Universitat Jaume I

Departamento de Informática

Tesis Doctoral

Razonamiento Geométrico Basado en

Visión para la Determinación y Ejecución
del Agarre en Robots Manipuladores

Pedro José Sanz Valero

Castellón, 1996

Directores: Ángel Pasqual del Pobil y Ferré & José Manuel Iñesta Quereda
 A Victoria

A Carlos, Marta y Jorge

 RESUMEN
(Consejo de Universidades)

El objetivo central de la tesis aquí presentada ha sido demostrar la viabilidad

de un sistema completo para la determinación y ejecución del agarre en robots
manipuladores mediante razonamiento geométrico basado en visión. Dicho
sistema actúa en un entorno real, demostrando robustez, eficiencia y economía
de medios, haciendo uso del principio "percepción-razonamiento-acción"
inherente a la investigación en el campo de la robótica inteligente.

En síntesis, se presenta un sistema capaz de coordinar una pinza de dedos

plano-paralelos y un sistema de visión con el objetivo de determinar puntos de
agarre, con existencia de rozamiento, bajo condiciones de estabilidad, y la
subsiguiente ejecución del mismo. La elección de puntos de agarre se realiza
mediante una nueva heurística que trata de manejar todo tipo de objetos planos
con centroide exterior o interior, permitiendo agujeros, concavidades, etc. Sólo
se requieren dos características basadas en los momentos, centroide y dirección
del eje principal, obtenidos a partir de una representación del código de cadena
de Freeman del contorno. Los resultados son parámetros visuales
exclusivamente, expresados en coordenadas visuales (píxeles).

Los algoritmos desarrollados se han implementado en un robot manipulador

con 4 GDL y fijando una cámara CCD en su muñeca. El sistema de control
utiliza realimentación visual, consiguiendo incrementar la precisión hasta el
límite del sistema de visión utilizado.
 Resumen Abstract

Se presenta un sistema capaz de A system is presented which

coordinar una pinza de dedos coordinates a parallel-jaw gripper
plano-paralelos y un sistema de and a vision system with the aim of
visión con el objetivo de choosing grasping points taking
determinar puntos de agarre bajo into account stability conditions.
condiciones de estabilidad.
The choice of grasping points is
La elección de puntos de agarre done by a new heuristic approach
se realiza mediante una nueva that tries to manage all kind of
heurística que trata de manejar todo planar parts with or without
tipo de objetos planos con internal centre of gravity, possibly
centroide exterior o interior, containing holes. It needs only two
permitiendo agujeros. Sólo se moment-based features, centroid
requieren dos características and the direction of the main axis,
basadas en los momentos, centroide easily obtained from a Freeman
y dirección del eje principal, chain-code representation of the
obtenidos a partir de una boundary. The results are
representación del código de exclusively visual parameters,
cadena de Freeman del contorno. expressed in visual coordinates
Los resultados son parámetros (pixels).
visuales exclusivamente,
expresados en coordenadas visuales These algorithms have been
(píxeles). implemented in a 4DOF robot
arm with one camera fixed over
Dichos algoritmos se han the hand. Visual feedback was
implementado en un robot used in the control system to
manipulador con 4 GDL y fijando improve precision up to the limits
una cámara CCD en su muñeca. El of the available visual system.
sistema de control utiliza
realimentación visual,
consiguiendo incrementar la
precisión hasta el límite del sistema
de visión utilizado.
 Agradecimientos

Quisiera, en primer lugar, reconocer a mis codirectores: Ángel Pasqual del

Pobil y José Manuel Iñesta la dedicación y aliento prestados en todo momento,
cuya guía constante ha hecho posible que este proyecto llegara a término en un
plazo razonable de tiempo, con garantías de éxito.

Agradecer la "savia nueva" aportada por investigadores de prestigio como

Radu Horaud, Emmanuel Mazer, Kamal Gupta y, sobre todo Juan Manuel
Ahuactzin por su ayuda incondicional en cualquier circunstancia, en el centro
de investigación perteneciente al "Institut National de Recherche en
Informatique et Automatique" (INRIA): LIFIA-IMAG (Grenoble, Francia),
durante una estancia realizada en 1994.

Agradecer así mismo, la colaboración prestada por el Instituto de Robótica

de Valencia, y muy especialmente a Juan de Mata Domingo, quien en todo
momento se brindó a facilitar todos los recursos necesarios para acometer la
implementación final de los algoritmos desarrollados.

A mis antiguos compañeros del grupo de investigación en robótica y visión

del Departamento de Ingeniería de Sistemas y Automática (DISCA),
perteneciente a la Universidad Politécnica de Valencia (UPV), y muy
especialmente a Ángel Rodas con quien inicié mi andadura en el campo del
tratamiento digital de imágenes.

Finalmente, un reconocimiento entrañable a todos mis colegas del

Departamento de Informática por su inestimable apoyo moral y técnico, así
como a las personas de administración y servicios del mismo.

Esta tesis doctoral ha sido desarrollada en el ámbito del Laboratorio de

Robótica Inteligente de la Universidad Jaume-I de Castellón. Este laboratorio
está financiado en parte por los proyectos de investigación de la Comisión
Interministerial de Ciencia y Tecnología (CICYT): TAP92-0391-C02-0 y
TAP95-0710; de la Fundació Caixa-Castelló: B-41-IN, A-36-IN, y P1A94-22; y
de la Generalitat Valenciana: GV-2214/94.

i
 Índice

Capítulo I. Introducción ........................................................................ 1

1.1 Planteamiento del problema: motivación ................................................ 1

1.2 Ubicación en el contexto de la robótica .................................................. 8
1.3 Objetivos de la tesis .............................................................................. 14
1.4 Organización de la tesis ........................................................................ 16

Capítulo II. Antecedentes .....................................................................17

2.1 El agarre y la percepción visual ............................................................ 17

2.1.1 Introducción ................................................................................ 17
2.1.2 Hacia la manipulación inteligente ............................................... 20
2.1.3 Perspectiva actual ........................................................................ 25
2.2 La generación del agarre ....................................................................... 28
2.3 La ejecución del agarre ......................................................................... 30

Capítulo III. Caracterización del Agarre ...........................................35

3.1 Introducción .......................................................................................... 35

3.2 Condiciones iniciales ............................................................................ 37
3.2.1 Herramienta ................................................................................. 37
3.2.2 Sensorización .............................................................................. 38
3.2.3 Universo de trabajo ..................................................................... 42
3.3 Modelo de agarre elegido....................................................................... 44
3.3.1 El contacto entre dos cuerpos ...................................................... 45
3.3.2 Acerca de la estabilidad .............................................................. 52
3.3.3 Configuración del agarre ............................................................. 57
3.4 Conclusiones preliminares ..................................................................... 59

Capítulo IV. Información Visual : Adquisición y Análisis ...............60

4.1 Introducción .......................................................................................... 60

4.2 Adquisición de la imagen ...................................................................... 62
4.2.1 El esquema de iluminación empleado ......................................... 63
4.2.2 Preprocesado ............................................................................... 66
4.3 Segmentación de la imagen ................................................................... 68
4.3.1 Determinación del umbral óptimo .............................................. 69
4.3.2 Obtención de una imagen pseudo-binaria .................................. 70
4.4 Extracción de contornos ........................................................................ 74
4.5 Representación eficiente de los contornos ............................................ 79

ii
 4.5.1 Justificación de la elección del 3-muestreo ................................. 79
4.5.2 Impacto del 3-muestreo en el rendimiento de los algoritmos ..... 84
4.6 Computación eficiente de los momentos .............................................. 85
4.7 Extracción de características basadas en los momentos ....................... 90
4.8 Especificaciones del algoritmo ............................................................. 94
4.9 Conclusiones preliminares .................................................................... 95

Capítulo V. Determinación Automática de Puntos de Agarre .........97

5.1 Introducción .......................................................................................... 97

5.2 Descripción del algoritmo ..................................................................... 98
5.3 El algoritmo a bajo nivel ..................................................................... 100
5.3.1 Obtención de candidatos a puntos de agarre ............................. 100
5.3.2 Mecanismo supervisor .............................................................. 104
[Link] Acerca de la simetría .................................................... 105
[Link] Análisis global vs análisis local .................................... 109
[Link] Umbral de curvatura ..................................................... 118
[Link] Umbral angular ............................................................. 119
[Link] Umbral de distancia ...................................................... 120
[Link] Estrategia adoptada ....................................................... 121
5.3.3 Condiciones de seguridad ......................................................... 126
5.4 Resultados ........................................................................................... 127
5.4.1 Evaluación de la simetría .......................................................... 127
5.4.2 Ejemplos con solución .............................................................. 128
5.4.3 Ejemplos sin solución ............................................................... 132
5.4.4 Invariancia del agarre obtenido ................................................. 138
5.5 Conclusiones preliminares ................................................................... 144

Capítulo VI. La Ejecución del Agarre ..............................................145

6.1 Introducción ........................................................................................ 145

6.2 Estrategia de control empleada ........................................................... 147
6.3 Descripción del sistema ....................................................................... 149
6.3.1 Proceso "off-line" ...................................................................... 152
6.3.2 Proceso "on-line" ...................................................................... 154
6.4 Resultados ........................................................................................... 156
6.5 Conclusiones preliminares ................................................................... 161

Capítulo VII. Conclusiones y Trabajo Futuro .................................162

7.1 Aportaciones del presente trabajo ....................................................... 162

7.2 Líneas de investigación futura ............................................................ 163

Referencias ..........................................................................................166
Apéndices .............................................................................................185

iii
Apéndice A : La función atan2 ................................................................. 185
Apéndice B : La pinza del Robot "UMI RT 100" ..................................... 187
Apéndice C : Una muestra del universo de trabajo ................................... 189
Apéndice D : Acerca de los vectores dinámicos ....................................... 191

iv
 Motivación

La presente tesis doctoral ha sido desarrollada en el ámbito del Laboratorio

de Robótica Inteligente de la Universidad Jaume-I de Castellón. Sus objetivos,
por tanto, se enmarcan dentro de las líneas y proyectos de investigación de este
laboratorio que se ocupan de los diversos aspectos que se refieren al desarrollo
de sistemas dotados de inteligencia robótica.

Brady (Oxford Univ.) define, en 1985, la Robótica inteligente como: "la

conexión inteligente entre percepción y acción"; en 1992 Winston (director del
Laboratorio de Inteligencia Artificial del MIT) cambia su definición de
Inteligencia Artificial (IA) en la última edición de su libro de texto y dice que
es: "el estudio de las computaciones que permiten percibir, razonar y actuar".
Ambas definiciones coinciden en su raíz: asociar la inteligencia a procesos que
incorporan en sus mecanismos la cadena percepción-acción. Dentro de este
esquema general, este trabajo se planteó inicialmente con un objetivo
ambicioso: el desarrollo de un sistema que cubriera las tres partes de la
definición anterior, es decir la percepción visual, el razonamiento geométrico y
la acción de agarre.

Este objetivo inicial se ha satisfecho mediante el trabajo realizado, dentro

naturalmente de los límites que impone el desarrollo de una tesis doctoral.
Resumiendo al máximo se puede decir que el sistema resultante es capaz de
responder a órdenes del tipo "coge ese objeto", de manera que el robot percibe
mediante visión artificial un objeto desconocido cuya posición ignora, analiza
su forma y decide cómo agarrarlo, evaluando y corrigiendo las posiciones de los
contactos de la pinza sobre el contorno del objeto, mediante un mecanismo
supervisor que analiza en tiempo de ejecución las condiciones necesarias para
garantizar la estabilidad de dicho agarre, para finalmente ejecutar la acción de
cogerlo.

Todo ello además, minimizando tanto los costes computacionales como

económicos. La filosofía de trabajo planteada inicialmente fue la de reducir al
mínimo los tiempos de computación, así como el coste de los equipos
utilizados. De esta forma se garantiza la viabilidad de futuras aplicaciones
reales con costes razonables. Esta ha sido una preocupación constante a lo largo
del desarrollo de la tesis cuyos resultados en este sentido han sido más que
satisfactorios: el sistema ofrece unos tiempos de cálculo del orden de 3
segundos usando un PC 486 convencional y un robot de bajo coste. Los
algoritmos desarrollados están, así pues, inducidos por estos requerimientos de
tiempo mínimo, obligando a implantar estrategias de reducción de información
para aliviar la carga de los mismos, en aquellas etapas que lo han permitido,
primando la eficiencia y la robustez sobre cualquier otra consideración.

Teniendo en cuenta además, los objetivos adicionales de preservar las

características de que el sistema sea: completo, es decir, contemple todo el

v
procesamiento de información necesario para incluir la cadena "percepción-
razonamiento-acción", definida anteriormente; trabaje en un entorno real, con
todas las dificultades inherentes al mismo (existencia de ruido, incertidumbre,
etc.); sea robusto en cuanto a su funcionamiento relativo a cambios de
diferentes propiedades en su entorno (pequeños cambios de iluminación,
variabilidad en la forma de los objetos y su localización en la escena, etc.); sea
eficiente, primando las estrategias que mejor se aproximen a las necesidades de
tiempo real del sistema; y finalmente, simple, favoreciendo el principio general
de economía de medios para resolver un problema, tanto a nivel computacional
como económico.

En síntesis, se presenta un sistema capaz de coordinar una pinza de dedos

plano-paralelos y un sistema de visión con el objetivo de determinar puntos de
agarre, con existencia de rozamiento, bajo condiciones de estabilidad, y la
subsiguiente ejecución del mismo. La elección de puntos de agarre se realiza
mediante una nueva heurística que trata de manejar todo tipo de objetos planos
con centroide exterior o interior, permitiendo agujeros, concavidades, etc. Sólo
se requieren dos características basadas en los momentos, centroide y dirección
del eje principal, obtenidos a partir de una representación del código de cadena
de Freeman del contorno. Los resultados son parámetros visuales
exclusivamente, expresados en coordenadas visuales (píxeles).

Cabe destacar, por último, que existen pocos sistemas integrados similares al
presentado en esta tesis que aborden el problema del agarre en todas sus etapas
y, prácticamente ninguno (conocido por el autor de esta tesis) que lo haga con el
principio de economía de medios aquí empleado; ya que la mayoría de los
trabajos de investigación en estos temas ofrecen una visión parcial (sesgada, a
veces) del problema, centrándose, exclusivamente, en un aspecto concreto del
mismo: sea la percepción visual, la caracterización del agarre, el control con
realimentación visual,etc.

vi
 Capítulo I

Introducción
En este capítulo se ofrece una visión global del problema
desarrollado: motivación, contexto, objetivos y organización
general de la tesis.

1.1. Planteamiento del problema: motivación

¿Cuáles son las ventajas y limitaciones asociadas a los sistemas robotizados
dotados de visión en cuanto a tareas de manipulación se refiere?. Durante el curso
89-90, me enfrenté por primera vez a éste problema, mientras realizaba la tesina
del Master de CAD/CAM, en la Célula de Robótica perteneciente al
Departamento de Ingeniería de Sistemas, Computadores y Automática (DISCA),
de la Univ. Politécnica de Valencia [Sanz, 90]. El problema a resolver consistía en
la instalación, puesta a punto y aplicación de un sistema de visión industrial,
integrado en el robot IRB 1000 de ASEA.

En el agarre "ciego" se requiere un conocimiento absoluto previo a la acción,

es decir, se trata de un sistema completamente determinista. El más mínimo error
de posicionamiento, tanto de la pieza como del robot, llevará al fracaso en la
acción del agarre. Por contra, dotando al sistema de una cámara y un software
para el tratamiento de imágenes, se consigue capturar (en tiempo de ejecución) la
localización (posición más orientación) de cualquier objeto presente en el área de
trabajo. En nuestro caso además, el sistema de visión disponía de un sistema de
reconocimiento automático de formas, de tal modo que habiendo almacenado pre-
2 • Introducción

Cámara

(a) (b)

Cinta transportadora
Rampa

Figura 1.1. La alimentación de piezas a partir de una cinta

transportadora se realiza mediante un plano inclinado
(Rampa), que provoca a veces ligeros deslizamientos de (a)
a (b). Esto puede inducir a capturar la imagen en (a) y
disparar la ejecución del agarre hacia una localización
inexistente, puesto que el objeto estará en (b) realmente.

viamente en memoria ciertos descriptores (compacidad, momentos de primer

orden, etc.) asociados a dichas formas, creando una base de modelos, el sistema
era capaz de reconocer los objetos que aparecieran en su área de trabajo, siempre
y cuando correspondieran a alguno de los modelos previamente creados al efecto.
Dichos modelos incorporaban además, información sobre la matriz de agarre
asociada. En teoría, el sistema de visión empleado permitía, para una colección
reducida de objetos fijada de antemano, el agarre y posterior procesado de cada
pieza.

En dicho sistema, el determinismo se restringía al universo de trabajo, pero

podemos hablar ya de una respuesta dinámica y flexible (pseudo-inteligente), ante
un determinado estímulo: la entrada del objeto en la escena. El sistema será capaz
de coger el objeto, con independencia de su localización dentro de la escena, lo
que implica infinitas orientaciones y posiciones posibles (al menos en teoría).
Podemos hablar así de una cierta percepción visual, dotando al robot del sentido
artificial de la visión.

¿Qué limitaciones subsisten en un sistema de visión como el anteriormente

descrito?. En primer lugar, se requiere una fase previa (de entrenamiento), para la
creación de la base de modelos. Esta etapa es bastante laboriosa, pues incluye,
además de la extracción de descriptores asociados a los modelos para el
reconocimiento posterior, el cálculo de la matriz de agarre asociada a los mismos,
lo cual requiere llevar físicamente la garra del robot a una serie de posiciones
preestablecidas en torno al modelo, que facilitan su cálculo de modo automático.

La primera etapa del procesado de imagen será un preprocesado previo

controlado de forma manual por el usuario en cada caso, dirigido a la binarización
de la imagen con el objetivo de extraer los contornos de los objetos del modo más
 Capítulo I • 3

eficiente posible. Este procedimiento requiere la segmentación mediante

umbralización global de la imagen, y la única forma de llevar esto a cabo
garantizando su funcionamiento automático es controlando las condiciones
iniciales de iluminación. Lo más efectivo: una mesa de metacrilato iluminada
interiormente, que ofrece imágenes de los objetos prácticamente binarizados en
tiempo real.

En resumen, se tiene una base de modelos a priori, y cualquier objeto que

aparezca en escena que no se corresponda con ellos será intratable. Por supuesto,
se consideran únicamente escenas estáticas, sin solapamientos ni contacto entre
objetos, etc.

Otro tipo de limitación a tener en cuenta en este sistema proviene de la

ausencia total de realimentación visual en el sistema de control, lo cual se traduce
en que un ligero desplazamiento entre la fase de captura de imagen y la acción
correspondiente podría ser un fracaso, pues la mano del robot se posicionaría en
una localización inexistente del objeto a manipular. Lo que en realidad ocurre es
lo siguiente: el programa de control del manipulador incorpora la información
visual en una estructura de bucle de manera que mientras no se identifique un
determinado objeto de la escena no se abandona dicho bucle y prosigue 1º)
{capturando-localizando-comparando}; pero en cuanto el sistema reconoce al
objeto (identificación satisfactoria con la base de modelos creada previamente), se
abandona dicho bucle y se pasa a 2º) {ejecutar el agarre}, haciendo uso de la
caracterización del mismo incorporada al modelo previamente. La cuestión de qué
ocurre si el objeto se desplaza al salir de 1º) y antes de resolverse 2º) queda
explicada en la figura 1.1.

Hay que hacer notar que los algoritmos subyacentes de procesamiento de

imágenes del sistema de visión comentado, al igual que muchos otros de
incipiente comercialización en el entorno de la robótica industrial, tienen su
inspiración en los desarrollados en Stanford en la década de los setenta, conocidos
como "SRI vision system" [Agin & Duda, 75]. Volveremos a incidir sobre ello en
el apartado 2.1.

¿En qué medida se pueden relajar algunas de las restricciones anteriores?.

Desde mi punto de vista, podemos fijar la atención sobre los siguientes objetivos
alcanzados, en mayor o menor medida, por el presente trabajo:

• Relajamos las condiciones de iluminación. No empleamos iluminación

posterior, sino luz difusa, típica de ambientes interiores, donde pueden
presentarse tanto objetos obscuros sobre fondo claro como al contrario.
Es decir, la hipótesis se relaja a tener imágenes cuya distribución en
niveles de gris sea aproximadamente bimodal.

• Se permite trabajar sobre objetos desconocidos. No nos preocupa la fase

de reconocimiento citada anteriormente. La idea central es poder
controlar el agarre sin conocimiento previo acerca de la geometría del
4 • Introducción

objeto a manipular. Todo lo necesario para dicho agarre será deducido

en tiempo de ejecución, a partir de la forma (contorno) de dicho objeto.

• La respuesta conjunta del sistema de visión y el módulo de

determinación de puntos de agarre (coordenadas en píxeles de los
puntos de agarre del objeto) sirve de entrada a un módulo de control
que, utilizando ésta como realimentación visual, permitirá llevar la
mano del robot al objetivo con muy buena aproximación y sin invertir
esfuerzo en construir modelos cinemáticos precisos, ni laboriosos
calibrados previos. El uso de la realimentación visual en el sistema de
control será la clave para alcanzar dicho objetivo.

En líneas generales, la filosofía de fondo del presente trabajo es la de avanzar

en la integración sensorial con vistas a facilitar el agarre por un manipulador
industrial suficientemente genérico: nos referimos básicamente a los que poseen
una o varias pinzas de dos dedos plano-paralelos, dedicados a tareas de
ensamblado y manipulación en entornos industriales, principalmente. Este
incremento en la flexibilidad de las tareas de manipulación intersecta
directamente con los intereses de los planificadores de ensamblado [Sanz, 94], y
en general con las necesidades de los denominados lenguajes de programación a
nivel tarea1 [Wolter et al., 85].

Siguiendo trabajos previos [Groover & Mikell, 86], podemos decir que el
concepto de robot inteligente incluye la capacidad de recibir instrucciones de alto
nivel expresadas como "comandos" para realizar una tarea general, trasladando
dichas instrucciones a un conjunto de acciones que deben ejecutarse para llevar a
cabo dicha tarea. Será consciente de su entorno y capaz de tomar decisiones
acerca de sus acciones basadas, en parte, en la interpretación de dicho entorno.

Un ejemplo sencillo que pone de manifiesto el significado de lo dicho, puede

observarse en la figura 1.2, donde se representan dos alternativas para programar
una tarea sencilla de coge y deja. La primera, a la izquierda, representa la
programación usual, denominada de "nivel robot", que requiere especificar cada
una de las acciones del mismo (programación explícita), e.g. cada posición
distinta a alcanzar es una acción diferente a tener en cuenta. Si se requiere
encapsular diferentes movimientos en unas pocas acciones, estamos obligados a
integrar información sensorial que permita disparar de forma automática dichas
acciones, en nuestro caso, de manipulación (parte derecha de la figura), lo cual
necesita, además, de una representación del modelo del mundo (programación
orientada al modelo o implícita). El tipo de declaraciones simbólicas:

1Equivalente al niveau objet según [Latombe, 79]. Véase [Koutsou,

81] para un estudio bibliográfico sobre el tema.
 Capítulo I • 5

Y P0

P1 P3

C
2
P4
P2 O1 O2

C X
1

Programación explícita. Programación implícita.

(nivel de manipulador) (nivel tarea)
ir a P1
ir a P2
cerrar pinza coger O1
ir a P1
ir a P3 mover O1,C1 CONTRA O2,C2
ir a P4
abrir pinza dejar O1

Figura 1.2. Adaptada de [Koutsou, 81]. Alternativas en la programación

de una tarea simple de "coge y deja". En la parte izquierda se
observan las instrucciones necesarias para ejecutar la tarea a
nivel de manipulador, orientada a las acciones. En la parte
derecha, su equivalente en versión de nivel tarea, orientada al
objeto (modelo del mundo).

mover objeto 1, característica 1 contra objeto 2, característica 2

donde aparecen relaciones que implican restricciones espaciales (e.g. contra,

coplanar, etc.) es típico de los lenguajes de programación a nivel tarea como
RAPT ([Popplestone et al., 78], [Popplestone et al., 80]) o LM-GEO ([Mazer,
83]), una de cuyas metas es facilitar la especificación de tareas al usuario. La idea
es que a partir de, únicamente, ciertas declaraciones simbólicas que definen unos
estados objetivos se pueda desencadenar automáticamente la correspondiente
secuencia de operaciones a nivel del manipulador [Ambler & Popplestone, 75],
[Lieberman & Wesley, 75], [Lozano-Pérez, 82].
6 • Introducción

Figura 1.3. Adaptada de [Mason & Salisbury, 85]. Alineación de dos

objetos (e.g. una caja y su tapadera).

En relación con los lenguajes de programación de robots y las operaciones

propias de manipulación, existen cinco operaciones básicas generalmente
aceptadas [Mason & Salisbury, 85]:

• mover a (move to). Existen dos versiones, según la mano del

manipulador sostenga o no un objeto. El objetivo de dicha operación será
mover el objeto o el robot desde su posición/orientación actual a la
especificada.

• agarrar (grasp). Objetivo: restringir la posición/orientación del objeto

relativo a la mano al cerrar los dedos (pinzas).

• dejar (ungrasp). Asume que el objeto es sostenido por la mano pero que
la posición del objeto es estable, incluso sin la mano, por tanto, abriendo
la mano el objeto no se moverá.

• mover-hasta-tocar (move-until-touch). El robot mueve la mano en una

dirección establecida hasta que se activan una o más señales provenientes
de sensores de contacto.

• mover-acomodar (compliant-move). El robot ejecuta un movimiento de

acomodación a las restricciones de posición debidas al contacto con un
objeto.
 Capítulo I • 7

Figura 1.4. Adaptada de [Mason & Salisbury, 85]. Paletización de un

bloque.

Las dos últimas operaciones incorporan la posibilidad de existencia de

incertidumbre, a considerar en condiciones reales, mientras que las tres primeras
representan las primitivas básicas de cualquier programa orientado a
manipulación.

Es interesante puntualizar la existencia de ciertas aplicaciones de

manipulación, desarrolladas con pinzas convencionales (dos dedos plano-
paralelos) no dirigidas al agarre propiamente dicho:

• Alineamiento de objetos (object-alignment) [Albus & Evans, 76] (véase

la figura 1.3).

• Empuje (Pushing) [Mason & Salisbury, 85] (véase la figura 1.4).

Normalmente estas operaciones requieren el uso intensivo de sensores de

fuerza para poder resolver las incertidumbres de posicionamiento que se plantean.
Observando las figuras 1.3-4 podemos apreciar la existencia de "paredes" que
ayudan a computar la dinámica de fuerzas resultante necesaria para alcanzar los
objetivos propuestos en cada caso.

La tendencia actual en la programación de robots es la de hacer uso extensivo

de información sensorial. En este sentido podemos decir que estamos asistiendo al
nacimiento de nuevos paradigmas en programación, como el de "la programación
de robots basada en visión" [Inaba & Inoue, 90], con especial interés hacia
aplicaciones de ensamblado [Kuniyoshi & Inoue, 93]. En el apartado 2.1,
volveremos a incidir sobre este aspecto.

La correspondencia directa con nuestro problema: "la planificación del agarre

basado en visión", es clara observando la figura 1.2; es decir, a partir de la
información proporcionada por nuestro sistema de visión podremos disparar la
8 • Introducción

ejecución del agarre, encapsulando en una sola instrucción (e.g. llamada a un

procedimiento) las diferentes posiciones intermedias y el manejo de pinza
necesario.

Finalmente, puntualizar que el presente trabajo representa una aportación

directa al proyecto CICYT: "Movimiento inteligente de un brazo robot con
incertidumbre basado en visión artificial y sensores", del cual forma parte el
doctorando. En dicho trabajo, referente al agarre, podemos establecer dos etapas:
precontacto y contacto. La primera intersecta totalmente con el trabajo aquí
desarrollado, y la segunda, desarrollada por otros miembros del equipo de
investigación [Cervera & del Pobil, 95a], [Cervera & del Pobil, 95b], requiere la
entrada en funcionamiento de un planificador de movimiento fino, el cual utilizará
redes neuronales con realimentación de la información (fuerzas y momentos),
obtenida a través de sensores de fuerza, insertando o extrayendo la herramienta de
sus correspondientes lugares a pesar de la incertidumbre en la posición.

1.2. Ubicación del problema en el contexto de la robótica

Un problema clave en esta tesis será la generación del agarre, el cual representa
un componente básico de un sistema más general, conocido en el campo de la
robótica como "planificador del agarre". Dicho sistema se considera de enorme
complejidad, en tanto en cuanto contiene, a menor escala, toda la problemática
inherente a los sistemas robotizados en su conjunto; es decir, el movimiento
grueso (control de aproximación de la mano en la fase de precontacto),
planificación de trayectorias libres de colisiones (condición de no intersección en
la trayectoria del agarre propiamente dicho), movimiento fino (fase de contacto),
etc.

El problema de la planificación del agarre forma parte de otro mucho más

general: la planificación del ensamblado. En general los trabajos de investigación
desarrollados en dicho campo siguen enfoques que pueden ubicarse en algún
punto del espectro representado en la figura 1.5.

A lo largo de estos últimos años, los investigadores que se han enfrentado a un

problema tan complejo como el de la implantación real de un sistema completo de
planificación de ensamblado, a partir de un manipulador dotado de información
sensorial (táctil, visual, etc.), se han apoyado en uno de los dos enfoques
siguientes [Malcolm, 90]:

• Enfoque clásico (simbólico).

• Enfoque reactivo (reflejo).

 Capítulo I • 9

Comportamiento Intencionado Comportamiento Reactivo

Simbólico Reflejo

Dependiente de la Representación No requiere Representación

Respuesta Lenta Respuesta en Tiempo Real
Inteligencia Alto Nivel (Cognitiva) Inteligencia Bajo Nivel

Velocidad de Respuesta
Capacidad Predictiva
Dependencia de Modelado del Mundo

Figura 1.5. Adaptado de [Arkin & Grupen, 93]. Panorámica general de los
diferentes enfoques seguidos en el desarrollo de sistemas robotizados
(e.g. la planificación de ensamblado).

El primero (clásico) se basa en la estrategia, top-down, de descomposición de

un problema complicado en los subproblemas necesarios para hacerlo abordable
con la tecnología y los conocimientos disponibles. Una vez que estos
subproblemas queden resueltos, el paso siguiente será el de su integración. Este
primer enfoque se relaciona con la parte izquierda de la figura 1.5. Como ejemplo
más representativo podemos citar "HANDEY" (Hand + Eye) [Lozano-Pérez et al.,
87], [Lozano-Pérez et al., 92], desarrollado en el MIT.

Por otra parte, el otro enfoque considerado (reactivo) parte de la estrategia,

bottom-up, en la que inicialmente se toma el sistema completo pero simplificado
(e.g. procesamiento de imágenes 2D en lugar de 3D), de manera que sea
abordable con el conocimiento disponible. Una vez superada esta etapa, o bien se
procede a tratar de incrementar la complejidad hasta alcanzar la asociada con el
dominio del problema original, o bien se supone alcanzado el suficiente grado de
conocimiento para atacarlo directamente con garantías de éxito. Como ejemplo
representativo de este segundo enfoque, relacionado con la parte derecha de la
figura 1.5 (reflejo), tenemos la denominada: "Subsumption Architecture" de
Brooks (MIT) [Brooks, 86].

Los dos enfoques anteriores son análogos a los utilizados en diseño de software
y, como allí, son los polos extremos del espectro de estrategias representado en la
figura 1.5.
10 • Introducción

Descripción completa
(Geométrica y Cinemática)
del Robot y de su entorno
Input Output Programa
+ HANDEY

Especificación del
Ensamblado
Ordenes explícitas
de Movimiento y Agarre
Secuencia de ordenes a Nivel-Tarea
generadas por un usuario
(o Planificador de Ensamblado de IA)

Figura 1.6. Diagrama de bloques del sistema HANDEY, donde se aprecia la

información de entrada y la subsiguiente generación del programa final a
nivel manipulador.

Veamos un poco más detenidamente cada uno de los ejemplos que se acaban
de comentar. "HANDEY" tuvo su origen en un intento de conectar los dos
sistemas siguientes:

• Un sistema de reconocimiento de objetos mediante mapas de

profundidad en escenas tridimensionales [Grimson & Lozano-Pérez, 87],
y

• Un programa de planificación del movimiento [Lozano-Pérez, 87].

Una representación gráfica del modus operandi de este sistema puede verse en
la figura 1.6. El diseño de este planificador es modular, su núcleo lo forman
cuatro planificadores independientes: el de movimiento grueso (gross-motion), el
de agarre (grasp), el de re-agarre (regrasp2) y el de coordinación de múltiples
manipuladores (multi-arm coordinator). Dichos planificadores operan con cinco
clases principales de estructuras de datos: los objetos, el entorno, el robot, el
objetivo y el plan. Donde el objetivo puede venir determinado tanto por un
conjunto de valores del espacio de articulaciones asociado a un manipulador dado,
como por la posición final deseada de un objeto. Por otra parte, un plan describe
los movimientos elementales del manipulador y su pinza producidos por un
planificador para alcanzar el objetivo deseado, el cual también contendrá el estado
del mundo producido como resultado de cada operación. Sobre el problema del
movimiento grueso puede encontrarse un estudio en profundidad en el libro [del
Pobil & Serna, 95].

2 Concepto definido posteriormente en el apartado 3.1

 Capítulo I • 11

Digamos, para finalizar, que este sistema está considerado por muchos
investigadores como el más completo en su género. Sin embargo, requiere de un
conocimiento geométrico completo del entorno en todo momento y, como era de
esperar, sólo es capaz de manipular objetos previamente aproximados o
modelados como poliedros perfectos. Uno de sus puntos débiles es la
especificación del ensamblado, tarea pendiente de resolver, sugiriéndose la
creación de una interfaz con algún planificador convencional de IA. Además, en
lo tocante a la generación del agarre, no tiene en cuenta condiciones de estabilidad
en el mismo, nosotros sí lo haremos.

El siguiente ejemplo a comentar es: "Subsumption Architecture" de Brooks

[Brooks, 86], surgido en relación con el programa de investigación dirigido por
Brooks sobre robots insectoides, desarrollado en el MIT. Dicha arquitectura
representa un buen ejemplo del denominado control reactivo. Aquí la típica
estructura jerárquica de los modelos convencionales, como el descrito
anteriormente, es sustituida por un modelo de capas. Los comportamientos de alto
nivel (capas más externas) subsumen aquellos que representan actividades a bajo
nivel. Está inspirado en la biología; en concreto, a partir de la acción coordinada
de comportamientos, observada en organismos simples como los insectos
(comportamiento insectoide). No se utilizan modelos del mundo y su viabilidad ha
sido probada en diferentes robots del laboratorio de IA en el MIT, inicialmente, y
en otros laboratorios de prestigio, posteriormente. El esquema básico de trabajo de
esta arquitectura puede seguirse en la figura 1.7.

Podemos hablar pues, de la existencia de un paradigma clásico (escuela

jerárquica) versus un paradigma comportamental (escuela reactiva). Siendo los
ejemplos que acabamos de comentar, representativos de cada uno de ellos. Y
como casi siempre en el punto medio está la virtud, habrá que encontrar un
compromiso entre ambos enfoques, de manera que se eviten los defectos de
ambos y se pongan de manifiesto sus virtudes. En el fondo, tanto el control
reactivo como la planificación jerárquica, conforman partes diferentes de un
mismo problema (filosofía híbrida):

• Ejecución del plan control reactivo, y

• Formulación del plan sistemas jerárquicos

Podemos destacar algunas características notables de los planificadores

jerárquicos: poseen una alta dependencia de los modelos del mundo, pueden
integrar directamente conocimiento que los usuarios tienen del mismo y, en
general, facilitan la perspectiva global del problema. Por contra, será
característico de los sistemas reactivos: garantizar robustez en su comportamiento,
el desarrollo modular y el crecimiento incremental, y su predisposición para la
interfaz sensorial. El objetivo de los sistemas híbridos será la ejecución robusta,
mediante comportamientos, de un plan que sea capaz de explotar (sacar partido)
del conocimiento de alto nivel del entorno (mundo) del robot.
12 • Introducción

Interpretación de la escena

Interacción del plan con el mundo

Identificación de objetos de la escena

Sensores Monitoriza cambios Actuadores

Construye mapas

Explora

Evita obstáculos

Figura 1.7. Representación del esquema de trabajo (por capas) de Brooks.

El control reactivo y la planificación jerárquica son completamente

compatibles y existen evidencias psicológicas y neurocientíficas que demuestran
que este enfoque (híbrido) es plausible [Arkin & Grupen, 93]. Esta cuestión ha
sido tema de estudio en un workshop reciente [Musliner, 96].

Un ejemplo de sistema híbrido, de gran influencia en el contexto de

aprendizaje de robots [Van de Velde, 93], lo constituye el sistema "TheoAgent"
desarrollado por Mitchell [Mitchell, 87], cuyas características más destacadas son:

Reacciona cuando puede, planifica cuando debe.

Usa reglas estímulo-respuesta para reaccionar.

El método de elección de reglas es un componente de la planificación.

Capaz de aprender nuevas reglas.

 Capítulo I • 13

Otro ejemplo de sistema híbrido más próximo a nuestros intereses es: "The
SOMASS3 System" [Malcolm, 90]. El dominio de soma en su forma original,
consiste en construir todas las formas irregulares diferentes posibles poniendo
como máximo cuatro cubos juntos, cara con cara. En síntesis la estrategia
utilizada consiste en mantener al planificador del ensamblado operando al mayor
nivel de abstracción posible, para lo cual se descarga del manejo de sensores,
incertidumbres, etc., haciendo que el sistema encargado de la ejecución del plan
sea tan inteligente como sea posible. El planificador sigue el enfoque de los
sistemas simbólicos tradicionales de IA, mientras que la ejecución del ensamblado
se lleva a cabo por un sistema basado en el comportamiento (behaviour-based
system). Veamos algunas definiciones al respecto [Malcolm, 90]:

• Comportamiento (behaviour). Operación o secuencia de operaciones con

un determinado fin. Son modulares y jerárquicos.

• Módulo comportamental (behavioural module). Unidad encapsulada de

cierta combinación de "hardware + software + entorno" que implementa
un comportamiento.

• Operador comportamental (behavioural operator). Función abstracta

necesaria para el manejo a nivel computacional de los módulos
comportamentales. El ejemplo más simple relacionado con dicha
manipulación computacional lo constituyen las llamadas a
procedimientos.

• Sistema basado en el comportamiento (behaviour-based system).

Formado en su totalidad por módulos comportamentales.

• Sistema simbólico (symbolic system). Programa tradicional de IA que

utiliza programación simbólica, i.e. utiliza una representación simbólica
sobre la que razonar, hacer búsquedas, etc. Una característica esencial de
estos sistemas es que poseen una representación general del mundo,
espacio del problema, o similar, y que los procesos pertinentes se
controlan de modo central. A este respecto son la antítesis de los sistemas
basados en el comportamiento.

Con las definiciones introducidas podemos retomar el concepto de sistema

híbrido, surgido de la necesidad de construir un planificador, para abordar la fase
donde se concentra la mayor complejidad lógica del problema, mediante un
sistema simbólico tradicional de IA, dejando la actuación para los sistemas
basados en el comportamiento. Es decir, se requiere que el sistema de ensamblado
(en el ejemplo que nos ocupa) basado en el comportamiento sea susceptible de ser
controlado por un plan de ensamblado. Los únicos términos en los que se
expresará dicho plan será a través de operadores comportamentales.
3 SOMASS = "soma assembly". El dominio de soma es bien conocido en
matemáticas como un puzzle caracterizado por un espacio
de búsqueda combinatoriamente explosivo [Gardner, 61].
14 • Introducción

Algunas características típicas de los sistemas basados en el comportamiento

son:

• Manejan las incertidumbres típicas de la tarea.

• Integración a bajo nivel de la información sensorial y las acciones.

• Se mantienen tan ignorantes del resto del problema como sea posible,
utilizando al mínimo la representación simbólica.

Algunas características típicas de la integración de los módulos

comportamentales en un sistema son:

• Se ejecutan, a veces, en paralelo con otros módulos comportamentales,

salvo que se inhiban entre sí.

• Se prueban sobre sistemas completos operando en entornos reales (por

oposición a los simulados).

Por tanto, de lo dicho hasta ahora se deduce que lo más prometedor parece
estar en el enfoque híbrido, así pues, esto motivará nuestra elección para tratar
nuestro problema: la generación del agarre y su ejecución, de una manera
modular, integrando el sistema final mediante dos módulos independientes: 1)
generación del agarre, y 2) la ejecución del agarre propiamente dicho. 1) sería un
módulo integrado en un planificador del agarre que a su vez formaría parte de un
planificador de ensamblado, el cual trataría todos los aspectos elementales del
mismo y al que, como hemos visto, interesa dotar de una estructura jerárquica,
mientras que a 2) conviene aproximarse mediante un enfoque reactivo. Todo lo
expuesto en este punto representa en esencia el contexto del trabajo aquí
desarrollado, desde una perspectiva global en el campo de la robótica.

