Escolar Documentos
Profissional Documentos
Cultura Documentos
CENTRO TECNOLGICO
DEPARTEMENTO DE ENGENHARIA MECNICA
VITRIA
2013
VITRIA
2013
COMISSO EXAMINADORA:
_______________________________________
Prof. Dr. Antnio Bento Filho
Universidade Federal do Esprito Santo
Orientador
_______________________________________
Prof. Dr. Carlos Friedrich Loeffler Neto
Universidade Federal do Esprito Santo
Examinador
_______________________________________
Prof. Dr. Fernando Csar Meira Menandro
Universidade Federal do Esprito Santo
Examinador
AGRADECIMENTOS
Agradecemos aos nossos pais, irmos, amigos e mestres por todo apoio nestes anos
de faculdade.
RESUMO
Cada vez mais robs so aplicados na indstria para executar diversos tipos de
tarefas que envolvem na maioria das vezes a identificao de objetos e de suas
posies e orientaes em relao a um referencial de trabalho. Dentro desse escopo,
os sistemas de controle servo visual tem mostrado excelentes resultados. Hoje h a
necessidade de se desenvolver algoritmos que faam melhor uso dos recursos
computacionais disponveis e forneam resultados de maior qualidade. Este projeto
visa desenvolver um algoritmo para a obteno do ngulo de rotao de uma vlvula,
atravs de ferramentas disponveis na plataforma MATLAB, com o objetivo de
realimentar visualmente um manipulador robtico. Alm disso, avaliar parmetros que
influenciam no resultado do algoritmo.
ABSTRACT
Robots are increasingly used in industry to execute different kinds of tasks which
mostly involve the identification of objects and their positions and orientations relative
to a reference work. Within this scope, the visual servo control systems have shown
excellent results. Today there is the need to develop algorithms that make better use
of available computational resources and provide higher quality results. This project
aims to develop an algorithm for obtaining the angle of rotation of a valve through tools
available in MATLAB platform, in order to visually feedback a robotic manipulator.
Moreover, evaluate parameters that influence the results of the algorithm.
LISTA DE FIGURAS
LISTA DE TABELAS
SUMRIO
1 INTRODUO ........................................................................................ 12
1.1 HISTRIA DO CONTROLE SERVO VISUAL ........................................ 12
1.2 SISTEMAS DE CONTROLE SERVO VISUAL ....................................... 13
1.3 TRABALHOS ANTERIORES ................................................................. 14
1.4 OBJETIVOS ........................................................................................... 15
2 CONCEITO DE CONTROLE SERVO VISUAL ....................................... 16
2.1 SISTEMA DE VISO ARTIFICIAL ......................................................... 16
2.1.1 Aquisio ........................................................................................... 17
2.1.2 Pr-processamento ........................................................................... 17
2.1.3 Segmentao ..................................................................................... 19
2.1.4 Extrao de caractersticas .............................................................. 23
2.1.5 Reconhecimento e interpretao ..................................................... 23
2.1.6 Base de dados ................................................................................... 23
2.2 TCNICAS DE CONTROLE DE SERVO VISUAL ................................. 24
2.2.1 Quanto ao arranjo hierrquico ......................................................... 26
2.2.2 Quanto estratgia de controle ....................................................... 27
2.2.3 Quanto a configurao do sistema de cmeras ............................. 27
3 CARACTERISTICAS DE IMAGENS ....................................................... 29
3.1 CARACTERISTICA ................................................................................ 29
3.2 TIPOS DE CARACTERSTICAS ............................................................ 30
3.2.1 Borda (Edges) .................................................................................... 30
3.2.2 Cantos (Corners) / Pontos de interesse .......................................... 31
3.2.3 Regies de interesse (Blobs) ........................................................... 32
3.2.4 Ridges ................................................................................................ 33
3.3 TIPOS DE DETECTORES DE CARACTERSTICAS ............................. 33
3.4 DESCRIO DE CARACTERISTICAS.................................................. 34
4 SISTEMA DE VISO ARTIFICIAL .......................................................... 35
4.1 PROBLEMA E RESULTADOS ............................................................... 35
12
INTRODUO
Cada vez mais robs so aplicados na indstria para executar diversos tipos de
tarefas que envolvem na maioria das vezes a identificao de objetos e de suas
posies e orientaes em relao a um referencial de trabalho. Dentro desse escopo,
os sistemas de controle servo visual tem mostrado excelentes resultados.
