Sistema de seguimiento de objetos usando OpenCv, ArUco y Filtro de Kalman extendido

Abstract

En este proyecto se presenta el desarrollo y validación experimental de un sistema cuyo objetivo principal es la estimación de posición de un objeto móvil mediante visión, lo que involucra la detección y seguimiento del mismo, garantizando cierta tolerancia a cambios de luminosidad. El equipo que conforma dicho sistema consta de dos cámaras y un marcador. La implementación de este consta de un módulo de localización, un bloque de posicionamiento de cámaras y un módulo estimador (filtro de Kalman). El primero de ellos engloba la detección, el seguimiento del objeto y la redetección en caso de pérdida. El segundo de ellos permite conocer la posición de las distintas cámaras respecto a un sistema de referencia global, dado por un marcador de la librería ArUco. El último bloque, implementa el filtro de Kalman extendido de los datos obtenidos por ambas cámaras, proporcionándonos la posición del objetivo en cada instante de tiempo. El proyecto se ha desarrollado en C++ haciendo uso de las librerías OpenCV y ArUco. Los resultados obtenidos proporcionan la posición del objetivo con una elevada exactitud, con un error inferior a los 3 cm en cada eje del sistema de referencia global.

This project presents the development and experimental validation of a system whose main objective is the estimation of the position of a mobile object through vision, which involves the detection and monitoring of it, guaranteeing a certain tolerance to luminosity changes. The equipment that allow the correct operation is constituted by two cameras and a marker. The implementation of this consists of a location module, a camera positioning block and an estimator module (Extended Kalman filter). The first one includes detection, object tracking and redetection in case of loss. The second one, allows to know the position of the different cameras with respect to a global reference system, given by a marker from the ArUco library. The last block, implements the extended Kalman filter of the data obtained by both cameras, providing the position of the objective. The project has been developed in C ++ using OpenCV and ArUco libraries. The results obtained provide the position of the objective with a high accuracy, with an error of less than 3 cm in each axis of the global reference system.