Dos cámaras equipadas con lentes de visión estereoscópica ayudarán a determinar las alturas y anchuras de los troncos de los árboles para estudiar su evolución en el tiempo. El sistema ha sido diseñado por el equipo de investigadores de la Universidad Complutense de Madrid, en colaboración con el Centro de Investigación Forestal (CIFOR).
“Hemos desarrollado un método que trata de identificar de forma automática, mediante el análisis de imágenes hemisféricas, tanto los troncos de los árboles como sus ramas para determinar la evolución de las especies arbóreas en los entornos forestales” explica Gonzalo Pajares, profesor de la Facultad de Informática de la UCM y coautor de los estudios publicados en Sensors y Expert Systems with Applications.
Según aclara Pajares “estas prácticas de procesamiento de las imágenes están orientadas a la realización de lo que los técnicos en la materia denominan inventarios forestales, cuyo interés estriba en la automatización de los procesos hasta donde sea posible”.
El interés de la investigación viene suscitado a raíz de la colaboración entre la Facultad de Informática de la UCM y el CIFOR, centro perteneciente al Instituto Nacional de Investigación y Tecnología Agraria y Alimentaria (I.N.I.A.). Actualmente las técnicas desarrolladas se están aplicando en un proyecto orientado a la sostenibilidad de los Parques Nacionales subvencionado por el Ministerio de Medio Ambiente, Medio Rural y Marino.
Inspirados en la visión humana
Para desarrollar los nuevos métodos, los científicos han aplicado tanto técnicas basadas en la información del color presente en las imágenes como procedimientos basados en la geometría del sistema de visión estereoscópica formado por las dos cámaras.
Según precisa el profesor Pajares, el sistema se inspira en la visión humana, que también es estereoscópica, con los dos ojos separados también una determinada distancia, lo que nos permite observar la realidad de las escenas en tres dimensiones.
“La identificación de los troncos en las dos imágenes del par estereoscópico se realiza por medio del análisis de color, que permite tanto su identificación directa como indirecta mediante el descarte de otros tipos de texturas tales como suelo, hojas o cielo que carecen de interés para el análisis. Los métodos utilizados se fundamentan en técnicas de aprendizaje automático, que constituyen una parte de la inteligencia artificial”, aclara Pajares.
Más rápido, menos agresivo
Realizada la identificación de los troncos, el objetivo siguiente consiste en, dado un tronco o parte del mismo en una imagen, determinar cuál es su homólogo en la otra imagen del par estereoscópico. Esta tarea que para los humanos resulta extremadamente fácil entraña una enorme dificultad para el sistema artificial, según explica el profesor Pajares.
Gracias a esta identificación mutua, y conocida la geometría de las cámaras, es posible realizar medidas para determinar alturas de los árboles y grosor de los troncos, que permitirán determinar la evolución de los ecosistemas forestales a lo largo de los años, según precisa el profesor Pajares.
Los investigadores son conscientes de que se abre una línea de interés relevante de investigación. Con la introducción de los sistemas automáticos de medida, las tareas que hasta ahora se han venido realizando de forma manual se pueden llevar a cabo más rápidamente con la consiguiente disminución de costes económicos y un mínimo impacto medioambiental, al requerir la presencia de un número muy reducido de personal invadiendo los entornos forestales.
---------------------------------------------------------------------------------------------------------------------------------------
Referencias bibliográficas:
1. P.J. Herrera, G. Pajares, M.Guijarro, J.J. Ruz, J.M. Cruz. A Stereovision Matching Strategy for Images Captured with Fish-Eye Lenses in Forest Environments. Sensors, 11, 1753-1783, 2011.
2. P.J. Herrera, G. Pajares, M.Guijarro, J.J. Ruz, J.M. Cruz. Combining Support Vector Machines and simulated annealing for stereovision matching with fish eye lenses in forest environments. Expert Systems with Applications, 38, 8622-8631, 2011.
El pájaro robótico PigeonBot II, probado con éxito en un túnel de viento y de manera autónoma al aire libre, logra volar de manera similar a estas aves, sin aleta vertical. Sus aplicaciones abren el camino para diseñar aviones más eficientes en combustible.
La Fundación BBVA ha galardonado al informático japonés, de la Universidad Carnegie Mellon (EE UU), por crear los algoritmos que permiten a las máquinas comprender las imágenes y procesar los movimientos. Sus técnicas están presentes en los coches autónomos, los drones y todos los robots con capacidad de visión, como los que se usan en cirugía.
