Categorías: Tecnología

Inteligencia artificial brinda claridad a las imágenes borrosas de visión nocturna

Comparta este Artículo en:

El método de imágenes térmicas podría ayudar a los autos autónomos a encontrar su camino en la oscuridad.

Sin duda, ha visto videos de cámaras de visión nocturna, por ejemplo, de un puma paseando por el patio trasero de alguien.

Estas imágenes térmicas suelen ser monocromáticas, granulosas y más o menos oscuras.

Pero una nueva técnica para analizar imágenes térmicas podría cambiar eso, produciendo imágenes casi tan nítidas y claras como las tomadas a la luz del día con cámaras convencionales.

Basado en inteligencia artificial (IA), el enfoque podría, entre otras cosas, ayudar a los autos autónomos a ver mejor por la noche.

La visión por computadora es un lugar común en la tecnología, como las cámaras para selfies con detección de rostros y los autos sin conductor.

Estos dispositivos generalmente emplean cámaras convencionales que capturan la luz ambiental visible reflejada por objetos y otros métodos como radar y lidar, que envían ondas de radio y rayos láser para mapear los alrededores.

Pero ver en la oscuridad puede ser un desafío tanto para las máquinas como para los humanos.

Las cámaras no pueden capturar imágenes bien en la oscuridad, en la que no hay luz reflejada, y el radar y el lidar son propensos a sufrir interferencias.

Esto plantea un desafío para las aplicaciones de alto riesgo, como los automóviles autónomos, donde los errores pueden provocar fallas potencialmente fatales para frenar o reconocer a los peatones.

La termografía, que reconstruye una escena capturando la luz infrarroja radiada por los objetos del entorno, podría ayudar.

Pero ha sido poco explorado como un medio para ayudar a la visión por computadora, dice el especialista en robótica Edward Johns, director del Laboratorio de Aprendizaje de Robots en el Imperial College de Londres, quien no participó en el nuevo estudio.

Una barrera es el hecho de que todos los objetos emiten señales de calor, lo que hace que las imágenes térmicas convencionales se parezcan un poco a intentar fotografiar un paisaje en el que cada brizna de hierba, árbol y guijarro resplandece.

“Mucha señal, así como mucho ruido y desorden, ingresan a la cámara a la vez”, explica Zubin Jacob, ingeniero eléctrico y químico de la Universidad de Purdue.

Esto conduce a un efecto de “fantasma” en el que los objetos tienen una apariencia vaga y de baja resolución y pueden ser difíciles de diferenciar.

Para deshacerse de los fantasmas, Jacob y su equipo recurrieron a la IA, entrenando un programa llamado red neuronal para clasificar la señal infrarroja de una cámara térmica ordinaria para separar la firma de calor característica de un objeto del ruido ambiental que causa el efecto fantasma.

Para hacer esto, entrenaron el algoritmo para reconocer los espectros de emisión únicos de materiales conocidos, como vidrio, madera o tela.

Al identificar estas firmas conocidas dentro de una escena, el algoritmo caracteriza los objetos que observa.

Lo que queda, entonces, son las señales ambientales y el “ruido” que rebotó en esos objetos y en la cámara.

Al trabajar hacia atrás para evaluar cómo se reflejaron y dispersaron las señales de ruido, el algoritmo puede completar la información sobre la textura de cada objeto, proporcionando a la imagen un mayor nivel de detalle.

La imagen procesada muestra claramente objetos y texturas individuales, y puede identificar los materiales de los que están hechos.

Fundamentalmente, el análisis también proporciona información de profundidad o “rango“, datos clave para cualquier tecnología que puedan utilizar los vehículos autónomos.

La tecnología, que el equipo ha denominado detección y alcance asistidos por calor (HADAR), puede generar una imagen con el mismo nivel de detalle y precisión que una cámara convencional lograría a plena luz del día.

Y a diferencia de métodos como el radar y el lidar, que deben emitir señales para recopilar medidas, la tecnología es completamente pasiva.

Esto, dicen los investigadores, será una característica esencial en la futura tecnología de visión artificial, porque con un aumento en la cantidad de automóviles autónomos y tecnología similar, existe el riesgo de que las señales de diferentes vehículos interfieran cada vez más entre sí.

“La noche es cuando la termografía realmente podría sobresalir”, coincide Johns.

Pero agrega que debido a que el método puede determinar de qué están hechos los objetos en una escena, también podría proporcionar información única sobre una escena incluso a la luz del día cuando se combina con técnicas de imagen convencionales.

Pero la nueva tecnología tiene varios obstáculos que superar antes de que se utilice en el mundo real, reconoce Jacob.

Hasta ahora, el equipo lo ha aplicado solo a imágenes fijas, por ejemplo, y se necesita más trabajo para recopilar mediciones más rápido y lidiar con el desenfoque de movimiento.

Pero, en última instancia, esperan que la tecnología pueda tener una amplia gama de aplicaciones, desde hacer que los autos sin conductor sean más seguros hasta ayudar a los biólogos a rastrear la vida silvestre desde lejos.

Fuente: Science

Editor PDM

Entradas recientes

Mano robótica capaz de manipular objetos

Recientemente, Sanctuary AI presentó su mano robótica que ahora es capaz de manipular objetos. (more…)

3 days hace

Robots atraviesan entornos complejos sin sensores adicionales ni entrenamiento previo en terrenos difíciles

Especialistas en robótica de la Universidad de Leeds y el University College de Londres han…

3 days hace

Rompiendo barreras: IA para interpretar el lenguaje de señas americano en tiempo real

El lenguaje de señas es un medio de comunicación sofisticado y vital para las personas…

3 days hace

Dispositivo ayuda a personas con discapacidad visual a realizar tareas de localización tan bien como las personas videntes

Según un nuevo estudio dirigido por el Imperial College, una tecnología de navegación que utiliza…

3 days hace

Google lanza una versión de Gemini 2.0 capaz de razonar

Gemini 2.0 Flash Thinking Experimental es una nueva versión de la IA de Google que…

3 days hace

El siguiente paso de la computación cuántica: un nuevo algoritmo potencia la multitarea

Las computadoras cuánticas difieren fundamentalmente de las clásicas. En lugar de utilizar bits (0 y…

4 days hace
Click to listen highlighted text!