Com o aumento da velocidade de processamento e miniaturizao de computadores
nas ltimas dcadas viabilizou-se o uso desses sistemas para uma gama muito maior
de aplicaes, porm hoje h a necessidade de se desenvolver algoritmos que faam
melhor uso desses recursos computacionais disponveis e forneam resultados de
maior qualidade.
Este captulo fornece informaes sobre as dificuldades enfrentadas pelos atuais
robs industriais e como o uso da realimentao atravs dos sensores visuais podem
melhorar o desempenho desses robs. Tambm discute trabalhos anteriores feitos
por outros pesquisadores no campo da servo viso e define os objetivos e o escopo
deste projeto.
13
outras
importantes reas do
14
Um das primeiras referencias de Shirai e Inoue (1973), que descrevem a forma como
um ciclo de realimentao visual pode ser usado para corrigir a posio de um rob
afim de aumentar a preciso em uma tarefa. Em seu trabalho descrito um sistema
que permite ao rob agarrar um prisma quadrado e coloc-lo em uma caixa utilizando
controle servo visual. Foram utilizadas extrao de bordas e ajuste de linhas para
determinar a posio e orientao da caixa, usava uma cmera fixa e o tempo do ciclo
observado foi de 10 segundos.
Hill e Park (1979) descrevem o controle servo visual de um rob utilizando o
processamento de imagens binrias para ganhos de velocidade e confiabilidade,
provendo a posio planar, assim como uma estimativa simples de profundidade
baseada na distncia aparente entre caractersticas conhecidas. Experimentos
tambm foram conduzidos usando uma faixa de luz projetada para determinao de
profundidade mais robustamente, assim como orientao de superfcie. Estes
experimentos demonstraram movimentos visualmente orientados, tanto planares
quando 3D, assim como rastreamento e agarramento de objetos em movimento.
Mquinas visualmente guiadas tem sido construdas para emular as habilidades
humanas no ping pong (ANDERSSON, 1987)(FSSLER; BEYER; WEN, 1990),
balanceamento de pendulo invertido (DICKMANNS; GRAEFE, 1988), e apanhamento
de
objetos
(BUKOWSKI
et
al.,
1991)(BUTTAZZO;
ALLOTTA;
FANIZZA,
1993)(SAKAGUCHI et al., 1993). Existem vrios trabalhos no uso de servo viso para
agarrar alvos mveis. O primeiro trabalho parece ter sido feito no Stanford Research
Institute (SRI) na dcada de setenta (ROSEN, 1976). Recentemente Zhang et al. (
1990) apresentaram um controlador servo visual de rastreamento para que um rob
pegasse itens de uma correia transportadora em movimento rpido (300mm/s). Harrel
et al. (1989) descreve um rob hidrulico para colher frutas.
O uso de servo controle visual em um ambiente de tele robtica tem sido discutido por
Yuan et al. (1990), Papanikolopoulos et al. (1992) e Tendick et al.(1991). Servo viso
15
permite que a tarefa a ser executada seja especificada por um operador humano em
termos da seleo de caractersticas visuais e configuraes desejadas.
Estudos baseados em redes neurais (HASHIMOTO et al., 1989); (KUPERSTEIN,
1988); (MEL, 1990) e algoritmos de aprendizagem de mquinas (MILLER III, 1987)
tambm tem sido utilizados para realizar a coordenao de robs. Uma cmera fixa
observa o objeto e o rob no espao de trabalho e consegue fazer a relao entre os
ngulos de junta e a pose (posio e orientao) 3D do efetuador. Tais sistemas
requerem treinamento, mas eliminam a necessidade de relaes analticas complexas
entre os recursos de imagem e ngulos de junta.
1.4 OBJETIVOS
16
Figura 1: Esquema bsico para um Sistema de Viso Artificial. Fonte: (FILHO; NETO, 1999)
17
2.1.1 Aquisio
acima
descritos,
em
sinais
digitais
reconhecidos
pelo
sistema
2.1.2 Pr-processamento
18
19
Aumento de contraste: tem por objetivo melhorar a qualidade das imagens sob
os critrios subjetivos do olho humano. Esta tcnica consiste numa
transformao do valor de cada pixel, em escala de cinza, com o objetivo de
aumentar a discriminao visual entre os objetos presentes na imagem.