1.3. Objetivos de la Tesis

El objetivo central de la tesis aquí presentada es demostrar la viabilidad de un
sistema completo de agarre que, actuando en un entorno real, fuera robusto,
eficiente y simple, en la medida de lo posible.

Para conseguir lo anterior han sido necesarios toda una serie de objetivos
parciales relacionados con las palabras clave (subrayadas) de la definición
anterior:

Completo Se ha llevado a cabo la integración de la cadena "percepción-

razonamiento-acción" [Winston, 93], mediante tres módulos
básicos:
 Capítulo I • 15

Procesamiento Razonamiento Control

+ +
IMAGEN GEOMÉTRICO EJECUCIÓN
{Percibir} {Razonar} {Actuar}

Entorno real No trataremos con objetos poliédricos ni, por supuesto, sintéticos,
etc., nuestro universo de trabajo será el típico de un ambiente
industrial (herramientas, tuercas, tornillos, etc.). Esto conlleva
asumir la existencia de ruido, incertidumbre, etc., (entorno "no
estructurado") a diferencia de los sistemas que trabajan con
simulación (entorno "estructurado").

Robusto El sistema será capaz de funcionar con cierto margen de tolerancia

relativa a variabilidad en la forma de los objetos, iluminación de la
escena, posición de los objetos en la misma, etc.

Eficiente De todas las estrategias posibles en cada paso dado, hemos buscado
la menos "cara", computacionalmente hablando que
simultáneamente fuera robusta para alcanzar el objetivo requerido
en cada caso.

Simple Ha primado en todo la economía de medios, tanto en la

construcción de los algoritmos como en los medios "hardware" y
"software" empleados.

Determinación del Agarre

Extracción de Características
Extracción de Contornos
Segmentación
Adquisición de la Imagen

Cámara
Controlador
del Robot
Manipulador
Escena

Figura 1.8. Adaptada de [Jarvis, 83]. Jerarquía establecida para el

sistema completo de visión de robot planteado en la Tesis.
16 • Introducción

En la figura 1.8 se observa una visión de conjunto (jerárquica) del sistema

completo que se plantea como objetivo, desglosado en los módulos más
relevantes, mostrando la relación directa con el planteamiento expuesto
anteriormente de "percepción-razonamiento-acción".

1.4. Organización de la Tesis

El estado de la investigación sobre el problema que nos ocupa se desarrolla en
el capítulo II, donde se hará especial hincapié en la génesis de la percepción
visual en su intersección con la problemática de la manipulación en el contexto de
la robótica. Se intenta dar una perspectiva, no exhaustiva pero si reveladora, de
cuál ha sido el camino recorrido para llegar al dominio actual de éstas técnicas. En
el capítulo III se abordan todas las hipótesis de partida necesarias para la
caracterización del modelo de agarre elegido, así como su justificación. La
problemática del sistema de visión utilizado, incluyendo todas las etapas
desarrolladas desde la fase de adquisición hasta la extracción final de descriptores,
es tratada en el capítulo IV. El algoritmo de detección automática de puntos de
agarre y cada una de sus etapas elementales que, constituye una etapa
fundamental en este trabajo, se desarrolla en el capítulo V, analizandose los
resultados obtenidos a partir del mismo. La problemática relativa a la ejecución
del agarre se presenta en el capítulo VI, que ha contado con la colaboración del
Instituto de Robótica de Valencia [Sanz et al., 96]. Finalmente, en el capítulo VII
y último se ofrecen, a modo de conclusión, las aportaciones realizadas así como
algunas líneas de interés de futuras investigaciones.
 Capítulo II

Antecedentes
En éste capítulo se pretende dar una breve exposición del
estado actual de investigación referente al tema que nos ocupa,
dando una perspectiva histórica y actual de los trabajos
relacionados con el nuestro.

2.1. El Agarre y la percepción visual

2.1.1. Introducción

Los avances en una ciencia tan pluridisciplinar como la robótica, requieren de

la confluencia de áreas de conocimiento muy diferentes, con orígenes y
motivaciones dispares. De todas las perspectivas posibles, centraremos la nuestra
en la intersección entre el agarre y la percepción visual.

Para facilitar la lectura de lo que sigue, haremos una serie de consideraciones

preliminares:

1ª Denominaremos "mano" (también conocida como: efector final, elemento

terminal, garra, pinza, etc.) a la interfaz del brazo mecánico del robot con su
entorno (todos aquellos objetos que interaccionan con él). Únicamente
estamos interesados en elementos terminales con capacidad de aprehensión
(dirigido a operaciones de ensamblado, fundamentalmente).
18 • Antecedentes

2ª La caracterización del "agarre" estará directamente relacionada con el

diseño de dicha mano y, este diseño, a su vez, estará mediatizado por el tipo
de aplicación a que se destine. Una primera clasificación, en cuanto al
diseño de la mano se refiere, podría ser:

♦ Manos antropomorfas1 (o también: diestras, de múltiples dedos, etc.),

formadas por tres o más dedos poliarticulados, e inspiradas,
habitualmente, en la mano humana.

♦ Manos simples (o también: pinzas, multipinzas, etc.), formadas por

uno o varios pares de dedos plano-paralelos.

3ª Por otra parte, como se ha comentado, el diseño de la mano siempre está

motivado por la tarea a desarrollar. En entornos industriales podemos
considerar dos tipos básicos de objetos a manipular: rígidos y no rígidos
(flexibles). Los primeros son los habituales en la industria de automoción y
afines, plantas embotelladoras, industria azulejera y ensamblados en
general, aquí predomina el uso de la mano simple (pinzas/multipinzas, de
dedos plano-paralelos). Los segundos, menos automatizados que los
anteriores, tienen que ver con la industria textil [Monkman, 95] y
agroalimentaria, fundamentalmente, favoreciendo el uso de elementos
terminales muy diferentes a las pinzas convencionales (desde pernos a
campanas de vacío, pasando por elementos adhesivos, etc.) [Groover &
Mikell, 86].

4ª En el contexto de la robótica existen básicamente dos tipos de información

sensorial:

Propioceptiva. Proveniente de sensores internos al robot. e.g. sensores de

fuerza (en la mano del robot).

Exteroceptiva. Provenientes de sensores externos. Estos se clasifican a su

vez en activos, e.g. sensores táctiles, y pasivos, e.g. visión.

Dejemos a un lado estas primeras consideraciones y remontémonos a uno de

los primeros hitos conocidos en la historia de las manos artificiales. La necesidad,
de suplir un miembro tan valioso como la mano, perdido por accidente, en la
guerra, etc., motivó la creación de dispositivos, de diseño antropomorfo, como el
utilizado con dicho objetivo en 1509 por el caballero von Berlichingen, quien
perdió su mano en una batalla a temprana edad [Childress, 72]. Durante muchos
años este fue el único acicate de los investigadores para mejorar la mano (con
vistas a servir de prótesis). Ya en nuestros días, en la década de los ochenta y con
todo el impulso proveniente de la intersección de dos áreas en auge: la Robótica y

1 De apariencia humana.
 Capítulo II • 19

la Inteligencia Artificial, se diseñan en los laboratorios del JPL2 (Stanford) y del

MIT3 (Massachusetts), ambos en Estados Unidos, las denominadas manos de
Salisbury (o Stanford / JPL hand) [Salisbury & Craig, 82], [Mason & Salisbury,
85]; y de Utah / MIT [Jacobsen et al., 84], respectivamente (véase la figura 2.1).
Estas manos son, sin duda, las más citadas en la bibliografía al respecto y
constituyen referencias obligadas en la investigación del agarre inteligente.

Figura 2.1. Adaptada de [Murray et al., 94]. (Izquierda) mano de Salisbury, con
sus tres dedos característicos. (Derecha) mano de Utah, cuyo diseño de
cuatro dedos es más antropomórfico que el anterior.

Existen trabajos muy recientes que utilizan estas manos antropomorfas,

dotadas de sensores de fuerza, utilizando dicha información propioceptiva
exclusivamente [Huber & Grupen, 94]; o junto con información visual para
mejorar las estrategias de agarre a seguir [Bard et al., 95], [Fuentes et al., 94].

Por otra parte, la evolución de la mano simple (pinza convencional), ha

seguido un camino muy distinto; desde sus comienzos estuvo ligada a las
vicisitudes en el desarrollo de los robots mismos, y al igual que éstos, han
derivado hacia diseños no antropomorfos, adaptados a su entorno de trabajo. Que
nadie espere encontrar en las factorías de automóviles de hoy en día, ninguna
mano diestra (de Salisbury o de Utah) trabajando en una línea de ensamblado o
similar. Hay varias razones para explicar esto: 1º) el coste desorbitado de una de
estas manos, y 2º) lo costoso, a nivel computacional, que resulta su control;

2 JPL Jet Propulsion Laboratory.

3 MIT Massachusetts Institute of Technology
20 • Antecedentes

resumiendo, no existe la suficiente robustez, eficiencia y economía de medios

para su implantación a corto o a medio plazo en un entorno real tan competitivo
como el industrial.

No obstante lo dicho, conviene observar las desventajas de la pinza/multipinza

convencional (de dedos plano-paralelos) frente a la mano antropomorfa [Murray
et al., 94]:

1ª Carencia de destreza. Se pueden alcanzar agarres sólidos (seguros), pero

no está permitida la manipulación del objeto agarrado (sin soltarlo). Esta
es la explicación de porqué la mano antropomorfa se denomina a veces
mano diestra.

2ª Número limitado de agarres posibles. Tareas diferentes exigirán

elementos terminales diferentes.

3ª Movimientos prolongados del brazo. Determinados desplazamientos de

la mano exigen extensos movimientos del brazo robot completo.

4ª Ausencia de control de fuerza fino, salvo raras excepciones.

Tengamos en cuenta que los problemas a superar por la mano diestra retrasarán
su implantación en aplicaciones reales, al menos los años necesarios para lograr el
progreso que requieren los mecanismos de control, fusión de información
sensorial, etc. Pero un robot "inteligente", de propósito general, está abocado a
poseer manos diestras. Los laboratorios de investigación más prestigiosos del
mundo trabajan en ello actualmente.

Hemos dejado claro que el diseño que abre las mayores posibilidades es sin
duda el antropomorfo, pero también somos conscientes de sus limitaciones
actuales. En el lapsus de tiempo intermedio sería aconsejable preparar el terreno
potenciando al máximo las posibilidades de la mano simple (la pinza
convencional), que ya está funcionando desde hace varios años en múltiples
entornos industriales. Y aquí es donde entra en juego la percepción artificial.

2.1.2. Hacia la manipulación inteligente

Investigadores como Dario [Dario, 89] plantearon en su día un dilema que

sigue siendo actual en la automatización industrial de nuestros días: ¿cuándo se
debería incorporar información sensorial a los sistemas robotizados reduciendo,
en consecuencia, el grado de estructuración del entorno de trabajo?, y ¿cuándo se
debería prescindir de dicha información, incrementando la estructuración del
campo de operaciones?.
Dario responde sugiriendo que podemos distinguir dos extremos en el campo
de aplicación o dominio de los robots industriales:
 Capítulo II • 21

A. Tareas cuyas prioridades son: alta velocidad y precisión absoluta en la

posición. Características típicas de las cadenas de producción o
ensamblado a gran escala.

B. Tareas más sofisticadas, necesitadas de información sensorial. Típica de

la producción o ensamblado de pequeños lotes.

En A interesa estructurar al máximo el entorno, evitando el uso de manos

sofisticadas y sensores. Por contra, B justifica el coste adicional que supone el uso
de sensores y la pérdida de estructuración. En conclusión, el uso de sensores
estará justificado en aquellas aplicaciones en las que la calidad prime sobre la
velocidad como único parámetro a contemplar.

Al margen de justificaciones como la anterior para el empleo o no de sensores,

digamos que éstos tienen interés per se, en el sentido de que son ingredientes
intrínsecos del proceso de percepción, siendo ésta la vía obligada para alcanzar la
conexión inteligente entre percepción y acción, que es como se ha definido la
denominada "robótica inteligente" [Brady, 84].

En general, la percepción artificial, según Mackerrow [Mackerrow, 93], intenta

capacitar al robot para realizar tareas complejas, adaptarse a posibles variaciones
de su entorno (ambiente no estructurado) y afrontar situaciones imprevistas. Se
trata de un problema difícil, cuya solución requiere la aportación de diferentes
campos del conocimiento y, en su forma general, exigirá la utilización de
herramientas tecnológicas aún no disponibles.

Para comprender mejor donde residen las dificultades podemos buscar un

paralelismo con la percepción visual humana. Para una revisión bibliográfica
sobre el tema ver el trabajo de Zucker [Zucker, 81]. El mecanismo de percepción
visual humano funciona como una cadena en la cual, a partir de un cierto estímulo
(la luz), capturado por un receptor (la retina), se produce una determinada
respuesta. Dicha respuesta, generalmente, requiere una interpretación previa de la
escena iluminada que provocó el estímulo, y ésta a su vez puede depender del
contexto, de la experiencia cognoscitiva anterior y de los objetivos que se
persigan. Por tanto, la interpretación de una sensación no puede basarse
únicamente en la información contenida en la misma. Requiere la cooperación de
otras fuentes de información (experiencia, contexto, objetivos, etc.).

Llegado este punto interesa recordar algunas reflexiones de Russell [Russell,

48] al hilo de la percepción y el ordenador. Este plantea preguntas como: ¿ podría
un ordenador, con suficiente conocimiento de la estructura de determinado
cerebro, predecir la respuesta muscular a un estímulo dado utilizando las leyes de
la física y la química?; ¿ O la intervención de la mente es un eslabón esencial para
conectar un antecedente físico (el estímulo) con una consecuencia física (un
movimiento corporal)?. La experiencia demuestra que existen reflejos en los que
la respuesta es automática y no controlada por la volición.
22 • Antecedentes

Subyacente en las observaciones de Russell está la idea del movimiento de

acomodación versus el balístico. En el ser humano, el primero hace uso de cierto
mecanismo de realimentación sensorial, mientras que el segundo se relaciona con
los movimientos reflejos. El origen de la traslación de estos conceptos, en especial
el de realimentación, a los sistemas de control de los robots, se debe a Wiener
[Wiener, 48]. La realimentación sensorial en los sistemas robotizados, permite
cerrar el bucle de control, dando lugar a los denominados sistemas
servocontrolados, si la información sensorial utilizada es propioceptiva. Si
además, se utiliza realimentación de información exteroceptiva (e.g. visual o
táctil), se conseguirá una adaptabilidad respecto a la posición y una potencial
capacidad de reacción, logrando que el sistema robotizado sea mucho más
robusto4 e inteligente5.

Figura 2.2. Adaptada de [Murray et al., 94]. Diagrama del homunculus del
córtex motor. Destaca el gran porcentaje del córtex asociado a la
mano completa (hand, little...thumb).

Los movimientos de acomodación en el hombre están relacionados con el uso

de realimentación de la información sensorial (vista, tacto, etc.) para realizar
movimientos precisos y tienen un paralelismo con el llamado movimiento

4 Es decir, menos vulnerable a posibles errores de posicionamiento, derivados del calibrado, modelo

cinemático, etc.
5 Suponiendo que la capacidad de adaptación sea un indicador de un cierto grado de inteligencia.
 Capítulo II • 23

diferencial en robótica, e.g. cuando se utiliza un sistema de visión para

monitorizar la localización del elemento terminal. Para usar dicha información,
debemos de ser capaces de controlar el movimiento diferencial del robot, esta
información estará contenida, habitualmente, en una matriz: el Jacobiano del
manipulador. Los aspectos relacionados con el control se relegan al apartado 2.3 y
al capítulo VI, relacionados ambos con la ejecución del agarre.

Es interesante tomar conciencia de la conexión existente entre la capacidad de

manipular algo por un ser vivo y su grado de inteligencia. Los neurofisiólogos
miden dicho grado en los mamíferos estableciendo una relación entre un área
determinada del cuerpo y el córtex motor en el cerebro. En la figura 2.2, se
representa esta idea a partir del trabajo pionero de [Macmillan, 50], formando el
denominado homunculus. Para seres humanos la mayor fracción del córtex motor
(30-40 %), se dedica al control de las manos, en comparación con el 20-30 % para
la mayoría de monos y menos del 10% para mamíferos como el gato o el perro.
En general las denominadas neurociencias del comportamiento están dando un
gran impulso a la investigación en robótica actualmente, sugiriendo nuevas
estrategias de control o nuevos puntos de vista en los mecanismos de interacción
del robot con el entorno, permitiendo progresar en la implantación de aspectos
básicos asociados con la percepción. Una excelente fuente de información
actualizada al respecto se encuentra en [Churchland & Sejnowski, 92].

No conviene perder de vista a la mayor fuente de modelos existente en el

campo de los robots manipuladores: el ser humano. En concreto, la mano humana
dotada en síntesis de dos funciones [Smith et al., 81]: abrazamiento esférico y
pinza inteligente (véase la figura 2.3), constituye sin duda la herramienta más
perfecta jamás diseñada, a imitar por manos cada vez más antropomorfas, como
hemos visto anteriormente. En palabras de algunos investigadores en el campo de
la biomecánica de los miembros:

"Mano y cerebro están indisolublemente unidos en el desarrollo de la

capacidad intelectual humana, y esta dependencia del desarrollo
cerebral y del desarrollo evolutivo de la mano, hace que se pueda
considerar ésta como la expresión de la inteligencia" [Smith et al., 81].

Por otro lado, tengamos en cuenta que los huesos y articulaciones de la mano
humana permiten 22 grados de libertad principales [McCloy & Harris, 93], lo cuál
hace que sea impensable el poder construir, sólo desde el punto de vista del
control (dejando de lado otros aspectos), nada parecido con la tecnología
actualmente en uso.
24 • Antecedentes

Figura 2.3. A partir de la radiografía de una mano humana. Se

aprecia la posición de pinza formada por los dedos pulgar e
índice, denominada "pinza inteligente" por los especialistas
en biomecánica de los miembros.

Un dilema interesante en el campo de intersección de la robótica con la

inteligencia artificial (IA), de plena actualidad, es el relacionado con la
simulación versus la implantación real de un sistema robotizado dotado de
sensores. Dreyfus [Dreyfus, 92] plantea la cuestión del papel jugado por el
"cuerpo", como interfaz de un organismo con su entorno, en el denominado
comportamiento inteligente. La cuestión que subyace es: ¿se puede simular
completamente el comportamiento de un robot en interacción sensorial con su
entorno?. El asunto está en que en IA, problemas como jugar al ajedrez se
resuelven completamente en un ordenador, mientras que, por ejemplo, la
interpretación de escenas reales se resiste a ello. Hoy por hoy, la incertidumbre
asociada con el proceso de percepción (e.g., el ruido inherente a la captura de la
señal por los sensores, etc.) no se puede modelar de forma que sustituya a los
procesos reales de manipulación de la información sensorial. Esta es la razón
fundamental por la que las implantaciones reales en robótica ofrecen una mayor
credibilidad que las simuladas.

En la necesidad de buscar nuevos enfoques que permitan al robot

desenvolverse en entornos no estructurados ha surgido, como expusimos en el
capítulo I, el paradigma comportamental, y en esta línea aparecen aportaciones
muy interesantes, como [Hallam & Hayes, 92] que ofrecen un estudio
comparativo con la idea de incorporar nuevas posibilidades al diseño de los robots
que se aproximen a las capacidades reactivas de los sistemas biológicos.
 Capítulo II • 25

2.1.3. Perspectiva Actual

Si echamos un vistazo a lo hecho en robótica en la línea de investigación

relativa a la problemática del agarre, una referencia obligada será [Pertín-Troccaz,
89]. La cual presenta una extensa revisión bibliográfica sobre grasping.
Puntualicemos que de los 70 trabajos allí referenciados, únicamente tres de ellos
intersectan con la visión y su problemática de procesamiento de imágenes; cuatro
utilizan sensores de rango/profundidad (láser, etc.); y, finalmente, sólo tres de
ellos emplean sensores táctiles. Así pues, únicamente el 10 % de los trabajos
presentan algún tipo de información sensorial. Tengamos en cuenta, además, que
el trabajo más actual de los referenciados data del 87.

Como ejemplo de uno de los trabajos más avanzados de esta etapa de finales de
los ochenta se encuentra el desarrollado por Horn en los laboratorios del MIT
[Horn, 86]. El objetivo fundamental aquí fue relajar las tres condiciones en que
normalmente se basan los sistemas de manipulación con visión, es decir:

1ª Existe un fuerte contraste entre los objetos y el fondo.

2ª Los objetos deben estar separados entre sí.

3ª Los cambios en la localización (posición más orientación) de los objetos

deben confinarse a un plano paralelo al plano de la imagen.

Figura 2.4. Adaptada de [Horn, 86]. Problema clásico de "coge y deja" a partir de
una pila de objetos amontonados (picking parts out of a bin).
26 • Antecedentes

Un detalle de una posible aplicación directa de este trabajo se puede observar

en el ejemplo de la figura 2.4. Aquí se ataca el problema tradicional de "coge y
deja" a partir de una pila de objetos amontonados (picking parts out of a bin).

Un sistema, ya comentado en el capítulo I, que utiliza un modelo para la

geometría de la pinza análogo al nuestro, pero sobre objetos modelados como
poliedros, es HANDEY de [Lozano-Pérez et al., 92]. No trabaja, por tanto, sobre
entornos no estructurados. Una de sus grandes aportaciones la constituyen los
algoritmos denominados de "regrasping", pero sobre todo la capacidad de integrar
en un solo sistema módulos de agarre o de planificación de trayectorias libres de
colisiones, entre otros. Para obtener modelos del entorno combina información
sensorial de una cámara CCD con técnicas de barrido láser, con vistas a obtener
información sobre la profundidad de la escena.

También, en la misma línea que el anterior, iniciado hace ya algunos años pero
en completa actividad, está el proyecto
SHARP, dirigido actualmente por
Christian Laugier, miembro del
INRIA6, en Grenoble (Francia). El
interés inicial de este proyecto se centra
en el desarrollo de técnicas dirigidas a
la programación a nivel tarea y de
autonomía que posibiliten la aplicación
de robots a nuevas tareas, parcialmente
especificadas y no repetitivas. El
esfuerzo principal se dirige a estrategias
de planificación y ejecución de Figura 2.5. Modelado sólido
utilizado en el proyecto
movimientos complejos, manipulación
SHARP para la mano de
diestra y reactividad. En concreto, el Salisbury.
equipo dedicado a la investigación
sobre la planificación del agarre diestro,
se centra en el agarre basado en visión,
utilizando técnicas de estereoscopía,
con mano diestra, la mano de Salisbury
(ver figura 2.5). Una de sus últimas aportaciones [Bard et al., 95] pone de
manifiesto las dificultades extremas en operar con dicha mano en la
implementación final, teniendo que utilizarse de momento una pinza de dos dedos
plano-paralelos convencional. Esto refuerza nuestra opinión, sugerida
anteriormente, de que en el impasse de mejora efectiva sobre el diseño de las
manos diestras, es necesario realizar aportaciones al agarre con la pinza
convencional de dedos plano-paralelos.

Estos dos últimos proyectos comentados (HANDEY y SHARP) ponen de

manifiesto la relación existente entre el esfuerzo por desarrollar un lenguaje
efectivo de programación a nivel tarea y la necesidad a todos los niveles del uso

6 INRIA ≡ Institut National de Recherche en Informatique et Automatique.

 Capítulo II • 27

de percepción sensorial; en concreto: la planificación del agarre basado en visión.

Como ya se comentó en el capítulo I, esto ha derivado en el surgimiento de un
nuevo paradigma en la programación de robots: basada en visión [Inaba & Inoue,
90] (véase la figura 2.6). En este marco de programación, se emplean tanto la
visión humana como la de robot para resolver una tarea. La visión del robot
muestra la imagen del entorno y los objetos que puede reconocer el usuario. La
visión del usuario humano se utiliza para evaluar la habilidad del sistema de
visión del robot y especificar la tarea de acuerdo a las posibilidades del sistema
robotizado. Mediante la interfaz visual de usuario, el usuario puede a su vez
especificar donde debería mirar el robot. Esta arquitectura representa una mejora
significativa en la interfaz hombre-robot, facilitando la integración de
características como visión, manipulación, inteligencia e interfaz de usuario en un
mismo sistema al modo de HANDEY o SHARP, vistos anteriormente.

Una última observación, relativa al impacto del uso de visión en la

programación de robots, deriva del hecho, no ya de que determinados entornos de
programación extiendan sus posibilidades para admitir el empleo de dichos
sistemas (esto es lo habitual), sino que, incluso determinados sistemas de visión
acaban constituyendo el núcleo sobre el cual se construye el lenguaje.

Planificación de la Tarea

Especificación de la Tarea Visión Humana

Interfaz Visual de Usuario

Servidor de Visión

Robot Manipulador

Entorno Real

Figura 2.6. Adaptada de [Inaba & Inoue, 90]. Esquema de bloques básicos
para la programación de robots basada en visión.

Este último es el caso del lenguaje RAIL, desarrollado por la empresa

Automatix Inc. (USA) a partir del sistema de visión AUTOVISION, también de la
misma empresa que deriva de los algoritmos SRI, desarrollados como su nombre
indica en el Stanford Research Institute, a partir de trabajos pioneros en visión
aplicada al campo de la robótica ([Agin & Duda, 75], [Gleason & Agin, 79] y
28 • Antecedentes

[Agin, 80], fundamentalmente). Digamos, por ejemplo, que RAIL posee

capacidad para identificar hasta 45 características visuales diferentes [Mackerrow,
93], estando especialmente preparado para tareas donde intervengan:
manipulación y clasificación de objetos, o la inspección de los mismos. Una
visión actualizada de las características más significativas de los algoritmos SRI,
puede seguirse en [Klafter et al., 89].

2.2. Generación del agarre

Como ya comentamos en el punto 1.2, la problemática del agarre en el
contexto de la robótica se engloba en el problema denominado "planificación del
agarre", el cual se matizará en el capítulo III, pero adelantamos que encierra entre
otros tópicos el de la generación y/o análisis del agarre que nos ocupa, y la
ejecución del mismo, a tratar en el punto siguiente 2.3. La generación del agarre
consiste en determinar el mismo a partir de unos criterios específicos:
preadaptación de la forma del objeto a la pinza y viceversa, estabilidad, etc.

Gran parte de la investigación desarrollada en la determinación del agarre ha

seguido alguno de los enfoques siguientes [Bard et al., 95]:

A1. Basados en aspectos mecánicos del sistema "mano-objeto".

A2. Inspirados en estudios sobre el agarre humano.

Una consecuencia práctica del enfoque A1 ha sido la necesidad de modelos

geométricos precisos (CAD, sintéticos, etc.), y generalmente simples (modelos
poliédricos en 3D o poligonales en 2D), frente a descripciones simbólicas que
combinan información cualitativa (forma global de los objetos, protuberancias,
etc.) con una cierta dosis de información cuantitativa (centro de masas y medidas
globales), para el enfoque A2.

Asociados al primer enfoque A1 existen importantes contribuciones, gran parte

de las cuales se examinarán en el capítulo III. Entre ellas sobresalen las de
Nguyen [Nguyen, 88], quien introduce algoritmos para la construcción del agarre
cumpliendo la denominada clausura de fuerza7 (force-closure), a partir de la
forma de los objetos a manipular (polígonos o poliedros). Un resultado a destacar
será el uso del modelo de rozamiento de Coulomb (representado por un cono)
para la determinación del agarre conocido el coeficiente de rozamiento entre la
pinza del robot y el objeto. El agarre óptimo de un polígono convexo puede
reducirse al caso del triángulo y éste es el caso estudiado en [Markenscoff &
Papadimitriou, 89], pero suponiendo la existencia de una pinza con tres dedos; es

7 Un agarre posee clausura de fuerza si cualquier fuerza y par aplicado externamente al objeto
puede cancelarse por algún conjunto de fuerzas positivas en los dedos de la pinza [Blake, 95].
 Capítulo II • 29

decir, un mínimo de tres dedos son los requeridos para asegurar la clausura de
fuerza en el plano. Para contornos de curvas suaves [Chen & Burdick, 92]
demostraron que dos dedos son suficientes. Otro trabajo interesante es el de
Peshkin [Peshkin & Sanderson, 85], que introduce un algoritmo de coste lineal
para la búsqueda de vértices visibles en un polígono de aplicación directa a la
generación del agarre, supuesta una morfología poligonal. Otros trabajos hacen
referencia al problema del agarre en el plano considerando que no existe
rozamiento [Trinkle et al., 88], o teniendo en cuenta su existencia [Faverjon &
Ponce, 91] y además sobre objetos planos modelados por curvas paramétricas
polinomiales. Por último, destacar la importancia de la estabilidad en relación al
agarre que, desde un punto de vista cinemático, es tratado en diferentes trabajos
[Wolter et al., 85], [Montana, 91].

Por otra parte, en el enfoque A2 las principales aportaciones provienen de

trabajos como [Iberall, 87], [Cutkosky, 89] o [Hershkovitz et al., 95] y, en general
procuran un nivel de razonamiento más abstracto que el anterior.

Los enfoques que acabamos de presentar no hacen mención explícita al uso de

la percepción. Nuestro interés se centra precisamente en la incorporación de la
visión para poder atacar el problema del agarre desde una perspectiva real. El
objetivo final será validar nuestros algoritmos de generación del agarre en un
sistema real que lo integrará como un módulo más del mismo.

Con esta idea en mente podemos hablar de dos enfoques [Sanz et al., 96]:

B1. Sistemas basados en reconocimiento de formas.

B2. Sistemas que no utilizan dichas técnicas (no intentan reconocimiento).

Entre los sistemas que siguen el enfoque B1 está el propuesto por Stansfield
[Stansfield, 88]. En él se utiliza una base de modelos construida previamente,
entre la información asociada al modelo se encuentra la relativa al agarre óptimo
(a definir) en cada caso. Por otra parte, el enfoque B2 no cuenta con información a
priori sobre los modelos y aquí existen, a nivel práctico, dos líneas de ataque del
problema: una B2.1 que utiliza representaciones de los contornos completos de
los objetos [Kamon et al., 96] y otra B2.2 que trabaja sin dicha representación
[Jarvis, 88]:
"Con vistas al agarre de un objeto no es necesario su
reconocimiento previo; sólo se necesita cogerlo" [Stansfield, 91].

Este último enfoque B2.2 es el más indicado, en teoría, para ambientes no

estructurados, donde los objetos pueden aparecer defectuosos, en contacto entre sí
o parcialmente visibles (existe solapamiento) [Jarvis, 88]. Una ventaja de B2.2
sobre B2.1 es un menor coste computacional asociado; sin embargo el enfoque
B2.1 será potencialmente más interesante en general, debido a que la
30 • Antecedentes

representación del objeto deja una vía abierta para el posterior reconocimiento de
supuesto interés en etapas posteriores. Dicho interés radica en la conexión que
habrá de existir entre la tarea que nos ocupa (la generación del agarre) y un
planificador de tareas de alto nivel. Es decir, la generación del agarre constituye
sólo una etapa subsumida en la planificación del agarre que, a su vez forma parte
de planificadores más generales como el de ensamblado, donde será esencial la
interpretación de la escena mediante técnicas de reconocimiento de formas,
indispensable en la fase de modelado del mundo que utiliza como entrada el
planificador para disparar de forma automática las secuencias de ensamblado
programadas.

Nuestro enfoque seguirá esta última tendencia B2.1, siendo el trabajo de

Kamon ([Kamon et al., 94] y [Kamon et al., 96]) el más próximo al nuestro, en
cuanto a la estrategia seguida para la determinación de los puntos de agarre. En
líneas muy generales podemos decir que en este trabajo prevalece el enfoque
comentado anteriormente, inspirado en el agarre humano, teniéndolo en cuenta
para incorporar condiciones de estabilidad en la determinación del agarre.

2.3. Ejecución del agarre

Hemos dejado claro, a partir de lo expuesto en el capítulo anterior, que nuestra
estrategia de agarre requiere dos ingredientes básicos:

(1)Información visual, como entrada a nuestro módulo de control, y

(2)Enfoque reactivo, inspirado en un sistema biológico, para la

construcción de los algoritmos de control.

Esta problemática está directamente relacionada con el denominado: "problema

del control en la coordinación ojo-mano" (véase la figura 2.7). En realidad, el
problema de la coordinación ojo-mano, en general, es una vastísima área de
investigación en robótica, cubriendo diversos aspectos del mismo, desde métodos
de calibrado [Zhuang et al., 95], hasta las estrategias de control propiamente
dichas [Wijesoma et al., 93].

Una revisión sobre todos los aspectos elementales que intervienen en el control
basado en visión de robots manipuladores , puede encontrarse en [Corke, 93].

Puntualicemos que estamos interesados, exclusivamente, en los sistemas de

implantación real, y no en aquéllos que hacen uso de la simulación. Por tanto,
aparecen problemas añadidos: el ruido (inherente a la captura de datos por los
sensores y al propio entorno), y la incertidumbre (debido a imprecisiones en el
modelo cinemático, calibrados previos, etc.).
 Capítulo II • 31

Realimentación Controlador
−
de la + del robot
localización

Localización
de referencia
Cámara

Localización Extracción de
estimada características

Escena

Figura 2.7. Representación gráfica del modelo genérico de control del

manipulador basado en visión: coordinación ojo-mano. Nótese que la
localización estimada puede darse tanto en coordenadas de un
sistema externo (cartesiano) como en coordenadas propias del robot
(espacio visual).

Otra observación a tener en cuenta será la posición de la cámara relativa al

robot manipulador. En principio nosotros disponemos de una sola cámara; por
tanto, las posibilidades son: C1 cámara fija (estática) versus C2 cámara en el
elemento terminal (móvil). En este sentido, existen defensores de las dos
estrategias, por ejemplo en [Wijesoma et al., 93], se defiende C1 diciendo que en
este caso se aúnan los objetivos de capturar información de la escena en conjunto,
y guiar la mano del robot, integrado en su estructura de control. Además, requiere
(según los autores) un menor esfuerzo computacional. Por otro lado, en [Corke,
93], se muestran los beneficios de C2, afirmando que entre éstos se encuentra la
habilidad de evitar oclusiones, resolver ambigüedades e incrementar la precisión.
Es indiscutible que ambos enfoques, C1 y C2, poseen ventajas e inconvenientes, y
una ventaja clara del enfoque C2 será que, hasta el preciso momento del agarre, la
cámara puede obtener información de la escena sin que el manipulador oculte la
misma, parcialmente siquiera, debido a sus desplazamientos, pudiendo alternar,
además, la visión global o de conjunto con la local.

Nosotros trabajaremos con la cámara situada en el elemento terminal, pero

tomando imágenes desde únicamente dos alturas: una máxima, para facilitar el
movimiento de aproximación al objeto de interés a partir de la panorámica de la
32 • Antecedentes

escena completa y una media, que iterativamente (máximo tres iteraciones)

posicionará la mano del manipulador justo sobre la pieza a manipular (a detallar
en el capítulo VI).

Calibrado Modelo Cinemático Planificador de

preciso Inverso Trayectorias

Posición
articulación
Sistema deseada
de Visión Controlador Esp.
'Mirar' de Articulaciones
Posición
articulación
'Mover' actual
Cámara
Brazo Sensores de Posición
Robot de las Articulaciones

Sistema de Visión Sisema Robot

Figura 2.8. Adaptado de [Wijesoma et al., 93]. Representación gráfica de

la estrategia de control: "mirar y mover" (look-and-move).

Acerca del calibrado, si procede, una buena fuente de información relacionada

con el proceso de calibración de cámara podemos encontrarla en el trabajo de Tsai
[Tsai, 86].

Es interesante darnos cuenta de las implicaciones que el uso de la

realimentación visual provoca en los algoritmos de control. Para ello
consideremos un enfoque anterior: "mirar y mover" (look-and-move) [Weiss, 84],
el cuál se visualiza en la figura 2.8. En este caso no existe realimentación visual, y
la señal de error del controlador del robot se construye a partir de sensores
montados en cada una de las articulaciones del robot, de manera que se recoge en
todo instante la configuración actual del robot a contrastar con la señal de
referencia, capturada por el sistema de visión. En resumen, deberá existir
servocontrol y, además será altamente dependiente del modelo cinemático del
robot y de los calibrados previos (de cámara, etc.).

Por contra, cuando se tiene en cuenta la realimentación visual, integrada en el

bucle de control del movimiento (direct vision feedback) [Wijesoma et al., 93]
(véase la figura 2.9) se tienen dos ventajas fundamentales sobre el esquema
anterior: 1ª) se eliminan los errores causados por el calibrado del sistema de visión
ya que ahora controlamos con el mismo sensor (la cámara) las localizaciones del
elemento terminal (TCP ó Tool Center Point) y del objeto (objetivo); y 2ª) se
reducen los errores debidos a imprecisiones en el modelo cinemático, ya que
 Capítulo II • 33

ahora el modelo cinemático inverso se utiliza no sólo para evaluar los ángulos de
las articulaciones en el estado objetivo, sino también para estimar los mismos
durante el movimiento, que corresponden a la posición del TCP medido por la
cámara [Hashimoto, 93].

Un aspecto clave en el posicionamiento mediante visión de un manipulador,

recae en la habilidad del programador para encontrar una correspondencia
adecuada entre las coordenadas visuales y motoras, o bien, proveer al sistema de
la capacidad de construir ésta de forma automática. El enfoque adoptado para
resolver este problema (sistemas de posicionamiento del brazo del manipulador a
partir de información visual) contempla dos categorías:

Aquéllos basados en el conocimiento de una relación analítica aproximada

de la transformación entre un sistema de referencia cartesiano externo y
el sistema de referencia de la cámara; y

Aquéllos basados en la adquisición del conocimiento sobre la

transformación directa cámara-robot (píxeles-articulaciones).

Sistema de Identificación
y Localización del Evaluado una vez
objetivo por trayectoria
Evaluación Brazo
algoritmo de Robot
Cámara
control

Sistema de Seguimiento
del elemento terminal Evaluado cada periodo
de video frame (50 Hz)

Figura 2.9. Adaptado de [Wijesoma et al., 93]. Representación gráfica de

la estrategia de control: "realimentación visual directa" (Direct vision
feedback).

Entre los primeros podemos citar [Lozano-Pérez et al., 92]; los cuales están
basados en procedimientos de calibrado de cámara, como [Tsai, 87], y necesitan
el conocimiento de la cinemática inversa del manipulador. El otro enfoque recoge
una gran cantidad de pares válidos {(puntos visuales), (posiciones motoras)} que
son procesados por algoritmos de aprendizaje para mejorar la calidad de la
aproximación. Estos usan redes neuronales [Krose et al., 93] o el modelo del
34 • Antecedentes

computador cerebelar aritmético (CMAC)8 [Albus, 81], [Tham & Prager, 92] y
otros usan métodos de regresión [Atkeson, 91]. Casi todos (excepto [Clocksin &
Moore, 89] y [Conkie & Chongstitvatana, 90]) han sido probados únicamente en
robots simulados. El enfoque seguido, adaptado de [Domingo, 93] y [Domingo &
Pelechano, 96], cae dentro de este grupo, pero la diferencia está en que el
conocimiento no es adquirido, sino introducido a través de un proceso de medida
de los valores de la transformación y sus derivadas parciales en un conjunto de
puntos seleccionados, debiendo aplicarse realimentación para mejorar la
precisión. Este método será explicado en detalle en el capítulo VI.

Resumiendo:

• La aplicación del paradigma comportamental a este problema intenta

prescindir en lo posible del uso de un sistema de referencia externo, para
establecer la correspondencia necesaria entre coordenadas naturales del
sistema de visión (píxeles) y coordenadas de robot (ángulos de las
articulaciones).

• El uso de la realimentación visual es absolutamente imprescindible si se

quiere alcanzar la robustez necesaria para evitar la dependencia, en
cuanto a precisión se refiere, de calibrados y modelos cinemáticos
previos, así como dotar al sistema de capacidad reactiva.

8 Cerebellar Model Arithmetic Computer

 Capítulo III

Caracterización del Agarre

En este capítulo se abordarán, en síntesis, los fundamentos
matemáticos que modelan el agarre desde sus dos perspectivas
tradicionales: La geométrica y la mecanicista, así como las
directrices básicas que sustentan el enfoque seguido en esta
tesis.

3.1. Introducción

La acción de agarrar un objeto puede definirse como el emplazamiento de la

pinza relativo al objeto y se caracteriza por un conjunto de contactos llamados
agarre (grasp).

