UNIVERSIDAD DEL AZUAY

Facultad De Ciencia Y Tecnología

Ingeniería Electrónica
Sistema Inteligente para Medición de Áreas a través del
Procesado de Imágenes Obtenidas por UAV’s.
ESTUDIANTES: ENRIQUEZ JARAMILLO EDISON FABIAN.
MÉNDEZ ABAD CARLOS ANDRES.
 PROBLEMÁTICA
En la ingeniería civil, ingeniería en minas se utilizan las dimensiones de ciertos espacios para
algunos procesos o cálculos, además considerando que la tele observación por satélite sigue
teniendo grandes limitaciones para el uso en aplicaciones de gestión de terrenos y de
determinar patrones característicos del mismo, debido a que la imágenes capturadas por
satélite son de una calidad muy baja y poseen una gran cantidad de gris, por lo cual se dificulta
realizar una procesado con precisión

2
 OBJETIVOS

Diseñar un algoritmo capaz de dimensionar

espacios en una imagen aérea

Realizar un
Tomar una Desarrollar un Obtener el
estudio del
dimensionamiento
Analizar
estado del arte ortofotografía algoritmo

3
 ESTADO DEL ARTE Y MARCO TEÓRICO

Aerial Target
Detection and Spatial-color
Detección de
Tracking in pixel
Infrared Image
objetos en
classification
A Case Study UAV I.A.
movimiento a for Urban
Sequences by by spectral
través de la Areas
using Kalman clustering for
Filtering and umbralización Observation
color image
del color
Elliptical segmentation OpenCV
Representation

4
Objetivo Específico Actividad Resultado esperado Supuestos y Riesgos

Revisar documentos,
Realizar un estudio Obtener la mayor cantidad de
sobre proyectos
del estado del arte información.
parecidos
Tomar una Realizar varias imágenes Tener las mejores imágenes para el
ortofotografía aéreas procesado de las mismas. El factor climático afecta..
En la imagen de manera directa a la..
Desarrollar un Clasificar los colores con la mayor investigación, debido a..
seleccionada utilizar el
algoritmo precisión posible. que la lluvia afecta en la..
software diseñado
toma de la ortofotografía,.
Utilizar esta clasificación
Obtener el Obtener las dimensiones de los diferentes el sol y la nubosidad del..
para poder determinar
dimensionamiento espacios localizados en la imagen aérea. cielo modifican la calidad..
las dimensiones.
de la imagen.
Realizar un análisis del
funcionamiento del
Análisis de los Obtener un sofware eficiente y con poco
sofware mediante la
resultados obtenidos tiempo de procesamiento
retroalimentación
obtenida

5
 RECURSOS
Rubro-Denominación Costo USD Justificación ¿para qué?

UAV $3000,00 Para realizar la ortofotografía

Material de oficina $150,00 Impresiones, borradores y varios.

Computador $900,00 Implementación de algoritmos inteligentes.

$4050,00

6
 CRONOGRAMA
Objetivo Específico M1 M2 M3 M4 M5 M6
Realizar un estudio del estado del arte sobre sistemas de
detección de patrones por color
Tomar una ortofotografía de una zona de la ciudad de
cuenca.

Desarrollar un algoritmo capaz de clasificar patrones de

suelo por colores.

Obtener el dimensionamiento del área de suelo dentro de

la imagen.

Análisis de los resultados obtenidos

7
 REFERENCIAS
Alireza, L., & Mohammad Ali, M.-S. (2016). Aerial Target Detection and Tracking in Infrared Image Sequences by using
Morphological Operations,Kalman Filtering and Elliptical Representation. Iranian Conference on Electrical Engineering
(ICEE) ,IEEE, 1841-1847.
Austin, R. (2011). Unmanned Aircraft Systems: UAVS Design, Development and Deployment. Chichester: John Wiley &
Sons Ltd.
Felizardo, L. F., Mota, R. L., Shiguemori, E. H., Neves, M. T., Ramos, A. C., & Mora, F. A. (Diciembre de 2013). Using ANN
and UAV for Terrain Surveillance : A Case Study for Urban Areas Observation. 13th International Conference on Hybrid
Intelligent Systems. 13th International Conference on Hybrid Intelligent Systems. Gammarth,Tunisia:
<10.1109/HIS.2013.6920414>. <hal-01078501>.
Guamán, L., Cordova, C., & Quezada , P. (s.f.). Detección de objetos en movimiento a través de la umbralización del color.
IEEE.
Hébert, P. A., & Macaire, L. (s.f.). Spatial-color pixel classification by spectral clustering for color image segmentation. IEEE.
Nilsson, J. N. (1998). Artificial Intelligence: A New Synthesis. San Francisco: Morgan Kaufmann Publishers.
OpenCV team. (23 de Diciembre de 2017). OpenCV. Obtenido de https://opencv.org/
Tatavarti, A., Papadakis, J., & Willis, A. (s.f.). Towards Real-Time Segmentation of 3D Point Cloud Data into Local Planar
Regions. IEEE.