Realiza-se a operao ponto a ponto, independentemente da vizinhana.
2.1.3 Segmentao
20
21
Figura 6: Mean Shift. Imagem (a) original. Imagem (b) com efeito mean-shift aplicado. Fonte:
(BAUERMANN, 2009)
22
Crescimento de regies: Este mtodo assume que uma regio formada por
pixels adjacentes e com algumas caractersticas estatsticas em comum, como
mdia e desvio-padro das intensidades (cores) dos pixels. O procedimento
parte de um conjunto de pontos, chamados de sementes, e, a partir destes
pontos vai agrupando outros pontos utilizando uma vizinhana de influncia,
formando as regies Figura 8. Detalhes importantes desta tcnica so a
definio das sementes, que so pontos por onde o crescimento deve comear,
e a definio de um critrio de parada para o crescimento de regies.
Figura 8: Crescimento de regies. Em (a) pixels adjacentes com alguma caracterstica comum. Em (b)
incio do crescimento. (c) Estado intermedirio do crescimento (d) Estado completo. Fonte:(MELO,
2011)
23
24
(1)
25
Figura 9: Estrutura de controle servo visual direta baseada em posio (PBVS). Fonte: (CORKE,
1996)
Figura 10: Estrutura de controle servo visual direta baseada em imagem (IBVS). Fonte(CORKE, 1996)
Figura 11: Estrutura dinmica de controle servo visual indireta baseada em posio. Fonte: (CORKE,
1996).
26
Figura 12: Estrutura dinmica de controle servo visual indireta baseada em imagem. Fonte: (CORKE,
1996).
27
de
um
modelo
tridimensional
do
objeto
(CHAUMETTE;
O sistema pode ser Monocular (uma cmera), Binocular ou Estreo (duas Cmeras)
ou Redundante (mais de duas cmeras). Alm disso a cmera pode estar fixa em um
ponto ou embarcada no rob, no sendo os dois sistemas excludentes. Quando a
cmera esta embarcada preciso descrever como o movimento do rob afeta a
posio da cmera em relao ao alvo. Este sistema possui uma viso mais precisa
da cena, principalmente para situaes de aproximao, como docking, por exemplo.
28
O sistema com cmera fixa possui uma viso mais global, porm, com menor
preciso. Na figura abaixo tem-se um resumo dessas configuraes.
29
CARACTERISTICAS DE IMAGENS
3.1 CARACTERISTICA
30
Bordas so pontos onde se encontram uma fronteira entre duas regies na imagem,
Figura 14. Em geral uma borda pode ser de uma forma arbitrria e talvez inclua
junes. Na pratica, uma borda normalmente definida como um conjunto de pontos
na imagem. Normalmente os algoritmos costumam colocar alguma restrio nas
propriedades da borda, como uma forma, suavidade e gradiente de valor afim de
aprimorar
resultado
final.
Localmente
bordas
possuem
unidimensional.
uma
estrutura
31
32
33
3.2.4 Ridges
Uma vez que as caractersticas principais so usadas como ponto de partida nos
algoritmos, estes, em geral, oferecem um bom resultado na deteco. A repetibilidade
o fator principal em um detector de caractersticas, ou seja, se a caracterstica
desejada ser detectada, ou no, em duais ou mais imagens diferentes na mesma
cena.
34
DETECTOR
Canny (CANNY, 1986)
Sobel (CHIVAPREECHA; DEJHAN;
PIENVIJARNPONG, 2004)
CLASSE
Bordas
Cantos
Regies
X
X
35
36
4.2 AQUISIO
37
CARACTERSTICA
ESPECIFICAO
Dispositivo de imagem
Zoom ptico
4x; F = 4,7mm
Lente
Lentes Sony
Estabilizador de Imagem
Steady Shot
Tipo de Sensor
Distncia Focal
Dimenses
Temperaturas de operao
Filmagem
38
CARACTERSTICA
Processador
Sistema operacional
ESPECIFICAO
Intel Core i5-2450M CPU @
2.50GHz 2.50GHz
Windows 7 Ultimate 64-bit, x64-based
processor.
Memria
Placa de vdeo
39
4.2.3 Iluminao
40
4.2.4 Resoluo
4.2.5 Fundo
Para avaliar a influncia do fundo nos resultados do algoritmo foram realizados testes
com o fundo normal (complexo) e utilizando um anteparo como fundo branco.