Es interesante tener en cuenta qué posibilidades existen en el agarre de un

objeto mediante una pinza convencional de dos dedos plano-paralelos, en cuanto
a la aproximación de dicha pinza se refiere (véase la figura 3.1). En principio de
las tres posibilidades que se muestran en la figura 3.1, elegiremos la denominada
grip (empuñar). En el capítulo VI se muestra al manipulador en acción siguiendo
la aproximación del agarre aquí propuesta. Puntualicemos que debido a que la
microcámara empleada se ensambla en la muñeca, con la aproximación
propuesta anteriormente se consigue que el eje óptico sea ortogonal a la escena
todo el tiempo, lo cuál simplificará todo el razonamiento geométrico empleado
(véase el capítulo V).
36 • Caracterización del Agarre

Wrap Pinch Grip

Figura 3.1. Adaptado de [Tan & Schlimler, 93]. Modelos de agarre

diferentes según la vía elegida de aproximación al objeto: Envolver
(Wrap), Pinzar (Pinch), y Empuñar (Grip).

Dos enfoques claves de la investigación sobre el agarre (grasping), siguiendo

uno de los trabajos más citados en la bibliografía actual al respecto [Pertin-
Troccaz, 89], son:

Geometría del Agarre. Tiene que ver, fundamentalmente, con el

razonamiento espacial y morfológico.

Mecánica del Agarre. Incluye estudios sobre estabilidad, equilibrio,

resistencia al deslizamiento, giro, etc., según el tipo de
contacto definido con los dedos de la garra, y otros
aspectos cinemáticos del agarre.

La generación y/o análisis del agarre forma parte de una problemática más
general, conocida en la literatura de investigación como "Planificación del
Agarre" (Grasp Planning). El cual engloba, a su vez otros dos tópicos, además
del anterior:

Reaching Estudia como conviene alcanzar el agarre definido,

generando trayectorias libres de colisiones.

Regrasping Se trata de desencadenar una serie de agarres intermedios

consecutivos, hasta encontrar el agarre final, con vistas a
superar una posible incompatibilidad entre el agarre
inicial y la tarea a desarrollar (e.g. posible ensamblado
final).
 Capítulo III • 37

Además, en el caso de que la garra a utilizar sea una

"mano diestra" o "de múltiples dedos" (dextrous hand o
multifingered hand), aparece otro tópico a tener en
cuenta:

Preshaping Preadaptar la mano de acuerdo a la morfología del objeto

y/o la tarea a desarrollar en la manipulación.

El trabajo aquí desarrollado se centra exclusivamente en la generación del

agarre. El cual consiste, en esencia, en generar dicho agarre de acuerdo con unos
criterios específicos, comparación de la forma entre el objeto y la pinza,
estabilidad, etc.

En cada uno de los apartados que siguen a continuación para perfilar la

configuración del modelo de agarre elegido, se dará una breve comparativa para
dejar constancia de otras alternativas referentes a trabajos de investigación que
intersectan en alguna medida con el aquí presentado. Dichos trabajos serán
fundamentalmente dos: "HANDEY" [Lozano-Pérez et al., 92] y "Learning to
Grasp Using Visual Information" [Kamon et al., 96]1. La razón es clara, el
primer trabajo constituye seguramente una implementación única en su especie
como planificador de tareas más completo que existe en la actualidad [Pertin-
Troccaz, 92], constituyendo una referencia ampliamente conocida y conveniente,
por tanto, para contrastar el modelo de agarre aquí desarrollado. Siendo el
segundo trabajo la fuente de investigación más cercana a nuestros objetivos, en
cuanto a la determinación de puntos de agarre se refiere.

3.2. Condiciones Iniciales.

3.2.1. Herramienta.

En el presente trabajo nos centraremos, exclusivamente, en la pinza elemental

de dos dedos plano paralelos. La más comunmente utilizada en los robots
manipuladores industriales, de investigación y educación, de nuestros días. Aquí
queda contemplada también la posibilidad de la multipinza formada por varios
pares de pinzas elementales del tipo anterior.

Supondremos conocida, a priori, la geometría de dicha pinza2. Un modelo

simplificado de la misma puede verse en la figura 3.2.

1 En lo que sigue abreviaremos este trabajo mediante LGUVI.

2 Véase el apéndice B, donde se describe la pinza real empleada en
la implementación final.
38 • Caracterización del Agarre

Longitud

Radio (k)
Apertura

Figura 3.2. Modelo geométrico simplificado de la geometría de la

pinza de dos dedos plano-paralelos, empleado para la
generación del agarre.

Este modelo de pinza elegido por nosotros será muy similar al propuesto por
otros investigadores [Kamon et al., 96], [Lozano-Pérez et al., 92] (véase la figura
3.3).

Puntualizemos que todo el trabajo desarrollado estará mediatizado por el tipo

de pinza empleada por el robot. En nuestro caso, el modelo considerado (véase la
figura 3.2.) tiene la ventaja, frente a modelos más sofisticados, de un menor coste:
1º) computacional, relativo al razonamiento geométrico necesario para la
determinación del agarre y posterior ejecución (existencia de requerimientos
mínimos de control), y 2º) económico, en la actualidad manos diestras como las
de "Salisbury" o de "Utah" (véase el capítulo II) sólo están al alcance de unos
pocos centros de investigación en el mundo. Por contra existirá el inconveniente,
como veremos en el apartado 3.2.3, de la necesidad de que los objetos sean poco
complicados, geométrica y topológicamente hablando; e.g. el agarre de un
tetraédro o similar sería una tarea imposible de realizar con nuestro modelo de
pinza.

3.2.2. Sensorización.
Es interesante recordar que la habilidad de un robot para desenvolverse en un
entorno no estructurado y cambiante depende en gran medida de su capacidad de
percibir éste mediante información sensorial. En realidad "sentir" no es suficiente,
hace falta transformar dicha información sensorial en información acerca del
entorno. Se puede definir la percepción como [Khatib et al., 92]:
 Capítulo III • 39

Figura 3.3. Adaptado de [Lozano-Pérez et al., 92]. Modelos de pinzas de dedos

plano-paralelos: (Izquierda) un modelo preciso, y (Derecha) modelo
simplificado utilizado en dicho planificador de agarre (HANDEY).

"La conexión inteligente entre la información sensorial y el entorno

(modelos 3D)".

Algunos investigadores [Khatib et al., 92] clasifican la información sensorial

(IS) en dos grandes líneas:

IS-1 Contacto (Contact Sensing). Sensores táctiles y de fuerza,

fundamentalmente.

IS-2 No-Contacto (Non-contact Sensing). Información visual,

principalmente. A dividir en:

IS-2.1 Descripción de Imágenes (Image Understanding). Proceso que

establece relaciones con objetos 3D a partir de una o más
imágenes 2D.

IS-2.2 Interpretación de Escenas (Scene Understanding). Proceso de

obtención de una descripción coherente de una escena a partir de
medidas geométricas diversas, posiblemente con la ayuda de
modelos geométricos de los objetos.
40 • Caracterización del Agarre

Sensores de uso frecuente en el problema del agarre (grasping) que nos ocupa,
serían los sensores de profundidad (range sensor) [Francois, 91], los sistemas de
visión estéreo [Bard et al., 95], o los sensores táctiles y de fuerza [Howe &
Cutkosky, 92]. Los dos primeros orientados al problema del acercamiento
"grueso" en 3D y, los últimos al del movimiento fino.

En cuanto a su aplicación industrial, es en el tópico IS-2.1 donde se están

realizando los principales avances en la actualidad. Recordemos, no obstante, la
necesidad al aplicar estas técnicas al campo de la robótica de la restricción de
operar en tiempo real. Esto ha conllevado una dificultad añadida en el desarrollo
de dichos sistemas para aplicaciones robóticas; e.g. hardware específico, sensores
inteligentes, etc.

La pregunta que subyace es porqué los sensores de contacto (IS-1) han

encontrado hasta ahora poca aceptación en aplicaciones robóticas industriales
[Howe & Cutkosky, 92]. Una posible razón es el uso inicial dado a los sensores
táctiles como captores de información geométrica. En este sentido las técnicas
basadas en la descripción de imágenes (IS-2.1) se han mostrado superiores en la
captura de información relativa a la morfología de los objetos y a su localización.
Esto ha decantado el tipo de sensorización dominante en la industria hacia
aquellos sistemas basados en visión.

Puntualicemos que al igual que los seres humanos utilizamos el uso del tacto
para capturar propiedades mecánicas del entorno, imposibles para el sentido de la
vista, sería conveniente extrapolar este enfoque al robot. Así se trabaja
actualmente en la percepción de propiedades mecánicas tales como conformidad
(compliance), rozamiento (friction), texturas (texture), etc. En cualquier caso,
ambos tipos de información sensorial: IS-1 e IS-2, serán necesarios en tanto en
cuanto representan aspectos complementarios de la percepción. En una tarea
completa de manipulación la fase de precontacto (justo antes del agarre) será
cubierta de modo preferente por información visual, mientras que será en la fase
de contacto (los dedos de la pinza están tocando el objeto) cuando los sensores IS-
1 muestren toda su potencialidad, debiendo controlar pequeñas fuerzas ejercidas y
desplazamientos infinitesimales.

En el presente trabajo, con el fín de manipular los posibles objetos situados en

el área de trabajo, necesitaremos establecer una cadena estímulo-acción que, a su
vez, requerirá de una percepción visual (en nuestro caso) del entorno, capaz de
entregar una representación adecuada a nuestros objetivos. La representación
requerida que mejor se adapta a la tarea orientada al razonamiento geométrico
necesario para la generación y análisis del agarre es el contorno de las imágenes
2D de los objetos presentes en la escena. Para ello, se ha considerado suficiente
utilizar, como fuente única de información sensorial exteroceptiva, un sistema de
visión consistente en una tarjeta digitalizadora y una cámara CCD, montada en la
muñeca del robot3 que tomará siempre imágenes que serán proyecciones

3 En el capítulo VI se muestran imágenes reales del sistema

completo (cámara más robot).
 Capítulo III • 41

superiores planas de los objetos. El tamaño de las imágenes es de 256 × 256

píxeles y la resolución de 64 niveles de grís. Como ya dijimos anteriormente, se
garantiza que la posición de la muñeca obliga a que el eje óptico sea perpendicular
a la escena, simplificando el razonamiento geométrico posterior. Todos los
aspectos relacionados con la adquisición, segmentación y tratamiento de imágenes
se relegan al capítulo IV.

La sensorización equivalente en HANDEY es llevada a cabo mediante técnicas

de triangulación basadas en barrido láser [Lozano-Pérez et al., 87] que permiten
construir un mapa de profundidad de la escena, representado como un vector de
dos dimensiones cuyos índices codifican la posición y cuyos elementos
representan la altura de una superficie en dicha localización.

Pinza

Objeto

Altura Optima
Altura Mínima
Quality Level

Figura 3.4. Vista lateral de un objeto sujetado por la pinza, adaptado de

[Kamon et al., 96]. El nivel de confianza asociado al agarre
(Quality Level), depende de la diferencia entre las alturas óptima y
mínima.

Por otra parte, el otro trabajo referenciado, LGUVI, utiliza dos cámaras CCD
estáticas. Una ofrece una vista global superior de la escena completa, y la otra
captura una imagen lateral de la misma, permitiendo determinar un nivel de
calidad asociado a cada agarre (véase la figura 3.4). Es decir, dado un objeto
aislado en la escena, el sistema toma una imagen superior con la primera, usa la
imagen para extraer dos puntos de agarre del contorno, efectúa un intento de
agarre con una pinza de dedos plano-paralelos, y asigna un grado de confianza
(Quality Level) a dicho intento mediante la cámara lateral. Como vemos, utiliza de
forma exclusiva información visual, tanto para la fase de pre-contacto como para
la de post-contacto. La ausencia de información táctil en esta última etapa se suple
con un mecanismo de aprendizaje (prueba y error), a partir de la información
42 • Caracterización del Agarre

visual del agarre obtenida por la cámara lateral. El tamaño de las imágenes es de
576 × 768 píxeles y la resolución de 64 niveles de grís. La salida de esta etapa de
procesado es una imagen segmentada del objeto con su centroide y la dirección
del eje de mínima inercia. La entrada, un objeto aislado altamente contrastado del
fondo de la escena, pues se utiliza un nivel fijo de umbral. A partir de aquí se
determina el contorno del objeto, formando una curva cerrada. Mediante un
proceso de adelgazamiento (thinning) se garantiza que cada píxel del contorno
posea exactamente dos vecinos.

3.2.3. Universo de Trabajo.

¿Qué objetos son manipulables por éste tipo elemental de pinza plano-paralela,
con la información sensorial anteriormente citada?.

En general, aquellos objetos cuasi-rígidos4 que presenten en su contorno más

externo y, aproximadamente, a lados opuestos del centro de gravedad y cercano a
él, puntos y/o regiones que admitan coincidencia con la geometría de los dedos de
la pinza proyectada sobre ellos. Además, como únicamente se dispone de
información 2D, deberán cumplirse una serie de condiciones iniciales que
garanticen, a partir de características extraídas mediante el sistema de visión, la
estabilidad del agarre generado. Es decir: ¿Podemos garantizar la estabilidad del
agarre a partir de sólo dos puntos pertenecientes al contorno de la proyección
plana superior de un objeto?. En general, la respuesta es no. En la figura 3.5, se
observa un ejemplo que ilustra este problema. Un rebaje oculto a la proyección
plana superior del objeto obtenida por la cámara genera el consiguiente error en la
obtención del centroide, situandolo en "cdm1", en lugar de "cdm2", como
correspondería a su realidad física.

Además de la rigidez y de la ausencia de huecos y agujeros ocultos, otra

cualidad importante que habrán de cumplir nuestros objetos será la
homogeneidad, es decir, serán intratables objetos como el martillo de carpintero
que, debido a que posee dos materiales de densidades muy diferentes, madera y
acero, impiden la extracción automática del centroide, físicamente incorrecto si se
determina exclusivamente a partir de su forma. Así pués, toda aquella información
que no sea posible extraer mediante visión no podrá participar en nuestro
esquema, haciendo intratable su uso.

En resumen, nuestro universo de trabajo estará formado por todos aquellos

objetos que poseyendo, al menos, una posición estable sobre el plano horizontal
de la escena, permitan inferir a partir de su morfología, una representación física
correcta. Esto se traduce en la práctica, en la coincidencia del centroide, generado
a partir de la imagen 2D obtenida, con la proyección sobre su plano superior del
centro de masas (cdm) real del objeto. Podrán ser concavos o convexos, con o sin
agujeros (visibles), con centroides interiores o exteriores a su contorno, etc.

4 Recordemos que un sólido rígido es aquél en que las distancias

mutuas entre todos sus puntos permanecen constantes.
 Capítulo III • 43

x
y
Imagen
cdm1
Cámara cdm2

Eje óptico

cdm

Hueco

Figura.3.5. Ejemplo de objeto intratable con las restricciones de

nuestro sistema. El objeto presenta un rebaje, por su cara
oculta, no detectable a partir de la información visual
disponible.

Los objetos son desconocidos a priori y no se intentará en este trabajo

reconocimiento posterior alguno, pero se dejará una vía abierta a ello.

En contraste, el universo de trabajo en HANDEY estará formado por cualquier

pieza susceptible de ser aproximada mediante modelos geométricos 3D asociados
a una posición particular. HANDEY es capaz de manipular objetos suaves, no-
convexos, e incluso hacer uso de agujeros presentes en dichos objetos para
generar el agarre. El único requerimiento es que exista una aproximación
poliédrica adecuada para cada objeto a ser manipulado. No obstante, este enfoque
conlleva un alto coste computacional que lo hace inasumible para los objetivos
aquí planteados.

Por otra parte, en LGUVI se utilizan dos tipos de objetos:

1. Sintéticos. Generados de forma aleatoria a partir de conos generalizados.

2. Reales. Objetos diversos (e.g. piedra, pelota, taza, etc.), en los que se
supone que el centroide calculado por el sistema de visión será
44 • Caracterización del Agarre

aproximadamente coincidente con el centro de gravedad (cdg)

real del objeto (o mejor, con su proyección plana superior).

Una restricción importante asociada a ambos tipos de objetos (1 y 2) del

trabajo anterior, es que todos presentan simetría especular respecto de la
dirección del eje de mínima inercia5 (Imin), lo cual, a diferencia de nuestro
trabajo, es una simplificación decisiva para la etapa de razonamiento geométrico
posterior. Otra observación a tener en cuenta es el tratamiento de los agujeros
asociados a los objetos, los cuales son "rellenados" con píxeles del mismo nivel
de gris que los objetos segmentados. Esto conllevaría, en principio, que algunos
objetos fueran intratables debido al consiguiente cálculo erróneo del centroide.
No obstante, dicho problema se reduce en la medida en que los objetos presenten
una mayor simetría especular (respecto de la dirección de Imin), como hipótesis
de partida.

3.3. Modelo de Agarre Elegido.

Tal y como se dijo en el apartado 3.1, existen dos aproximaciones básicas para
modelar el agarre: la geométrica y la mecánica. El trabajo aquí presentado seguirá,
básicamente, una aproximación geométrica, pero teniendo en cuenta
características mecánicas relacionadas con el problema de la estabilidad y la
condición de no-deslizamiento entre pinza y objeto, en presencia de rozamiento.
Existen algunos antecedentes que han puesto de manifiesto la conexión existente
entre ambas aproximaciones [Montana, 91], [Rao & Goldberg, 94].

El problema del agarre, en general, es encontrar superficies en un objeto, y una

configuración de los dedos del robot, satisfaciendo las siguientes tres condiciones
[Peshkin & Sanderson, 86]:

(1ª) Los dedos deben estar en contacto con el objeto.

(2ª) La configuración debe ser alcanzable (i.e. debe existir una trayectoria
libre de colisiones para llevar al robot a la configuración del agarre).

(3ª) El objeto debe quedar estable una vez agarrado.

La característica (2ª) es estudiada en profundidad por otros investigadores [del

Pobil & Serna, 95] y no será tratada en el trabajo aquí presentado. La (1ª) se
inserta dentro de una problemática denominada, genéricamente, "contacto entre
dos cuerpos" [Mason & Salisbury, 85], y contempla, entre otras cosas, la posible
existencia de rozamiento que nos permitirá incorporar la condición de no-
deslizamiento, indispensable en nuestro modelo de agarre. Y por último, la (3ª) se

5 Este concepto será analizado en el capítulo IV.

 Capítulo III • 45

relaciona con el otro factor clave que será considerado en este trabajo, la
denominada "estabilidad del agarre" [Wolter et al., 85], [Montana, 91].

3.3.1. El Contacto entre dos Cuerpos.

Existen algunos trabajos dedicados en profundidad a este importante problema
[Mason & Salisbury, 85]. Partiremos de la siguiente argumentación [Mason &
Salisbury, 85]: cuando dos cuerpos rígidos se acercan hasta tocarse en uno o más
puntos, aparece una aplicación biyectiva entre ambos. Se denomina contacto a la
colección de puntos adyacentes donde ocurre lo anterior sobre un área contigua.
Dos áreas de contacto disjuntas se considerarán dos contactos distintos. En el
límite, un punto aislado se considerará un área de contacto.

En general, considerando las tres características posibles de una superficie en

relación al contacto: punto, línea y plano, existen nueve posibilidades para los
contactos entre pares de superficies (véase la tabla 3.1). Obsérvese que en relación
a los grados de libertad existentes en el contacto entre dos cuerpos es irrelevante
qué característica pertenece a cada cuerpo, lo que importa son las características
que intervienen en el contacto con independencia del cuerpo a que pertenezcan.
Asimismo puntualicemos que de los posibles contactos representados en la tabla
3.1, únicamente existirán tres pares estables entre las características de los dos
cuerpos, es decir:

• Contacto puntual (punto con plano, plano con punto o línea con línea no
paralela).

• Contacto lineal (línea con plano o plano con línea).

• Contacto plano (plano con plano).

Por otra parte, el movimiento relativo entre dos cuerpos limitado por uno o más
contactos dependerá de:

Las restricciones impuestas por la forma de cada área de contacto.

Las localizaciones relativas de las áreas de contacto.

El efecto del rozamiento en cada área de contacto.

46 • Caracterización del Agarre

Punto Línea Plano

Punto

Línea

Plano

Tabla.3.1. Adaptada de [Mason & Salisbury, 85]. Los nueve posibles pares
de caracterísiticas (punto, línea y plano) entre dos superficies.

Teniendo en cuenta lo dicho, pasamos a considerar a continuación los posibles

tipos de contacto que se contemplan en el contexto de la planificación del agarre
en robótica. Lo más general sería considerar el denominado contacto plano (plano
con plano), pero para nuestros propósitos bastará con suponer, en principio, un
punto de contacto donde se aplicará la fuerza resultante ejercida en el agarre.
Básicamente, pueden considerarse en este último supuesto, los siguientes modelos
de contacto entre pinza y objeto [Nguyen, 88], también denominados contactos
primitivos:
 Capítulo III • 47

(1) Punto de contacto sin rozamiento. El dedo puede sólo ejercer una
fuerza normal a través del punto de contacto. Se trata de
una aproximación ideal (no existe en la práctica).

(2) Punto de contacto con rozamiento (hard-finger). El dedo podrá

ejercer cualquier fuerza dentro del cono de rozamiento6
con el punto de contacto.

(3) Punto de contacto con rozamiento (Soft-finger). El rozamiento

sobre el área de contacto permite al dedo ejercer
momentos (o torques) puros, además de fuerzas puras
dentro del cono de rozamiento.

La diferencia básica entre (2) y (3), reside en el hecho de que este último es
una extensión del primero al caso 3D, tomando en consideración la existencia de
momentos.

El agarre plano puede ser descrito [Murray et al., 94], considerando únicamente
la transmisión de fuerzas entre un conjunto de puntos de contacto, como los del
tipo (1) definido anterioriormente, y el objeto. En una primera aproximación al
problema, podemos suponer que el contacto entre los dedos y el objeto tendrá
lugar en torno a dichos puntos de contacto (véase la figura 3.6).

Sin embargo, como ya se ha indicado, los puntos de contacto tipo (1), sin
rozamiento, no existen en la práctica, son meros artificios matemáticos útiles sólo
como primera aproximación a la realidad física del problema. No obstante, si
existieran, únicamente ejercerían presión en dirección a la normal. El interés de
este modelo radica en que no presupone la existencia de rozamiento, es decir, si
no se conoce el coeficiente de rozamiento estático, µ, de los contactos en el agarre
el modelo no se ve afectado puesto que la transmisión de fuerzas se realiza
exclusivamente en el sentido de las normales a cada superficie. En la práctica ésto
último será dificil de garantizar debido a pequeños errores de posicionamiento,
irregularidades en las superficies, etc.

Un modelo más acorde con la realidad será el definido anteriormente como

tipo (2), considerando la existencia de rozamiento. El modelo más ampliamente
utilizado que lo considera es el denominado modelo de rozamiento de Coulomb
[Mason & Salisbury, 85] (véase la figura 3.7).

El modelo de rozamiento de Coulomb es un modelo empírico en el que las

fuerzas ejercidas en dirección tangencial a la superficie del contacto son
proporcionales a las fuerzas normales aplicadas, y la constante de
proporcionalidad, µ, es función de los materiales puestos en contacto.

6 Se refiere a la Ley de Coulomb, explicada más adelante.

48 • Caracterización del Agarre

P1 P2 k
k
k f1 centroide f2 k
dedo1 dedo2

Figura.3.6. Adaptada de [Murray et al.,94]. Agarre 2D, con los

puntos de contacto, P1 y P2, y las fuerzas normales,
f1 y f2, debidas a los dedos de la pinza. Donde k
representa el radio del dedo, de acuerdo con la figura
3.2.

Sean {f t, f n} ∈ R, los módulos de las componentes tangencial y normal,

respectivamente, de la fuerza ejercida sobre la superficie del objeto por el dedo de
agarre. Dicha fuerza genérica, f, aplicada en un punto de contacto determinado,
formará un cierto ángulo, θ, con la normal a la superficie (ó contorno) en dicho
punto, admitiendo la descomposición en sus componentes tangencial y normal
dada por f t = f cos θ , y f n = f sin θ , respectivamente. Por otra parte, debido a la
existencia de rozamiento en el punto de contacto, la Ley de Coulomb [Coulomb,
1781], establece que dichas componentes están relacionadas mediante f t = µ f n,
donde µ 0, es el coeficiente de rozamiento estático. A partir de aquí se observa
que si se cumple que f t µ f n, aparece deslizamiento, lo que implica que el rango
de fuerzas tangenciales que pueden ser aplicadas en un contacto viene dado por,

ft≤µfn (3.1)

La ecuación 3.1, representa la denominada "condición de no-deslizamiento", y

su interpretación geométrica se visualiza en la figura 3.7. Parece ser [Mason &
Salisbury, 85] que el primero en dar dicha interpretación geométrica fué Moseley
[Moseley, 1839]. Si se construye la normal a la superficie, la ley de Coulomb es
equivalente a establecer que la fuerza de contacto total, f, formará un ángulo, θ =
arctan (f t / f n) con la normal. El conjunto de vectores formando el
correspondiente ángulo con la normal representan un cono en el espacio
denominado "cono de rozamiento", y al ángulo θ se le conoce como ángulo de
rozamiento; dicho ángulo viene dado por,

θ = arctan (µ) (3.2)

 Capítulo III • 49

vista lateral

cono de
rozamiento
dedo dedo ft =µ fn
θ
fn

superficie
del objeto

Figura 3.7. Adaptada de [Murray et al.,94]. Interpretación geométrica del

modelo de rozamiento de Coulomb.

La ecuación (3.2) sintetiza la relación existente entre el coeficiente de

rozamiento estático, µ, asociado a un contacto (dedo-superficie), y la geometría
que se impone, definida por el correspondiente cono de rozamiento de ángulo total
2θ. Lo realmente interesante es que permite traducir la condición de no-
deslizamiento anterior (véase la ecuación 3.1) a una representación puramente
geométrica del contacto establecido.

Acero con acero 0.58 Madera con madera 0.25-0.5

Polietileno con acero 0.3-0.35 Madera con metales 0.2-0.6
Polietileno con Polietileno 0.5 Madera con piel 0.3-0.4
Caucho con sólidos 1-4 Piel con metal 0.6

Tabla 3.2. Adaptada de [Murray et al.,94]. Coeficientes de rozamiento

estáticos, µ, para algunos materiales comunes.

Observación:

Empíricamente (véase la tabla 3.2), se sabe que la mayor parte de los

contactos entre materiales que se dan en la práctica cumplen, 0.2 ≤ µ ≤ 1, lo
que implica, 11º ≤ θ ≤ 45º. En nuestro caso, suponemos que los objetos son
50 • Caracterización del Agarre

desconocidos, pero lo anterior justifica el establecimiento de un umbral, θ =

10º que, nosotros renombraremos7 como β, en el capítulo V, que permitirá
vincular nuestro algoritmo con la condición de no-deslizamiento aquí
planteada.

Una característica que ha servido de piedra angular en la mayor parte del

trabajo de investigación realizado hasta ahora, en cuanto a modelar el agarre se
refiere, es la denominada clausura de fuerza (force-closure) [Nguyen, 88], la cuál
facilitará la búsqueda de la estabilidad en el agarre. Aunque lo relativo a
estabilidad se trata en el apartado siguiente (3.3.2) al respecto, es conveniente
considerar aquí el concepto de clausura de fuerza desde la perspectiva de su
interpretación geométrica, pués está muy ligado al problema de modelar el
contacto entre dos cuerpos, incluyendo la existencia de rozamiento en dicho
contacto. Se dice que un agarre posee clausura de fuerza cuando puede resistir
(permanecer en equilibrio) cualquier empuje (fuerza o momento de cualquier
intensidad) aplicado al mismo. La clausura de fuerza se reduce a la denominada
clausura de forma (form-closure) en el agarre [Lakshminarayana, 78] cuando
únicamente se consideran contactos sin rozamiento; e.g. se demuestra
[Markenscoff & Papadimitriou, 89] que un agarre plano de una forma poligonal
necesita como mínimo cuatro puntos de contacto para alcanzar la clausura de
forma.

Formalmente [Nguyen, 88], un agarre plano formado por dos puntos de

contacto (P1, P2) con rozamiento se dice de clausura de fuerza si y sólo si la línea
de agarre (P1P2) que conecta los puntos de contacto yace en el interior de ambos
conos de rozamiento (véase la figura 3.8). Dichos puntos reciben el nombre de
puntos de agarre antípodos (antipodal point grasps).

Inicialmente los trabajos de investigación se centraron en formas poligonales

(2D) o poliédricas (3D) [Nguyen, 88]. Una primera extensión de este trabajo fué
considerar formas planas cuyos contornos fueran curvas aproximadas por
funciones polinómicas [Faverjon & Ponce, 91]. En esta línea otros autores [Rao &
Goldberg, 95] consideraron formas planas cuyos contornos formados por
segmentos de curva polinomiales (algebraic parts) eran aproximados por su
envolvente convexa (convex hull) asociada; distinguiendo dos tipos de situaciones
(véase la figura 3.9), cuando existe la denominada configuración de rozamiento
(frictional configuration), en la cuál la línea de agarre, determinada por los dos
puntos de contacto considerados, cae dentro de los dos conos definidos para cada
uno de ellos, y cuando no existe dicha configuración. Como ya vimos, cada punto
de contacto con rozamiento determina un cono de rozamiento de anchura 2α
dirigido hacia el interior del objeto y simétrico respecto de la normal al objeto en
dicho punto.

7 Se define β (capítulo V), como umbral angular en el paso MS2

del algoritmo desarrollado para la determinación automática de
los puntos de agarre.
 Capítulo III • 51

f 1t
P P2
1

f 1n f 2n f 2t

Figura 3.8. Adaptada de [Murray et al., 94]. Relaciones geométricas en el

agarre plano con clausura de fuerza, considerando dos puntos de
contacto (P1, P2) con rozamiento .

Una novedad aportada por otros autores [Chen & Burdick, 92] es el uso de
curvas "B-spline" para modelar objetos de formas irregulares, así como la
consideración del agarre por expansión (expanding grasps), además del
convencional, por presión (squeezing grasps). Se observa que un objeto convexo
puede cogerse únicamente mediante agarre por presión, mientras que los no-
convexos admiten también agarre por expansión. Su objetivo se centra en
determinar todos los agarres de puntos antípodos existentes mediante técnicas de
optimización.

Figura 3.9. Adaptada de [Rao & Goldberg,95]. Interpretación

geométrica cuando existe configuración de rozamiento
(izquierda) y caso contrario (derecha).
52 • Caracterización del Agarre

En el trabajo presente, teniendo en cuenta lo dicho anteriormente, se supondrá

un modelo de agarre con rozamiento en sus puntos de contacto (véase la figura
3.9). Pero teniendo en cuenta la curvatura del objeto en intervalos de radio k
(radio de la pinza), centrados en dichos puntos. Ha quedado reflejado en la
exposición anterior, la necesidad de que las fuerzas ejercidas por los dedos en el
agarre, posean direcciones contenidas siempre en los respectivos conos de
rozamiento definidos en cada punto de contacto, con vistas a cumplir la condición
de no-deslizamiento (necesaria para la clausura de fuerza), que constituye un
requisito básico inicial para asegurar la estabilidad del agarre. En el apartado 3.3.3
se explica, mediante la definición de tres umbrales, el criterio seguido para
configurar un agarre estable a partir de información geométrica basada en
parametros visuales extraídos de un sistema de visión. De hecho, uno de los
problemas fundamentales a resolver en el capítulo V, será incorporar la condición
de no-deslizamiento de nuestro modelo geométrico a partir, exclusivamente, de
información visual.

3.3.2. Acerca de la Estabilidad.

Entramos aquí de lleno en el campo de la mecánica conocido como "estática",

cuyo objetivo fundamental será determinar la resultante general y el momento
resultante de todas las fuerzas que actúan sobre un cuerpo, a fin de establecer las
condiciones de equilibrio. Recordemos que un cuerpo en reposo estará en
equilibrio cuando la resultante general y el momento resultante de todas las
fuerzas aplicadas sean nulos. El estudio de las condiciones de equilibrio se
simplifica si se considera:

(1º) Dos fuerzas iguales y opuestas, actuando sobre la misma línea de

acción, producen equilibrio.

(2º) En un cuerpo en equilibrio cada fuerza es igual y opuesta a la

resultante de todas las demás.

En el contexto del agarre, la línea de acción vendrá fijada por la denominada

línea de agarre, definida por la línea que une los puntos de contacto de los dedos
de la pinza en su posición sobre la superficie del objeto.

La estabilidad, genéricamente hablando, es la tendencia de un sistema para

regresar a un estado de equilibrio cuando, por causas externas, está desplazado del
mismo. Se habla entonces de equilibrio estable.

En general, siguiendo el trabajo de Wolter [Wolter et al., 85], se pueden

considerar tres tipos de movimientos posibles entre pinza y objeto (véase la figura
3.10), debido a las fuerzas de gravedad e inerciales: deslizamiento de traslación
(a), deslizamiento de rotación (b), y giro (c).
 Capítulo III • 53

(b)

(c)
(a)

Figura.3.10. Adaptado de [Wolter et al., 85]. Tipos de movimientos posibles entre

pinza y objeto, en general (3D). (a) Sliding (deslizamiento de traslación);
(b) Rotation (deslizamiento de rotación); y (c) Twisting (giro).

La cinemática de los tres efectos anteriores sirve de base para establecer unos
criterios de estabilidad generales, pero a costa de un conocimiento previo
absoluto, tanto de la pinza como de los objetos.

Algunos autores [Montana, 91] distinguen entre dos tipos de estabilidad:

Estabilidad Espacial del Agarre (spatial grasp stability).

Se refiere a la tendencia del objeto a volver a su posición de
equilibrio original en el espacio, relativa a la pinza, al ser
desplazado éste por una fuerza externa.

Estabilidad de Contacto del Agarre (contact grasp stability).

Es la tendencia de los puntos de contacto a regresar a sus
localizaciones originales en respuesta a una perturbación.

En la línea de investigación que intersecta con el primer enfoque (estabilidad

espacial), se han realizado importantes contribuciones a su caracterización, como
el concepto de "clausura de fuerza" [Nguyen, 88] anteriormente introducido, o la
denominada "matriz de agarre" (the grip transform) [Mason & Salisbury, 85], la
cuál constituye una representación en el agarre equivalente a la representación de
la matriz Jacobiana en el contexto de la cinemática del manipulador. Otros
trabajos en la línea del segundo enfoque [Cutkoski & Wright, 86], analizan la
54 • Caracterización del Agarre

estabilidad de contacto del agarre para dedos humanos, mostranto como la

naturaleza viscoelástica presente en dichos dedos acrecienta dicha estabilidad.

Para dejar clara la necesidad del segundo enfoque (estabilidad de contacto)

conviene plantear algunos aspectos que influyen en la estabilidad y sin embargo
no son diferenciados al construir la "matriz de agarre" asociada. Aquellos aspectos
a considerar que afectan en alguna medida a la estabilidad del agarre son
[Montana, 91]:

(1º) La curvatura (del objeto o de los dedos).

(2º) La distancia entre los puntos de contacto.

(3º) La viscoelasticidad de los dedos o del objeto.

(4º) La existencia o no de realimentación de fuerza.

Para explicar el aspecto (1º) se pueden considerar dos elipsoides (véase la

figura 3.11), uno dado por la ecuación x2 / a2 + y2 / b2 + z2 / b2 = 1, y el otro dado
por la ecuación x2 / a2 + y2 / c2 + z2 / c2 = 1, donde b < a < c. Si suponemos un
agarre con dedos plano-paralelos en los puntos (a, 0, 0) y (-a, 0, 0), desde el punto
de vista de la estabilidad espacial, los dos agarres son equivalentes puesto que dan
lugar a matrices de agarre formalmente idénticas (véase la parte superior de la
figura 3.11). Una situación análoga ocurre al considerar la curvatura de los dedos
de la pinza (véase la parte inferior de la figura 3.11). Queda ilustrado con ello la
importancia de la curvatura, asociada tanto al objeto como a los dedos, en relación
a la estabilidad del agarre.

En cuanto al aspecto (2º), considerando dos elipsoides (véase la figura 3.12),

uno dado por la ecuación x2 / a2 + y2 / c2 + z2 / c2 = 1, y el otro dado por la
ecuación x2 / b2 + y2 / c2 + z2 / c2 = 1, donde a < c < b. Si suponemos un agarre
con dedos plano-paralelos en los puntos (a, 0, 0) y (-a, 0, 0), en el primer caso, y
(b, 0, 0) y (-b, 0, 0), en el segundo caso. Se tiene que las curvaturas de ambos
objetos en todos los puntos de contacto son idénticas. Siendo las formas de los
dedos en ambos casos también las mismas. Sin embargo el agarre de la derecha
(figura 3.12) parece más estable que el de la izquierda a pesar de que los objetos y
los dedos poseen la misma geometría local, debido a que los puntos de contacto en
el primer caso (izquierda) están más cerca el uno del otro que en el segundo.

Respecto a la posible consideración o no de viscoelasticidad (3º), es evidente

que dos agarres idénticos en todos los aspectos salvo en las propiedades
materiales de los dedos o del objeto, presenta mayor estabilidad aquél que posea
dicha propiedad [Cutkoski & Wright, 86]. Su consideración se relaciona con el
modelo definido anteriormente de "contacto con rozamiento (soft-finger)".
 Capítulo III • 55

Por último, supondremos la no existencia de realimentación de fuerza en el

agarre considerado (4º). Debido a que no se dispone de la información de un
posible sensor de fuerza, no contemplado en nuestro caso, no será posible realizar
movimientos de acomodación de los dedos de la pinza sobre la superficie del
objeto.

a a

b c

a a

c c

Figura.3.11. Adaptado de [Montana, 91]. Efecto de la curvatura sobre la

estabilidad considerando: (Arriba) los objetos, si b < a ⇒ inestable
(izquierda), si c > a ⇒ estable (derecha); (Abajo) los dedos, planos ⇒
estable (izquierda), puntiformes ⇒ inestable (derecha).
56 • Caracterización del Agarre

Teniendo en cuenta todos los aspectos anteriores (1º-4º) es posible obtener

[Montana, 91] una medida de estabilidad del agarre que incorpore todos ellos. Sin
embargo, al igual que otros modelos considerados [Wolter et al., 85], [Mason &
Salisbury, 85] se requiere un conocimiento previo absoluto de la geometría de los
objetos y de la pinza, para poder construir modelos cinemáticos representados por
matrices, análogos a los Jacobianos en el contexto de la cinemática de los
manipuladores.

Figura.3.12. Adaptado de [Montana, 91]. Efecto de la distancia entre los puntos de

contacto sobre la estabilidad: si c > a ⇒ estabilidad (izquierda); si c < b
⇒ inestabilidad.

Con respecto a la incorporación de criterios que garanticen estabilidad en

planificadores como HANDEY, digamos que son excesivamente simples, aunque
deja abierta la posibilidad de introducir tratamientos más completos de la misma
(no deja claro cómo). De hecho, considera objetos "ligeros", en el sentido de que
el agarre no se ve afectado siquiera por la distancia al centro de masas de los
mismos. Su criterio consiste únicamente en requerir que un círculo inscrito en los
dedos de la pinza intersecte con las regiones que garantizan el agarre del objeto.

Finalmente, debido a que el trabajo aquí representado es una extensión (en

determinados aspectos) del otro trabajo "guía", LGUVI, relegamos el comentario
de su enfoque sobre la incorporación de criterios de estabilidad al apartado
siguiente 3.3.3.
 Capítulo III • 57

3.3.3. Configuración del Agarre.

En el contexto del agarre clásico (pinzas de dos dedos plano-paralelos) que nos
ocupa, tres posibles requerimientos geométricos son [Peshkin & Sanderson, 86]:

(1º) El objeto debe tocar los dedos en la superficie interna de ambos, ó en

su superficie externa, pero no una de cada. Esto se denomina "the
matter distribution requirement" [Laugier, 81].

(2º) Las superficies que se espera toquen los dedos deben ser planas y
paralelas, aproximadamente.

(3º) Dichos pares de superficies paralelas deben ser alcanzables desde el

mismo lado.

En nuestro caso, relativo al requerimiento (1º), únicamente se considera la

posibilidad del agarre por presión, por tanto solo intervendrán en el contacto las
superficies internas de ambos dedos. La condición (2º) dará lugar a la definición
de un umbral de curvatura y un umbral angular (véase más adelante). Por
supuesto, el requerimiento (3º) siempre se garantizará en nuestro caso, debido a la
vía de aproximación elegida (grip, en la figura 3.1).

