidad adquiridos con un sensor Kinect, y se establece una comunicación serial para transmitir esta información a un microcontrolador ARM Cortex de VEX. En el desarrollo del sistema de visión artificial se compararon tres algoritmos de reconocimiento de bordes: el método de Canny, el método de Sobel y el método Laplaciano, también se compararon tres filtros de color, utilizando los espacios de color HSV, HSL y Lab, se concluyó que los mejores algoritmos con menor tiempo de ejecución para la aplicación robótica fueron el filtro de color en el espacio Lab y el método Laplaciano para el reconocimiento de bordes. El microcontrolador y el sensor Kinect se alimentaron con baterías de niquel e hidruro metálico (Ni-MH) con la respectiva regulación para el sensor Kinect, para alimentar la tarjeta de desarrollo Raspberry Pi, se utilizó una batería de iones de litio (LiPo), de este modo se pudieron transportar todos los componentes dentro del robot de prueba y se controló inalámbricamente mediante una antena VEXnet2.0, obteniendo un robot inalámbrico y autónomo capaz de identificar en un 88.3% de efectividad sus objetivos.Is designed an artificial vision system for a mobile robotics application, being able to assemble and control a test robot capable of identify and collect spherical objects of green and orange color. In this project a Raspberry Pi development board is used to process the images and depth data acquired with a Kinect sensor, and is achieved a serial communication to transmit this information to a VEX ARM Cortex-based microcontroller. In the development of the artificial vision system there were compared three algorithms of edge detection: the Canny's method, the Sobel's method and the Laplacian method, there were also compared three color filters, using the HSV, HSL and Lab color spaces, it was concluded that the best algorithm with the shortest execution time for the robotic application, was the color filter using the Lab space and the Laplacian method for the edge detection. The VEX ARM Cortex-based microcontroller and the Kinect sensor were fed by Nickel-metal hydride batteries (Ni-MH) with the respective regulation for the Kinect sensor, for feeding the Raspberry Pi development board, it was used a lithium ion battery (LiPo), in this way it was able to carry all the components in the test robot and it was wireless controlled using a VEXnet2.0 antenna, obtaining a wireless and an autonomous robot capable to identify with an 88.3% of effectiveness his targets