Investigadores de la Universidad de Sevilla proponen un nuevo método más eficiente para realizar una operación, la Transformada de Fourier, común en el procesamiento de las imágenes que proporcionan las cámaras más avanzadas. El algoritmo evita operaciones innecesarias y puede mejorar los procesos de visión artificial que utilizan vehículos autónomos, drones y robots.
Durante décadas, la visión por computador ha dependido de cámaras que capturan imágenes a una tasa constante. Sin embargo, este enfoque tiene limitaciones, especialmente en escenarios dinámicos donde los movimientos rápidos o cambios abruptos en la iluminación generan desenfoque y pérdida de información. Es aquí donde las cámaras de eventos marcan un cambio de paradigma revolucionario.
Las cámaras de eventos no funcionan como las cámaras tradicionales. En lugar de capturar una secuencia de imágenes a intervalos constantes, estas cámaras neuromórficas registran asíncronamente cambios en la iluminación que ocurren en cada píxel de forma independiente. Por tanto, son dispositivos mucho más eficientes, ya que solo detectan aquellos elementos de la escena en movimiento. Estos innovadores sensores aportan múltiples ventajas (alta resolución temporal, bajo consumo energético, alto rango dinámico, etc.) ideales para aplicaciones en robótica, inteligencia artificial y visión por computador.
Un avance clave: análisis frecuencial de eventos
Aunque el potencial de las cámaras de eventos es innegable, su uso plantea un reto: ¿cómo procesar de manera eficiente y en tiempo real el enorme flujo de datos que generan? Aquí es donde entran en juego métodos como el desarrollado por nuestro grupo de investigación Laboratorio de Robótica GRVC (Robotics, Vision and Control Research Laboratory) de la Universidad de Sevilla: eFFT, un algoritmo para el cálculo eficiente de transformadas de Fourier.
La transformada de Fourier es una herramienta matemática ampliamente utilizada en el ámbito de la visión artificial para analizar imágenes y patrones en el dominio de la frecuencia. El método eFFT permite aplicar todo el análisis frecuencial tradicional a la novedosa tecnología asíncrona basada en eventos, abriendo la puerta a numerosas aplicaciones como seguimiento automático de objetos y reconocimiento de patrones y escenas, así como a técnicas de inteligencia artificial para procesamiento de los eventos. La eFFT es lo suficientemente eficiente como para ejecutarse en dispositivos con recursos computacionales restringidos, como aquellos utilizados a bordo de drones.
El impacto futuro de las cámaras de eventos y la eFFT
El uso de las cámaras de eventos y el método eFFT está abriendo nuevas posibilidades en la robótica y otras disciplinas. Algunos usos serían drones capaces de navegar en ambientes complejos a altas velocidades, vehículos autónomos que operan con precisión en condiciones de poca luminosidad, o robots que ejecutan tareas a velocidades antes impensables. Su capacidad para operar en hardware de bajo coste abre la puerta a aplicaciones en dispositivos portátiles y en tecnologías de bajo consumo. Si te apasiona el futuro de la tecnología, esta es una revolución que no puedes perderte.
Referencia:
Raul Tapia, Jose Ramiro Martinez-de Dios, Anibal Ollero. eFFT: An Event-Based Method for the Efficient Computation of Exact Fourier Transforms. IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 46, no. 12, pp. 9630-9647, 2024, DOI: 10.1109/TPAMI.2024.3422209
Autores del artículo divulgativo:
Raul Tapia, Jose Ramiro Martinez-de Dios y Anibal Ollero
Laboratorio de Robótica GRVC, Universidad de Sevilla
Fuente: Scientias
Artículo bajo licencia Creative Commons – Atribución (CC BY 4.0). Este artículo puede ser reproducido íntegramente siempre y cuando vaya firmado por los autores y se acredite SCIENTIAS como fuente, incluyendo el enlace a nuestra página.