Siguiendo otros trabajos cercanos al nuestro [Kamon et al., 96], y teniendo en

cuenta las ideas expuestas anteriormente, referentes al contacto entre dos cuerpos
(condición de no-deslizamiento) y a las condiciones de estabilidad (clausura de
fuerza, curvatura, etc.), plantearemos nuestra configuración del agarre basada en
el conocimiento de tres umbrales básicos:

Umbral de curvatura (α).

Tendrá en cuenta las condiciones mínimas de suavidad de los
contornos del objeto para garantizar la adaptación de los dedos de
la pinza al mismo, con el máximo contacto.

Umbral angular (β).

Asegurará la condición de no-deslizamiento, teniendo en cuenta
puntos de contacto con rozamiento.

Umbral de distancia (γ).

Evaluará la distancia máxima permitida de alejamiento al centroide
de la línea de agarre (P1P2).

Los detalles de implementación de estos umbrales se posponen al capítulo V,

pero la idea fundamental, con vistas a preservar la estabilidad, es que los posibles
candidatos a puntos de agarre habrán de cumplir, básicamente, tres propiedades:
58 • Caracterización del Agarre

Dedo2
P1
k N
P 1
I min
Centroide
β1
β2 d

NP
2
k
P2

Dedo1

Figura.3.13. Interpretación geométrica de las condiciones de estabilidad

asumidas: Curvatura, evaluación en regiones del contorno de radio
k (radio de la pinza) centradas en los puntos (P1 y P2);
determinación de ángulos β1 y β2, de la línea de agarre con las
normales (NP , NP ); evaluación de la distancia, d, al centroide.
1 2

1ª La adaptación de los dedos de la pinza al objeto. Implica que habrán

de encontrarse intervalos de radio k (radio de los dedos) centrados en
los puntos de contacto (P1 ó P2) en condiciones de curvatura muy
baja.

2ª La línea de agarre, el segmento de línea que une los puntos de

contacto (P1P2), será aproximadamente (dentro del cono de
rozamiento) normal al contorno en ambos puntos.

3ª La línea de agarre ha de permanecer próxima al centroide.

Como se puede observar, existe una relación directa entre cada una de estas
tres propiedades y los umbrales definidos previamente. Un detalle importante es
que el conocimiento para la evaluación de los umbrales anteriores y la etapa de
razonamiento geométrico posterior, se hace exclusivamente a partir de dos
parámetros visuales capturados en tiempo de ejecución: el centroide y la dirección
del eje principal o de mínima inercia (Imin) y de una descripción del contorno del
objeto.
 Capítulo III • 59

Es conveniente observar la interpretación geométrica de estas propiedades a la

vista de la figura 3.13, que muestra los posibles puntos de agarre, P1 y P2, en el
modelo aquí asumido. Obsérvese que d es la distancia de la línea de agarre al
centroide y, β1 y β2 son los ángulos que forma dicha línea con las normales en
cada uno de los puntos en cuestión (NP1 y NP2).

La idea que subyace en las tres condiciones anteriores estaría en

correspondencia con el razonamiento de sentido común [Davis, 90], empleado por
la gente cuando de forma refleja procede al agarre de un objeto sobre una
superficie plana, posicionando los dedos en lados opuestos del objeto y cercanos
al centro de gravedad del mismo, e.g. un lápiz sobre una mesa o similar;
existiendo evidencias de tipo psicofísico que lo demuestran [Opitz et al., 93].

3.4. Conclusiones Preliminares.

Todo lo desarrollado en este capítulo puede resumirse en las siguientes

consideraciones:

♦ Un punto crucial es establecer una relación entre los criterios que configuran
el agarre estable, definido en términos propios de la estática, y los
parámetros obtenidos mediante un sistema de visión en tiempo de ejecución.
La necesidad de incorporar visión al modelo de agarre planteado en este
trabajo, desemboca en la caracterización del mismo a partir de la definición
de tres umbrales. La heurística aquí planteada representa una extensión del
trabajo de Kamon [Kamon et al., 96], añadiendo un umbral de curvatura a
los dos inicialmente propuestos.

♦ A diferencia de otros autores [Chen & Burdick, 92] que, mediante técnicas
de optimización buscan todos los agarres posibles cumpliendo determinadas
condiciones (e.g. puntos de agarre antípodos), nuestro interés se centra en
encontrar un agarre único, garantizando su estabilidad.

♦ Con relación a la morfología del universo de trabajo, mientras HANDEY

presupone la existencia de modelos geométricos de los objetos, y LGUVI, la
no existencia de huecos así como objetos con simetría especular en la
dirección de Imin, nosotros no presuponemos nada. Esta complejidad añadida
se resolverá mediante el análisis global de las formas a partir de propiedades
de simetría y curvatura, fundamentalmente (véase el capítulo V).
 Capítulo IV

Información Visual:
Adquisición y Análisis
En este capítulo se trata el problema previo a la
determinación del agarre propiamente dicho, es decir, todo
el tratamiento de la imagen desde su captura hasta la
extracción de características.

4.1. Introducción

Como ya se comentó en el punto 2.1, al hilo de la percepción visual, hay que

resaltar la importancia de la experiencia cognoscitiva previa en la interpretación
de una imagen [Ferraté et al, 86]. Una persona no ve niveles de gris
caprichosamente repartidos en una superficie bidimensional, ni tampoco ve
contornos, ni saltos bruscos de intensidad, ni ninguna otra característica
definida numéricamente sobre una matriz. Lo que una persona realmente ve son
objetos tridimensionales con los que ha sido familiarizado en el transcurso de su
vida. He aquí la diferencia entre sensación y percepción. La sensación es la
información captada por nuestros receptores; la percepción incluye además la
interpretación dada a esa información gracias a la experiencia previa obtenida
en situaciones semejantes. Además, el contexto ayuda a eliminar posibles
ambigüedades. Otro factor a tener en cuenta es el principio gestáltico de que "el
todo es más que la suma de las partes". Un ejemplo evidente de ello será
observado en el capítulo V, demostrando la existencia de propiedades como la
simetría, que sólo pueden ser captadas a nivel global y desaparecen en cuanto se
61 • Información Visual: Adquisición y Análisis

analiza localmente la imagen. Por último, destacar que los objetivos que se
persigan tendrán una influencia decisiva en el diseño del mecanismo de
percepción implementado. En nuestro caso, como se trata de razonar a partir de
la forma de los contornos de los objetos, prescindiremos de toda aquella
información que no sea relevante al respecto.

Iluminación
Adquisición Análisis

Imagen Contornos y
Descriptores

Escena Representación Representación

Cuantitativa Simbólica
Posible
Realimentación

Figura 4.1. Adaptada de [Horn, 86]. Diagrama de bloques simplificado

relativo al módulo de visión desarrollado.

De acuerdo con otros investigadores [Horn, 86], podemos afirmar que

estamos todavía muy lejos de poder conseguir un sistema de visión "universal",
que funcione bien con independencia del contexto y de los objetivos a alcanzar.
Por el contrario, la mayor parte de los sistemas de visión tienen un alcance
bastante limitado, resolviendo únicamente aquella aplicación concreta para la
que fueron diseñados bajo unas determinadas condiciones iniciales. No
obstante, se están empezando a crear las bases necesarias para construir
módulos que solucionen áreas acotadas del proceso de visión con la idea de
lograr una aproximación cada vez mayor a un sistema de visión "universal" (o
de propósito general). Estos módulos exigirán adaptaciones mínimas a
problemas específicos cualesquiera. Esta es la idea que subyace en la creación
de un módulo previo al de "determinación de puntos de agarre basado en
visión" (véase el capítulo siguiente). El módulo de visión requerido ha de
capturar la escena y entregar a la salida una representación simbólica formada
por cada uno de los contornos de los objetos que en ella aparezcan así como una
 Capítulo IV • 62

serie de descriptores asociados (véase la figura 4.1). Con la filosofía de fondo

explicada anteriormente, hemos tratado de relajar las condiciones iniciales
fundamentalmente en dos aspectos:

1º Condiciones de iluminación, admitiendo luz ambiente difusa, y

2º Morfología de los objetos que constituyen el universo de trabajo,

permitiendo todo tipo de formas planas, con o sin huecos, etc.

Este capítulo muestra cada una de las etapas seguidas en la evolución de la

información visual para el problema aquí planteado, tal y como se observa de
forma simplificada en la figura 4.1. En ella se representan dos módulos básicos:
adquisición y análisis. En adquisición englobaremos la problemática de la
iluminación, la captura por el sistema de visión utilizado (cámara CCD más
tarjeta digitalizadora), y el preprocesado (filtros, etc.). Mientras que en análisis
abarcaremos las etapas de segmentación, extracción de contornos, cálculo de
momentos y extracción de características basadas en los momentos.

4.2. Adquisición de la Imagen

Este problema es de importancia crucial para poder garantizar que el

procesamiento de la imagen, a realizar posteriormente, será satisfactorio.
Podemos considerar tres aspectos fundamentales [Davies, 90]:

(1) El esquema de iluminación empleado.

(2) La tecnología utilizada en la captura y digitalización de las

imágenes.

(3) La teoría básica subyacente al proceso de muestreo (e.g. el teorema

de muestreo [Aström & Wittenmark, 88]).

El punto (2) está relacionado, básicamente, con los dispositivos físicos

necesarios para capturar la imagen utilizando una cámara (CCD, en nuestro
caso); digitalizarla a continuación mediante la tarjeta diseñada al efecto; y
ubicarla, finalmente, en la memoria del ordenador, como una matriz de píxeles.
Como este es un tema cerrado y de interés lateral en relación a nuestros
objetivos, no será tratado aquí.

Relativo al punto (3), sólo recordaremos que debido a la naturaleza digital de

las imágenes aparece el problema añadido de la fidelidad con que se aproximan
éstas a los objetos de que provienen. Dicha fidelidad está relacionada con el
factor de cuantización elegido en el proceso de muestreo (paso de la señal
63 • Información Visual: Adquisición y Análisis

analógica a digital). Existen fuentes excelentes al respecto [Rosenfeld & Kak,

82].

El punto (1), por su importancia en el trabajo aquí desarrollado, será tratado

en el apartado siguiente.

Finalmente, debido tanto al ruido de cuantización [Coster & Chermant, 89]

inherente al proceso de muestreo (3), como a la contaminación provocada por el
tratamiento electrónico de la señal, estamos obligados a filtrar en alguna medida
las imágenes mediante técnicas de preprocesado (véase el apartado 4.2.2).

4.2.1. El Esquema de Iluminación Empleado

Al describir el universo de trabajo en el capítulo III se omitió una propiedad

de los objetos, la relativa a las características ópticas de la superficie de los
mismos. Es decir, no se habló de la posibilidad de que una determinada
superficie fuera especular, opaca, etc. De hecho las características ópticas de la
superficie de los objetos están en conexión directa con el esquema de
iluminación empleado, por ello se ha relegado su tratamiento a este apartado.

Un objetivo planteado en el presente trabajo ha sido estudiar las ventajas e

inconvenientes de trabajar en un entorno de luz difusa, donde usualmente la
fuente de iluminación es del tipo "tubo fluorescente". Encontrándose las
mayores dificultades para las superficies cromadas (especulares) típicas, por
otra parte, de la mayor parte de nuestro universo de trabajo (herramientas, etc.).
La complejidad de este esquema de iluminación puede seguirse a partir de los
siguientes aspectos clave [Davies, 90]:

(1) Diferentes partes de los objetos aparecen iluminados de forma

diferente, a causa de variaciones en el ángulo de incidencia, y las
subsiguientes diferencias de brillo son capturadas por la cámara.

(2) Los valores de brillo también varían a causa de diferencias en las

reflectividades absolutas de las superficies del objeto.

(3) Los valores de brillo varían con las especularidades de las

superficies en lugares donde el incidente, el emergente y los ángulos
de fase son compatibles con la reflexión especular.

(4) La presencia de sombras afecta al valor del brillo en diferentes

regiones de la imagen.

(5) Aparecen efectos complejos debidos a posibles desviaciones de luz

reflejada desde algunos objetos que iluminan otros. Factores que
pueden conducir a variaciones muy complicadas de brillo sobre la
imagen.
 Capítulo IV • 64

Ignorando los efectos (5) y (3), el esquema presentado todavía sigue siendo
de complejidad considerable, debido a los factores (1), (2) y (4).

Se observa que, suponiendo una luz suficientemente difusa, el efecto (2)

prevalece sobre (1) de manera que, en una primera aproximación, los valores de
brillo observados representarán variaciones en la reflectividad de la superficie.
De hecho, la iluminación difusa también suaviza las reflexiones especulares
(efecto (3)), de manera que para la mayoría de los objetos puede ignorarse.

(a) (b)

Fondo Objeto

0 63

(c) (d)

Fondo Objeto

0 T 63
0

Figura 4.2. Caso simple de eliminación de sombras: objeto claro sobre

fondo obscuro (destornillador). Imagen original (a). Histograma
asociado (b). Resultado de umbralizar con frecuencia T0 (c).
Representación de la frecuencia de corte T0 (d).

Es interesante puntualizar que se ha construido un algoritmo que, a partir de

una imagen dada, distingue el modo asociado al objeto, del asignado al fondo.
65 • Información Visual: Adquisición y Análisis

Se basa en analizar los niveles de gris de las líneas que constituyen el borde de
la imagen; se halla su valor medio y se compara con los niveles de gris
asociados a los picos de máxima frecuencia que aparecen en el histograma. Esta
estrategia ha demostrado un comportamiento enteramente satisfactorio en todos
los casos experimentados. Como ejemplo pueden observarse las figuras 4.2
(objeto claro sobre fondo obscuro) y 4.3 (objeto obscuro sobre fondo claro).

(a) (b)

Objeto Fondo

0 63

(c) (d)

Objeto Fondo

0 T0 63

Figura 4.3. Caso complejo de eliminación de sombras: objeto obscuro

sobre fondo claro (tijeras). Imagen original (a). Histograma
asociado (b). Resultado de umbralizar con frecuencia T0 (c).
Representación de la frecuencia de corte T0 (d).

Una de las problemáticas que sigue quedando por resolver es la de las

sombras. Aquí se ha constatado la diferencia existente entre objetos claros sobre
fondo obscuro y viceversa. En el primer caso la eliminación de sombras
representa menos problema que en el segundo, tal y como afirman otros autores
 Capítulo IV • 66

[Davies, 90]. En la figura 4.2 se observa una imagen relativa al primer caso
(destornillador), mostrando su histograma asociado. Es fácil observar que una
técnica de segmentación directa, basada en umbralización global eliminará las
sombras del contorno, como se constata que ocurre (c). La elección de un
umbral óptimo, T0, en estos casos, consiste en encontrar una frecuencia mínima
entre los dos modos existentes [Weska, 78]. El otro caso se representa en la
figura 4.3. A primera vista se sigue tratando de un histograma bimodal, como el
anterior, pero la diferencia crucial es que el histograma, en este caso, presenta
una dispersión notable, de manera que no aparecen dos modos completamente
diferenciados como en el caso anterior, sino que existen una serie apreciable de
valores en las frecuencias que provocan la conexión entre ambos haciendo muy
dificil la búsqueda de una frecuencia de corte. Esto se debe a que en este caso
aparecen píxeles pertenecientes a regiones del objeto, con el mismo nivel de
gris que los pertenecientes a la sombra (fondo). Esto implica que un algoritmo
de segmentación, como el anterior, basado en umbralización global, no será
enteramente satisfactorio. En la parte (c) de la figura 4.3 se observa el resultado
de una umbralización, donde cuidadosamente (a mano) se ha elegido T0 como
frecuencia de corte. Se comprueba que a medida que desaparecen los píxeles de
las sombras, desaparecen también píxeles de una región del objeto. Además,
realizar esta elección de umbral de forma automática resulta imposible. Existen
trabajos [Rosenfeld & Kak, 82], en los que se intenta incorporar el
conocimiento de la distribución de los objetos en relación a las regiones
espaciales de la imagen, lo cuál tampoco garantiza el correcto funcionamiento
de la segmentación en casos dispares, y a cambio, es muy costoso a nivel
computacional; nos referimos al denominado "umbral dinámico" [Fu et al., 88].
Como se observa, los métodos empleados en la segmentación de imágenes están
totalmente mediatizados por los esquemas de iluminación utilizados. En el
apartado 4.3 será tratado, a fondo, la estrategia de segmentación utilizada.

4.2.2. Preprocesado

Como se comentó anteriormente, debido al ruido proveniente del tratamiento

electrónico de la señal y al inherente a la naturaleza misma del muestreo
(analógico-digital), es prácticamente imposible obtener imágenes limpias. El
conjunto de técnicas empleadas en tratamiento digital de imágenes para la
eliminación de ruido se agrupa dentro de la etapa denominada de preprocesado
de la imagen [Fu et al., 84]. Existen básicamente dos enfoques: uno en el
dominio de las frecuencias, a partir de la Transformada de Fourier, y otro en el
dominio espacial a partir de los niveles de gris de píxeles adyacentes. Debido a
restricciones de tiempo real en el campo de la robótica, el primer enfoque,
computacionalmente intensivo, está descartado.

Las funciones de preprocesamiento en el dominio espacial se pueden

expresar, en general, como g(x,y) = h[f(x,y)], donde f(x,y) es la imagen de
entrada, g(x,y) es la imagen obtenida (preprocesada) y h es un operador en f,
definido sobre el entorno de vecindad de (x,y).
67 • Información Visual: Adquisición y Análisis

Una de las técnicas de dominio espacial usadas con mayor frecuencia se basa
en el uso de las denominadas máscaras de convolución (plantillas, ventanas o
filtros). Se trata, genéricamente hablando, de una matriz bidimensional cuyos
coeficientes se eligen de forma que podamos detectar una propiedad dada para
una imagen (véase la figura 4.4). Se utilizan, en general, para las llamadas
"operaciones" en entorno de vecindad (reducción de ruido, apreciaciones de
textura, esqueletizado, etc.). En nuestro caso, sólo estamos interesados en las
propiedades de reducción de ruido.

A partir de la máscara visualizada en la figura 4.4 (izquierda), se obtiene el

siguiente resultado:
 w1 f ( x − 1, y − 1) + w2 f ( x, y − 1) + w3 f ( x + 1, y − 1) + 
1  
h[ f ( x, y )] = 9 + w4 f ( x − 1, y ) + w5 f ( x, y ) + w6 f ( x + 1, y ) + 
∑ i + w7 f ( x − 1, y + 1) + w8 f ( x, y + 1) + w9 f ( x + 1, y + 1)
w
i =1


donde w1 w2,…, w9, son los coeficientes de la máscara y se supone 8-

conectividad. En nuestro caso se ha empleado una máscara como la visualizada
en la figura 4.4 (derecha). Esta máscara detecta puntos aislados, de forma que
aquellos que superen un cierto umbral, en su respuesta h[f(x,y)], son
eliminados.

w w2 w3
1 -1 -1 -1
(x-1,y-1) (x,y-1) (x+1,y-1)

w w w
4 5 6 -1 8 -1
(x-1,y) (x,y) (x+1,y)

w w w
7 8 9 -1 -1 -1
(x-1,y+1) (x,y+1) (x+1,y+1)

Figura 4.4 Máscara 33 general (izquierda). Máscara para detección de

puntos aislados (derecha).

El tamaño de la máscara es importante por cuestiones de eficiencia. Se

observa que en nuestro caso se ha elegido un tamaño 3 × 3, que ofrece un
comportamiento adecuado a un coste razonable.

Puntualicemos que existen otros muchos filtros en la literatura, adecuados

para mejorar el contraste, favoreciendo el proceso de segmentación
subsiguiente, pero a costa, la mayor parte de las veces, de no ser
suficientemente respetuosos con los contornos originales de las imágenes, así
como de un elevado coste computacional.
 Capítulo IV • 68

En resumen, la estrategia utilizada ha consistido en pasar el filtro anterior,

segmentar y extraer contornos. Eliminando en este último paso aquéllos que no
superen un determinado tamaño.

4.3. Segmentación de la Imagen

El primer objetivo una vez que la imagen ha sido digitalizada y preprocesada

es obtener una descripción de partes específicas presentes en ella. Para generar
esta descripción es necesario segmentar la imagen en las distintas partes que
van a ser analizadas; es decir, aislar los objetos de interés del fondo.
Típicamente se obtiene una nueva imagen cuya función característica fc tendrá
el valor 1 para píxeles pertenecientes a los objetos y 0 en cualquier otro caso.
Una buena revisión de métodos de segmentación puede encontrarse en [Zenzo,
83] o más recientemente en [Pal & Pal, 93].

Esta etapa puede ser bastante compleja si no existe un dominio absoluto de

las condiciones de iluminación del área de trabajo. Y bastante simple, en caso
de disponer de dicho control, e.g. la típica iluminación posterior que, obvia de
una sola vez multitud de problemas como reflejos, cambios de texturas, luces
parásitas, etc., entregando, en tiempo real, las imágenes cuasi segmentadas.
Nosotros prescindiremos de este tipo de iluminación controlada, intentando
buscar una cierta relajación de las condiciones iniciales pero partiendo siempre
de imágenes cuyo histograma sea aproximadamente bimodal. Supondremos que
la escena cumple dos tipos básicos de restricciones:

1ª Para facilitar la segmentación de la imagen a partir de la selección

automática del umbral y consiguiente umbralización, se supondrá
que la textura de los objetos es cuasi uniforme.

2ª Para facilitar la extracción de bordes supondremos la no existencia

de objetos contiguos o solapados.

Las restricciones anteriores se asocian a las denominadas escenas "no

complejas" [Maravall, 93], en el sentido de que la primera restricción anterior
evitará el costoso, computacionalmente hablando, tratamiento de texturas, y la
segunda garantizará la posible extracción de contornos del objeto, sin
conocimiento a priori de su morfología.

En general, un proceso de segmentación puede clasificarse bajo dos grupos

fundamentales: segmentación contextual y no contextual. El primero emplea
relaciones de características entre vecinos. De esta forma la información local
puede reforzar la decisión de clasificación; sin embargo, suele ser información
difícil de cuantificar teóricamente y farragosa de implementar. El segundo evita
estos problemas; suele basarse en criterios estadísticos para la clasificación de
69 • Información Visual: Adquisición y Análisis

cada píxel individual utilizando normalmente la información de su intensidad.

Por otra parte, cuando las propiedades de la imagen son insuficientes para
discriminar los objetos presentes en ella, se suele hacer uso de información a
priori para identificarlos y aislarlos. En nuestro caso nos movemos en un
entorno de laboratorio (no hay situaciones imprevisibles) pero con un entorno
de iluminación no controlada (luz ambiente). No obstante, si se siguen
determinadas restricciones, se puede utilizar un enfoque de tipo no contextual,
segmentando las imágenes por umbralización de su nivel de gris; es decir,
clasificando los píxeles en dos clases: "oscuro" y "claro" en un intento de
distinguir entre los objetos y el fondo (o viceversa). Esto es posible por cuanto
las imágenes que tenemos son bien contrastadas y ambas clases son
diferenciables. Utilizaremos una aproximación basada en la determinación
adaptativa del umbral, que se ajustará automáticamente a las condiciones de
iluminación de cada escena.

4.3.1. Determinación del Umbral Optimo

Un sencillo caso de segmentación no contextual hemos dicho que es la

umbralización en una distribución bimodal. Vamos a ver la formalización del
caso en el que el umbral óptimo es seleccionado por ser aquél que minimiza el
error cometido durante el proceso de clasificación de los píxeles en función de
la probabilidad de cada punto de pertenecer a una clase u otra. Un histograma
bimodal corresponde a una imagen bien contrastada, y su distribución de
frecuencias puede ser aproximada por una combinación lineal de dos
distribuciones gaussianas:

p(z) = P(0) p(z0) + P(1) p(z1)

siendo P(0) y P(1) las probabilidades de ocurrencia de ambas clases (porcentaje

de píxeles asignables a cada modo), y p(z0) y p(z1) dos funciones de
distribución de probabilidad, en este caso las gaussianas caracterizadas por sus
medias µ0 y µ1 y desviaciones estándar σ0 y σ1 que aproximan ambos modos.
Esta aproximación es válida si σ0 y σ1 son pequeñas y similares, y las medias
están separadas de los límites del rango de grises (0 y 63). Cada una de estas
gaussianas será unimodal y ambas estarán separadas por un valle profundo.
Entonces se elige el umbral que cause el mínimo error al clasificar los píxeles
entre ambos modos. Es fácil de demostrar [Fu et al., 84] en estas condiciones,
que el umbral que minimiza el error de asignar los píxeles a una u otra clase es:
µ + µ1 σ2 P
θ0 = 0 + ln 1 (4.1)
2 µ 0 − µ1 P0

Es importante que el umbral sea determinado de manera automática, pues

esto hace al sistema insensible a cambios en las condiciones de iluminación
(siempre que se respete el principio de contraste entre objetos y fondo).
 Capítulo IV • 70

El caso extremo de un histograma bimodal es, de hecho, una imagen binaria

en la que todos los puntos del objeto estarían con un nivel z0 y todos los del
fondo con otro, z1. Pero la realidad es que las irregularidades en la iluminación
(iluminación arbitraria, no controlada) y la presencia de sombras, reflejos y
texturas en el objeto y en el fondo, hacen que los modos tengan una dispersión.
El cálculo de las medias y desviaciones de los dos modos presentes nos
permitirá conocer en torno a qué valores de z se encuentran más a menudo los
pixeles y con qué dispersión. Si así lo hacemos habremos caracterizado el
histograma en función de distribuciones de probabilidad de que cada nivel
pertenezca a un modo u otro.

Para evaluar el umbral óptimo de forma adaptativa, estableceremos una

condición de tipo morfológico que nos permitirá asegurar que la morfología de
los objetos segmentados es fiel a la imagen originalmente digitalizada. Si
trazamos las fronteras de los objetos por aquellos píxeles ocupados al menos en
un 50% por el objeto y un 50% de fondo, deberíamos asignar el umbral al nivel
de gris intermedio en nuestra escala (z = 31), pero eso sólo es posible si los
modos de nuestras imágenes estuvieran centrados en z0 = 0 y z1 = zmax = 63. Así
pues, nuestro objetivo será modificar la imagen original, unificando las
condiciones de las imágenes a segmentar de forma que lleguen a este proceso
con similares características de iluminación aparente. Esta imagen la
conseguiremos mediante la aplicación de una transformación que modificará la
imagen original obteniendo una imagen pseudo-binaria mediante un proceso de
estiramiento de contraste adaptativo [Iñesta, 94].

4.3.2 Obtención de una Imagen Pseudo-Binaria

Entre los procesos de tratamiento digital de imagen ocupan un lugar

destacado las transformaciones de histograma T[H(z)], que mediante un
adecuado tratamiento de los valores de las frecuencias de ocurrencia de cada
nivel de intensidad permiten mejoras concretas en la imagen transformada
[Pratt, 91]. Entre éstas se encuentran las operaciones puntuales, que son
operaciones en las que a cada nivel de gris z[zmin,zmax] se le hace corresponder
un nivel z'[zmin,zmax] de acuerdo con una aplicación z'=F(z). Son fácilmente
implementables mediante tablas de transformación LUT1 hardware o software.
Se denominan operaciones puntuales porque el valor transformado depende
únicamente del original, sin tener en cuenta relaciones entre propiedades de
otros niveles del histograma. Una de estas modificaciones es la de estiramiento
del contraste (contrast stretching) [Pratt, 91], que es una función lineal a tramos
en la que una zona con pendiente > 1 es aplicada a la región del histograma que
quiere mejorarse en su contraste. Si la pendiente sólo es distinta de cero en
dicha zona, entonces se dice que es una transformación de recorte (clipping)
[Jain, 89], que eliminará el ruido y la estructura interna de las zonas distintas a
aquéllas en las que se aplica el estiramiento de contraste. Estas últimas

1 LUT ≡ Look Up Table

71 • Información Visual: Adquisición y Análisis

corresponderán a zonas de transición entre objetos y fondo, que es donde vamos

a tener concentrada la información morfológica y de caracterización en nuestras
imágenes.

Basándose en la discusión del apartado anterior se puede establecer los

límites de cada zona en el histograma de la imagen original:

1 Píxeles claramente asignables al objeto:

Aquellos con niveles de gris comprendidos entre el nivel mínimo (zmin = 0) y

la media del modo oscuro más un número determinado de veces (n) su
desviación estándar (µ0 + n σ0). A estos píxeles se les atribuirá en la imagen
transformada el nivel de gris z' = 0.

2 Píxeles claramente asignables al fondo:

Aquéllos con niveles de gris comprendidos entre la media del modo oscuro
menos un número determinado de veces (n) su desviación estándar (µ1 − n
σ1) y el nivel máximo (zmax = 63). A estos pixeles se les atribuirá en la
imagen transformada el nivel de gris máximo, z' = zmax = 63.

3 Píxeles en las zonas de transición:

Que tomarán valores en el resto de niveles, expandiendo el histograma
linealmente para que abarquen toda la amplitud de niveles de gris (entre 0 y
63).

Esta transformación puede expresarse analíticamente de la siguiente manera:

 0 si z ≤ µ0 + nσ 0
 zmax zmax (µ0 + nσ 0 )
z' = T[H(z)] =  z+ si µ1 - nσ 1 > z > µ0 + nσ 0
 µ1 - nσ 1 − (µ 0 + n σ 0 ) µ 0 + nσ 0 − (µ1 - nσ 1 )
 zmax si z ≥ µ1 - nσ 1
(4.2)

que se representa gráficamente en la figura 4.5.

Cada tramo lineal de esta trasformación corresponde a cada una de las clases
en las que hemos clasificado los píxeles de la imagen. La linealidad del tramo
central expande los niveles de gris intermedios preservando la contribución de
cada uno, lo cual no se conseguiría con un tramo cuadrático, exponencial, etc.

La primera tarea a afrontar para dicho preprocesamiento de la imagen

original es estudiar el histograma y caracterizar la distribución de frecuencias
mediante la evaluación de los parámetros µ0, σ0, µ1 y σ1. El algoritmo utilizado
funciona adecuadamente si presuponemos que la entrada va a ser una imagen
bimodal. Para ello se analiza secuencialmente el histograma, eliminando los
 Capítulo IV • 72

niveles con poca ocurrencia respecto a las frecuencias máximas detectadas y

aquéllos que después de esta criba hayan quedado aislados. De esta manera
quedará un histograma con un grupo de niveles a cero entre los dos modos
detectados (objetos y fondo), así caracterizados por el algoritmo descrito en
4.2.1. Para lograr automatismo en este proceso, el análisis del histograma
requiere un preproceso de sus valores que en bruto, tal y como se extraen de las
imágenes originales, suelen ser bastante abruptos. Por ello conviene suavizarlos
para facilitar la aplicación de metodologías de análisis. Con este fin se ha
empleado una técnica de filtrado del histograma mediante un filtro gaussiano
con muy buenos resultados:
z2
1 − 2
G ( z, ω ) = e 2ω
2 πω

donde la anchura de la gaussiana, ω, se ha fijado empíricamente a 2.5 que

representa una anchura suficiente para tener un filtro ancho y muy suavizador,
dejando los histogramas suficientemente suaves como para facilitar la búsqueda
de las crestas y los valles que caracterizan los posibles modos encontrados.

z'

z'max

z
0 µ0 + nσ µ1 − nσ z
0 1 max

Figura 4.5. Representación gráfica de la transformación del histograma.

A cada uno de estos modos así aislados se aplican las fórmulas de cálculo de
media y desviación estándar a partir de las frecuencias de una distribución:
73 • Información Visual: Adquisición y Análisis

Media Desviación estándar

∑ z f (z )i i ∑ z f (z )
i i
µm = i
σ 2
= i
−µ 2

∑ f (z ) ∑ f (z )
m m
i i
i i

donde las f(zi) representan las frecuencias de cada nivel zi.

Fondo

Objeto

0 31 63

Objeto Fondo

Zona de
Transición

0 31 63

Figura 4.5. Arriba: Imagen original (izquierda), y su histograma asociado

(derecha). Abajo: Imagen pseudo-binaria (izquierda), resultado
de aplicar la transformación de contrast stretching propuesta;
obsérvese el efecto de la transformación sobre el histograma
(derecha), dejando constancia de las tres regiones establecidas.
 Capítulo IV • 74

Una vez caracterizados los modos, se aplica la expresión general de la

función de transferencia (4.2) y se obtiene la transformación pretendida. Tan
sólo falta por determinar el valor de n necesario para controlar la anchura de los
tramos a uniformizar en ambos modos. Para ello, el procedimiento seguido ha
sido el de ir variando n = 1,2,3,..., y calculando para cada valor µ0 + n σ0, y µ1 -
n σ1, hasta que se verifique que ∃ un n = N ⁄ µ0 + n σ0 ≥ µ1 - n σ1 . En ese
momento se fija n = N-1.

La implementación de esta función se realiza mediante una LUT

implementada en Pascal como un array que se aplica a todos los puntos de la
imagen, transforma sus niveles, que hacen de índice, en niveles transformados z'
del array:

z'(x,y) array [z(x,y)] of Byte

cuyos valores son previamente calculados mediante la expresión analítica de la

transformación (4.2).

En la figura 4.5 se visualiza un ejemplo del comportamiento obtenido para

una imagen de trabajo típica: tijeras. Se observan cada una de las tres regiones
impuestas por la transformación (4.2). A partir de esta imagen pseudo-binaria
será bastante sencillo aplicar un algoritmo de extracción de contornos, como se
propone en el apartado siguiente. Nótese que aparecerán contornos falsos,
inducidos por falta de homogeneidad en las texturas de los objetos; no obstante,
es relativamente simple su eliminación en base al tamaño de los mismos.

Finalmente, podemos decir que el proceso de segmentación y posterior

extracción de contornos acaban la labor comenzada con el preprocesado:
separar los objetos de interés, para nuestros objetivos, del resto de la escena.

4.4. Extracción de Contornos.

El algoritmo utilizado es una variante del algoritmo de codificación de

contornos mediante códigos de cadena descrito en [Gonzalez & Wintz, 87],
el cual reduce la imagen pseudobinaria, obtenida en el paso anterior
(segmentación), a una lista de contornos, unívocamente determinados
mediante la especificación de:

1 Su nivel de gris.

2 La posición (fila y columna) de un píxel en su contorno, llamado punto

inicial (PI).

3 Una secuencia de direcciones que permiten trazar el borde externo del

contorno.
75 • Información Visual: Adquisición y Análisis

Un código de cadena puede representar un contorno mediante una secuencia

de segmentos rectos de longitud y dirección específica, como por ejemplo el
código 4 u 8-direccional de la figura 4.6. Supondremos en lo que sigue una
teselación rectangular del espacio, por otra parte la más utilizada con diferencia,
en el procesamiento digital de imágenes. Es importante puntualizar que los
códigos de direcciones representados en la figura 4.6 definen una relación de
vecindad, es decir, el código 4-direccional da lugar a la 4-conectividad, y el 8-
direccional a la 8-conectividad. Para evitar ambigüedades hay que fijar a priori
uno de los dos. En nuestro caso, elegimos 8-conectividad por ser la que mejor se
adapta a las representaciones de los contornos digitalizados y ser más compacta
que la 4-conectividad. Tengamos en cuenta que la consideración de un mayor
número de direcciones no mejora la precisión de la cuantización de una curva
[Saghri & Freeman, 81].

1 3 2 1

2 0 4 0

3 5 6 7

Figura.4.6. Representación gráfica del código 4-direccional

(izquierda) y 8-direccional (derecha), de Freeman.

El algoritmo utilizado se basa en dos subalgoritmos:

Subalgoritmo de búsqueda de puntos iniciales (PI).

Definido un nivel de gris para el fondo de la imagen (Blanco ó 63, en

nuestro caso), el algoritmo hace un barrido por líneas de toda la imagen
buscando puntos con un nivel de gris distinto del indicado. Una vez
encontrado tal punto (si existe), llama al algoritmo de trazado de
contorno. Cuando este termina, se continúa con la búsqueda de puntos
iniciales evitándose que cualquier punto del objeto ya contorneado sea
considerado como punto inicial mediante un proceso de marcado de los
puntos del contorno y un inteligente manejo de una pila de niveles de gris
(véase la figura 4.7). Nótese que el píxel alcanzado será un punto inicial si
su atributo es izquierda (I, en la figura 4.7) y su nivel de grís no está en la
misma mitad del rango de grises que el de la última entrada en la pila.

Subalgoritmo de trazado de un contorno (T).

Desde el punto inicial de un contorno (que establecemos como el de

mínima coordenada "y" del objeto) se utiliza la regla clásica de "atravesar
 Capítulo IV • 76

un laberinto girando siempre en el mismo sentido" (supondremos sentido

horario, en nuestro caso).

X
PI PI
barrido I R R D I D

I D I D
Y
I D I D

I R R D

"apilar" "desapilar"
Pila
negro
blanco blanco blanco

Figura.4.7. Representación gráfica del esquema de trabajo del

algoritmo de "búsqueda de puntos iniciales". Se observa
la detección de dos puntos iniciales, uno para cada
contorno, cumpliendo la caracterización dada por el
subalgorítmo correspondiente ().

Cuestión-1: ¿Cómo podemos almacenar los contornos? (véase la figura 4.8).

Una primera idea puede ser almacenar cada una de las coordenadas de los
puntos (pixels) que forman parte de cada contorno. Nosotros seguiremos la
idea propuesta en [Gonzalez & Wintz, 87], y guardaremos únicamente las
coordenadas de los puntos iniciales, PI, de cada uno, con la secuencia
correspondiente de direcciones asociadas a los puntos que forman parte de
dicho contorno. La implementación de esta estructura puede realizarse
utilizando un vector cuyos elementos serán registros con tres campos: Pixc,
Piyc (de tipo entero), que representarán las coordenadas del PI de cada
contorno; y un campo de tipo puntero, listado, que apuntará a una lista cuyos
nodos tendrán un único campo de información, dato (de tipo byte) que
contendrá el código del segmento de la cadena, además del puntero al
siguiente elemento (next). Los sucesivos contornos que se vayan detectando
se almacenarán siguiendo la estructura de la figura 4.8. Posteriormente, con
el objetivo de facilitar el razonamiento geométrico necesario en las fases
posteriores del algoritmo, esta estructura de datos inicial del contorno, la lista
77 • Información Visual: Adquisición y Análisis

dinámica, se trasvasa a un vector dinámico2, donde se guardan las

coordenadas de los puntos del contorno, aplicando simultáneamente un m-
muestreo (ver apartado 4.5).

[1] [MAXCONT]
Piyc Pixc Listado
i1 j1

dato1

next1

dato2

next2

datoN

NIL

Figura 4.8. Cada contorno se almacena, guardando las

coordenadas. de su punto inicial, PI, y creando una
Lista a partir de éste que guarde las direcciones de
los sucesivos puntos del contorno que encontramos
a partir de dicho punto inicial.

Cuestión-2: ¿Cómo procederemos a una búsqueda exhaustiva de todos los

contornos?:

Representaremos (en el programa), la A por un cero, la I por un uno, la D por

un dos y la R por un tres. Empezaremos creando una matriz de atributos de las
mismas dimensiones que la imagen. Se inicializa a cero (A). Y la recorreremos
punto a punto. Al comienzo estaremos en un área de unos, es decir fuera de todo
objeto. Cuando encontramos un cero éste será un punto inicial (PI). Entonces
llamamos al procedimiento T que busca el contorno a partir de dicho punto.
Cuando acaba lo recorremos de principio a fin aplicando la siguiente regla:

Sí el punto tiene un atributo A (no se ha pasado anteriormente por él)

aplicamos la regla 1ª (vista posteriormente). Sí por el contrario el punto ya tiene
un atributo aplicaremos la 2ª regla (vista posteriormente).

Cada vez que pasemos de una zona a otra (de nivel de gris 0 a 1 o viceversa)
lo indicaremos con una variable Booleana (en general, se utilizará una pila,
véase la figura 4.7). Los puntos iniciales (PI) coinciden con el paso de un nivel

2 Véase el apéndice D.
 Capítulo IV • 78

al siguiente. El algoritmo termina cuando se han utilizado todos los puntos de la

imagen.

A continuación se expone la estrategia seguida para implementar el

algoritmo de seguimiento de contornos, teniendo en cuenta 8-conectividad:

Entrada: Array de niveles de gris (imagen pseudo-binarizada). Umbral: T0

Salida: Lista de contornos (PI, Codificación de Freeman y atributo de objeto o hueco)
Pasos:
1. Partir del punto superior izquierda de la imagen y suponer a éste perteneciente al fondo
(z > T0).

2. Barrer la imagen de izquierda a derecha y de arriba a abajo hasta encontrar un punto en el

que se cambie de zona de gris y con atributo 0. Marcar este punto como PI de este
contorno.