41
42
4.4 INTERPRETAO
O ngulo de rotao da vlvula interpretado como o ngulo entre dois vetores com
origem no centroide da vlvula (informao na base de dados), direo, sentido e
mdulo com relao a um mesmo ponto caracterstico em quadros de imagem
diferentes. O primeiro vetor ( ) obtido no primeiro quadro capturado e o segundo ( )
encontrado nos quadros subsequentes. O ngulo entre os vetores dado pela
expresso:
.
.
(2)
43
Figura 25: Pseudocdigo de interpretao dos pontos caractersticos para obteno do ngulo de
rotao da vlvula.
44
4.6 RASTREAMENTO
45
46
RESULTADOS
O sucesso das tcnicas de controle visual est definido pela sua capacidade de
cumprir integralmente a tarefa para a qual foi planejado. Neste contexto, cada etapa
do processo deve desempenhar seu papel com maior preciso possvel. Para
identificar as fraquezas e virtudes dos sistemas de controle implementados durante
esta pesquisa foram feitos testes de cada uma das etapas envolvida (MUOZ, 2011).
FUNDO
9h
640x480
Complexo
12h
640x480
Complexo
16h
640x480
Complexo
9h
640x480
Branco
12h
640x480
Branco
16h
640x480
Branco
9h
320x240
Branco
12h
320x240
Branco
16h
320x240
Branco
47
TESTE
QUANTIDADE DE PONTOS
Caractersticos
Correlacionados
Inliers
623
438
13
347
391
13
241
45
271
50
34
222
151
22
164
24
16
48
5.3 INTERPRETAO
Esta etapa visa interpretar a posio dos pontos caractersticos no primeiro quadro
capturado, selecionados na etapa de extrao e correlao de caractersticas (4.3) e,
rastreados (4.6) nos quadros subsequentes. A Tabela 6 apresenta os ngulos
encontrados, ao final da aquisio, para cada ponto rastreado.
49
Tabela 6: ngulos finais calculados conforme 4.4 em cada ponto rastreado; coluna TESTE conforme
Tabela 4.
TESTE
PONTOS
1
23,12
0,04
0,04
0,04
0,07
10
40,63 101,75
0,88
0,06
0,07
11,47
10,77
8,22
4,81
64,88
91,95
90,24
88,61
25,70
36,28
74,31
74,31
87,05
92,83
0,58
0,58
Na tabela acima nota-se que os ngulos calculados para cada ponto em um mesmo
teste so discrepantes, isto pode ser verificado na Tabela 7, pelo desvio padro.
Tabela 7: Resultados encontrados pelo algoritmo; coluna TESTE conforme Tabela 4.
DESVIO
TESTE
MDIA
20.82
36.00
101.75
27.99
17.54
51.69
47.54
28.22
75.65
40.42
39.69
94.45
70.53
17.91
91.95
87.13
7.00
93.97
52.26
29.14
89.50
68.39
17.40
94.17
83.74
9.38
96.85
PADRO
MXIMO
50
51
NGULO CALCULADO ()
TESTE
ERRO (%)
Algoritmo
Manualmente
101.75
85.04
19.65
51.69
95.33
45.78
75.65
85.83
11.86
94.45
91.76
2.93
91.95
88.22
4.23
93.97
90.43
3.91
89.50
93.47
4.25
94.17
94.72
0.58
96.85
89.96
7.66
52
CONCLUSO
53
REFERENCIAS
1. ANDERSSON, Russell Lennart. Real time expert system to control a robot pingpong player. 1987.
2. BAUERMANN, Gabriela. Medio de rea foliar. Disponvel em:
<http://www.imagesurvey.com.br/2009/02/tutorial-imagej-medicao-de-areafoliar/>. Acesso em: 28 abr. 2013.
3. BAY, Herbert. Speeded-Up Robust Features (SURF). Computer Vision and
Image Understanding, v. 110, n. 3, p. 346359, jun. 2008.
4. BERNARDES, Mariana Costa. Controle servo-visual para aproximao de
portas por robs mveis equipados com duas cmeras. 2009. Dissertao de
Mestrado Universidade de Braslia, Braslia, 2009.
5. BUKOWSKI, R. et al. Robot hand-eye coordination rapid prototyping
environment. 1991, [S.l: s.n.], 1991.
