El diseño de sistemas de navegación autónomos eficientes para robots móviles o vehículos autónomos es fundamental para realizar las tareas programadas. Básicamente, se utilizan dos tipos de sensores en el seguimiento de vías urbanas: LIDAR y cámaras. Los sensores LIDAR son muy precisos, pero costosos y se necesita trabajo adicional para la comprensión humana de las escenas de nubes de puntos; sin embargo, los seres humanos entienden mejor el contenido visual, lo que debería usarse para desarrollar interfaces humano-robot. En este trabajo, se presenta una herramienta de software de seguimiento de carreteras urbanas basada en visión artificial llamada AutoNavi3AT para robots móviles y vehículos autónomos. El esquema de seguimiento de vías urbanas propuesto en AutoNavi3AT utiliza la estimación del punto de fuga y el seguimiento de imágenes panorámicas para controlar el avance del robot móvil en la vía urbana. Para ello se utilizaron filtros Gabor, crecimiento de regiones y filtros de partículas. Además, los datos de alcance del láser también se emplean para evitar obstáculos locales. Los resultados cuantitativos se lograron utilizando dos tipos de pruebas, una utiliza conjuntos de datos adquiridos en el campus de la Universidad del Valle y pruebas de campo utilizando un robot móvil Pioneer 3AT. Como resultado, se lograron mejoras importantes en la estimación del punto de fuga de 68.26% y 61.46% en promedio, lo cual es útil para robots móviles y vehículos autónomos cuando se desplazan por vías urbanas.

Actualmente, los robots móviles inician a aparecer en lugares públicos. Para realizar estas tareas adecuadamente, los robots móviles deben interactuar con humanos. Este artículo presenta GUI3DXBot, un aplicativo para un robot móvil guía. Este artículo se enfoca en el desarrollo de los diferentes módulos software necesarios para guiar a usuarios en un edificio de oficinas. GUI3DXBot es una aplicación cliente-servidor, donde el lado del servidor se ejecuta en el robot, y el lado del cliente se ejecuta en una tableta de 10 pulgadas Android. El lado servidor de GUI3DXBot está a cargo de la percepción, localización-mapeo y planificación de rutas. El lado cliente de GUI3DXBot implementa la interfaz humano-robot que permite a los usuarios solicitar-cancelar un servicio de guía, mostrar la localización del robot en el mapa, interactuar con los usuarios, y tele-operar el robot en caso de emergencia. Las contribuciones de este artículo son dos: se propone un diseño de módulos software para guiar a usuarios en un edificio de oficinas, y que todo el sistema robótico está bien integrado y completamente probado. GUI3DXBot fue validada usando pruebas de integración y de campo. Las pruebas de campo fueron realizadas en un periodo de 2 semanas, y una encuesta a los usuarios fue llevada a cabo. Los resultados de la encuesta mostraron que los usuarios piensan que GUI3DXBot es amigable e intuitiva, la selección de metas fue fácil, pudieron entender los mensajes de interacción, 90% de los usuarios encontraron útil el ícono del robot sobre el mapa, encontraron útil dibujar la ruta planeada en el mapa, 90% de los usuarios encontraron útil la vista local-global del mapa, y la experiencia de guía fue muy satisfactoria (70%) y satisfactoria (30%).

JMat es una herramienta de cálculo basada en JAVA y EJS (Easy Java Simulations), con un esquema cliente / servidor, soporte multi-usuario y acceso remoto a Matlab. La aplicación está orientada a brindar a los usuarios una interacción con Matlab usando tres interfaces: Consola de Comandos, donde se invocan remotamente comandos de texto compatibles con Matlab. Espacio de Trabajo y Graficación, donde se mantiene un registro automático de las variables de usuario y se grafican individualmente. Funciones deusuario y Transferencia de Archivos, donde el usuario crea sus funciones, envía y recibe datos hacia y desde el servidor. JMat requiere un acceso a Internet, un servidor remoto donde esté instalado Matlab y un cliente (Navegador WEB o aplicación). No se requiere Matlab en el cliente. JMat está siendo usada actualmente en la Universidad del Valle en los cursos de Control Automático de Procesos, Control Inteligente, Redes Neuronales Artificiales, Procesamiento de Señales y Tratamiento Digital de Imágenes como herramienta para el aprendizaje basado en problemas empleando la plataforma de eLearning de la Universidad del Valle.

Actualmente, monitorear las fachadas de los edificios es una tarea que requiere inspecciones extensivas en amplias áreas de trabajo, trabajando en diferentes alturas y condiciones climáticas diversas. Para abordar este reto, este trabajo propone el desarrollo de un software llamado DroneFaçade para manejar el vuelo de un dron, generar una imagen mosaico de una fachada de un edificio y proveer el correspondiente reporte de la misión de inspección. Esto permite un monitoreo continuo y el registro del estado de la fachada a lo largo del tiempo. DroneFaçade fue desarrollado en 4 módulos a saber configuración, ejecución, procesamiento de datos y generación de reportes. El flujo operativo de DroneFaçade incluye 3 fases: primero, el módulo de configuración es usado para introducir los way-points, llenar información de la misión, la planificación de trayectoria y los sensores a usar; segundo, el módulo de ejecución se conecta con el dron, entonces la misión de vuelo puede iniciar, y también la adquisición de datos; finalmente, los módulos de procesamiento de datos y reportes pueden calcular la imagen mosaico usando las imágenes previamente almacenadas en una base de datos SQL, y los usuarios pueden generar un reporte PDF de la misión. Pruebas cuantitativas fueron desarrolladas para medir la precisión de la imagen mosaico de DroneFaçade. Como resultado, la imagen mosaico calculada tiene bajos errores estructurales, preserva la congruencia de fase y la magnitud de los gradientes de la imagen, mantiene alta correlación y una similaridad de apariencia de hasta el 92.6% con respecto a la escena real.

Contexto: Las inspecciones termográficas se utilizan en la actualidad para evaluar la eficiencia energética de equipos eléctricos y estructuras civiles o para detectar fallas en sistemas de enfriamiento y dispositivos eléctricos o electrónicos. Sin embargo, las imágenes térmicas carecen de detalles de textura, lo cual no permite identificar con precisión la geometría de la escena ni los objetos en ella. Método: En este trabajo se describe el desarrollo de la herramienta de software DepTherm, la cual permite realizar calibraciones intrínsecas y extrínsecas entre cámaras infrarrojas y RGBD para fusionar imágenes térmicas, RGB y RGBD, así como para registrar datos térmicos y de profundidad. Funcionalidades adicionales incluyen el manejo de usuarios, una GUI para visualización de los tres tipos de imágenes, el almacenamiento en una base de datos y la generación de reportes. Resultados: Además de las pruebas de integración para validar la funcionalidad de DepTherm, se realizaron dos pruebas cuantitativas para evaluar su precisión. Se encontró un error máximo de reproyección de 1,47±0,64 pixeles, mientras que el registro de un cubo con 11 cm de lado tuvo un error promedio máximo de 4,147 mm. Conclusiones: Las funcionalidades de la herramienta software DepTherm están enfocadas en facilitar las inspecciones termográficas capturando modelos 3D de las escenas con información térmica.