3. Trazar el contorno de la región detectada:

Inicializar valores del contorno y empezar por PI

repetir
repetir
mirar el píxel correspondiente según la regla de la figura 4-9
Si z está al otro lado de T0 en el rango de grises entonces
avanzar a la siguiente dirección de salida posible según la figura 4-9
hasta encontrar un píxel con z en el mismo lado del rango de grises
O volver a la dirección de llegada sin haberlo conseguido.
si se encuentra un píxel con z en el mismo lado del rango de grises entonces
Asignar la dirección de salida que se dirige hacia él desde el punto de entrada
si no
Se trata de un contorno de un solo punto
hasta Llegar de nuevo a PI

4. Marcar el contorno en la matriz de atributos recorriendo el contorno en sentido horario

aplicando las reglas pertinentes para la asignación de atributos a cada píxel del contorno.

5. Repetir 2, 3 y 4 hasta llegar a la esquina inferior derecha de la pantalla.

Finalmente, lo relativo a las Reglas de Asignación de Atributos

explícitamente sería:
regla1 :
r1 = ((3,3,3,0,2,2,2,2),(1,1,1,1,0,3,3,3),
(1,1,1,1,3,0,3,3),(1,1,1,1,3,3,0,3),
(1,1,1,1,3,3,3,0),(0,3,3,3,2,2,2,2),
(3,0,3,3,2,2,2,2),(3,3,0,3,2,2,2,2));

regla2 :
r2 = ((1,3,1),(3,2,2),(1,2,3));

Donde, r1, representa las 64 posibilidades asociadas con las ocho direcciones de
entrada y salida (véase la figura 4.9), contempladas por el subalgoritmo de
trazado de contornos, y r2, las nueve asociadas con los tres atributos posibles
(I,D y R), cuando dicho algorítmo pasa por segunda vez por el mismo píxel del
contorno.
79 • Información Visual: Adquisición y Análisis

Figura 4.9. Adaptada de [Iñesta, 94]. Regla de salida en

función de la entrada a cada píxel.

En resumen, una curva digital cerrada C queda representada por una

secuencia de N puntos de coordenadas enteras:

C = { pi = (xi,yi), i = 1,...,N }

donde pi+1 es un 8-vecino de pi (módulo N), puede expresarse mediante un

punto inicial PI = (x0,y0) y un código de cadena de Freeman que se explicita
como una sucesión de N vectores {ci, i=1,...,N}, donde

ci = pi −1 pi

y cada vector ci es codificado mediante el valor de un entero ci ∈ [0,7] (siendo

ci(π/4) el ángulo entre cada vector y el eje x).

4.5. Representación Eficiente de los Contornos.

La técnica del m-muestreo [Proffit & Rosen, 79] originalmente propuesta

para paliar el efecto de la naturaleza discreta del plano imagen cuando se
pretende medir la longitud de una curva digital (e.g. perímetro de un contorno),
es aquí utilizada como método sencillo y rápido de reducción de datos. A
continuación justificaremos esta metodología y la elección de un valor adecuado
para m.
 Capítulo IV • 80

4.5.1. Justificación de la elección del 3-muestreo.

Después del proceso de segmentación, es a menudo importante encontrar una

representación adecuada de los contornos del objeto con vistas a ganar
eficiencia en el cálculo de los descriptores, pero preservando la morfología de
los objetos para poder aplicar razonamientos geométricos sobre los mismos.
Tengamos en cuenta que todos los algoritmos utilizados a partir de aquí tienen
un coste O(N) directamente proporcional al número de puntos del contorno.

Las técnicas para representar más eficientemente una curva mediante una
aproximación poligonal se conocen habitualmente como de segmentación de
curvas, y han sido propuestos cierto número de algoritmos para llevar a cabo
esta tarea ([Pavlidis, 78], [Toussaint, 85], [Imai & Iri, 86], [West & Rosin, 91]),
pero todos ellos son excesivamente costosos a nivel computacional para
nuestros objetivos, ya que intentan una segmentación inteligente basada en el
estudio de propiedades geométricas en cada punto del contorno, y aplican luego
un procedimiento de selección para elegir un subconjunto adecuado de puntos
con un alto contenido en información. Pero nuestro sistema no puede funcionar
con este enfoque; ya que debido a restricciones temporales no puede detenerse a
conseguir una aproximación morfológicamente valiosa y le bastará con alcanzar
una reducción de datos que aproxime lo suficiente para que el polígono
resultante no distorsione en exceso la forma original. Por todo ello se ha
utilizado un método menos inteligente pero suficientemente efectivo para
reducción de datos: el m-muestreo, descrito por Profit [Proffit & Rosen, 79].

Se determinará cuál es el valor más adecuado para m, con el fin de lograr un

compromiso entre una reducción efectiva de puntos del contorno y un respeto a
la morfología de los objetos analizados. Esto será de importancia vital en
nuestro caso ya que necesitaremos eficiencia para el proceso de realimentación
visual y precisión para seleccionar los puntos de agarre adecuados; de manera
que si resultara dañado el contorno por la reducción de datos, los algoritmos
podrían llevarnos a conclusiones erróneas. La técnica del m-muestreo se basa en
la selección de un punto cada m puntos de la curva (véase la figura 4.10). Así, sí
m = 1, el efecto en la curva es dejarla intacta y la reducción de datos no ocurre.
Por otra parte, un alto valor para m implica un importante ratio para la
reducción de datos, pudiendo sufrir la morfología una seria alteración.

Como se comprueba en la figura 4.10, la línea digital resultado de muestrear

los puntos del contorno original se aproxima bastante mejor a la línea
digitalizada real para algunos valores pequeños de m que la obtenida uniendo
todos los puntos originales. La longitud de la curva muestreada se evalúa como
N
m
Lm ( m ) = ∑ d ( m ) j
j =0

que depende del valor elegido para m, siendo d(m)j la distancia euclídea entre
los puntos pj,m y p(j+1),m. Mediremos también la longitud de una
81 • Información Visual: Adquisición y Análisis

aproximación poligonal, calculada a partir de un procedimiento de selección de

puntos dominantes basado en el respeto a la morfología original del contorno
[Iñesta, 95], tomada como valor de referencia y para fines comparativos. Este
valor tiene validez sólo si el criterio de selección de puntos está relacionado con
la acción de preservar la morfología de la forma, y el método usado está
diseñado con este fin. Su longitud será la suma de las longitudes de los
segmentos rectilíneos que construyen la aproximación poligonal:
n
LPA = ∑ l j
j =0

siendo n el número de segmentos de la aproximación y lj la distancia euclídea

entre los extremos del segmento j-ésimo.

a. m = 3 b. m = 4

c. m = 5 d. m = 6

Figura 4.10. Adaptada de [Iñesta, 94]. m-muestreo de una línea digital con distintas m.
Los cuadrados negros marcan los nodos de la rejilla seleccionados por
proximidad a la curva original, mientras que los nodos encerrados por un
recuadro son los seleccionados por el muestreo (1 de cada m). Se observan
diferentes grados de adaptación a la curva original según el valor de m
empleado.
 Capítulo IV • 82

Cuanto mayor es la constante de muestreo, m, menor es el perímetro

resultante. Sin muestreo (m=1) estaríamos ante el estimador de Freeman LF. En
este caso los perímetros quedarán sobrestimados. Así pues, es razonable pensar
que con alguna constante m>1 a determinar en cada circunstancia o aplicación,
nos aproximaremos a un valor del perímetro razonablemente cercano al real.
Este procedimiento se comporta especialmente bien para segmentos rectilíneos
[Proffit & Rosen, 79]. Por otra parte, Lm está especialmente desaconsejado
cuando los contornos a analizar contienen picos muy agudos o abruptas
concavidades, pues el muestreo puede conducir a eliminar algunos de ellos y
falsear por completo la forma de la curva original (sobre todo si m es grande) y,
por tanto, su longitud. Así mismo, contornos muy ruidosos pueden provocar
artificialmente dichos accidentes en el perfil, llevando a idénticos e indeseados
efectos.

Nosotros vamos a cuantificar los efectos del m-muestreo para un simple

descriptor como el perímetro. Trataremos con formas de perímetro conocido
con vistas a comparar los resultados para diferentes valores de m. También
estudiaremos la exactitud de las medidas tomadas.

Históricamente, el problema de la estimación del valor del perímetro original

de una curva digital, ha sido tratado como un intento de inferir la información
perdida en el proceso de digitalización de una entidad de naturaleza continua.
Dicho de otra manera, nadie puede asegurar qué es lo que sucede con la curva
original en el intervalo inaccesible que existe entre los nodos de la rejilla de
cuantización. Este planteamiento asume la imposibilidad de valorar con
fiabilidad arbitraria la longitud original del suceso físico (línea digitalizada)
representado por la línea digital [Dorst & Smeulders, 87]. Por esta razón, al
hablar de perímetros digitales, hemos hablado de estimadores.

Consideraremos dos puntos de vista para valorar la calidad del m-muestreo

en cuanto a la reducción de datos se refiere:

1º) Reproductibilidad de las medidas, o cuál es el intervalo de error esperado

para un valor del perímetro extraído a partir del m-muestreo (véase la
figura 4.11); los ocho estimadores computados para hallar su dispersión
son los siguientes:

Lm 2-8 7 m-muestreos con m desde 2 hasta 8;

LAP Longitud de la aproximación poligonal.

En la figura se muestran las dispersiones para estos ocho estimadores

cuando se han aplicado a 16 digitalizaciones de dos objetos bajo distintas
condiciones. Como se observa, las menores dispersiones (y por tanto la
mejor reproductibilidad) se presenta para la aproximación poligonal
inteligente; para los m-muestreos, la menor dispersión se da para valores
intermedios de m.
83 • Información Visual: Adquisición y Análisis

Figura 4.11. Adaptada de [Iñesta, 94]. Porcentajes encontrados para las

dispersiones con respecto a los valores medios para estimaciones de
perímetros con diferentes valores para m y la aproximación poligonal
para dos objetos de prueba. Las dispersiones más pequeñas se
encuentran para los valores centrales de m y para LPA. Estos
resultados han sido reproducidos para otros contornos testeados.

2º) Proximidad del valor obtenido al valor real: otros experimentos [Iñesta,
94] muestran que con un valor para m igual a 3 o 4, la estimación del
perímetro toma valores cercanos a los reales, medidos manualmente sobre
objetos reales. Entre estos dos valores de m, 3 representa la mejor elección
para preservar la forma original cuando se presentan ángulos agudos.

En resumen, después de todo lo visto anteriormente, hemos encontrado dos

buenos estimadores para la longitud del perímetro de una curva digital. El mejor
de todos parece ser LPA, ya que combina reproductibilidad y precisión, como se
esperaba teniendo en cuenta la calidad de los puntos seleccionados para
construir la aproximación poligonal; pero, como ya dijimos anteriormente,
cuando el tiempo de procesado es una restricción, se necesita un procedimiento
alternativo menos inteligente de reducción de datos, y en ese caso, Lm3 parece
ofrecer los mejores resultados, con un buen comportamiento, rápido y sencillo
de implementar. La ventaja inmediata será la reducción de puntos a un tercio del
inicial, y el consiguiente ahorro en los tiempos de procesado de los algoritmos
subsiguientes (véase apartado siguiente al respecto).
 Capítulo IV • 84

4.5.2. Impacto del 3-muestreo en la eficiencia

Una de las cuestiones cruciales a considerar será la del análisis del impacto
del 3-muestreo sobre la eficiencia de los algoritmos utilizados [sanzp et al., 96].
Para analizar el impacto del 3-muestreo (reducción de datos) en la eficiencia de
los algoritmos, se ha realizado un total de 4 digitalizaciones sobre cada una de
las 10 imágenes3 que se nombran en la tabla adjunta (véase la tabla 4.1). Se
muestra una comparativa entre los tiempos de CPU para los algoritmos que
utilizan los contornos procesados con dicho muestreo (m = 3) y los que no lo
hacen (m = 1). Se observa un mejor rendimiento de los algoritmos para el caso
m = 3, debido a la dependencia lineal de los mismos con el número de puntos
del contorno de los objetos. Los picos que aparecen en la representación gráfica
de la figura 4.12 son debidos a la sobrecarga del procesamiento previo, en
relación con la complejidad de las estructuras de contornos que aparecen para
las imágenes tijeras1 y tijeras2, por poseer sendos agujeros cada una de ellas.

Imágenes NºP1 CPU1(µ) CPU1(σ) NºP3(µ) CPU3(µ) CPU3(σ)

(µ)
Tuerca 125 0.32 0.02 42 0.30 0.03
Tornillo 238 0.34 0.03 80 0.35 0.03
Allen 306 0.40 0.03 102 0.33 0.00
Tijeras1 438 0.52 0.03 146 0.47 0.03
Destornillad 467 0.45 0.02 156 0.41 0.03
or
Tijeras2 573 0.60 0.00 191 0.49 0.01
Pinzas 582 0.59 0.03 194 0.47 0.03
Calibre-A 695 0.60 0.00 232 0.46 0.03
Alicates 705 0.62 0.03 235 0.47 0.07
Tenazas 763 0.66 0.00 254 0.52 0.03

Tabla 4.1. Se observan tres columnas de datos para cada uno de los algoritmos
utilizados. Siendo "NºPn", el número de puntos del contorno, "CPUn" el
tiempo asociado en segundos, "µ", la media y "σ", la desviación típica
para 1-muestreo (n = 1) y 3-muestreo (n = 3), respectivamente.

Recordemos que los tiempos de CPU han sido obtenidos a partir del reloj del
sistema, con un ordenador 486 a 33 MHz con 8 Mb de RAM.

Como se deduce de los resultados obtenidos, parece ser que el rendimiento

de los algoritmos mejora apreciablemente con el 3-muestreo y dicha tendencia
parece incrementarse conforme aumenta el número de puntos de los contornos.

3 Véase el apéndice C, donde se muestran los contornos de cada una de las imágenes utilizadas.
85 • Información Visual: Adquisición y Análisis

Figura 4.12. Relación entre el número de puntos del contorno y el tiempo

de CPU, en segundos, para el 1-muestreo (m = 1) y el 3-
muestreo (m = 3). Las líneas de regresión muestran cuáles son
las tendencias cuando se incrementa dicho número de puntos
en cada caso.

Finalmente, digamos que se plantea una ligera desventaja referente a la etapa

de razonamiento geométrico posterior (capítulo V). Básicamente, el problema
surge al calcular intersecciones del contorno en direcciones cualesquiera. Habrá
que imponer un umbral de distancia para resolver ambigüedades entre puntos
contíguos, etc., como se verá en dicho capítulo.

4.6. Computación Eficiente de los Momentos.

En general, dada una imagen representada por una función arbitraria

representativa de los niveles de gris en cada imagen, f(x,y), se define el
momento de orden (p,q), mpq como
∞ ∞
m pq = ∫ ∫x
p
y q f ( x, y )dxdy p, q ∈ {0,1,2, K, ∞}
− ∞− ∞
Si dicha función, f(x,y), es acotada (como siempre ocurre en el caso de
imágenes digitales) existirá un conjunto único de momentos generales asociados
 Capítulo IV • 86

que la describen y viceversa [Duda & Hart, 73], [Maravall, 93]. Este resultado
explica el porqué de la importancia de los descriptores basados en el cálculo de
momentos en el área de reconocimiento de formas, con vistas a construir
vectores de características, etc. En el presente trabajo, estos momentos
geométricos serán utilizados para calcular el centroide, la orientación de la
forma estudiada y las magnitudes de los semiejes principales de la elipse de
mejor ajuste de los objetos de interés.

Teniendo en cuenta que las coordenadas del centroide de la función f(x,y) se

definen como:
m m
x = 10 ; y = 01
m00 m00

podremos definir los denominados momentos centrales:

∞ ∞
µ pq = ∫ ∫ (x − x)
p
( y − y ) q f ( x, y )dxdy p, q ∈ {0,1,2,K, ∞}
−∞ −∞

En nuestro caso, la función f(x,y) representa la intensidad de cada uno de los

puntos (x,y) de una imagen digital; por tanto, necesitamos la representación
discreta de las definiciones anteriores [Fu et al., 88], [Maravall, 93]. Es decir,
Nx Ny
m pq = ∑∑ x p y q f ( x, y ) p, q ∈ {0,1,2K, ∞}
x =0 y =0

para los momentos geométricos, y

Nx Ny
µ pq = ∑∑ ( x − x ) p ( y − y ) q f ( x, y ) p, q ∈ {0,1,2K, ∞}
x =0 y =0

para los centrales.

En el caso de una imagen binaria, la función f(x,y) es una función acotada

que toma valores distintos de cero únicamente en el contorno de los objetos
presentes en ella y en su interior. Para caracterizar una forma mediante un
conjunto de momentos se puede optar por dos aproximaciones: (1) Considerar
la función definida exclusivamente en el conjunto de puntos que definen su
contorno; (2) Establecer el campo de existencia de dicha función en el conjunto
de puntos del contorno del objeto más su interior.

Los momentos geométricos que se obtienen a partir del contorno, aunque lo

caracterizan adecuadamente, sufren el defecto de ser muy sensibles al ruido y a
pequeñas variaciones en la forma de un contorno. Por contra, los basados en el
contorno más su interior presentan una mayor robustez [Maravall, 93]. Nosotros
seguiremos este segundo enfoque.

Zakaria [Zakaria et al., 87] propuso un método llamado regla delta en el que
los momentos geométricos totales se calculan sumando las contribuciones de
87 • Información Visual: Adquisición y Análisis

cada una de las líneas de las que está compuesto el objeto sometido a estudio.
Para ello basta con conocer la posición de los puntos del contorno, lo que
reduce la complejidad a un orden lineal con el número de puntos del mismo, ver
figura 4.13.

Este método será el utilizado cuando calculemos los mpq, pues es sencillo de
implementar y fácilmente generalizable para tratar objetos con agujeros,
concavidades arbitrarias e imágenes no binarias, aspectos estos no
contemplados en el trabajo original [Zakaria et al., 87]. El método integral [Dai
et al., 92] también es eficiente y sencillo, pero sus ventajas respecto a la regla
delta residen fundamentalmente en su implementación para el cálculo a partir
del código de cadena de un contorno y este aspecto no contempla la posibilidad
de objetos con agujeros internos.

Se ha desarrollado un algoritmo basado en la regla delta que lo extiende para

alcanzar estos objetivos de generalización necesarios para nuestras formas (con
agujeros y concavidades arbitrarias) [Sanz et al., 94].

δi
xi 0 xiJ

yi

Figura 4.13. Interpretación geométrica de la regla delta

original. Se observa la contribución de la fila yi,
correspondiente a δi = xi − xi + 1.
J 0

A partir de la definición para la regla delta original:

Ny

m pq = ∑ m pq ,i p, q ∈ {0,1,2, L}
i =0
 Capítulo IV • 88

se obtienen los siguientes momentos de hasta orden dos:

m00,i = δi
m01,i = δi yi = m00,i yi
m02,i = δi yi2 = m01,i yi
m10,i = δi xi0 + (δi2− δi)/2
m11,i = m10,i yi
m12,i = m11,i yi
m20,i = δi xi02 + 2xi0(δi2 − δi)/2 + δi3/3 − δi2/2 + δi/6
m21,i = m20,i yi

y sólo resta sumar las contribuciones de las Ny filas de cada momento de orden
(p,q), para obtener los momentos totales.

Como interesa trabajar con objetos sin restricciones (cóncavos, con huecos
etc.), utilizaremos la regla delta extendida, la cual considera la posibilidad de
que las contribuciones por filas de los píxeles de la imagen esté particionada en
Ji secciones para cada línea i,
Ji
m pq,i = ∑ m pq,ij
j =1

De esta manera, los mpq calculados con este método se obtienen en un

tiempo del orden de 30 veces menor que los calculados a partir de la definición
aplicada sobre la imagen binaria I(x,y) del objeto,

Nx Ny
mpq = ∑ ∑ x jp yiq I ( x j yi )
j =0 i =0

que exhibe complejidad O(Nx Ny) O(N2); lo cual es muy conveniente para
nuestros propósitos. Podemos ver su significado en el ejemplo de la figura 4.14.

A partir de estos mpq se definen los correspondientes momentos centrales

[Gonzalez & Wintz, 87]:
89 • Información Visual: Adquisición y Análisis

δi 2 δi 4
xi ,2
xi ,2
xi ,4
xi
0 J 0 J ,4

yi

xi
0 ,1 δi 1 xi J ,1 xi
0 ,3 δi 3 xi J ,3

Figura 4.14. Interpretación geométrica de la regla delta extendida. Se

observa la contribución de la fila yi, correspondiente a δi1 + δi2 +
δi3 + δi4.

µ 00 = m00 ; µ10 = µ 01 = 0
µ 02 = m02 − ym01
µ11 = m11 − ym10
µ12 = m12 − 2 ym11 − xm02 + 2 y 2 m10
µ 20 = m20 − xm10
µ 21 = m21 − 2 xm11 − ym20 + 2 x 2 m01

Puntualicemos que los momentos centrales serán invariantes a traslaciones,

al definirse relativos al centroide de la forma y no a coordenadas absolutas. Es
interesante recordar que existen un conjunto de momentos, denominados
"invariantes de Hu" [Hu, 62] que son invariantes a traslaciones, rotaciones y
cambios de escala. Estas combinaciones no lineales de los momentos µpq son de
importancia crucial como descriptores en el área de reconocimiento de formas.
No obstante, no se requiere su uso para los objetivos aquí planteados.
 Capítulo IV • 90

4.7. Extracción de Características Basadas en los

Momentos.

Los dos descriptores fundamentales sobre los que se soporta el razonamiento

geométrico inherente al algoritmo que desarrollamos en el capítulo V serán:

1º El centro de masas o Centroide de la función de distribución de

intensidades:
m m
x = 10 ; y = 01
m00 m00

2º La orientación del Eje Principal4, que coincide con la del eje de mínima
inercia del objeto (Imin):
1  2 µ11 
θ = atan  
2  µ 20 − µ 02 

dicho eje pasa por el centroide del objeto y, a partir del mismo, es trivial
calcular el eje ortogonal a él pasando por el centroide: dirección del eje de
máxima inercia (Imax). Para evitar posibles ambiguedades en el calculo de la
orientación anterior, se hará uso de la función "atan2" (véase Apéndice A) que
es una función de dos argumentos que permite discriminar cualquier región
angular sin posibilidad de error, teniendo en cuenta el seno y el coseno
simultáneamente:
1
θ = atan 2( 2 µ11 , µ 20 − µ 02 )
2

Una visualiación gráfica de estos dos descriptores puede verse en la figura 4.15.

Estos dos ejes representan dos direcciones privilegiadas en el plano, de gran

ayuda para automatizar la localización de los objetos en una escena. Dichas
direcciones pueden visualizarse mediante la denominada "elipse de mejor
ajuste" [Jain, 89], cuyos semiejes (mayor, a, y menor, b), coinciden en dirección
con los ejes de mínima y máxima inercia (Imin, Imax) respectivamente:

µ 20 + µ 02 − 4µ 211 + (µ 20 − µ 02 )2
I min =
2

µ 20 + µ 02 + 4µ 211 + (µ 20 − µ 02 )2
I max =
2

4 Véase el apéndice A para función atan2.

91 • Información Visual: Adquisición y Análisis

calculándose el módulo de dichos semiejes a partir de:

18 18
4I3  4  I3 
a = ( )  max 
14
; b = ( )  min 
14

π  I min  π  I max 

Se observa que ambas características se definen en base a los momentos

centrales de segundo orden. Puntualicemos que es además en los momentos de
menor orden donde se concentran las principales características de la forma de
un contorno cerrado [Maravall, 93].

X
Eje Principal
(Imin )
Y
(x,y) −
θ (x)
(x)
( x , y ) θ+

Eje Principal
(Imin )

Figura 4.15. Interpretación geométrica de los descriptores

utilizados: centroide y orientación (θ) del Eje Principal.
Obsérvese el convenio seguido para dicha orientación.

En la figura 4.16, se visualiza un ejemplo de una imagen real (alicates) donde

se muestran los descriptores calculados, representándose además la elipse de
mejor ajuste, de forma que se evidencia la bondad de los mismos. Obsérvese
que la dirección del eje principal coincide con la del momento de inercia
mínimo (semieje mayor de la elipse), y la del momento de inercia máximo, con
la dirección de la recta que pasando por el centroide es ortogonal al eje principal
(semieje menor de la elipse). También se observa el convenio seguido en la
orientación del eje principal (Imax), en la esquina superior izquierda de dicha
figura.

El porqué hemos extraído como descriptores únicamente aquéllos

relacionados con el centroide del objeto y la orientación del eje de mínima
inercia se justifica, como ya se comentó en la introducción de este capítulo, por
 Capítulo IV • 92

los objetivos que se proponen alcanzar en las etapas siguientes. No podemos

perder de vista que el interés será doble: por un lado, garantizar la localización
del objeto en la escena y por otro, contar con la información necesaria y
suficiente para alimentar la entrada al módulo de determinación de puntos de
agarre, desencadenando el razonamiento geométrico subsiguiente (véase el
capítulo V). Es decir, se ha de generar la mínima información indispensable
para que el robot manipulador pueda finalmente, una vez detectado un agarre
estable, ejecutar la acción de coger dicho objeto (véase el capítulo VI).

Una muestra del comportamiento del proceso de localización para diferentes

objetos en una escena real, atendiendo al tipo de simetría global que presentan,
se visualiza en la figura 4.17.

θ<0
X
θ>0

Centroide
Y
Imax
b
a
Eje Principal
Imin

Figura 4.16. Visualización sobre una imagen real (alicates) de la

elipse de mejor ajuste, con sus semiejes mayor, a (Imin) y
menor, b (Imax) y de los descriptores utilizados. En este
caso el valor de la orientación de Imin es de 47º,
siguiendo el convenio visualizado en la esquina superior
izquierda.
93 • Información Visual: Adquisición y Análisis

Simetría Especular. (Tijeras)

I max
I max
I min

I min
θ = 65º θ = − 68º

Simetría Radial de Orden 6. (Tuerca hexagonal)

I min
I max
I max
I min
θ = − 89º θ = 90º

No existe Simetría. (Llave Allen)

I min

I max I max
I min

θ = 37º θ = − 26º

Figura 4.17. Visualización sobre diferentes imágenes del proceso de

localización a partir de los descriptores basados en los momentos. Al
pie de cada imagen se representa el ángulo (θ) en grados de la
orientación del eje de mínima inercia (Imin).

Aunque lo referente al concepto de simetría y la notación empleada se relega

al capítulo V, es interesante considerarlo aquí para facilitar la interpretación de
resultados. Dicho concepto sirve para clasificar las diferentes formas
encontradas en el universo de trabajo desde una perspectiva global.

Nótese que en los objetos que presenten simetría radial (e.g. la "tuerca" en la
figura 4.17), las direcciones de los ejes de la elipse de mejor ajuste permanecen
invariantes respecto a los cambios en la orientación de los mismos.
 Capítulo IV • 94

Es interesante puntualizar que cuando una forma posee un único eje de

simetría especular, la dirección de dicho eje coincide con la orientación de
alguno de los ejes del elipsoide de inercia, existiendo en el plano dos
posibilidades: eje de mínima inercia (Imin) del objeto o el de máxima inercia
(Imax). Dicho de otra manera, si la forma no posee simetría especular respecto de
alguno de los dos ejes anteriores (Imin o Imax ) implica que esta no existe
respecto de ningún otro eje. Ahora bien, aunque no exista simetría especular,
puede existir de otro tipo (e.g. rotacional).

A la vista de la figura 4.17, se observa que en aquellos objetos que presentan

simetría radial (e.g. tuerca) las direcciones de los ejes de la elipse de mejor
ajuste no aportan información respecto a los cambios en la orientación de los
mismos.

4.8 Especificaciones del Algoritmo

A continuación se resumen los pasos fundamentales que resuelven la etapa

de adquisición y procesado, visto a lo largo de este capítulo:

1º Captura de la imagen y preprocesado.

2º Segmentación de la imagen.

Entrada: Matriz imagen de 256 × 256 píxeles y 64 niveles de gris,

correspondiente a la porción del área de trabajo de que se
trate5.

Salida: Matriz imagen pseudo-binarizada, clasificando en tres clases

los píxeles pertenecientes a los objetos, al fondo y a la zona de
transición, respectivamente.

Estrategia: A partir del histograma (suponiéndolo aproximadamente

bimodal), se procede a la búsqueda adaptativa de un umbral
óptimo y a la pseudo-binarización [Iñesta, 94].

3º Extracción de contornos.

Entrada: Matriz pseudo-binaria obtenida en el paso anterior.

Salida: Vector de contornos. Cada elemento del vector es un registro

donde se guarda la información asociada con cada contorno, el

5 No olvidemos que la cámara está montada en la muñeca del robot (véase el capítulo VI).
95 • Información Visual: Adquisición y Análisis

cual se representa a partir del código de cadena de Freeman 8-

direccional [Freeman, 61].

Estrategia: Separación de regiones por encima y por debajo del valor

central del rango de niveles de gris, de forma que se sigue la
frontera de la zona correspondiente al objeto [Gonzalez &
Wintz, 87].

4º Cálculo de momentos.

Entrada: Código de cadena de Freeman obtenido en el paso anterior.

Salida: Momentos geométricos y centrales hasta orden dos.

Estrategia: Cálculo de momentos geométricos y centrales hasta orden dos,

a partir del método de la regla delta extendida [Sanz et al., 94].

5º Extracción de características basadas en el cálculo de momentos.

Entrada: Momentos geométricos y centrales hasta orden dos (obtenidos

en el paso anterior).

Salida: Coordenadas en píxeles del centroide, y orientación en grados

del eje principal (Imin) de cada contorno encontrado en la
imagen.

Estrategia: A partir de las expresiones en función de los momentos del

centroide y la orientación del eje principal [Jain, 89].

Resumiendo, este algoritmo a partir de la captura de una imagen, entrega una

representación de los contornos asociados a los objetos de la misma, cada uno
caracterizado con dos descriptores: centroide y orientación del eje principal.
Esto es justo lo que se necesita para abordar la siguiente etapa de razonamiento
geométrico, con vistas a la determinación de posibles puntos de agarre
asociados al contorno exterior de un objeto determinado.

4.9 Conclusiones Preliminares

Se pueden extraer del presente capítulo las siguientes conclusiones:

♦ Se ha demostrado la conveniencia de la elección del 3-muestreo por su

impacto positivo en la eficiencia de los algoritmos [Sanz et al., 96],
respetando simultáneamente la morfología de los objetos. No todo son
 Capítulo IV • 96

ventajas, hemos de puntualizar que este efecto beneficioso en la

reducción de datos no es gratuito, pues acaba añadiendo cierta
complejidad a los algoritmos de razonamiento geométrico posteriores
(véase el capítulo V). De todas formas se constata que son mayores las
ventajas que los inconvenientes.

♦ Se ha diseñado una estrategia que permite la automatización completa

del proceso de segmentación de imágenes, en condiciones adecuadas de
luz ambiente difusa, de manera robusta y eficiente. Garantizando la
extracción de contornos de objetos de formas cualesquiera.

♦ El cómputo de los momentos, necesarios para obtener los descriptores, se

realiza a partir de la regla delta extendida [Sanz et al., 94], quedando
patente su eficiencia y simplicidad respecto a otros métodos, así como su
idoneidad para alcanzar los objetivos planteados. La bondad de su
comportamiento se observa en relación al proceso de localización
mostrado.
 Capítulo V

Determinación Automática
de Puntos de Agarre
En este capítulo se abordará de forma concisa, pero sin
omitir detalle relevante alguno, el algoritmo que constituye la
parte central del trabajo, así como los fundamentos
matemáticos y heurísticos de cada uno de sus pasos.

5.1. Introducción

Hasta hace muy pocos años el campo de investigación referente a la

problemática relacionada con la planificación del agarre, como se vió en el
capítulo II, se ha centrado sobre todo en aspectos de modelización cinemática
(e.g. [Montana, 91]), dinámica (e.g. [Mason & Salisbury, 85]), o puramente
geométrica (e.g. [Markenskoff et al., 90]), siendo muy reducido el número de
trabajos que hacen uso de información sensorial (e.g. visión, sensores de fuerza,
de contacto, etc.) para alcanzar sus objetivos. Unicamente trabajos muy
recientes, algunos de los cuales figuran todavía como technical reports, hacen
uso extensivo de visión en las diferentes etapas de los sistemas de agarre
propuestos (e.g. [Jarvis, 88], [Stansfield, 91], [Fuentes et al., 94], [Bard et al.,
95], [Kamon et al., 96]).

Siguiendo a Stansfield [Stansfield, 91] es importante tener en cuenta la

diferencia entre la fase de pre-contacto, anterior al agarre propiamente dicho, y
la de post-contacto, posterior al mismo. Debido a que la etapa final del agarre
98 • Determinación Automática de Puntos de Agarre

(post-contacto) ocurre una vez que los dedos de la garra entran en contacto con
el objeto, habrá de utilizarse realimentación de información táctil para conseguir
un buen ajuste del agarre final, teniendo en cuenta propiedades que no pueden
extraerse visualmente (e.g., densidad y peso), con vistas a mantener dicho
agarre durante la manipulación del objeto. No obstante, con las restricciones
impuestas en el presente trabajo (véase el capítulo III) se puede obviar el uso de
la información táctil o de fuerza.

El principal antecedente del algoritmo que desarrollamos a partir del punto

5.2 es el trabajo de Kamon y su grupo [Kamon et al., 94], [Kamon et al., 96], el
cual se ha implantado en un sistema real con un robot AdeptOne y un sistema de
visión consistente en dos cámaras, una primera situada sobre el área de trabajo y
otra lateral a la misma (véase el capítulo III).

El presente capítulo se centra en la fase de pre-contacto citada anteriormente,

con vistas a la generación y análisis del agarre a partir exclusivamente de
información visual, dejando la problemática de la ejecución del mismo para el
capítulo VI. Las condiciones iniciales han sido descritas en el capítulo III. Es
importante dejar claro que a diferencia de otros trabajos [Jarvis, 88] en los que
el objetivo es manipular el objeto sin tener en cuenta nada más que la
adaptacion de la pinza al contorno del mismo (preshape), nosotros estamos
interesados en garantizar la unicidad y estabilidad del agarre encontrado. Las
razones son evidentes: si el agarre es único evitaremos conflictos de elección y
si es estable evitaremos problemas en la fase posterior al mismo (la de
transporte del objeto por la mano del robot). Así pues, nuestro algoritmo estará
fuertemente inducido por estas consideraciones.

5.2. Descripción del algoritmo

El algoritmo desarrollado para la determinación automática de los puntos de

agarre, una vez finalizada la etapa de procesamiento de la imagen descrita en el
capítulo anterior, puede descomponerse en las siguientes tres fases:

1ª Obtención de Candidatos a Puntos de Agarre (OCPA)

2ª Mecanismo Supervisor (MESU)

3ª Condiciones de Seguridad (COSE)

Recordemos que aunque la etapa previa de procesamiento de la imagen se

describe en el capítulo anterior, ésta siempre estará mediatizada por los
objetivos que se pretendan alcanzar; en nuestro caso, la determinación de los
puntos de agarre. No obstante, se ha considerado conveniente separar dicha
etapa de la presente, orientada al razonamiento geométrico y específica de
nuestro problema. Puntualizemos que la fase OCPA anterior garantiza la
 Capítulo V • 99

unicidad del agarre, definido única y exclusivamente por dos puntos: los
candidatos a puntos de agarre. Por otra parte, la fase MESU se ocupa de
evaluar/corregir el agarre definido en el paso anterior, de manera que si se
satisfacen todas y cada una de las condiciones impuestas por ciertos valores
umbrales, diremos que existe un posible agarre estable y, en otro caso (si falla
alguna de dichas condiciones), no se podrá garantizar su existencia.
Lógicamente, si se cubre con éxito el criterio de estabilidad, dicho agarre habrá
de evaluarse a continuación por la última de las fases del algoritmo: la
comprobación de que el agarre es factible por superar las condiciones mínimas
de seguridad exigidas en la fase COSE.

A continuación daremos una descripción de alto nivel relativa a cada una de

las tres fases anteriores, dejando para el apartado 5.3 la descripción a bajo nivel
de las mismas.

OCPA. Obtención de Candidatos a Puntos de Agarre.

Entrada: Vector dinámico de coordenadas visuales de los puntos del

contorno y descriptores asociados .

Salida: Coordenadas en píxeles de los puntos P'1 y P'2, candidatos a

puntos de agarre.

Estrategia: Cálculo de los dos puntos de corte de la recta perpendicular al

eje principal por el centroide con los bordes opuestos más
externos del contorno.

MESU. Mecanismo Supervisor.

Entrada: Vector dinámico de coordenadas visuales de los puntos del

contorno, descriptores asociados y candidatos a puntos de
agarre, obtenidos por OCPA.

Salida: Resultado de la variable lógica Estable, tal que si Estable = 1,

se garantiza con "certeza" la estabilidad del agarre,
devolviendo las coordenadas en píxeles de los puntos P1 y P2
que lo describen; si Estable = 0, no se garantiza estabilidad.

Estrategia: Una vez encontrados los dos candidatos a puntos de agarre

(P'1 y P'2), necesitamos evaluarlos en relación a las tres
condiciones de estabilidad expuestas anteriormente1; es decir:

1ª Garantizar la constancia de la normal en un entorno de radio k

(radio de la pinza), centrado en dichos puntos.
2ª Que los ángulos entre la línea de agarre y las normales en
dichos puntos del contorno no superen un valor umbral.

1 Véase el capítulo III, en relación a los tres umbrales introducidos.

100 • Determinación Automática de Puntos de Agarre

3ª Que la distancia entre la línea de agarre y el centroide no

supere un cierto umbral.

COSE. Condiciones de Seguridad.

Entrada: Coordenadas en píxeles de los puntos P1 y P2, que describen

el agarre final asociado a cada objeto, con un grado de
confianza (Estable = 1) que garantiza la estabilidad del agarre,
obtenidos en el paso anterior.

Salida: Coordenadas en píxeles de los puntos P1 y P2, que describen

el agarre final asociado a cada objeto, con un grado de
confianza entre 0 y 1; 1 cuando se garantiza con "certeza" la
seguridad del agarre y 0 en otro caso.

Estrategia: Una vez encontrados los dos puntos de agarre (P1 y P2),
necesitamos evaluar la distancia entre los dos puntos de
agarre, para garantizar que no exceda la apertura máxima de la
pinza, así como asegurar la existencia de un camino, libre de
obstáculos, en la trayectoria seguida por los dedos de la pinza
al efectuar la acción de agarrar.

5.3. El Algoritmo a bajo nivel.

Una vez justificada la reducción de datos mediante Lm3 (véase el apartado

4.5.1.) tenemos como entrada a nuestro algoritmo un vector dinámico con las
coordenadas visuales de los puntos del contorno 3-muestreado. Además, para
cada contorno se ha determinado su centroide y la orientación del eje principal.
A partir de esta información inicial se ha elaborado un procedimiento heurístico
que, razonando geométricamente sobre la representación anterior, facilita una
búsqueda eficiente y robusta del agarre.

5.3.1. Obtención de candidatos a puntos de agarre.

Antes de mostrar los pasos seguidos por el algoritmo que nos ocupa es
necesario introducir la noción de intersección discreta utilizada, inducida por la
granularidad inherente al 3-muestreo que representa un contorno genérico. En la
figura 5.1 se visualiza la interpretación geométrica del intervalo cerrado de
centro Pi y de radio δ > 0 tal que, centrado en los puntos de un contorno, es
necesario imponer en relación a su posible intersección con una recta
determinada (de dirección Imin o Imax, normalmente), dicho radio se obtiene a
partir del peor de los casos posibles, es decir, cuando más alejado se puede
encontrar un punto del contorno de la recta correspondiente.
 Capítulo V • 101

Veamos, a continuación, la estrategia adoptada para la obtención de

candidatos a puntos de agarre, la cual viene definida por la siguiente heurística:

OCPA_1 A partir del eje principal (dirección del eje de mínima inercia:
Imin), se calcula la recta ortogonal pasando por el centroide
(dirección del eje de máxima inercia: Imax ).

OCPA_2 A continuación se buscan y guardan todos los puntos intersección

entre esta línea (dirección del eje de máxima inercia: Imax) y el
contorno 3-muestreado del objeto (C), es decir, se construye el
conjunto de "precandidatos": Ωi = {P'i / P'i ∈ Imax ∩ C}.

OCPA_3 Debido a la granularidad de los contornos, a causa del 3-

muestreo empleado, la condición anterior no garantiza un único
punto de corte del contorno con Imax; así pues, del conjunto
anterior (Ωi) se eliminan aquellos puntos que son contiguos,
obteniéndose el conjunto Ωf de todas las intersecciones,
univaluadas, del contorno con Imax.

OCPA_4 A partir del conjunto de puntos obtenido (Ωf) se seleccionan

únicamente aquellos dos puntos más externos del contorno en esa
dirección y, en principio, serán un buen par de candidatos a
puntos de agarre.