6. BUTTAZZO, Giorgio C.; ALLOTTA, Benedetto; FANIZZA, Felice P.
Mousebuster: a robot system for catching fast moving objects by vision. 1993,
[S.l: s.n.], 1993. p. 932937.
7. CANNY, John. A computational approach to edge detection. Pattern Analysis
and Machine Intelligence, IEEE Transactions on, n. 6, p. 679698, 1986.
8. CHAUMETTE, F.; HUTCHINSON, S. Visual servo control Part I: Basic
approaches. IEEE Robotics Automation Magazine, v. 13, n. 4, p. 82 90, dez.
2006.
9. CHAUMETTE, FRAN\cCOIS; HUTCHINSON, SETH. Visual servo control. II.
Advanced approaches [Tutorial]. Robotics & Automation Magazine, IEEE, v. 14,
n. 1, p. 109118, 2007.
10. CHIVAPREECHA, Sorawat; DEJHAN, Kobchai; PIENVIJARNPONG,
Chanchai. Hardware Implementation of Sobel-Edge Detection Distributed
Arithmetic Digital Filter. 2004, [S.l: s.n.], 2004. p. 284289.
11. CHONG, MOK HENG. Visual servoing. 2004.
12. CORKE, Peter I. Visual Control of Robots: high-performance visual servoing.
[S.l.]: Research Studies Press Taunton, Somerset, England, 1996.
13. DICKMANNS, Ernst Dieter; GRAEFE, Volker. Applications of dynamic
monocular machine vision. Machine vision and Applications, v. 1, n. 4, p. 241
261, 1988.
54
14. FSSLER, H.; BEYER, Horst A.; WEN, J. A robot ping pong player: optimized
mechanics, high perfromance 3D vision, and intelligent sensor control.
Robotersysteme, v. 6, n. 3, p. 161170, 1990.
15. HA, Jong. Automatic detection of calibration markers on a chessboard. 2007
16. HARRELL, R. C.; SLAUGHTER, D. C.; ADSIT, P. D. A fruit-tracking system for
robotic harvesting. Machine Vision and Applications, v. 2, n. 2, p. 6980, 1989.
17. HARRIS, Chris; STEPHENS, Mike. A combined corner and edge detector.
1988, [S.l: s.n.], 1988. p. 50.
18. HASHIMOTO, Hideki et al. A control scheme of visual servo control of robotic
manipulators using artificial neural network. 1989, [S.l: s.n.], 1989. p. 6869.
19. HILL, J.; PARK, W. T. Real time control of a robot with a mobile camera. In:
INTERNATIONAL SYMPOSIUM ON INDUSTRIAL ROBOTS, 1979,
Washington. Anais... Washington: [s.n.], 1979.
20. KIXOR,
Taylor.
Blob
detection.
Disponvel
em:
<http://www.kixor.net/school/2008spring/comp776/assn1/>. Acesso em: 28
abr. 2013.
21. KUPERSTEIN, Michael. Generalized neural model for adaptive sensory-motor
control of single postures. 1988, [S.l: s.n.], 1988. p. 140144.
22. LINDEBERG, Tony. Scale-space: A framework for handling image structures at
multiple scales. Disponvel em: <http://www.nada.kth.se/~tony/cernreview/cern-html/node17.html>. Acesso em: 28 abr. 2013.
23. MARENGONI, M.; STRINGHINI, S.. Tutorial: Introduo Viso
Computacional usando OpenCV. Revista de Informtica Terica e Aplicada, v.
16, n. 1, p. 125160, 8 mar. 2010.
24. MARQUES FILHO, O.; VIEIRA NETO, Hugo. Processamento digital de
imagens. Rio de Janeiro: BRASPORT, 1999.
25. MATAS, Jir et al. Robust wide-baseline stereo from maximally stable extremal
regions. Image and vision computing, v. 22, n. 10, p. 761767, 2004.
26. MEL, Bartlett W. Connectionist robot motion planning: a neurally-inspired
approach to visually-guided reaching. [S.l.]: Academic Press Professional, Inc.,
1990.
27. MELO, Nat. Abordagens do processo de Segmentao: Limiarizao,
Orientada a Regies e Baseada em Bordas. Disponvel em:
<http://www.dsc.ufcg.edu.br/~pet/jornal/setembro2011/materias/recapitulando.
html>. Acesso em: 29 abr. 2013.
55
56
42. TENDICK, Frank et al. A supervisory telerobotic control system using modelbased vision feedback. 1991, [S.l: s.n.], 1991. p. 22802285.