δ
δ
1
1
(I max )

Figura 5.1. Interpretación geométrica de la definición de

intersección (contorno, recta) discreta empleada. Se
representa el caso más desfavorable en cuanto a
distancia se refiere. A partir del mismo se obtiene el radio
utilizado para la intersección discreta en el algoritmo (δ =
2).
102 • Determinación Automática de Puntos de Agarre

Visualizamos en la figura 5.2 un caso típico de herramienta: alicates, que

permite una rápida comprensión de la problemática inherente al objetivo que se
intenta alcanzar. El seguimiento del algoritmo se facilita observando el ejemplo
de dicha figura. En primer lugar se impone un umbral de distancia, δ, d (C,
Imax), de los puntos del contorno 3-muestreado a la recta de dirección Imax, de
manera que aquellos puntos del contorno cuyo entorno cerrado de radio δ
intersecte con Imax, formarán un primer conjunto de puntos definido por:

Ωi = {P'i / P'i ∈ Imax ∩ C }

Es decir, debido a la naturaleza granular de los contornos, provocada por el 3-

muestreo realizado, hemos de traducir la condición anterior a la siguiente:

Ωi = {P'i / d(P'i, Imax) ≤ δ}

En nuestro caso, como se ha demostrado (véase la figura 5.1) δ = 2 píxeles.

Luego esta es la condición para formar el conjunto de puntos Ωi = {P'i / P'i ∈
Imax ∩ C }. Estos puntos se guardan en un vector auxiliar, donde también se
guardarán, posteriormente, las distancias a un punto, χ, externo al contorno en
la dirección Imax. El estado de dicho vector, llegados a éste punto, para el
ejemplo representado en la figura 5.2, será el siguiente:

Ωi = [((150,110),0); ((153,110),0); ((139,121),0); ((133,125),0); ((127,132),0)]

PI
Recorrido

P'1

P'
2
(Imax)
Eje Principal
(Imin )

Figura 5.2. Interpretación geométrica del algoritmo descrito en el

paso OCPA, sobre un objeto real: alicates. Obsérvese la
granularidad del contorno 3-muestreado. Existen cuatro
puntos teóricos de corte, P'i ∈ {C ∩ Imax}.
 Capítulo V • 103

(a) (b)

P'1
P'2 I min
Centroide P'2 I min

P'1
Centroide

(c) (d)

I min P'1 Centroide

P'2 P'1

I min
Centroide P'2

Figura 5.3. Comportamiento del algoritmo OCPA para diferentes imágenes del
universo de trabajo: (a) llave allen, (b) tijeras, (c) tuerca, y (d) tenazas.

Problema: se han encontrado cinco puntos en lugar de los cuatro esperados.

Solución: La condición de distancia impuesta a priori, teniendo en cuenta

que los puntos del contorno están espaciados una cierta distancia,
conlleva el que, además, filtremos los puntos contiguos. Es decir,
en nuestro caso, a partir del punto inicial se recorre el contorno y
se llega al punto número 35 (a partir del inicial), de coordenadas
(150,110), cuya distancia a Imax es menor que δ, pero el punto
siguiente, número 36, de coordenadas (153,110), también cumple
dicha condición, por tanto se almacenaría en el vector, como
vemos que ocurre. Filtrando puntos contiguos desaparece el
problema, y se obtiene lo que deseamos:

Ωf = [((150,110),0); ((139,121),0); ((133,125),0); ((127,132),0)]

Es decir, un único punto de corte en cada intersección del contorno con Imax.

A partir de aquí se determina fácilmente que los dos puntos más externos
son:
104 • Determinación Automática de Puntos de Agarre

P'1 = (150,110) y P'2 = (127,132).

Tal y como se ha descrito anteriormente, se utiliza un vector auxiliar para ir

guardando cada uno de los puntos intersección de la dirección de Imax con el
contorno de la imagen. A continuación, siguiendo el paso OCPA_4 del
algoritmo, se seleccionan los dos más externos al contorno, es decir, el de
máxima y mínima distancia al punto χ, recordando que todos los puntos se
encuentran alineados en la recta de dirección Imax. Estos puntos, P'1 y P'2, serán
en principio un par de precandidatos a puntos de agarre.

Con la estrategia aquí descrita se garantiza siempre la obtención de dos

puntos candidatos (existencia y unicidad), descansando el resto del esfuerzo
referente a comprobar si se alcanza un agarre estable, en la fase MESU del
algoritmo. En la figura 5.2. se visualiza el comportamiento del algoritmo con
diversos objetos del universo de trabajo, incluida la llave allen.

5.3.2. Mecanismo supervisor.

El paso anterior (OCPA) demuestra la existencia de un posible agarre y, tal y

como se determina, será univaluado, pero no garantiza ni la preadaptación de la
garra (pinza de dos dedos plano-paralelos, en nuestro caso) al contorno del
objeto, ni su estabilidad. Por tanto, hemos de proceder al análisis y evaluación
del agarre inicialmente encontrado, desencadenando acciones correctoras en
caso necesario.

La primera cuestión a resolver será la relativa a la preadaptación de la pinza

de dedos plano-paralelos (descrita en el capítulo III) al contorno del objeto. Este
tópico fundamental de la planificación del agarre en general (preshape), se
puede reducir, en nuestro caso particular, a la búsqueda de dos condiciones:

(1.1) Constancia de la normal al contorno a lo largo de cada uno de los

intervalos, de radio k (radio de la pinza), centrados en los respectivos
puntos de agarre.

(1.2) Que los ángulos formados por la línea de agarre (P'1 P'2) y las normales
en cada uno de dichos puntos (NP'i) sean suficientemente pequeños.

La condición (1.1) se desarrollará en el punto [Link] y básicamente estará

relacionada con el análisis de la curvatura discreta en los contornos de los
objetos, definiéndose un umbral de curvatura (α). Así mismo, la condición (1.2)
será analizada en el punto [Link], donde se definirá un umbral angular (β). Esta
última condición será la responsable de incorporar la denominada en el capítulo
III, "condición de no-deslizamiento", relacionándose este umbral (β) con el
llamado "ángulo de rozamiento", allí expuesto.
 Capítulo V • 105

La otra cuestión que analiza el mecanismo supervisor que nos ocupa, será la
de la estabilidad (expuesta en el capítulo III). Tenemos de nuevo dos
condiciones a imponer:

(2.1) La línea de agarre (P'1 P'2) habrá de mantenerse próxima al centroide.

(2.2) Dicha línea de agarre (P'1 P'2) será, aproximadamente, normal al

contorno en ambos puntos.

Como la condición (2.2) está subsumida en la condición (1.2), impuesta para

la preadaptación de la pinza, sólo habremos de preocuparnos de la condición
(2.1), la cual se desarrolla en el punto [Link], donde se define el umbral de
distancia (γ).

Además de lo anterior, será necesario, para facilitar el análisis de las

condiciones anteriores, contar con la ayuda de una propiedad clave, inherente a
la forma: la simetría; a desarrollar en el punto [Link].

Finalmente, solo nos restará exponer, en el punto [Link], la estrategia

utilizada para sintetizar, en un algoritmo, todo el proceso a seguir en la
supervisión de las condiciones aquí expuestas.

[Link]. Acerca de la simetría.

La importancia del concepto de simetría queda reflejada en la gran cantidad

de disciplinas que hacen uso de ella en alguna medida, ya sea para establecer
leyes de comportamiento en ciertos campos de la física [Joshua, 91] o
caracterizar formas planas para su posterior reconocimiento, manipulación, etc.
[Brady & Asada, 84], [Van Gool et al. 95]; esta última aplicación dentro ya del
campo de nuestro interés: la robótica.

Desde un punto de vista matemático se plantea la existencia de tres tipos

básicos de transformaciones [Ledermann, 85]: rotaciones, reflexiones y
traslaciones que constituyen los bloques elementales para las simetrías que
subyacen en la geometría Euclídea, denominadas isometrías, en el sentido de
que cada isometría del espacio Euclídeo puede formarse por la combinación de
rotaciones, reflexiones y traslaciones. Además, dichos tipos de simetrías son las
observadas con mayor frecuencia en la naturaleza y en los objetos hechos por el
hombre.

En el presente trabajo, antes de proceder a la sucesiva evaluación de los

distintos umbrales planteados, interesa extraer información acerca del tipo de
simetría existente [Zabrodsky, 93] en un contorno dado. Esto es así porque para
poder desplegar el razonamiento geométrico propio de un mecanismo
evaluador-corrector como el que se propone, necesitamos pasar con facilidad
106 • Determinación Automática de Puntos de Agarre

del análisis global de los contornos al análisis local de los mismos. En concreto
interesa conocer si el eje principal es eje de simetría o no, es decir, si existe
simetría especular respecto de dicho eje. Ejemplo de objetos que poseen
simetría especular (respecto del eje principal), serán la mayor parte de
herramientas con las que trabajamos: tenazas, tijeras, destornillador, etc.; por
contra, ejemplos que no poseen dicha simetría pueden ser: calibrador, llave
allen, martillo, etc. Además, pueden aparecer objetos con simetría cuasi circular
como tuercas, etc.

Tengamos en cuenta que en el problema de la determinación de puntos de

agarre que nos ocupa, la existencia de simetría especular respecto de la
orientación del eje principal (Imin) facilita en gran medida el razonamiento
geométrico posterior y prueba de ello es que algunos investigadores consideran
este caso preferentemente para evitar complicaciones y poder focalizar su
atención en otros aspectos del agarre como el aprendizaje [Kamon et al., 96].

En lo que sigue vamos a utilizar la siguiente notación [Zabrodsky et al., 95]:

Simetría Especular
Una forma (2D) posee simetría especular si es invariante
bajo la reflexión en una dirección, línea representada por el
eje de simetría especular.

Simetría Rotacional de Orden n (Cn)

Una forma (2D) posee simetría Cn si es invariante bajo
rotación de 2π/n radianes alrededor de su centroide. Un
caso particular de simetría Cn es la circular, que representa
la simetría C∞.

Simetría Radial de Orden n (Dn)

Una forma (2D) posee simetría Dn si posee tanto simetría
especular como simetría Cn.

Además, si una determinada forma no se ajusta a ninguna de las definiciones

anteriores se dice, en principio, que no posee simetría (véase la figura 5.4). Es
interesante resaltar, a partir de la figura 5.4, lo siguiente:

• Existen ejes prioritarios para la simetría especular, los ejes

principales de inercia (en el plano: Imin e Imax). De existir dicha clase
de simetría estas son las primeras direcciones en acusarlo.

• Por otra parte, el que no se cumpla con la definición sensu estrictum

no quiere decir que no exista simetría en absoluto. De hecho
observando la figura, vemos que el calibre (c), es más simétrico que
la llave allen (d).
 Capítulo V • 107

• Finalmente, en (a) se observa un objeto con simetría radial de orden

n = 6 (D6); ya que, dado un punto cualquiera del contorno, si lo
rotamos 2π/6 radianes se obtiene otro punto con igual distancia al
centroide. Se puede observar, así mismo, la existencia de 6 ejes de
simetría especular.

(a) (b)

(c) (d)

Figura 5.4. Por orden de simetría decreciente: (a) Simetría D6 -tuerca-; (b)
Especular -destornillador-; (c) No existe -calibre-; (d) No existe -llave
allen-.

En conexión con el agarre, algunos autores se han valido de métodos

puramente geométricos para determinarlos. Un artificio empleado [Markenscoff
et al., 90], particularmente dirigido a formas poligonales, consiste en determinar
todas las regiones que garantizan puntos de agarre antípodos (visto en el
capítulo III), mediante el uso de circunferencias inscritas. Este enfoque no es
aplicable al universo de trabajo aquí propuesto, pero la idea de propagar
distancias desde el centroide a puntos opuestos del contorno exterior, es muy
util y será tenida en cuenta en ciertos casos, en particular cuando exista simetría
radial, como es el caso de la figura 5.5.
108 • Determinación Automática de Puntos de Agarre

3' 2

60º

2' 3

1'

Figura 5.5. En un hexágono ideal la circunferencia inscrita tocaría

el polígono en 6 puntos, perpendicularmente opuestos
dos a dos, dando lugar a tres posibles agarres (1,1'),
(2.2'), y (3,3'). Se observa, así mismo, la existencia de
seis ejes de simetría especular.

Ahondando en esta idea de utilizar círculos como ayuda a la caracterización

del agarre plano, existen algunos trabajos recientes [Blake, 95] que hacen uso
de circulos bitangentes al contorno, para encontrar así todos los pares de puntos
que en potencia constituyen agarres planos (ver la figura 5.6). Dichos pares de
puntos forman un conjunto denominado simétrico, cumpliendo: tanα1 = −
tanα2, que garantiza, como se vió en el capítulo III, clausura de fuerza. Nótese
que lo anterior es aplicable únicamente a contornos de curvatura suave,
generalmente modelados a partir de B-splines.

Volviendo al trabajo que nos ocupa, como entrada al algoritmo MESU, se

cuenta con una dirección privilegiada en el espacio (Imin), así como los dos
puntos del contorno candidatos al agarre, por tanto, interesa sacar partido a
dicha información de la forma más efectiva posible, con vistas a evaluar el tipo
de simetría existente. A priori, lo más eficiente será plantear las dos condiciones
siguientes:

Condición 1. Caracterización de la simetría especular respecto del eje

principal (Imin):
d(P'1,cdm) = d(P'2,cdm) ± τ1

donde τ1 representa una tolerancia establecida empíricamente.

Condición 2. Caracterización de la simetría especular respecto del eje Imax:

d(P3,cdm) = d(P4,cdm) ± τ2

donde τ2 representa una tolerancia establecida empíricamente, como

en el caso anterior y P3 y P4 son los dos puntos de corte de Imin con
el contorno .
 Capítulo V • 109

α2
α1
1
α1 = α 2

s
s'

Figura 5.6. Adaptada de [Blake, 95]. El conjunto de todos los

pares de puntos de la curva (s,s'), que yacen en círculos
bitangentes a la misma, forman el denominado conjunto
simétrico que caracteriza todos los agarres extremos
existentes.

Si se verifican las dos condiciones anteriores tenemos un claro indicio de la

existencia de simetria radial. Si únicamente se verifica la condición 1 o 2,
existirá simetría especular respecto de Imin, o Imax, respectivamente, y sino se
verifica ninguna de las dos será indicativo de que no existe simetría especular
en este caso. Estas consideraciones fueron ya comentadas en el capítulo IV,
apartado 4.7, en relación con el elipsoide de inercia y sus direcciones
principales.

[Link]. Análisis global vs análisis local.

Para desencadenar el razonamiento geométrico necesario a nuestro objetivo

de la determinación del agarre, se requiere encontrar ciertas regiones del
contorno de un objeto cumpliendo determinadas condiciones modeladas en base
a la definición de los tres umbrales introducidos en el capítulo III. Para ello es
obligado:

1º Incorporar la geometría de la pinza, trasladando la longitud del radio de

sus dedos, k, a los puntos del intervalo equivalente sobre el propio
contorno.

2º Evaluar la curvatura localmente en cada punto del contorno,

almacenándo el resultado en un vector (vector de torsiones).
110 • Determinación Automática de Puntos de Agarre

3º Incorporar el conocimiento sobre la simetría del contorno, evaluado a

partir de la información anterior (ver más adelante), con vistas a
simplificar el algoritmo final (MESU). Si hay que trasladar el intervalo
de radio k, centrado en los candidatos a puntos de agarre, con vistas a
encontrar regiones donde se cumplan las condiciones de estabilidad,
impuestas por los tres umbrales vistos anteriormente, será necesario
encontrar las posibles direcciones de mejora en base a una determinada
propiedad (e.g. la curvatura), empleando para ello el conocimiento
previo de la simetría.

A continuación se desarrollan cada uno de los puntos considerados.

1º Acerca del tamaño del intervalo del contorno a considerar

Teniendo en cuenta la presencia del ruido de cuantización en los contornos

así como la posibilidad de que estos sean abruptos (con salientes, etc.), habrá
que traducir la distancia definida por el radio de los dedos de la pinza en un
número de puntos equivalente sobre el contorno 3-muestreado. Para ello habrá
de proyectarse el contorno en la dirección del dedo de la pinza. Es decir, en la
tangente al contorno en cada punto definido, en principio, por los candidatos a
puntos de agarre. Nótese que esta dirección irá cambiando a medida que se
trasladen dichos puntos sobre el contorno, tratandose así de un intervalo de
curva dinámico que podrá cambiar tanto de dirección como de tamaño (número
de puntos que lo forman en cada instante). Una interpretación geométrica puede
observarse en la figura 5.7; en este caso particular se requiere un intervalo k(pi)
= 5; el tratamiento se ha mostrado para pi ,pudiendo ser este cualquiera de los
candidatos a puntos de agarre (P'1 o P'2) entregados por el paso anterior
(OCPA).

k ( pi )=5

p
i+3
p p
i+2 i+5

p p
i+1 i+4
p
i

Figura 5.7. Interpretación geométrica de la construcción del

intervalo del contorno equivalente a la longitud de la
pinza, proyectada según la dirección tangente a pi.
 Capítulo V • 111

g
2

g = g2 − g1
g
1
p Tp
i+1 i
θ (g)

p
i

Np
i

Figura 5.8. (Continuación de la figura 5.7). La orientación de la

pinza, g, se obtiene a partir de la tangente a pi, Tpi,
acumulándose las distancias, pipi+n, hasta alcanzar el
radio de la pinza (conocido a priori). En la figura 5.7, se
obtiene n = 5.

A partir de la figura 5.8 es directo seguir el cálculo de distancias siguiente:

d ( pi +1 , pi ) = ( x pi+1 − x pi , y pi+1 − y pi ) cos θ = pi pi +1 ⋅ cos θ

siendo cosθ
pi pi +1 ⋅ Tpi
cos θ =
pi pi +1 ⋅ Tpi

Las distancias así calculadas se van acumulando hasta que se alcanza con
seguridad el tamaño del radio de la pinza, k (en píxeles, conocido a priori), en el
ejemplo de la figura 5.7, este intervalo equivale a cinco puntos del contorno 3-
muestreado.

Resumiendo, como resultado de esta operación se obtendrá el intervalo [p'i-k,

p'i+k] del contorno, equivalente en cada instante a la longitud de la pinza
orientada en la dirección del posible agarre.

2º Análisis local a partir de la curvatura

Nuestro objetivo será garantizar la constancia de la normal en un entorno de

radio k, centrado en los respectivos puntos de agarre. Dicho análisis puede
inferirse a partir del conocimiento de la curvatura en dicho intervalo [pi-k, pi+k].
En general, la curvatura en un punto da una medida de cómo se separa la
curva de la tangente en dicho punto; es decir, de cómo se separa la curva del
112 • Determinación Automática de Puntos de Agarre

comportamiento rectilíneo. De hecho, existe un corolario que afirma: "la

condición necesaria y suficiente para que una curva sea de curvatura nula es que
sea una recta". Por otra parte, la normal en un punto de la curva podremos
definirla como la recta que pasando por él es perpendicular a la tangente en
dicho punto.

Trasladaremos a continuación los conceptos anteriores de curvatura y normal

en un punto a nuestro espacio discreto. En dicho contexto, para el cálculo de la
curvatura discreta, se han desarrollado una serie de "medidas de significancia"
(denominadas así en la literatura), de las cuales las más interesantes para
nuestros fines son [Teh & Chin, 89]:

k-curvatura [Groan et al., 78]

k-torsión angular [Pla, 93]

k-coseno [Rosenfeld & Johnston, 73].

Tanto la k-curvatura como la k-torsión angular, ofrecen medidas más

robustas al ruido de cuantización de la curva que el k-coseno, debido al
promediado empleado en ambas. Sin embargo, después de innumerables
pruebas sobre nuestras imágenes, no se detectó ninguna ventaja en el uso de una
de las medidas con respecto a las otras dos. Así pues, la elección de una de ellas
debería responder a criterios de predictibilidad del resultado a obtener o de
sencillez o eficiencia de la implementación del procedimiento de medida.

p (xi , yi )
i
p (x , y )
i+k i+k i+k
θ
p (x i-k , y )
i-k i-k

Figura 5.9. Interpretación geométrica de los k-vectores,

utilizados para el cálculo de la curvatura discreta.

Con la notación introducida en la figura 5.9, se definen los k-vectores en un

punto genérico del contorno, pi, como
r
aik = ( xi − xi + k , yi − yi + k )
r
bik = ( xi − xi − k , yi − yi − k )
 Capítulo V • 113

y el k-coseno en pi como,
r r
aik ⋅ bik
cos ik = r r
aik ⋅ bik

Aquí cosik es el coseno del ángulo formado por los k-vectores aik y bik, de
manera que: -1 cosik 1. De donde obtendremos el ángulo, θ, en grados,
considerando2,
θ = atan2 (senik, cosik)

El valor obtenido para θ, normalmente en radianes, deberá ser traducido a

grados sexagesimales multiplicando por el factor 180 / π.

De lo anterior, se observa el significado geométrico directo que extraemos

para la curvatura, e.g. si θ 180º, significa curvatura nula, etc. Para nuetros fines
será conveniente asignar a dicho valor una tolerancia.

Sí en lugar de calcular el ángulo entre los k-vectores directamente, como se

hace para el k-coseno, se definen un punto anterior, pa, y otro posterior, pb, al
punto considerado pi, promediando entre cada uno de los k puntos anteriores y
posteriores al central, se obtienen los k-vectores siguientes:
r
a ki = ( x a − xi , y a − y i )
r
bki = ( xi − xb , y i − y b )
definiendose la k-torsión angular como el ángulo entre ambos vectores:
r ∧r
τ ki = a ki bki
Es importante observar que la k-torsión angular es en esencia un k-coseno
suavizado y expresado en términos de ángulos, y cuando se toman únicamente
dos puntos consecutivos, 1-torsión, el comportamiento coincide con el del 1-
coseno. Es interesante computar para todos los puntos del contorno la 1-torsión,
que se almacenará en un vector (vector de torsiones). Se observa la necesidad
de suavizar dicha información para filtrar el ruido inherente a los contornos
digitales, utilizando para ello un filtro gaussiano (el mismo que se usó en el
capítulo IV):
z2
1 − 2
G ( z, ω ) = e 2ω
2 πω

con anchura de la gaussiana, ω, fijada empíricamente a 2.5.

Por último, referente a la k-curvatura, se define esta como la diferencia entre

la dirección angular media de los k segmentos anteriores y posteriores a pi, en la
región de radio k definida, a partir de las direcciones, ci, de la representación de
Freeman utilizada:

2 Véase el apéndice A, para concepto y algorítmo empleado para la función atan2.

114 • Determinación Automática de Puntos de Agarre

−1
1 1 k −1
κ ki =
k
∑c
j =− k
i− j − ∑ ci − j
k j =0

No obstante, esta medida de la curvatura no se ha considerado necesaria en la

implementación final del presente trabajo.

3º Análisis global a partir de la simetría

A partir del conocimiento de la simetría introducido en el apartado anterior,

se obtiene una caracterización global de la morfología de los objetos, que puede
combinarse con el conocimiento local de la curvatura en cada punto del
contorno para obtener una potente herramienta que facilite el razonamiento
geométrico. De hecho a partir del cálculo de la curvatura en cada uno de los
puntos de un contorno, representado mediante el vector de 1-torsiones, junto
con la posición del punto en dicho contorno a partir del punto inicial, se obtiene
una estructura adecuada para visualizar la simetría y además cuantificarla.

Para visualizar el impacto de la simetría sobre el mecanismo

evaluador/corrector de la curvatura se consideran tres casos, en orden de
simetría decreciente. El objetivo será utilizar esta información para trasladar los
intervalos de radio k, centrados en P'1 y P'2, buscando regiones del contorno que
cumplan las condiciones de suavidad en la curvatura impuestas por el umbral
definido al efecto (α).

Caso 1: Simetría radial (véase la figura 5.10). Una vez detectada la alta
curvatura existente en P'1 y P'2 y teniendo en cuenta que se trata de
simetría radial (evaluada previamente), se aplica un giro (horario, en
dicha figura) para buscar regiones donde la curvatura disminuya.
Nótese que sino se giraran P'1 y P'2 en el mismo sentido (horario o
antihorario) se produciría un alejamiento de la línea de agarre respecto
del centroide, lo cual (véase el capítulo III) conlleva inestabilidad. El
mecanismo de parada, en este caso de simetría radial, viene impuesto
por la condición añadida de mínima distancia al centroide.
 Capítulo V • 115

P4

P'2 P'1

P3
P3

P'1 P'2

Figura 5.10. Tuerca. Representación (curvatura , punto) del vector de

torsiones asociado al contorno de la imagen. Las flechas
marcan las posibles direcciones de mejora en la disminución de
la curvatura. Los dos rectángulos indican el agarre
seleccionado.

Caso 2: Simetría especular (véase la figura 5.11). En este caso las direcciones
de mejora a partir de P'1 y P'2 son siempre en sentidos opuestos una de
otra (hacia P3 o hacia P4) siguiendo el recorrido horario a partir del
punto inicial del contorno PI. El problema surge, cuando en la
búsqueda de regiones de curvatura suave dentro del umbral (α) se
sobrepasa el umbral de distancia (γ) al centroide, pues indica
inestabilidad del agarre.

Caso 3: No existe simetría (véase la figura 5.12). Al no existir simetría no se

puede actuar como en los casos anteriores; es decir, el movimiento de
un intervalo no sabemos como afectará al intervalo opuesto. Esto
requiere un mecanismo más costoso computacionalmente hablando,
que evalúe el impacto sobre la línea de agarre cada vez que se traslade
un intervalo, y obrar en consecuencia.

La idea de cuantificar el grado de simetría asociado a una imagen ha sido

tratada con éxito, de forma general y sin restricciones temporales, en otros
trabajos [Zabrodsky, 95]. No obstante, con los requerimientos de tiempo real
que exige la robótica se ha seguido un enfoque simplificado con vistas a
disminuir la carga computacional, centrandose exclusivamente en calcular el
grado de simetría especular existente, en relación al eje principal asociado al
116 • Determinación Automática de Puntos de Agarre

contorno. Para ello a partir del vector de torsiones obtenido anteriormente y

conociendo los puntos de corte [P3,P4] ∈ {C ∩ Imin}, se propaga ∆n, tal que:

∆ n = 1 _ torsión( P3 − n) − 1 _ torsión( P3 + n); n = 1,2,K , N

2

siendo P3 ∈ {C ∩ Imin}, en la región del contorno orientada (sentido horario a

partir del PI) comprendida entre P'1 y P'2. Es decir, se calcula: ∆n, entre cada par
de puntos equidistantes de P3, hasta cubrir todo el contorno. Para ello se sigue
un tratamiento de vector circular en la manipulación del vector de torsiones
asociado a un contorno dado. Al final se obtiene la que llamaremos deficiencia
simétrica global normalizada:
N
1 2
Φ=
N
∑∆
n =1
n

P4

P'1
P'2

P3

P4 P'1 P3 P'2

Figura 5.11. Tijeras. Representación (curvatura , punto) del vector de torsiones

asociado al contorno de la imagen. Las flechas marcan las posibles
direcciones de mejora en la disminución de la curvatura. Los dos
rectángulos indican las regiones válidas para el agarre, en cuanto a
curvatura se refiere.
 Capítulo V • 117

P4 P'1

P'2
P3

P4 P'1 P3 P'2

Figura 5.12. Llave allen. Representación (curvatura , punto) del vector de

torsiones asociado al contorno de la imagen. En este caso no ha
lugar la búsqueda de mejora en la curvatura. Los dos
rectángulos indican las regiones necesarias para el agarre.

donde N = número de puntos total pertenecientes al contorno. En la tabla 5.1 se

observan algunos resultados orientativos. Puntualicemos que para un objeto
ideal, de simetría especular perfecta su correspondiente deficiencia simétrica
global, Φ, sería nula (Φ = 0). Ver el apartado 5.4.1 sobre resultados de la
evaluación de la simetría al respecto. Se ha determinado, empíricamente, que a
aquellos objetos que poseen Φ ≤ 3 (en valor medio) se les puede dar un
tratamiento claro de simetría especular respecto de Imin, existiendo una frontera
delimitada por: 3 ≤ Φ ≤ 5, donde se desvanece dicho tratamiento (e.g. la pinza),
para pasar a la clasificación de no simétrico a partir de Φ ≥ 5 (e.g. la llave
allen).

Imagen Φ(µ) Φ (σ )
Alicates 0.87 0.44
Destornillador 1.58 0.82
Pinzas 4.42 0.61
Llave allen 6.38 0.58

Tabla 5.1. Deficiencia simétrica global (Φ) calculada para

diferentes imágenes, en orden de simetría
decreciente. Se da la media (µ) y la desviación
típica (σ) asociada.
118 • Determinación Automática de Puntos de Agarre

[Link]. Umbral de curvatura.

Al introducir el concepto de curvatura y, sobre todo, al ver su análisis a partir

de la información del vector de torsión, queda patente la necesidad de asignar
una tolerancia a la medida de la misma. Esta tolerancia recibe el nombre de
umbral de curvatura, α, fijado de modo empírico como |α| = 20º.

Observación:
En lo que sigue vamos a hacer uso de la siguiente notación:
definiremos el vector P, como aquél formado por dos componentes, P1 y
P2, de tal forma que: P = (P1, P2). Y, a partir de aquí, definiremos la
variable booleana, nivel de confianza, aj(P), asociada a un determinado
umbral: j, tal que si aj(P) = 1, indica que se satisface la condición
impuesta por el umbral j, y en otro caso (aj(P) = 0) que no se satisface.
(i.e. j =1, para el umbral de curvatura, etc.)

Resumiendo, con lo visto hasta ahora para la curvatura, podemos construir el

siguiente algoritmo (MESU_1):

Mientras (αi> α) Hacer /∗ existe alta curvatura ∗/

trasladar Pi en la dirección que corrija más rápido la condición
anterior, teniendo en cuenta el tipo de simetría asociado.
Si se encuentra una región del contorno, centrada en Pi, tal que (αi < α)
Entonces devuelve Pi
Sino devuelve "error".

Siendo la variable αi, la curvatura asociada al punto Pi y α, el denominado

umbral de curvatura.

El mecanismo corrector consistirá en ir trasladando el intervalo inicial en la

dirección que disminuya la curvatura, hasta conseguir un ángulo αi ≤ α en todos
sus puntos. Este mecanismo tiene su correspondencia con el algoritmo expuesto
en el punto [Link], en el procedimiento Calcula_αi. Devolviendo el resultado
en la variable booleana a1(P). Si lo encontramos a1(P) = 1 y sigue adelante con
los restantes pasos del algoritmo, en otro caso, a1(P) = 0, que establece una
condición de parada. En este último caso el algoritmo se detendría, informando
de la imposibilidad de encontrar, por tanto, un agarre que garantice estabilidad.

Observación:
Es muy importante, al considerar el problema del análisis de la
curvatura, la denominada región de soporte [Teh & Chin, 89], que puede
ser determinada de forma automática, lo cual permite, entre otras cosas,
hacer que la evaluación de aquella no dependa de parámetro de entrada
alguno. No obstante, en nuestro caso, la geometría de la pinza es conocida
 Capítulo V • 119

a priori siempre, de manera que el radio de la región de soporte, k, no es

calculado para cada punto sino que es fijado en función de dicha
geometría (radio correspondiente a la anchura de los dedos de la pinza),
centrado en los puntos en cuestión. Así pues, la región considerada
corresponde a la zona sobre la cuál incidirán los dedos de la pinza.

[Link]. Umbral angular.

Si se supera con éxito la etapa anterior, significa que la zona del contorno, en
un entorno de radio k, con centro en cada punto de agarre, cumple con las
condiciones de suavidad que garantizan la adaptación de la pinza de dedos
plano-paralelos, siempre y cuando se cumpla, además, el paralelismo que ha de
existir entre dichos intervalos opuestos en el contorno exterior del objeto dado.
Es decir, hemos de evaluar cuáles son los ángulos entre la línea de agarre y las
normales en dichos puntos del contorno. El umbral angular, β, a partir de
consideraciones empíricas, queda fijado en 10º. El mecanismo corrector
consistirá en ir trasladando los puntos, Pi, hasta encontrar:
β1 = P1 P2 ∧ N P1 ≤ β; y β 2 = P1 P2 ∧ N P2 ≤ β

Siendo la variable βi, el ángulo entre la línea de agarre P1P2 y la normal en el

punto Pi: NPi y β el umbral angular.

Resumiendo, podemos construir el siguiente algoritmo (MESU_2):

Mientras (βi > β) Hacer

trasladar Pi en la dirección que corrija más rápido la condición
anterior, teniendo en cuenta el tipo de simetría asociado.
Si se encuentra una región del contorno, centrada en Pi, tal que (βi < β)
Entonces devuelve Pi
Sino devuelve "error".

Este mecanismo tiene su correspondencia con el algoritmo expuesto en el

punto [Link], en el procedimiento Calcula_βi. Siguiendo la notación
introducida en el apartado anterior, se devulve el resultado en la variable
booleana a2(P). Si la respuesta es favorable implica a2(P) = 1 y sigue adelante
con los restantes pasos del algoritmo, en otro caso, a2(P) = 0, que establece una
condición de parada. En este último caso el algoritmo se detendría, informando
de la imposibilidad de encontrar, por tanto, un agarre que garantice estabilidad.

Observación:

El mecanismo corrector anterior puede modificar la posición en el

contorno de los puntos Pi, iniciales, provenientes de la condición impuesta
para la curvatura, por lo que si se comprueba que ocurre dicha
120 • Determinación Automática de Puntos de Agarre

modificación habremos de volver de nuevo al paso anterior, "umbral de

curvatura" (MESU_1), y comprobar que se sigue cumpliendo la
constancia de la normal en el nuevo intervalo (curvatura suave).

[Link]. Umbral de distancia.

Siguiendo con las condiciones de estabilidad a imponer, sólo nos resta

analizar la distancia crítica, es decir: cuál es la distancia máxima permitida entre
la línea de agarre y el centroide, tal que se preserve la estabilidad.

Se ha obtenido, empíricamente, el siguiente umbral de distancia:

γ = 0.03 ⋅ [2Ia]

donde Ia, representa el semieje mayor de la elipse de mejor ajuste, que

representa un segmento de recta en la dirección de Imin . Es decir, el 3 % de la
longitud asociada con el eje mayor de la elipse de mejor ajuste (véase el
capítulo IV). Ver tabla 5.2.

Resumiendo, podemos construir el siguiente algoritmo (MESU_3):

Si d > γ Entonces a3(P) = 0. /∗ Condición de Parada ∗/

En otro caso, a3(P) = 1. /∗ Ejecutar paso siguiente ∗/

siendo la variable d, la distancia de la línea de agarre, P1P2, al centroide; a3(P),

su nivel de confianza asociado; y γ el umbral de distancia definido
anteriormente.

En la tabla 5.2 se muestra el resultado obtenido para dicho umbral, γ, dando

su valor medio, µ, y su desviación típica, σ, sobre un conjunto de cuatro
muestras procesadas de cada objeto, con los mismos parámetros de cámara pero
variando su localización (posición y orientación) en la escena. Se observa una
clara dependencia del umbral γ con la elongación del objeto y su tamaño o
número de puntos asociado al contorno. En el apéndice C se muestran cada una
de las imágenes de la tabla.

Recordemos que este umbral no tiene sentido plantearlo para objetos

"ligeros", en relación a la razón de presión ejercida por la pinza contra el peso
del objeto, cuya resultante se sitúa en el centroide. Si el objeto fuera "ligero" el
agarre no se vería afectado por la mayor o menor distancia de la línea de agarre
al centroide. Lo cual simplificaría el modelo de agarre propuesto haciendo
innecesario incluir en la caracterización del agarre las restricciones impuestas
por el umbral γ.
 Capítulo V • 121

Imagen γ (µ) γ (σ )
Tuerca 1.35 0.01
Tornillo 2.77 0.20
Llave allen 3.32 0.24
Pinzas 3.44 0.22
Tijeras-1 4.48 0.36
Tijeras-2 6.65 0.19
Calibre-A 6.89 0.15
Calibre-B 7.00 0.20

Tabla 5.2. Umbral de distancia (γ) para diferentes

imágenes. Se observa la correspondencia
lógica entre el valor alcanzado y la mayor o
menor elongación del objeto.

5.3.2 6. Estrategia adoptada.

Como se ha visto a partir de la introducción al concepto de simetría y su

potencial uso en la discriminación de las direcciones de mejora en la curvatura
(apartado [Link]), el primer paso a dar en el mecanismo evaluador/corrector
propuesto (MESU) será la determinación de la misma (véase la figura 5.13).

Se tienen en cuenta las tres posibilidades de simetría vistas anteriormente,

cada una de las cuales dará paso a una estrategia ligeramente diferente en el
modo de trasladar los intervalos centrados en los posibles puntos de agarre,
buscando regiones de los contornos que cumplan las condiciones impuestas por
los umbrales definidos anteriormente. Esto ya se ha expuesto en el apartado
([Link]), en relación con la búsqueda de regiones de curvatura suave para los
tres tipos de simetría planteados. Ahora se ha de observar el problema en
conjunto y tener en cuenta qué efectos puede tener trasladar un intervalo
respecto del opuesto, en relación a la curvatura, ángulo de la línea de agarre con
las normales respectivas y distancia de la misma al centroide, y de qué manera
ayuda el conocimiento de la simetría en todo ello. Veamos los tres casos
planteados:

Caso_1 (Simetría = 0). No se podrá hacer movimientos a priori porque no se

sabe cómo afecta el movimiento de un intervalo sobre el opuesto en
relación a la morfología global del objeto. Así pues, este caso obliga a
evaluar el efecto de mover un intervalo sobre su opuesto, cada vez que se
requiera dicho movimiento. En principio, a partir de los candidatos a
puntos de agarre entregados por OCPA, (P'1,P'2) existen cuatro
posibilidades en cuanto al efecto de evaluar la curvatura se refiere:
122 • Determinación Automática de Puntos de Agarre

Curvatura_Correcta (α1 < α ∧ α2 < α) ⇒ No mover intervalos

centrados en (P'1,P'2).

Curvatura_Incorrecta (α1 < α ∧ α2 > α) ⇒ Mover intervalo centrado

en (P'2).
(α1 > α ∧ α2 < α) ⇒ Mover intervalo centrado
en (P'1).
(α1 > α ∧ α2 > α) ⇒ Mover intervalos centrados
en (P'1,P'2).

La primera posibilidad (Curvatura_Correcta) es trivial. En la otra

(Curvatura_Incorrecta) habrá de evaluarse, antes de mover, que dirección
representa un valor mayor de mejora de curvatura. Lo acertado o no de los
posibles movimientos realizados será sopesado al evaluar la siguiente condición
(umbral angular) en cada uno de los puntos.

1
Inicio

2 No 3
Imin = Eje de Simetría Simetría = 0
Especular

Si

4 No 5
Imax = Eje de Simetría Simetría = 1
Especular ( ∃ Simetría Especular)

Si

6
Simetría = 2
(Posible Simetría Radial)

Figura 5.13. Diagrama de flujo para el primer paso de MESU. Se

plantean tres posibilidades en cuanto a simetría se refiere. De
tal forma que según sea simetría = 0,1 ó 2, se dispararán a
continuación estrategias distintas para determinar el agarre final.
 Capítulo V • 123

Caso_2 (Simetría = 1). Este caso, como se observó en el apartado [Link], tiene
la ventaja de predecir el efecto del movimiento de un intervalo sobre el
opuesto, en el sentido de que, elegida una dirección de mejora de
curvatura para un intervalo, la dirección de mejora del opuesto será en
sentido contrario (a partir del punto inicial del contorno PI). Las
posibilidades que se plantean son las mismas que las del caso anterior
pero teniendo en cuenta lo dicho para el movimiento simultáneo de los
dos intervalos.

Caso_3 (Simetría = 2). Como en el caso anterior aquí también se puede

predecir las direcciones de mejora de curvatura, cuando existe la
necesidad de mover algún intervalo. Como se vió en el apartado [Link], el
sentido impuesto por el movimiento de un intervalo obliga al opuesto a
seguirlo (sentido horario a partir del punto inicial del contorno PI).

Como se observa de los casos 2 y 3 planteados, el conocimiento de la

simetría existente facilita las direcciones de mejora convenientes en cada caso,
adelantándose así al cumplimiento de la siguiente condición: la impuesta por el
umbral angular. Los tres casos contemplados se implementan en el
procedimiento "Calcula_αi" que hace un tratamiento diferenciado para cada una
de las tres posibilidades existentes a partir del conocimiento del tipo de simetría,
siguiendo lo dicho en el apartado [Link], asociada al contorno. En los tres casos
contemplados existe un mecanismo de parada en las sucesivas iteraciones del
algoritmo para trasladar el intervalo en busca de condiciones favorables de
curvatura, el cual se fija a partir del umbral de distancia, γ, de la línea de agarre
al centroide, calculado a priori para cada contorno.

El paso siguiente, la evaluación/corrección angular, se implementa en el

procedimiento "Calcula_βi". Aquí es extrapolable todo lo expuesto para la
curvatura, haciendo uso como allí del conocimiento de la simetría.

Obsérvese que el procedimiento "Calcula_βi", puede conllevar la traslación

de alguno de los puntos P1, P2, o de ambos; es decir, puede modificar el vector
P = (P1, P2), entregado por el procedimiento anterior: "Calcula_αi". En ese caso
ya no se garantizaría la constancia de la normal en el intervalo correspondiente,
obligando, por tanto, a recalcularla mediante "Calcula_αi".

En la figura 5.14, se visualizan los efectos correctores en relación al umbral

β, así como parte de la notación empleada en esta estrategia.

Si se superan cualquiera de estos tres umbrales (α, β, o γ), no podrá

garantizarse la estabilidad del agarre. Necesitaremos aplicar, por tanto, una
estrategia correctora para intentar salvar la situación. En resumen, se trata de un
mecanismo evaluador/corrector del agarre alcanzado previamente, el cuál se
basa en la definición y uso de dichos umbrales.
124 • Determinación Automática de Puntos de Agarre

Resumiendo, a lo largo de los puntos anteriores se han expuesto todas las

características a tener en cuenta para garantizar la preadaptación de la pinza y la
estabilidad en el agarre, a continuación las integramos en el siguiente algoritmo:

Calcula_αi
Si a1(P) = 0 Entonces Estable(P) 0 /∗ falla MESU_1 ∗/
Sino
Calcula_βi
Si a2(P) = 0 Entonces Estable(P) 0 /∗ falla MESU_2 ∗/
Sino
Si P ha cambiado Entonces
Calcula_αi /∗ evalúa pero no corrige la posición ∗/
Si a1(P) = 0 Entonces Estable(P) 0 /∗ falla MESU_1 ∗/
Sino
Estable(P) 1 /∗ Agarre Estable! ∗/
FinSi
Sino /∗ P no ha cambiado ∗/
Estable(P) 1 /∗ Agarre Estable! ∗/
FinSino
FinSino

Nótese que no aparece explícitamente ningun procedimiento del tipo

"Calcula_γi", para comprobar si falla o no MESU_3. La razón es obvia, dicho
procedimiento está implícito, en cada uno de los otros dos ("Calcula_αi" y
"Calcula_βi"), operando a modo de mecanismo de parada, tal y como se pondrá
de manifiesto en los ejemplos posteriores del apartado 5.4 de resultados.

β >β
2 β <β
2
P'2 P2
N2 N2
d< γ
centroide Eje Principal centroide Eje Principal

N1 N1
β <β P'1 β <β P'1 = P1
1 1

Figura 5.14. Interpretación geométrica del algoritmo descrito en los pasos

MESU_2 y MESU_3. Candidatos iniciales (izquierda) y resultado
de aplicar el mecanismo evaluador/corrector angular (derecha).
 Capítulo V • 125

La actuación del mecanismo supervisor podemos resumirla, definiendo la

variable booleana: Estable(P), como el productorio siguiente:
r 3 r
Estable( P) = ∏ a j ( P) (5.1)
j =1

donde,
a1(P) = grado de curvatura(Pi). /∗ Definido en MESU_1
∗/
a2(P) = grado angular(P1P2, NPi). /∗ Definido en MESU_2
∗/
a3(P) = grado de distancia (P1P2, centroide). /∗ Definido en MESU_3
∗/

Tanto a1(P), como a2(P) y a3(P), hemos visto que toman únicamente dos
valores posibles: {0,1}. Luego,
r r r
r  0 sii ( a1 ( P ) ∨ a 2 ( P ) ∨ a3 ( P )) = 0 
Estable ( P ) =  r r r 
 1 sii a1 ( P ) = a 2 ( P ) = a 3 ( P ) = 1 

Esta variable tiene como misión fundamental, una vez satisfechas las
condiciones de seguridad (apartado siguiente), la de comunicar rápidamente al
manipulador si las coordenadas de los puntos encontrados son útiles o no para
proceder al posicionamiento de la pinza, mediante el mecanismo de
realimentación visual expuesto en el capítulo VI.

Un trabajo reciente de la Universidad de Rochester [Fuentes et al., 94] define

un productorio, del estilo del seguido aquí para el mecanismo supervisor (5.1),
pero tal que aplicando una serie de restricciones a priori, consigue expresiones
analíticas para cada uno de los componentes de dicho productorio. De ésta
forma traslada el problema de la planificación del agarre a un problema típico
de optimización, empleando algorítmos genéticos para maximizar la fución:
5
r r r
Q( s ) = ∏ g j ( s ) ; siendo s = s 0 , s1 , s 2 , s3
j =1

donde el vector s posee cuatro dimensiones relativas a cada uno de los cuatro
contactos posibles, ya que se trabaja con una mano antropomorfa (Utah/MIT
hand) de cuatro dedos, y las cinco funciones analíticas g se utilizan para
caracterizar el modelo elegido de agarre con rozamiento.
126 • Determinación Automática de Puntos de Agarre

5.3.3. Condiciones de seguridad.

Básicamente habrán de tenerse en cuenta dos propiedades:

1ª) La distancia entre los dos puntos de agarre no exceda la apertura

máxima de la pinza.

2ª) Los dedos de la pinza no colisionen con el objeto.

La primera condición, "que la distancia entre P1 y P2 no exceda la máxima

apertura de la pinza", se aplicará justo al salir del algoritmo MESU, visto
anteriormente, cuando ocurra Estable(P) = 1. La única precaución a tener en
cuenta radica en calibrar previamente la distancia en mm de la apertura máxima
de la pinza de trabajo traduciéndola a píxeles justo sobre el plano de la escena,
donde tiene lugar siempre el agarre del objeto. Para ello se calcula la razón de
aspecto en dichas condiciones (conocidos los parámetros de cámara asociados).

Si el cálculo anterior resulta satisfactorio se aplicará la segunda condición:

"que los dedos de la pinza no colisionen con el objeto en su trayectoria de
agarre". La idea es proyectar sobre la imagen el espacio utilizado por los dedos
desde su apertura inicial (máxima) hasta que alcanzan la configuración final, y
entonces comprobar que no existe intersección con el objeto (véase la figura
5.15).

Dedo 1 Dedo 1

Dedo 2 Dedo 2

No Existe Colisión Existe Colisión

Figura 5.15. Interpretación geométrica de la condición de no

colisión en el agarre.

Una idea simple pero efectiva para dicha condición de "no colisión", será
utilizar un algoritmo adaptado de Sedgewick [Sedgewick, 88] ("Función
booleana. Intersect(l1, l2: lines)"). Se extiende la línea de agarre, P1P2, por
ambos extremos, una distancia que garantice el agarre efectivo. Sino existe
intersección entre P1 + d, P1 y el resto del polígono, se hace lo mismo para dos
líneas paralelas a P1 + d, P1, por la izquierda y por la derecha, situadas en los
 Capítulo V • 127

extremos del intervalo de radio k, centrado en P1, lo anterior se repite

análogamente para el punto P2.

5.4. Resultados

5.4.1 Evaluación de la simetría

Los resultados mostrados anteriormente en relación a la deficiencia

simétrica, Φ, en la tabla 5.1, representan una muestra extraída del experimento
realizado sobre un total de once objetos. Se han digitalizado todos ellos con los
mismos parámetros de cámara pero cambiando su localización (posición y
orientación) en la escena un total de cuatro veces por objeto, para poder obtener
la media (µ) y desviación típica (σ) asociada a cada uno de ellos. Los resultados
obtenidos se muestran en la tabla 5.3. Como ya se comentó en el apartado
[Link] en relación con la tabla 5.1 (extraída de esta), se observa que la
cuantificación de la simetría a partir de Φ puede servir de base para realizar una
primera clasificación en la evaluación de la simetría. Si Φ ≤ 3 se evidencia la
necesidad de un tratamiento de simetría especular respecto de Imin. Por contra, si
Φ ≥ 5 no se podrá dar dicho tratamiento. Además, en el rango entre ambos, 3 <
Φ < 5, se pierde gradualmente dicho tratamiento. Nosotros para simplificar
utilizaremos el valor de corte dado por Φ = 5, para valores menores se dará el
tratamiento de simetría especular y para valores mayores no. Como información
complementaria en el apéndice C se visualiza la morfología de cada uno de los
objetos mostrados en la tabla 5.3.

Imagen Φ(µ) Φ (σ )
Alicates 0.87 0.44
Destornillador 1.58 0.82
Tijeras-1 1.59 0.92
Tornillo 1.69 0.62
Tuerca 1.86 0.74
Tenazas 2.68 0.54
Calibre-B 3.08 0.38
Tijeras-2 3.20 0.46
Calibre-A 5.09 0.30
Pinzas 4.42 0.61
Llave allen 6.38 0.58

Tabla 5.3. Deficiencia simétrica global (Φ) calculada para

diferentes imágenes, en orden de simetría
decreciente. Se da la media (µ) y la desviación
típica (σ) asociada a cada una de ellas.
128 • Determinación Automática de Puntos de Agarre

5.4.2 Ejemplos con solución

Este es el caso en el que el mecanismo supervisor (MESU) propuesto,

encuentra un agarre estable. Dividiremos el universo de trabajo en relación a la
simetría asociada a cada una de las imágenes.

Caso 1: Existe simetría radial.

Ejemplo: tuerca (simetría D6), ver la figura 5.16. De acuerdo con lo
explicado en el apartado [Link], para el caso de simetría radial, aquí se
sigue un movimiento de traslaciones predeterminado, en este caso
"sentido horario". La condición de parada viene impuesta
simultáneamente por la satisfacción de las condiciones de curvatura suave
y mínima distancia de los puntos (P1 y P2) al centroide.

P4
P2

P'2 P'1

P3 P1

Figura 5.16. Tuerca: determinación de los puntos de agarre

en el caso estudiado previamente en el apartado
[Link].

Caso 2: Existe simetría especular respecto de la dirección del eje principal

(Imin).

Ejemplos:

2.1. Destornillador. Aquí el Mecanismo Supervisor (MESU) evalúa

satisfactoriamente los puntos de agarre entregados por el paso OCPA,
visto anteriormente. El efecto de MESU sobre este objeto puede
apreciarse en la figura 5.17. En este caso MESU se ha limitado a
evaluar y verificar el cumplimiento satisfactorio de las tres condiciones
impuestas por cada uno de los umbrales, no siendo necesario aplicar
traslación alguna a los puntos iniciales (P'1 y P'2).
 Capítulo V • 129

P2= P' Centroide

2
I min

P1= P'1

Figura 5.17. Destornillador. Determinación de los puntos de

agarre en el caso más simple posible.

2.2. Llave inglesa. Aquí, como en el caso anterior, el Mecanismo

Supervisor (MESU) evalúa satisfactoriamente los puntos de agarre
entregados por el paso OCPA. Un seguimiento del comportamiento de
MESU_1 sobre este objeto puede seguirse en la figura 5.18, donde se
aprecian las regiones del contorno correspondientes a los intervalos de
radio k centrados en los puntos (P'1, P'2), cumpliendo las condiciones
impuestas para la curvatura y, además, para los otros dos umbrales
definidos. El efecto corrector de MESU_2 puede observarse en la
imagen superior derecha de la misma.

P' = P
1 1
P'
1

P3 P
2
P'
2

P1 P3 P2

Figura 5.18. Llave inglesa. Se observa a partir del gráfico de torsiones, para la
imagen superior izquierda, que los puntos candidatos cumplen las
condiciones de curvatura suave (MESU_1). La imagen de la derecha
corresponde a la corrección final por MESU_2.
130 • Determinación Automática de Puntos de Agarre

Caso 3: No existe simetría.

Ejemplos:

3.1. Calibre. Aquí el Mecanismo Supervisor (MESU) evalúa y corrige los

puntos de agarre entregados por el paso OCPA. Inicialmente, se corrige
el intervalo centrado en P'2, para satisfacer los requerimientos de curvatura
(MESU_1), lo cual obliga a corregir a su vez el intervalo centrado en P'1, para
satisfacer la condición impuesta en MESU_2. Finalmente, se encuentra que
se cumplen todas las condiciones y concluye que el agarre es estable
(ver figura 5.19). En la tabla 5.4 se observa la evolución de los
algoritmos a partir de los valores que se extraen sucesivamente para los
puntos, ángulos (β1, β2) y distancia, d, al centroide, respectivamente.

P'1

P'2
Región
conflictiva

(corrección P' )
2
(1)
(corrección P' )
1
(2)
P1

P2

Figura 5.19. Calibre. Candidatos a puntos de agarre (P'1,

P'2), entregados por el paso OCPA, y los corregidos
por el paso MESU (P1, P2). La corrección en
curvatura lleva P'2 a P2 (1), obligando a trasladar P'1
a P1 (2), para compensar el efecto angular
introducido (MESU_2).
 Capítulo V • 131

[1ª] OCPA [2ª] MESU_1 [3ª] MESU_2 [4ª] MESU_2

P1 (118,84) (118,84) (112,81) (124,87)
P2 (106,114) (112,117) (112,117) (112,117)
β1  21º 32º 6º < β
β2  15º 25º 3º < β
d 0   6.5 < γ

Tabla 5.4. Calibre. Datos obtenidos en la evolución del algoritmo en la

búsqueda de las condiciones de estabilidad del agarre, a partir de los
puntos entregados por OCPA. La columna [3ª] muestra un intento
infructuoso de compensar la condición impuesta por el umbral angular,
siendo en la [4ª], mediante la dirección opuesta, donde se alcanza
dicha condición. Finalmente, comprobado el umbral de distancia (γ =
8) se garantiza un agarre final estable.

3.2. Llave allen. Aquí el Mecanismo Supervisor (MESU) evalúa y corrige los
puntos de agarre entregados por el paso OCPA. Finalmente, encuentra
que se cumplen todas las condiciones y concluye que el agarre es estable (ver
figura 5.20). Como se mostró anteriormente (figura 5.12), los intervalos
centrados en los candidatos a puntos de agarre cumplen las condiciones de
curvatura suave impuestas por MESU_1. A continuación se evalúa/corrige P'1
a partir de MESU_2, dejando P'2 invariante a dicha traslación. Una vez
satisfecho MESU_2, se comprueba favorablemente MESU_3, observando un
agarre final estable. Los resultados de la evolución, como en el caso anterior,
se representan en la tabla 5.5.

P1 P'
1

Centroide I min
P2= P'
2

Figura 5.20. Llave allen. Candidatos a puntos de agarre (P'1,

P'2), entregados por el paso OCPA, y los corregidos
por el paso MESU (P1, P2).
132 • Determinación Automática de Puntos de Agarre

[1ª] OCPA [2ª] MESU_1 [3ª] MESU_2

P1 (156,75) (156,75) (150,74)
P2 (147,92) (147,92) (147,92)
β1  20º 0º < β
β2  18º 0º < β
d 0  1<γ

Tabla 5.5. Llave allen. Datos obtenidos en la evolución del algoritmo en la

búsqueda de las condiciones de estabilidad del agarre, a partir
de los puntos entregados por OCPA. La columna [3ª] muestra
que la traslación se ha efectuado en la dirección correcta,
corrigiendo la condición angular impuesta por el umbral (β).
Finalmente, comprobado el umbral de distancia (γ = 5) se
garantiza un agarre final estable.

5.4.3 Ejemplos sin solución

Este es el caso en el que el mecanismo supervisor (MESU) propuesto no

encuentra un agarre estable porque no se cumple alguna de las tres condiciones
impuestas por los umbrales. En realidad, visto como funcionan los algoritmos,
la tercera condición queda subsumida, como mecanismo de parada, en las
sucesivas iteraciones desarrolladas por las dos primeras, en la búsqueda de una
región del contorno que supere las condiciones de curvatura y angular
impuestas por MESU_1 y MESU_2, respectivamente. Así pues, mostraremos a
continuación los dos casos de error posibles: caso-1, cuando falla MESU_1
(e.g. tijeras), y caso-2, cuando falla MESU_2 (e.g. pinzas o alicates).

Caso-1: Tijeras (ver figura 5.21). A partir de los puntos entregados por el paso
OCPA, el Mecanismo Supervisor (MESU) evalúa, en primer lugar, las
condiciones de curvatura. La figura 5.22 muestra porqué estos puntos
(el efecto sobre P'2 es similar al de P'1) no cumplen las necesarias
condiciones de suavidad requeridas para alcanzar una preadaptación
satisfactoria de la pinza de dedos plano-paralelos. Se observa en esta
figura la evolución de las normales en los puntos que delimitan el
intervalo centrado en P'1 dejando patente su falta de constancia, como
requiere MESU_1 para garantizar la suavidad de la curvatura. Esta
forma de visualizar el comportamiento de la curvatura es alternativa (o
complementaria) de la vista anteriormente mediante la curva del vector
de torsiones.
 Capítulo V • 133

P'1

Centroide P'2

I min

Figura 5.21. Tijeras: candidatos a puntos de agarre a partir del

algoritmo OCPA.

Estado Inicial Estado Final

Coordenadas Curvatura Coordenadas Curvatura
P'1 (171,115) 46º P'1 (166,111) 2º
P'1-k (160,107) 13º P'1-k (154,104) 25º
P'1+k (182,113) 50º P'1+k (177,118) 86º

Tabla 5.6. Tijeras. Evolución cuantitativa de MESU_1 (curvatura en

grados) para P'1.

Estado Inicial Estado Final

NP' NP'
1-k 1-k

NP'
NP' 1+k NP' NP'1+k
1 1

P'2 P'
Centroide 2 Centroide

Figura 5.22. Tijeras. Evolución de MESU_1. Se visualizan las normales

en los puntos extremos del intervalo de radio k, alrededor de P'1.
134 • Determinación Automática de Puntos de Agarre

P4 P4

P'2 P'1
P'2 P'1

P3 P3

Figura 5.23. Tijeras. Evolución del mecanismo evaluador/corrector de

curvatura, MESU_1. Se intentan las dos direcciones posibles:
izquierda y derecha. Se observa el máximo alcanzado en las
traslaciones de P'1 y P'2, antes de la "parada" del procedimiento
iterativo que lo implementa, al sobrepasarse el umbral de
distancia (γ = 5.0, en este caso).

En la figura 5.23 se muestra el efecto de la condición de parada sobre las

tijeras. Dichas tijeras son distintas a las de la figura 5.21, y se encuentran en una
localización (posición más orientación) distinta de la escena. Tengamos en
cuenta que el algoritmo testea todo el tiempo el alejamiento de la línea de agarre
respecto del centroide, como se explicó anteriormente. Hay que puntualizar que
el algoritmo, como se indicó en el apartado [Link] (caso2: simetría especular),
hace uso de la existencia de simetría especular y, por tanto, sigue una búsqueda
predeterminada de las regiones de buen comportamiento angular, intentando en
primer lugar la traslación de los puntos hacia el inicial, PI, (dir-B):
P1 a P1 − n ∧ P2 a P2 + n ; n = 1,2,L

en dos iteraciones se alcanza la condición de parada: d (=5.46) > γ (=5.0),

intentando a continuación la traslación en el sentido opuesto (dir-A):
P1 a P1 + n ∧ P2 a P2 − n ; n = 1,2,L

aquí se producen dos iteraciones más sin éxito, alcanzándose la condición de

parada: d (=6.5) > γ (=5.0), por lo que se concluye que no se garantiza la
estabilidad del agarre en este caso. La evolución completa de MESU_1 para el
caso representado en la figura 5.23 se muestra en la tabla 5.7.
 Capítulo V • 135

(dir-B) (dir-B)' (dir-A) (dir-A)'

OCPA MESU_1 MESU_1 MESU_1 MESU_1
P1 (160,138) (160,135) (160,132) (160,141) (159,144)
P2 (132,139) (132,136) (132,133) (133,142) (133,145)
α1 40º 34º 30º 26º 24º
α2 38º 39º 34º 20º 22º
d 0.5 2.46 < γ 5.46 > γ 3.5 < γ 6.5 > γ

Tabla 5.7. Tijeras. MESU_1 comprueba que no se satisfacen las condiciones

de curvatura (OCPA) y dispara el mecanismo evaluador/corrector,
primero en la dirección hacia PI (figura 5.23-izquierda), y a
continuación en sentido opuesto (figura 5.23-derecha). Obsérvese
las dos condiciones de parada, una en cada sentido, indicadas por
la condición d > γ (= 5.0, en este caso).

Caso 2:
Ejemplos:

2.1. Pinzas. A partir de los puntos entregados por el paso OCPA, el

Mecanismo Supervisor (MESU) evalúa en primer lugar las condiciones
de curvatura (MESU_1). La figura 5.24, muestra que estos puntos (P'1
y P'2) sí cumplen las necesarias condiciones de suavidad en cuanto a
curvatura se refiere, por tanto se satisface MESU_1. El problema
radica en el paso MESU_2. Una evolución completa de la actuación de
los algoritmos prediciendo la inestabilidad del agarre en este caso
puede seguirse en la tabla 5.8. De nuevo el algoritmo, como en el caso
anterior de MESU_1 sobre las tijeras, hará uso de la existencia de
simetría especular y, por tanto, sigue el mismo criterio para la
búsqueda predeterminada de las regiones de buen comportamiento
angular, intentando en primer lugar la traslación de los puntos hacia el
inicial, PI, (dir-B):
P1 a P1 − n ∧ P2 a P2 + n ; n = 1,2,L

alcanzando en una sola iteración la condición de parada: d (=3.8) > γ

(=3.0) e intentando a continuación la traslación en el sentido opuesto
(dir-A):
P1 a P1 + n ∧ P2 a P2 − n ; n = 1,2,L

aquí se producen dos iteraciones sin éxito, alcanzándose la condición de parada:

d (=5.2) > γ (=3.0), por lo que se concluye, como en el caso anterior, la
imposibilidad de garantizar la estabilidad del agarre propuesto. Una
visualización del efecto de la inestabilidad de dicho agarre, en el caso de las
pinzas por el robot manipulador real utilizado, puede observarse en el apartado
136 • Determinación Automática de Puntos de Agarre

de resultados del capítulo VI (6.4), donde aparecen imágenes del manipulador

en acción (véase la figura 6.8).

(dir-B) (dir-A) (dir-A)'

OCPA MESU_1 MESU_2 MESU_2 MESU_2
P1 (140,88) (140,88) (137,86) (143,89) (146,90)
P2 (142,157) (142,157) (139,159) (145,156) (148,154)
β1  24º 23º 24º 26º
β2  24º 24º 24º 23º
d 0 0 3.8 > γ 2.2 < γ 5.2 > γ

Tabla 5.8. Pinzas. Aquí se satisfacen las condiciones de curvatura

(MESU_1), pero no las angulares (MESU_2). Obsérvese las dos
condiciones de parada, una en cada sentido, indicadas por la
condición d > γ (= 3, en este caso).

P1 (dir-B) (dir-A)
P1
P3

P4
P2 P2
P1 P3 P2 P4

Figura 5.24. Pinzas. Aquí se observa el cumplimiento de las condiciones de

curvatura (MESU_1), ver los dos "rectángulos" en las regiones de
posible adaptación de los dedos de la pinza. En la parte superior
derecha se visualiza el convenio seguido por (MESU_2) para
evaluar/corregir las condiciones angulares (βi).

2.2 Alicates. Aquí, como en el caso anterior, el Mecanismo Supervisor

(MESU) no encontrará regiones que satisfagan el paso MESU_2,
 Capítulo V • 137

prediciendo en consecuencia inestabilidad en el agarre. Un seguimiento

del comportamiento de MESU_1 sobre este objeto puede seguirse en la
figura 5.25, donde se aprecian las regiones del contorno
correspondientes a los intervalos de radio k centrados en los puntos
(P1, P2), cumpliendo las condiciones impuestas para la curvatura. La
evolución de MESU_2 puede seguirse en las tablas 5.9 y 5.10.

(dir-B) (dir-B)' (dir-B)''

OCPA MESU_1 MESU_2 MESU_2 MESU_2
P1 (142,131) (142,131) (144,128) (146,125) (147,122)
P2 (104,87) (104,87) (107,86) (110,86) (113,85)
β1  18º 15º 13º 10º
β2  22º 23º 24º 24º
d 0 0 2.4 < λ 5.3 < λ 8.1 > λ

Tabla 5.9. Alicates. Aquí se satisfacen las condiciones de curvatura

(MESU_1), pero no las angulares (MESU_2). Obsérvese la
condición de parada, en el sentido (dir-B), indicada por la
condición d > γ (= 5.9, en este caso).

(inicializa) (dir-A) (dir-A)'

OCPA MESU_2 MESU_2
P1 (142,131) (141,134) (139,137)
P2 (104,87) (101,88) (98,89)
β1  19º 18º
β2  23º 22º
d 0 3.6 < γ 6.9 > γ

Tabla 5.10. Alicates. Es continuación de la tabla 5.9, explicando la

evolución en la dirección opuesta (dir-A). Obsérvese de nuevo la
condición de parada para d > γ (= 5.9).
138 • Determinación Automática de Puntos de Agarre

P4
P2
P3

P1

P P P P
4 1 2
3

Figura 5.25. Alicates. Se observa a partir del gráfico de torsiones que los
puntos candidatos cumplen las condiciones de curvatura suave
impuestas por MESU_1.

5.4.4 Invariancia del agarre obtenido

Dado que la estrategia de determinación de puntos de agarre aquí expuesta se

basa en información capturada por un sistema de visión artificial, es muy
importante que el agarre obtenido no se vea afectado por las transformaciones
afines habituales: cambios de escala, traslaciones y orientaciones de los objetos
en la escena; es decir, se requiere que sea invariante frente a dichas
transformaciones. Para demostrar dicha invariancia haremos uso de la
transformación correspondiente entre el sistema de referencia externo y el
ligado al objeto (ver la figura 5.26).

Una forma usual de construir transformaciones, homogéneas principalmente,

en robótica es resolver el denominado "grafo de la transformación" [Paul, 81] a
partir del cuál (véase la figura 5.27) se obtiene:

W
TP = W TC⋅C TP ⇒ C
TP = W TC−1⋅W TP
 Capítulo V • 139

W (0,0) Wx (X)
Px

(X')

Wy
P'x

P
Py

C θ (X)
centroide

P'y

(Y) (Imin ) (Y')

Figura 5.26. Interpretación geométrica de la transformación seguida para

demostrar la invariancia de los puntos de agarre determinados. A partir
de las coordenadas absolutas de un punto P (Px,Py), se obtienen las
relativas (P'x,P'y) al sistema de referencia ligado al objeto.

W
TP

W P
W C
Tc Tp
C

Figura 5.27. Grafo de la transformación asociado al

problema de cambio de base representado en la
figura 5.26.

y teniendo en cuenta que

140 • Determinación Automática de Puntos de Agarre

1 0 0 Px  cosθ − sin θ 0 Cx 
0 1 0 Py  W  sin θ cosθ 0 C y 
W
TP =  T
; C = 
0 0 1 0  0 0 1 0
   
0 0 0 1  0 0 0 1

calculando la inversa de esta última se obtiene

 cosθ sin θ 0 − (C x cosθ + C y sin θ )
− sin θ cosθ 0 C x sin θ − C y cosθ 
TC = 
W −1
 0 0 1 0 
 
 0 0 0 1 

Por lo que sustituyendo, se llega a

 cosθ sin θ 0 − (C x cosθ + C y sin θ ) + ( Px cosθ + Py sin θ )
− sin θ cosθ 0 (C sin θ − C cosθ ) + (− P sin θ + P cosθ ) 
C
TP =  x y x y 
 0 0 1 0 
 
 0 0 0 1 

por tanto, se obtiene para las coordenadas nuevas (relativas) en función de las
viejas (absolutas)
P' x = ( Px − Cx ) cos θ + ( Py − Cy ) sinθ
P' y = ( Cx − Px ) sinθ + ( Py − Cy ) cos θ (5.2)

Lo anterior representa el tratamiento genérico de un cambio de base del

sistema de referencia absoluto (fijo en el espacio) a uno local (solidario al
objeto). Para adaptar lo anterior al problema que nos ocupa hemos de hacer uso
de la información disponible: centroide y orientación del eje principal (Imin). En
definitiva, las coordenadas de los puntos de agarre P1 y P2 calculados respecto
del sistema de referencia absoluto, deben transformarse respecto del sistema de
referencia solidario con el objeto. Para ello, se traslada el origen desde la
esquina superior izquierda de la pantalla al centroide asociado al contorno, y se
toma el eje de abscisas en la dirección del eje principal (Imin) cuyo sentido se
adapta al convenio visto en el capítulo IV para la dirección del mismo. Para
visualizar exactamente la adaptación al presente trabajo se muestra un ejemplo
detallado relativo a una imagen, "Destor_1" (véase la figura 5.28) y el efecto
ante un cambio de traslación y orientación, "Destor_2" (véase la figura 5.29).
Tengamos en cuenta que el criterio de asignación de orientación a los ejes del
sistema de referencia local ha sido dejar el ángulo θ igual para valores positivos
(θ ≥ 0), y tomar el suplementario de dicho ángulo para valores negativos (θ <
0). Los resultados numéricos se muestran en la tabla 5.11.
 Capítulo V • 141

Coord-Abs Coord-Rel
Destor_1 P1 (177,124) (0,−13)
Destor_1 P2 (159,143) (−1,13)
Destor_2 P1 (103,146) (−1,−13)
Destor_2 P2 (87,127) (1,12)

Tabla 5.11. Resultados obtenidos aplicando la

transformación (5.2) sobre los puntos de agarre
visualizados para "Destor_1" y "Destor_2" en las
figuras 5.28 y 5.29, respectivamente.

A partir de los valores de la tabla 5.11, se observa que P1(Des_1) =

P1(Des_2) ± σ, donde, σ, es la tolerancia inducida por la granularidad de los
contornos 3-muestreados (y análogamente para P2). Dicha tolerancia depende
además, del tipo de transformaciones sufridas por un objeto y su grado de
simetría asociado. Para explicar esto último se muestra la figura 5.30. A partir
de la tabla 5.12, se observa que un simple ajuste permite establecer la
correspondencia entre los puntos (P1, P2) de un objeto y los de su transformado
correspondiente. Dicha correspondencia se encuentra evaluando las diferencias
en valor absoluto entre las coordenadas de los puntos, siendo los valores
menores los que representan la correspondencia buscada. En el ejemplo de la
figura 5.30, con los valores dados por la tabla 5.12, puede observarse que los
valores correctos para los puntos originales (Tijer1) vienen marcados por [P1] y
[P2], una vez realizado el cálculo anterior.
142 • Determinación Automática de Puntos de Agarre

P1 C(168,134)
(X)
P2
θ = 41º
I max
X'
Y'
Imin

Figura 5.28. Destor_1. Centroide, puntos de agarre y orientación.

Obsérvese el sistema de referencia que generado de forma
automática se fija al contorno.

Imin
Y'
P2
θ = − 36º
(X)
P1 I max
X'
C(95,136)

Figura 5.29. Destor_2. Centroide, puntos de agarre y orientación.

Obsérvese la adaptación del sistema de referencia a cambios
en la orientación (θ). En este caso al cumplirse θ < 0, el eje X' se
orienta a partir del suplementario del ángulo (θ' = 180 − θ)
 Capítulo V • 143

Tijer3
Tijer1
Transformación
fuera del plano Y'
θ = 48º P2
P1 ("voltear")
C(148,124)
P2 X'
P1 θ = − 30º
C(148,125)
Y'

X' Tijer2

Transformación
en el plano P1
θ = 31º
("traslación + giro")
C(114,119)

Y' P2
X'

Figura 5.30. Tijeras. Centroide, puntos de agarre y orientación.

Obsérvese la adaptación del sistema de referencia a cambios
en la orientación (θ). En este caso al cumplirse θ < 0, el eje X' se
orienta a partir del suplementario del ángulo (θ´ = 180 − θ).

P1 Coord-Rel P2 Coord-Rel
Tijer1 (0,−25) (2,13)
Tijer2 (0,−16) [P2] (0,26) [P1]
Tijer3 (−2,−24) (2,13)

Tabla 5.12. Resultados obtenidos aplicando la

transformación (5.2) sobre los puntos de agarre
visualizados en las imágenes de la figura 5.30. Se
observa la corrección necesaria en Tijer2 (hay que
intercambiar los puntos).
144 • Determinación Automática de Puntos de Agarre

5.5. Conclusiones preliminares

Se pueden extraer del presente capítulo las siguientes conclusiones:

♦ La estrategia utilizada garantiza la existencia y unicidad del agarre, en

cuanto a la determinación de los puntos que constituyen el mismo se
refiere.

♦ Los algoritmos son capaces de predecir la estabilidad o no del agarre en

base a las condiciones impuestas por la definición de umbrales que
modelan cada uno de los aspectos necesarios para su caracterización,
teniendo en cuenta la presencia de rozamiento en el contacto.

♦ Los requerimientos de los algoritmos expuestos, en cuanto a tiempo de

CPU se refiere, son mínimos por cuanto todos ellos poseen ordenes de
magnitud lineales, en el peor de los casos, con el número de puntos de los
contornos, pero en general el coste es O(1).

♦ Buen comportamiento ante un universo de trabajo sin apenas restricciones

en cuanto a la morfología de los objetos se refiere, a diferencia de otros
trabajos [Kamon et al., 96] que no contemplan la posibilidad de formas
con centroide exterior a su contorno (como la llave allen), o la existencia
de agujeros (asimétricos respecto de Imin).

♦ Quizás uno de los aspectos más importantes a destacar sea el principio de

economía de medios. Prácticamente no existen trabajos de investigación
en el tópico de la determinación/análisis del agarre que estén
implementados totalmente en ordenadores personales y con lenguajes de
programación de uso general como Pascal o C.
 Capítulo VI

La Ejecución del Agarre

En este capítulo se muestra, como culminación del trabajo
expuesto anteriormente, una vía de integración con un
módulo de control con realimentación visual inspirado en un
sistema biológico.

6.1. Introducción.

La idea inicial, posteriormente implantada [Sanz et al., 96], fue la de integrar

en un mismo sistema (como dos módulos independientes pero conectados entre
sí) por un lado lo visto en los capítulos anteriores para la generación del agarre,
y por otro, un sistema de control que, haciendo uso de la información visual
comunicada por el anterior, fuera capaz de llevar la mano del robot a la
localización del agarre. Este proceso se realizará de modo iterativo, haciendo
uso de realimentación visual.

El primer módulo, relativo al agarre, juega el papel de un módulo

comportamental, llamado por el sistema de control cada vez que lo requiera, con
vistas a posicionar la mano del robot en un punto del espacio donde la imagen
de la escena cumple ciertos requisitos. En este sentido, el posicionamiento del
manipulador se obtiene exclusivamente a partir de las coordenadas visuales y
del conocimiento previo de la transformación real cámara-articulaciones en un
reducido conjunto de puntos. Lo anterior representa una implantación
modificada del reflejo Vestíbulo-Ocular (VOR)1 [Churchland & Sejnowski, 92],
1 Vestibulo-Ocular Reflex
146 • La Ejecución del Agarre

formalizado por la denominada Teoría de la Red de Tensores [Pellionisz &

Llinás, 80]. El uso de realimentación visual permite aumentar la precisión hasta
los límites del sistema de visión utilizado.

La implantación real del sistema descrito se llevó a cabo en un robot

manipulador, tipo SCARA con seis grados de libertad (véase la figura 6.1), de
los cuales se usaron sólo 4, con una microcámara fijada en la muñeca.

694
254 254

Elbow Yaw
(eje) (eje)

o
+4

Shoulder Pitch
(eje)
-98
o

Zed
(desplazamiento)

948

Figura 6.1. Adaptada de [UMI, 91]. Vista lateral del manipulador

tipo SCARA utilizado y sus articulaciones. Se representan
las cotas en mm asociadas a dichas articulaciones en la
posición cero ("home") del mismo.
 Capítulo VI • 147

6.2. Estrategia de control empleada

Como se comentó anteriormente, el algoritmo que determina los puntos de
agarre devuelve coordenadas visuales. El objetivo principal del sistema visuo-
motor será posicionar el brazo de modo que cualquier punto sea visto con las
coordenadas deseadas, o en este caso particular, en que la cámara está fijada al
brazo, posicionar el brazo de manera que la característica relevante se vea en un
punto dado de la imagen, moviendo de forma apropiada el brazo con la cámara.
Este proceso teóricamente conducirá el brazo a la posición en la que la pinza
podrá realizar un agarre seguro del objeto, orientándose previamente de forma
adecuada. Esto ha de realizarse mediante una correspondencia entre las
coordenadas de entrada (visuales) y las de salida (motoras), las cuales pueden
ser almacenadas previamente o aprendidas on line. Nuestro enfoque construye
esta correspondencia a partir del conocimiento de las transformaciones visuo-
motoras y sus derivadas en un pequeño conjunto de puntos. Está inspirado en la
observación del reflejo Vestíbulo-Ocular, siendo uno de los objetivos del
presente trabajo, utilizar modelos biológicos de reflejos existentes (reflexive
behaviour) como fuente de inspiración de un sistema robotizado real. Así, la
formulación aquí propuesta para los algoritmos de posicionamiento visuo-motor
es una adaptación libre de dicho reflejo, que controla el movimiento del globo
ocular para mantener su orientación fija a pesar del movimiento de la cabeza. El
trabajo de los neurofisiologos Pellionisz y Llinás [Pellionisz & Llinás, 80],
[Pellionisz, 85] muestra que existe una correspondencia directa entre las
lecturas de los canales semicirculares y las señales de los músculos oculares.
Los primeros son sensibles a la orientación de la cabeza, mientras que los
últimos mueven de forma apropiada cada globo ocular en tres orientaciones
diferentes a partir de tres pares de músculos.

La explicación sugerida por estos autores se basa en el hecho de que el

cerebelo parece aplicar una transformación lineal local a los estímulos de
entrada (la señal proveniente de los canales semicirculares) generando
directamente las señales de salida sin procesado posterior. La transformación no
es la misma para el espacio de entrada completo sino que varía de unos puntos a
otros, lo cual permite que una función global no lineal sea modelada hasta un
cierto límite de precisión. La transformación lineal debe ser medida o aprendida
en algún conjunto conocido de puntos discretos del área de trabajo, y mediante
un determinado mecanismo seleccionar la mejor transformación a usar para un
punto dado. Esto puede formalizarse como una red de Jacobianos extendida a
todo el espacio de entrada, los cuales juegan el papel de transformaciones
diferenciales que actuan sobre las diferencias entre los puntos deseados y lo más
próximos a los puntos sensoriales almacenados.

Es conveniente introducir a continuación la notación que se utiliza en lo que

sigue:
v: coordenadas visuales.
x: coordenadas cartesianas.
m: coordenadas motoras.
148 • La Ejecución del Agarre

Con vistas a determinar las relaciones entre los vectores diferenciales en un

punto dado, llamemos f1 a la función que transforma coordenadas visuales en
coordenadas cartesianas, f1 : v x obtenido en aproximaciones clásicas a partir de
procedimientos analíticos de calibrado de cámara [Tsai, 86]; f1 puede ser
desarrollado en serie alrededor de cada punto v0 como
2
x = x 0 + ( J f1 ) 0 ⋅ ( v − v 0 ) + O ( v − v 0 ) (6.1)

donde (Jf1)0 es la matriz Jacobiana de la transformación en el punto f(v0) = x0,

representada por
 ∂x ∂x 
 L
 ∂v1 ∂v k 
∂y ∂y 
( J f1 ) 0 =  L (6.2)
 ∂v1 ∂v k 
 ∂z ∂z 
 L
 ∂v1 ∂v k 

donde k es el número de coordenadas visuales elegidas para determinar un

punto, normalmente tres, pero pudiendo elegir más para mejorar la robustez en
un sistema sobredeterminado (redundante). En el mismo sentido, la
transformación de coordenadas cartesianas a motoras (cinemática inversa) es
una función f2 : x m que puede también desarrollarse como
2
m = m0 + ( J f2 ) 0 ⋅ ( x − x 0 ) + O( x − x 0 ) (6.3)

siendo (Jf2)0 la matriz Jacobiana de la transformación evaluada en el punto

motor m0, representada por
 ∂m1 ∂m1 ∂m1 
 ∂x ∂y ∂z 
 
( J f2 ) 0 =  M O M  (6.4)
∂
 l m ∂ m l ∂ m l 
 ∂x ∂ y ∂ z 
 
donde l es el número de coordenadas motoras, normalmente igual al número de
grados de libertad del manipulador. Combinando las ecuaciones (6.3) y (6.1) se
obtiene

m = m0 + ( J f2 ) 0 ⋅ ( J f1 ) 0 ⋅ ( v − v0 ) = m0 + H0 ( v − v0 ) (6.5)
 Capítulo VI • 149

siendo H0 = (Jf2)0⋅(Jf1)0, que relaciona directamente variaciones en las

coordenadas visuales cerca del punto m0 con variaciones en las coordenadas
motoras (para este punto las coordenadas visuales son v0, ya que corresponde a
la localización física x0).