43. TUYTELAARS, Tinne; MIKOLAJCZYK, Krystian. Local invariant feature
detectors: a survey. Found. Trends. Comput. Graph. Vis., v. 3, n. 3, p. 177280,
jul. 2008.
44. YUAN, Joseph S; MACDONALD, Richard A; KEUNG, Felix HN. Telerobotic
tracker. . [S.l: s.n.]. , jul. 1990
45. ZHANG, D. B.; VAN GOOL, Luc; OOSTERLINCK, Andr. Stochastic predictive
control of robot tracking systems with dynamic visual feedback. 1990, [S.l: s.n.],
1990. p. 610615.
57
APNDICE A - ALGORITMO
58
59
TESTE
CORRELAO
60
TESTE
CORRELAO
61
TESTE
CORRELAO
62
Tabela 10: Pontos Inliers; coluna TESTE conforme Tabela 4. (PARTE 1 1/3)
TESTE
INLIERS
63
Tabela 10: Pontos Inliers; coluna TESTE conforme Tabela 4. (PARTE 1 1/3)
(CONTINUAO 2/3)
TESTE
INLIERS
64
Tabela 10: Pontos Inliers; coluna TESTE conforme Tabela 4. (PARTE 1 1/3) (CONTINUAO
3/3)
TESTE
INLIERS
65
Tabela 11: Pontos rastreados; coluna TESTE conforme Tabela 4. (Parte 1 1/3)
TESTE
PONTOS RASTREADOS
66
Tabela 11: Pontos rastreados; coluna TESTE conforme Tabela 4. (Parte 1 1/3) (CONTINUAO
2/3)
TESTE
PONTOS RASTREADOS
67
Tabela 11: Pontos rastreados; coluna TESTE conforme Tabela 4. (Parte 1 1/3) (CONTINUAO
3/3)
TESTE
PONTOS RASTREADOS
68
Tabela 12: Pontos caractersticos aferidos manualmente no primeiro e ltimo quadros capturados no teste; coluna TESTE conforme
Tabela 4. (PARTE 1 - 1/9)
TESTE
PRIMEIRO QUADRO
LTIMO QUADRO
69
Tabela 12: Pontos caractersticos aferidos manualmente no primeiro e ltimo quadros capturados no teste; coluna TESTE conforme
Tabela 4. (CONTINUAO - 2/9)
TESTE
PRIMEIRO QUADRO
LTIMO QUADRO
70
Tabela 12: Pontos caractersticos aferidos manualmente no primeiro e ltimo quadros capturados no teste; coluna TESTE conforme
Tabela 4. (CONTINUAO - 3/9)
TESTE
PRIMEIRO QUADRO
LTIMO QUADRO
71
Tabela 12: Pontos caractersticos aferidos manualmente no primeiro e ltimo quadros capturados no teste; coluna TESTE conforme
Tabela 4. (CONTINUAO - 4/9)
TESTE
PRIMEIRO QUADRO
LTIMO QUADRO
72
Tabela 12: Pontos caractersticos aferidos manualmente no primeiro e ltimo quadros capturados no teste; coluna TESTE conforme
Tabela 4. (CONTINUAO - 5/9)
TESTE
PRIMEIRO QUADRO
LTIMO QUADRO
73
Tabela 12: Pontos caractersticos aferidos manualmente no primeiro e ltimo quadros capturados no teste; coluna TESTE conforme
Tabela 4. (CONTINUAO - 6/9)
TESTE
PRIMEIRO QUADRO
LTIMO QUADRO
74
Tabela 12: Pontos caractersticos aferidos manualmente no primeiro e ltimo quadros capturados no teste; coluna TESTE conforme
Tabela 4. (CONTINUAO -7/9)
TESTE
PRIMEIRO QUADRO
LTIMO QUADRO
75
Tabela 12: Pontos caractersticos aferidos manualmente no primeiro e ltimo quadros capturados no teste; coluna TESTE conforme
Tabela 4. (CONTINUAO - 8/9)
TESTE
PRIMEIRO QUADRO
LTIMO QUADRO
76
Tabela 12: Pontos caractersticos aferidos manualmente no primeiro e ltimo quadros capturados no teste; coluna TESTE conforme
Tabela 4. (CONTINUAO - 9/9)
TESTE
PRIMEIRO QUADRO
LTIMO QUADRO