Las matrices de las derivadas, H0, son medidas y almacenadas, junto con las
coordenadas visuales del mismo punto, y también las coordenadas motoras
(joints) para ese punto, como se explica en el apartado siguiente.

6.3. Descripción del sistema

El dispositivo experimental está formado por un manipulador tipo SCARA

con baja repetibilidad ( 0.5 mm), más una microcámara CCD situada anexa al
elemento terminal, tal y como se observa en la figura 6.1. El robot posee 6
grados de libertad, pero sólo se usaron 4, pues son suficientes para el agarre de
objetos planos: zed, shoulder, elbow, y yaw (véase la figura 6.1, donde se
aprecia el manipulador empleado y sus articulaciones). La articulación pitch se
fijará a -90º. Estos valores se enviarán al manipulador como pasos para los
encoders. La altura sobre la escena, variable con la coordenada zed, sólo tomará
tres valores posibles cuya utilidad se explicará a continuación.

El hardware para capturar y procesar imágenes consiste en una microcámara

CCD (3 × 3 × 5 cm) con una resolución de 256 × 256 píxeles, la cual genera una
señal de vídeo que es digitalizada y almacenada mediante una tarjeta Matrox
MVP-AT. Se han utilizado 64 niveles de gris. Todos los programas para
detectar, obtener los puntos de agarre y generar las señales de posicionamiento
del manipulador se han ejecutado en un ordenador 486DX, a 33 MHz con 8 Mb
de RAM. Una panorámica del sistema completo, incluyendo una escena típica
de su área de trabajo, se muestra en la figura 6.2.

Veamos a continuación el uso particular de la formulación tensorial descrita

anteriormente para el posicionamiento del brazo. La fase de aproximación
(approaching phase) se dividió en dos partes: posicionamiento grueso (gross
positioning), que trabaja sobre la imagen tomada por la cámara con el brazo en
su altura máxima ("posición alta"), y posicionamiento fino (fine positioning),
que opera con la imagen tomada a una altura apropiada para ver al objeto
ocupando la mayor parte de la misma ("posición media"). El agarre se ejecuta
con los dedos de la pinza casi tocando el plano de la escena ("posición baja").
Estableceremos dos correspondencias (véase la figura 6.3):

C1 La primera obtendrá las coordenadas (shoulder, elbow, yaw) del brazo

en su altura media, a partir de las coordenadas visuales (vxh, vyh) del
centroide aproximado de cada objeto visto por la cámara en la posición
alta.
150 • La Ejecución del Agarre

C2 La segunda cambiará las coordenadas motoras antedichas,

añadiéndoles las correcciones que harán que el centroide, en principio,
del objeto elegido coincida con alguna localización visual dada para,
finalmente, posicionarse sobre el punto medio de la línea de agarre.
Esta fase trabaja con las imágenes tomadas en la posición media.

Figura 6.2. Representación gráfica del sistema completo, robot y

microcámara, con su área de trabajo.

Es importante puntualizar que tal y como queda reflejado en la figura 6.3, es

en la segunda fase (posicionamiento fino) donde la correspondencia establecida
(C2) incorpora realimentación visual para efectuar las correcciones de
posicionamiento necesarias hasta hacer coincidir el centroide calculado (vxm,
vym) con la posición visual conocida más próxima, perteneciente a una red de
puntos adecuadamente equiespaciados en la escena y generado previamente
(off-line). Una vez alcanzada dicha posición se extraen los puntos de agarre y el
punto medio de la línea que los une (línea de agarre), utilizando la matriz
Jacobiana más proxima para llevar el brazo desde el punto sobre el centroide
(donde ahora se encuentra) al punto situado sobre el punto medio de la línea de
agarre, todo realizado en la denominada posición media. La convergencia del
último paso se garantiza por ser la función de transformación cámara-
 Capítulo VI • 151

articulaciones suave y localmente diferenciable. El procedimiento para

encontrar la red de puntos (grid) y su significado se explicará en el siguiente
apartado (6.3.1).

Todo el proceso anterior de reajuste fino en el posicionamiento mediante

realimentación visual se realiza exclusivamente en la denominada "posición
media", restando una etapa final de rotación de los dedos de la pinza, mediante
el cambio angular de la articulación roll, para poder orientar la pinza a lo largo
del eje que define la línea de agarre (la definida entre los dos puntos de agarre).

C1

(sho,elb,yaw)

Posición C2
Alta Posición
(vxh ,vyh ) (vxm,vym) Media
Centroide Centroide

Figura 6.3. Representación gráfica de las dos correspondencias establecidas

(C1 y C2) para desencadenar la fase de aproximación inmediatamente
anterior a la ejecución del agarre. Posicionamiento grueso (izquierda).
Posicionamiento fino (derecha). Obsérvese que C2 hace uso de
realimentación visual.

6.3.1. Proceso "off-line"

La fase previa de toma de medidas para el calibrado, realizada off-line,

utiliza una pieza simple de madera de color blanco como la mostrada en la
figura 6.4.
152 • La Ejecución del Agarre

El manipulador coge y deja la pieza en un punto específico de su área de

trabajo, tomando imágenes para localizar el punto central como el centro del
rectángulo que encierra el perímetro detectado, posiblemente ruidoso. Una vez
que la pieza ha sido dejada en la escena, sólo se toma una imagen con el brazo
(y la cámara) en una única posición alta. Llamando (vxh, vyh) a las coordenadas
visuales del centro visto desde la posición alta, se almacenará una lista con los
pares ((vxh, vyh), (sho, elb, yaw)) donde (sho, elb, yaw) son las coordenadas
motoras del brazo justo cuando se encuentra sobre el objeto, conocidas por ser
las utilizadas al dejar el objeto en la escena, es decir, cuando fue visto desde la
posición media. (Si la altura no dependiera únicamente de zed, sería necesario
almacenar una correspondencia diferente).

Figura 6.4. Pieza de madera utilizada en el calibrado previo

(proceso off-line).

A continuación, se toman cinco imágenes con el brazo en la posición media:

una en el centro, y las otras moviendo el brazo una pequeña distancia a lo largo
de las direcciones x, -x, y, -y. A partir de aquí, las primeras derivadas de las
coordenadas visuales y motoras con respecto al punto (x, y) se calcularán como:
∂sho ∆sho ∂v xm ∆v xm
≅ ; ≅ (6.6)
∂x ∆x ∂x ∆x

y análogamente para el resto de coordenadas y sus derivadas.

A partir de aquí se construyen las dos matrices siguientes:

 Capítulo VI • 153

 ∂sho ∂sho 
 ∂x ∂y   ∂v xm ∂v xm 
  ∂x
∂elb ∂elb  ∂y 
( J f2 ) 0 =  ; ( J f ) 0−1 =   (6.7)
 ∂x ∂y   ∂v ym ∂v ym 
1

 ∂yaw   ∂x

∂yaw
 ∂y 
 ∂x ∂y 

Y multiplicando la primera por la inversa de la segunda, se obtiene

 ∂sho ∂sho   ∂sho ∂sho 
 ∂x  −1  
 ∂y   ∂v xm ∂v xm   ∂v xm ∂v ym 
 ∂y 
 ∂elb ∂elb  ⋅  ∂x  =
 ∂elb ∂elb 
 ∂x ∂y   ∂v ym ∂v ym  ∂ v ∂ v  = H0 (6.8)
 ∂yaw ∂yaw    xm ym 
 ∂ x ∂ y   ∂ yaw ∂ yaw 
 
 ∂x ∂y   ∂v 
 xm ∂v ym 

que es justo la matriz necesaria para relacionar las variaciones en las

coordenadas visuales con aquéllas relativas a las coordenadas motoras en un
punto dado, a altura media.

La toma de medidas se realizó en puntos separados 5 cm unos de otros, lo

que en nuestro caso garantiza un grado aceptable de linealidad en el área
circundante de cada punto. El número total de puntos en nuestro espacio de
trabajo fue de 85, formando una red (grid) de 5×17 puntos.

Puede argumentarse que la medición de estas cantidades usa la cinemática

inversa para posicionar el brazo en cada punto, y también para desplazarlo
pequeños incrementos en cada dirección, pero conviene puntualizar que, si ésta
no se conoce con precisión, podrán utilizarse modelos aproximados, ya que las
imprecisiones serán subsumidas y corregidas por el proceso de realimentación
on-line. Además, los cálculos requeridos para la cinemática inversa se
efectuarán en su totalidad off-line, consiguiendo que el movimiento del brazo,
on-line, sea mucho más rápido.

Unicamente el producto, H0, de ambas matrices, Jf1 y Jf2, (ver ecuaciones 6.2
y 6.4), será guardado, junto con las coordenadas visuales y motoras del punto
correspondiente, formando una estructura de datos conectada. Toda la
información cartesiana carece de importancia y puede descartarse, ya que las
transformaciones cinemáticas son subsumidas por los valores numéricos de la
red de Jacobianos. Se necesitará un procedimiento eficiente de almacenamiento
de estas estructuras de datos para facilitar su rápida recuperación on-line. Se ha
utilizado para ello un fichero que guarda la información en binario y que
154 • La Ejecución del Agarre

permite ser cargado en memoria de forma rápida, donde se construyen las tablas
de indexado que usará un algoritmo de recuperación de puntos, basado en la
búsqueda del vecino más próximo. Dicha búsqueda, si el número de puntos es
pequeño (nuestro caso), puede hacerse de forma secuencial, pero en general, lo
más eficiente es seguir el mecanismo propuesto por otros autores [Bentley &
Papadimitriou, 80], al respecto.

6.3.2. Proceso "on-line"

Podemos resumir el algoritmo (on-line) empleado en los siguientes ocho

pasos:

1. Ir a la "posición alta" y tomar una imagen global del área de trabajo.

2. Procesar dicha imagen para encontrar las partes de la escena asociada a

los diferentes objetos presentes en ella, obteniendo un centro visual
aproximado para cada uno de ellos, que podrá ser su centroide o
simplemente el centro del rectángulo que lo encierra.

3. Seleccionar un objeto para el agarre. Esto será realizado por un

planificador de tareas global o por algún otro procedimiento, cuyo
diseño está fuera de los objetivos del presente trabajo.

4. Recuperar el punto visual más cercano de entre aquéllos almacenados

en la primera etapa (off-line) de medida (el punto visual alto
denominado (vxh, vyh)). Recuperar su punto visual medio asociado
(vxm, vym), su punto en coordenadas motoras (sho, elb, yaw) y su matriz
Jacobiana.

5. Dirigir la mano a (sho, elb, yaw) con altura media y tomar una imagen
de nuevo. Utilizar el enfoque explicado en el capítulo IV, para obtener
el centro visual y orientación adecuados.
 Capítulo VI • 155

1
Inicio

2
Módulo de Localización
de Puntos de Agarre
(y centroide)

(v x ,v y )

3
sho sho + ∆ sho
Módulo de Control elb elb + ∆ elb

(∆ sho , ∆ elb , ∆yaw) yaw yaw + ∆yaw

4
5
No
(v x , v y ) = ( v xm ,v ym ) Mover a posición más
próxima.

roll Si

6
Agarre del
objeto

Figura 6.5. Diagrama de flujo del esquema global de trabajo (proceso on-line).
A destacar el proceso de realimentación existente entre los bloques 2
y 3. Nótese que el módulo 2, encapsula dos operaciones: extracción
del centroide utilizado en la realimentación y determinación de puntos
de agarre, en el último paso.

6. Mientras el centroide del objeto no coincida con (vxm, vym), calcular la

diferencia entre ambos y multiplicar por la matriz Jacobiana. Añadir a
la posición motora actual el vector de articulaciones (motor) resultante
y situar la mano en dicha posición.
7. Iterar este procedimiento hasta que el centroide del objeto coincida con
(vxm, vym). Esto habrá conducido la mano del robot a un punto próximo
156 • La Ejecución del Agarre

al de agarre del objeto, ya que éste es el punto en el que el objeto de

prueba (proceso off-line) fue visto justo después de ser soltado por la
pinza del robot.

8. Finalmente, llevar la mano sobre el punto medio de la línea de agarre,

utilizando la matriz Jacobiana más próxima, rotando, a continuación, la
articulación roll el mismo ángulo que dicha línea tenga con el eje
visual de abscisas (x).

La última etapa supone cierto conocimiento geométrico, ya que, por la

ubicación de la cámara elegida, las orientaciones real y visual casi coinciden.
Esta suposición puede no ser cierta para otros sistemas, pero en tal caso, una
tercera correspondencia entre el ángulo de la articulación roll y la variable
orientación puede ser almacenada tomando varias medidas en cada punto para
diferentes orientaciones.

Como ya se comentó anteriormente, el algoritmo que se ha utilizado para

encontrar el punto visual más cercano a uno dado es una adaptación del
propuesto por [Bentley & Papadimitriou, 80] para realizar una búsqueda n-
dimensional, asumiendo la distancia euclidea.

En la figura 6.5, se visualiza gráficamente el esquema de trabajo global de

los algoritmos descritos. Se trata de un esquema simplificado en el que se
aprecia la integración de los dos módulos desarrollados, de manera que, como
se ha explicado anteriormente, el módulo de control (3) llamará al de
localización de puntos de agarre (2) cada vez que lo considere necesario, hasta
desencadenar la ejecución del mismo. Obsérvese que la determinación de
puntos de agarre sólo se realiza una vez, siendo la extracción del centroide la
que realmente interviene en el proceso de posicionamiento con realimentación
visual. Esta estrategia presupone, debido a las condiciones de estabilidad
asumidas (ver capítulo III), que el centroide siempre estará próximo al punto
medio de la línea de agarre.

6.4. Resultados.

Puntualicemos que el módulo de localización de puntos de agarre, visto

anteriormente, se comporta de forma autónoma, tomando una imagen y
devolviendo coordenadas visuales cada vez que es invocado por el módulo de
control motor. Análogamente, el módulo visuo-motor toma coordenadas
visuales, moviendo a continuación el manipulador de un modo completamente
independiente. A pesar de que estos módulos no pueden denominarse realmente
módulos comportamentales2 en sentido estricto, ya que (particularmente el
módulo de generación del agarre) usan modelos simbólicos, representan un

2 Ver el punto 1.2 acerca de su definición.

 Capítulo VI • 157

primer intento en la construcción de una arquitectura más flexible para una

clase restringida de sistemas de ensamblado.

(a)

(b)

Figura 6.6. Imágenes capturadas por la microcámara en: (a) "posición

alta" y (b) "posición media" correspondientes al esquema de
trabajo on-line comentado.

El algoritmo de posicionamiento fue evaluado conduciendo al manipulador a

cada uno de los 85 puntos formados por una red (grid) de 5 17 puntos (tal y
como se indicó en la fase "off-line"), elegidos en el centro de la red original
donde fueron tomadas las medidas, de forma que éstos serán los puntos donde
se espera el máximo error. Esto es así, debido a que los Jacobianos están
medidos en los nodos de la red (grid), de manera que cuanto más alejado esté el
punto de medición más próximo, mayor será dicho error, ya que la
aproximación es lineal a tramos, y en una red regular, los centros de cada
polígono en que se divide el espacio son los puntos más lejanos a los nodos, por
lo que el error medio en dichos puntos es cota superior del mismo. El error
medio sin realimentación visual fue de 1.6 mm. No hubo diferencias
significativas en el comportamiento del error dependendiente de la posición.
Este error medio se redujo a 1.2 mm con un ciclo de realimentación visual, a 0.9
158 • La Ejecución del Agarre

con dos ciclos y a 0.7 con tres. Más ciclos no mostraron una mejora sustancial.
Esto se debe a la limitación en la precisión inherente al sistema de visión, ya
que el tamaño de un píxel a nuestras distancias es de 0.6 mm, aproximadamente.
No obstante, no existe en teoría ninguna razón por la que dicha precisión no
pueda mejorarse, bien utilizando cámaras de mayor resolución o bien utilizando
precisión subpixel en los algoritmos de visión. En tal caso, deberían medirse los
Jacobianos en más puntos, ya que la memoria requerida está lejos todavía de
alcanzar los límites de cualquier ordenador corriente, y el tiempo de
recuperación del punto visual más cercano, con el algoritmo utilizado, es
aproximadamente constante si los puntos visuales se distribuyen de manera
uniforme en el espacio de entrada, como es el caso.

En la figura 6.6, se pueden apreciar las dos fases de trabajo del algoritmo on-
line, a través de las correspondientes imágenes obtenidas: (a) "posición alta",
desde donde se contempla toda la escena cubierta por el campo visual de la
microcámara. Y (b) "posición media", a partir de la cuál, el algoritmo, mediante
tres o cuatro iteraciones a lo sumo, es capaz de posicionar el manipulador justo
sobre el objeto para, a continuación, proceder a su agarre.

Es interesante observar el comportamiento del manipulador en acción ante

dos situaciones antagónicas: caso-1, cuando se determina un agarre estable
(véase la figura 6.7), y caso-2, cuando se incumple algún requisito necesario
para garantizar la estabilidad del agarre (véase la figura 6.8).

Puntualicemos que en el caso-2 (ver figura 6.8) relativo a las pinzas, la no

garantía de un agarre estable no implica imposibilidad absoluta de ejecutar el
agarre. No obstante el sistema predice que existe una probabilidad muy alta de
que se produzca algún tipo de alteración en la posición del objeto relativa a la
pinza, como de hecho se observa que ocurre. De esta manera se facilita el tomar
las decisiones adecuadas en fases de manipulación inmediatamente posteriores
al agarre propiamente dicho (e.g. en aplicaciones de ensamblado, inserción,
etc.).

El tiempo total de ejecución en un ordenador 486-DX33 está entre 0.3 y 0.8

segundos para el módulo de localización de puntos de agarre (incluyendo todas
las etapas previas), dependiendo de la longitud de los contornos, ya que es lineal
con ellos; dicho tiempo se desdobla en el necesario para obtener el centroide a
partir de la captura de la imagen (0.5 s), y a partir de aquí, determinar los puntos
de agarre (0.3 s). Y 0.1 segundos para el módulo de control. Como se pueden
requerir hasta cuatro ciclos visuales de realimentación, el tiempo total será de 4
× (0.1 + 0.5) + 0.3 = 2.7 segundos. Esto, no es de hecho exactamente así, debido
a que una gran cantidad del tiempo se consume en el transcurso de la lenta
reacción del manipulador para seguir las instrucciones de posicionamiento.
 Capítulo VI • 159

Figura 6.7. El manipulador en acción: agarre "estable" de un destornillador (caso-

1). Tal y como se demostró en el capítulo V, este caso cumple todos los
requisitos para que el sistema garantice la estabilidad en el agarre.
160 • La Ejecución del Agarre

Figura 6.8. El manipulador en acción: agarre "inestable" de unas pinzas (caso-2).

Como se demostró en el capítulo V, este caso no cumple la 2ª condición
del Mecanismo Supervisor (MS), por tanto el sistema lo detecta no
garantizando su estabilidad.
 Capítulo VI • 161

6.5. Conclusiones preliminares.

Se pueden extraer del presente capítulo las siguientes conclusiones:

♦ En cuanto a los algoritmos de posicionamiento visual empleados, ha

quedado demostrado que modelos geométricos de la transformación de
cámara o de la cinemática del manipulador no son necesarios para
conseguir una buena actuación del mismo, y que la observación de los
modelos biológicos es una fuente válida de inspiración para los sistemas
robotizados reales.

♦ Se ha demostrado la viabilidad de la integración de un módulo de

determinación del agarre basado en visión que sirve de entrada al módulo
de control que dispara la ejecución del agarre, poniendo de manifiesto su
robustez, eficiencia y economía de medios en un entorno real.

♦ Hay que hacer especial hincapié en que uno de los méritos de la

implementación mostrada aquí, radica precisamente en la sencillez de los
medios empleados. No es fácil gestionar una aplicación de esta
complejidad con un simple "pc". Esto permite empezar a pensar en abrir
una posible vía para su implantación en entornos industriales o de otro
tipo, con necesidades de manipulación en general.
 Capítulo VII

Conclusiones y Trabajo
Futuro
En este capítulo se hace una recapitulación de los
objetivos alcanzados, limitaciones a superar y, posibles vías
abiertas para seguir avanzando.

7.1. Aportaciones del presente trabajo.

El objetivo central cubierto por esta tesis ha sido demostrar la viabilidad de
un sistema completo para la determinación y ejecución del agarre en robots
manipuladores mediante razonamiento geométrico basado en visión. Dicho
sistema actúa en un entorno real, demostrando robustez, eficiencia y economía
de medios, haciendo uso del principio "percepción-razonamiento-acción"
inherente a la investigación en el campo de la robótica inteligente.

Los algoritmos desarrollados se han implementado en un robot manipulador

con 4 GDL y fijando una cámara CCD en su muñeca. El sistema de control
utiliza realimentación visual, consiguiendo incrementar la precisión hasta el
límite del sistema de visión utilizado.

A modo de síntesis se pueden destacar las siguientes conclusiones extraídas

de las diferentes conclusiones preliminares de los capítulos anteriores:
163 • Conclusiones Finales y Trabajo Futuro

Un umbralizado automático de escenas aproximadamente bimodales

que hacen al sistema robusto a pequeños cambios globales de
iluminación.
En la fase de procesamiento de imágenes de trabajos cercanos al
nuestro [Fuentes et al., 94], [Kamon et al., 96], deja bastante que desear
algún procedimiento, como el de tener que seleccionar el usuario cierto
nivel de umbral "a mano", para facilitar la segmentación; en éste
sentido nuestro sistema es más robusto, obteniendo resultados
aceptables.

Un procesado rápido del cálculo de momentos y, por ende, de los

descriptores utilizados que permiten, utilizando vectores dinámicos para
los puntos del contorno obtenido con 3-muestreo, establecer el
razonamiento geométrico necesario en un tiempo óptimo.

Una estrategia extremadamente simple que permite la extracción

automática de los dos candidatos a puntos de agarre, de forma eficiente,
sobre formas planas sin restricciones, garantizando la existencia y
unicidad del agarre.

Un mecanismo de validación ("mecanismo supervisor") de los

candidatos a puntos de agarre obtenidos inicialmente que ha mostrado
un comportamiento eficiente y robusto sobre una gran variedad de
objetos utilizados.

Demostrar la validez y viabilidad de los algoritmos desarrollados,

mediante su implementación en un sistema real, integrado con un
módulo de control que, haciendo uso de la información entregada por
dichos algoritmos, mediante realimentación visual, ha verificado un
comportamiento aceptable en las diferentes situaciones a las que ha sido
sometido.

7.2. Líneas de investigación futura.

Siguiendo otros trabajos [Kamon et al., 96] sería muy conveniente la
incorporación al sistema desarrollado de mecanismos de aprendizaje que
permitan al mismo mejorar el agarre a medida que este se experimenta con
objetos de distinta morfología, en base a mecanismos de prueba y error.
Recordemos que la información visual empleada se ha limitado a inducir todo el
razonamiento necesario a partir de los contornos y, en general, esto no es
suficiente en el proceso de agarre; se debe poder estimar de alguna manera la
distribución de masas del objeto, que no tiene porqué ser homogéneo, rígido,
etc.

El esquema anterior podría así mismo conectarse para trabajar con objetos
3D, empleando para ello un sistema de posicionamiento ya desarrollado
 Capítulo VII • 164

[Domingo, 91], [Domingo, 93] que utiliza la formulación TNT (véase el

capítulo VI) con dos cámaras no alineadas enfocando el área de trabajo. Este
sistema podría utilizarse en la fase de posicionamiento grueso, dejando la
cámara montada en la muñeca del robot para el posicionamiento fino en la fase
de ejecución del agarre, evitando así la fase de toma de imágenes a diferentes
alturas aquí desarrollada, a costa de incrementar el número de cámaras
necesario y la complejidad añadida.

Otra línea de investigación abierta en conexión con el sistema desarrollado

consistiría en integrarlo con un planificador de agarre de nivel superior que,
mediante el uso de sensores de fuerza permita mejorar la manipulación de forma
global, alternando la fase de precontacto (información visual) con la fase de
contacto (información táctil o de fuerza). Ya existe un proyecto de investigación
en este sentido, donde se han dado ya los primeros pasos en la creación de un
módulo de acomodación de la pinza al objeto utilizando sensores de fuerza
[Cervera & del Pobil, 95a], [Cervera & del Pobil, 95b].

En la línea de los sistemas dinámicos (en movimiento) se podría enlazar el

trabajo desarrollado con el tratamiento, mediante los denominados snakes
[Blake, 95] que permiten la representación (mediante B-splines) de contornos
que se adaptan de forma dinámica a los objetos en movimiento, abriendo así la
posibilidad de desarrollar un sistema de agarre capaz de manipular objetos con
movimiento relativo uniforme en cintas transportadoras o similar.

Precisamente en la línea de seguimiento de objetos en escenas 3D para su

posible manipulación robotizada, se enmarca un ambicioso proyecto europeo:
"Intelligent object tracking and analysis using smart sensor technology
(IOTA)", dentro del programa ESPRIT, en el que además de la Univ. Jaume I,
participan: "Sensomotoric Instruments" (Teltow, Alemania), "Logitech" (Suiza),
"Integrated Vision Products" (Suecia), "Freie Universität Berlin" (Alemania), y
"University of Strathclyde" (U.K.).

Para terminar, digamos que de las diferentes áreas de aplicación posibles del
trabajo desarrollado destacamos tres que hacen uso intensivo de herramientas u
objetos diseñados para la mano del hombre (universo de trabajo preferente
utilizado en esta tesis):

1ª Industria de automoción, talleres, etc. donde se haga uso continuado de

herramientas de todo tipo. Aquí el robot puede hacer de asistente,
pasando herramientas al operario humano cuando éste está ocupado en
reparaciones mecánicas etc., o procediendo a su ordenación final,
cuando se requiera.

2ª Biomedicina. "Manipulación de instrumental quirúrgico" [Pozuelo,

88]. Esta tarea es imprescindible en intervenciones desarrolladas
siempre en quirófanos y consiste en pasar la herramienta adecuada en
el momento adecuado al cirujano en cuanto este lo solicita (pone la
palma de la mano hacia arriba). En este caso se trata de un entorno
165 • Conclusiones Finales y Trabajo Futuro

totalmente controlado en cuanto a condiciones de iluminación

(lámparas de 100.000 lux diseñadas para evitar la generación de
sombras), posicionamiento estructurado del instrumental (las
herramientas se sitúan ordenadas en sus bandejas correspondientes),
etc. Aquí la ventaja decisiva de colocar un robot es la necesidad de
conseguir el mayor nivel de asepsia posible y en esto el hombre no
puede competir con el robot.

3ª Robótica asistencial [Minor et al., 94]. Como ayuda a personas con

discapacidades o personas mayores con dificultades psicomotoras
(parkinson, etc.), se podrían aplicar variantes adaptadas del sistema
aquí desarrollado como robots asistenciales en estación fija para
puestos de trabajo o portátiles para ser montados en silla de ruedas.

Estas aplicaciones constituyen un reto en diferentes aspectos. En primer

lugar requieren una interfaz amigable: el lenguaje natural a ser posible y, sobre
todo en la segunda, gran eficiencia y fiabilidad de la implantación final. En un
quirófano un error de funcionamiento puede costar una vida. En este último
caso además, sustituir a un buen instrumentista está ahora mismo bastante
alejado de la realidad tecnológica actual, pues éste tiende a adelantarse a la
petición de instrumental del cirujano simplemente a la vista de lo que ocurre en
cada momento en el transcurso de la operación, es decir, entra en juego la
experiencia previa y toda una gama infinita de posibilidades que es capaz de
desplegar la mente del hombre a partir del complejo proceso de percepción
sensorial. Finalmente, la última aplicación reseñada (robótica asistencial), está
siendo impulsada cada vez con mayor fuerza por los diferentes países del
mundo occidental, visto que el impacto sobre la población potencial va
rápidamente in crescendo.
 Referencias

Bibliografía-Capítulo I
[Albus & Evans, 76] Albus JS, Evans JM. Robot Systems. Scientific American.
February, 1976.

[Agin & Duda, 75] Agin GJ, Duda RO. SRI Vision Research for Advanced
Industrial Automation. Second USA-JAPAN Computer
Conference, Proceedings, pp. 113-117, Tokyo, Japan. 1975.

[Ambler & Popplestone, 75] Ambler AP, Popplestone RJ. Inferring the
Positions of Bodies from Specified Spatial Relationships.
Artificial Intelligence, vol.6, pp.157-174. 1975.

[Arkin & Grupen, 93] Arkin RC, Grupen R. "Behavior-Based, Reactive Robotic
Systems". Tutorial for 13th IJCAI. Chambery, France.
1993.

[Brooks, 86] Brooks R. A Robust Layered Control System for a Mobile

Robot. IEEE Jour. of Robotics and Automation, 2(1): 14-
23. 1986.

[Cervera & del Pobil, 95a] Cervera E, del Pobil AP. Geometric reasoning for
fine motion planning. Proc. IEEE International Symposium
on Assembly and Task Planning (ISATP'95), Pittsburg,
Pennsylvania. 1995.

[Cervera & del Pobil, 95b] Cervera E, del Pobil AP. A hybrid qualitative-
connectionist aproach to robotic spatial planning.
Workshop on Spatial and Temporal Reasoning, Int. Joint
Conference on Artificial Intelligence (IJCAI-95), Montreal,
Canada. 1995.

[del Pobil & Serna, 95] del Pobil AP, Serna MA. Spatial Representation and
Motion Planning. Springer-Verlag, Berlin, 1995.

[Gardner, 61] Gardner M. More Mathematical Puzzles and Diversions,

1961. Penguin 1966 edition.

[Grimson & Lozano-Pérez, 87] Grimson WEL, Lozano-Pérez T. Localizing

overlapping parts by searching the interpretation tree.
167 • Referencias

IEEE Transactions on Pattern Analysis and Machine

Intelligence, PAMI-9(4): 469-482. 1987.
[Groover & Mikell, 86] Groover MP, Mikell P. Industrial Robotics. MacGraw-
Hill. 1986.

[Inaba & Inoue, 90] Inaba M, Inoue H. Vision-Based Robot Programming. In

"Robotics Research", pp. 129-136, ed. by Miura H and
Arimoto S. The MIT Press. 1990.

[Jarvis, 83] Jarvis RA. Application-Oriented Robotic Vision-a Review.

Robotica, vol 2, pp 3-15. 1983.

[Koutsou, 81] Koutsou A. A Survey of Model-Based Robot Programming

Languages. Working paper No. 108, Department of
Artificial Intelligence, Univ. of Edinburgh. 1981.

[Kuniyoshi & Inoue, 93] Kuniyoshi Y, Inoue H. Qualitative Recognition of

Ongoing Human Action Sequences. In 13th Int. Joint
Conference on Artificial Intelligence, pp. 1600-1609.
Chambéry, France. 1993.

[Latombe, 79] Latombe JC. Une Analyse Structurée D`outils de

Programmation pour la Robotique Industrielle. Proc. of the
International Seminar on Programming Methods and
Languages for Industrial Robots. IRIA, Rocquencourt,
France. 1979

[Lieberman & Wesley, 75] Lieberman LI, Wesley MA. AUTOPASS: A Very
High Level Programming Language for Mechanical
Asembler Systems. IBM Research Report RC-5599.
August, 1975.

[Lozano-Pérez, 82] Lozano-Pérez T. Task Planning. In Cap.6 of "Robot

Motion: Planning and Control". The MIT Press. 1982.

[Lozano-Pérez, 87] Lozano-Pérez T. A simple motion planning algorithm for

general robot manipulators. IEEE Journal on Robotics and
Automation, RA-3(3): 224-238. 1987.

[Lozano-Pérez et al., 87] Lozano-Pérez T, Jones JL, Mazer E, O'Donell PA,

Tournassoud P, Lanusse P. Handey: A task-level robot
system. Fourth International Symposium on Robotics
Research. PP 29-36, Santa Cruz, California. 1987.

[Lozano-Pérez et al., 92] Lozano-Pérez T, Jones JL, Mazer E, O'Donell PA.

Handey: A robot task planner. MIT Press Series in
Artificial Intelligence. MIT Press. 1990.
 Referencias • 168

[Malcolm, 90] Malcolm C. Behavioural modules: a new approach to

robotic assembly. Communication from author. Dept. of
Artificial Intelligence, Univ. of Edinburgh, Scotland. 1990.

[Mason & Salisbury, 85] Mason MT, Salisbury JK. Robot Hands and the
Mechanics of Manipulation. The MIT Press. 1985

[Mazer, 83] Mazer E. LM-geo: Geometric programming of assembly

robots. A. Danthine & M. Géradin, editors. Advanced
Software in Robotics, pp: 99-110. 1983.

[Mitchell, 87] Mitchell T. Becoming Increasingly Reactive. Proc. of the

AAAI, pp. 1051-1058. 1987.

[Musliner, 96] Musliner D. Workshop on Planning and Execution. IEEE

Int. Conf. on Robotics and Automation, Minneapolis,
Minnesota. 1996.

[Popplestone et al., 78] Popplestone RJ, Ambler AP, Bellos IM. Rapt, a
language for describing assemblies. Industrial Robotics,
5(3): 131-137. 1978.

[Popplestone et al., 80] Popplestone RJ, Ambler AP, Bellos IM. An interpreter
for a language for describing assemblies. Artificial
Intelligence, 14(1): 79-107. 1980.

[Sanz, 90] Sanz PJ. Sistema de Visión Integrado en el Sistema

Robotizado IRB 1000 de ASEA: Puesta a Punto y
Aplicación en una Célula Flexible. Tesina de MASTER de
CAD / CAM. Univ. Politécnica de Valencia. 1990.

[Sanz, 94] Sanz PJ. A little reflection about assembly planning based
in vision. Visiting Report, LIFIA-IMAG, Grenoble
CEDEX, France. 1994.

[Sanz et al., 96] Sanz PJ, Domingo J, Del Pobil AP, Pelechano J. An
Integrated Approach to Position a Robot Arm in a System
for Planar Part Grasping. Advanced Manufacturing
Forum, Vol. 1, Special issue on Applications of Artificial
Intelligence, (in press). 1996.

[Van de Velde, 93] Van de Velde W. Toward Learning Robots. In "Toward

Learning Robots", pp. 1-6, ed. by Van de Velde W. The
MIT Press. 1993.

[Winston, 93] Winston PH. Inteligencia Artificial. Addison-Wesley

Iberoamericana. 1993.
169 • Referencias

[Wolter et al., 85] Wolter JD, Volz RA, Woo AC. Automatic Generation of
Gripping Positions. IEEE Transactions on Systems, Man,
and Cybernetics, [Link]-15, No. 2, pp. 204-213. 1985.

Bibliografía-Capítulo II
[Albus, 81] Albus SJ. Brains, Behaviour and Robotics. Chapter 6 (A
Neurological Model). BYTE Books, subs. of McGraw Hill.
1981.

[Agin, 80] Agin GJ. Computer Vision System for Industrial Inspection
and Assembly. IEEE Transactions on Computers, Vol 13,
pp. 11-20. 1980.

[Agin & Duda, 75] Agin GJ, Duda RO. SRI Vision Research for Advanced
Industrial Automation. Second USA-JAPAN Computer
Conference, Proceedings, pp. 113-117, Tokyo, Japan. 1975.

[Arkin & Grupen, 93] Arkin RC, Grupen R. Behavior-Based, Reactive Robotic
Systems. Tutorial for 1993 Int. Joint Conf. on A.I.
Chambery, France. 1993.

[Atkeson, 91] Atkeson CG. Using Locally Weighted Regression for Robot
Learning. Proceedings of the IEEE International
Conference on Robotics and Automation, Sacramento, CA,
pp. 958-963, April 1991.

[Bard et al., 95] Bard C, Laugier C, Milési-Bellier C, Troccaz J, Triggs Bill,

Vercelli G. Achieving Dextrous Grasping by Integrating
Planning and Vision-Based Sensing. The Int. Journal of
Robotics Research, Vol.14, No. 5, pp. 445-464. 1995.

[Blake, 95] Blake A. A Symmetry Theory of Planar Grasp. The Int.

Journal of Robotics Research, Vol.14, No, pp. 425-444. 5.
1995.

[Brady, 84] Brady M. Artificial Intelligence and Robotics. MIT, A.I.

Memo 756. 1984.

[Chen & Burdick, 92] Chen IM, Burdick JW. Finding Antipodal Point Grasps
on Irregularly Shaped Objects. IEEE Proc. Robotics and
Automation, pp. 2278-2283. May 1992.

[Childress, 72] Childress DS. Artificial hand mechanisms. Mechanisms

Conference and International Symposium on Gearing and
Transmissions. 1972.
 Referencias • 170

[Churchland & Sejnowski, 92] Churchland PS, Sejnowski TJ. The

Computational Brain. The MIT Press. 1992.

[Clocksin & Moore, 89] Clocksin WF, Moore AW. Experiments in Adaptive
State-Space Robotics. Proccedings of the 7th AISB
Conference. Morgan Kaufman. 1989.

[Conkie & Chongstitvatana, 90] Conkie A, Chongstitvatana P. An Uncalibrated

Stereo Visual Servo System. Proceedings of the British
Machine Vision Conference, Oxford, pp. 277-280, 1990.

[Corke, 93] Corke PI. Visual Control of Robot Manipulators - A

Review. In "Visual Servoing", pp. 1-31, Hashimoto Ed.,
World Scientific. 1993.

[Cutkosky, 89] Cutkosky M. On Grasp Choice, Grasp Models, and the

Design of Hands for Manufacturing Tasks. IEEE
Transactions on Robotics and Automation, 5(3): 269-279.
1989.

[Dario, 89] Dario P. Tactile Sensing for Robots: Present and Future.
The Robotics Review 1. Khatib, Craig & Lozano-Pérez ed.,
pp.: 133-146. The MIT Press. 1989.

[Domingo, 93] Domingo J. Implantación y Comparación de diversos

métodos para Control de Robots basados en Visión. Tesis
Doctoral. Facultad de Física, Valencia, 1993.

[Domingo & Pelechano, 96] Domingo J, Pelechano J. A Discrete Matrix-

Network Formulation for the Visual Positoning of a Robot
Arm. Journal of Intelligent and Robotic Systems, (en
prensa). 1996.

[Dreyfus, 92] Dreyfus HL. What Computers Still Can´t Do. Cap. 7: "The
Role of Body in Intelligent Behavior". 1972, 1977, 1992.

[Faverjon & Ponce, 91] Faverjon B, Ponce J. On Computing Two-Finger

Force-Closure Grasps of Curved 2D Objects. IEEE Proc.
Robotics and Automation, pp. 424-429. April 1991.

[Fuentes et al., 94] Fuentes O, Marengoni HF, Nelson RC. Vision-based

Planning and Execution of Precision Grasps. Technical
Report 546, The University of Rochester, Computer
Science Department, New York. 1994.
[Gleason & Agin, 79] Gleason GJ, Agin GJ. A Modular Vison System for
Sensor Controlled Manipulation and Inspection. Proc. of
171 • Referencias

the Ninth International Symposium on Industrial Robots,

pp. 57-70. 1979.

[Groover & Mikell, 86] Groover MP, Mikell P. Industrial Robotics. MacGraw-
Hill. 1986.

[Hallam & Hayes, 92] Hallam B, Hayes G. Comparing Robot and Animal
Behaviour. Dept. of A.I. (Univ. of Edinburgh), Research
Paper No 598. 1992.

[Hashimoto, 93] Hashimoto. Visual Servoing. Hashimoto Ed., World

Scientific. 1993.

[Hershkovitz et al., 95] Hershkovitz M, Tasch U, Teboulle M. Toward a

Formulation of the Human Grasping Quality Sense.
Journal of Robotics Sistems 12(4), 249-256. 1995.

[Horn, 86] Horn BKP. Robot Vision. The MIT Press. 1986.

[Huber & Grupen, 94] Huber M & Grupen RA. 2-D Contact Detection and
Localization Using Proprioceptive Information. IEEE
Transactions on Robotics and Automation, Vol. 10, No. 1,
pp. 23-33. 1994.

[Iberall, 87] Iberall T. Grasp Planning for Human Prehension.

International Conference on Artificial Intelligence. 1987.

[Inaba & Inoue, 90] Inaba M, Inoue H. Vision-Based Robot Programming. In

"Robotics Research", ed. by Miura H & Arimoto S, pp.129-
136. 1990.

[Jacobsen et al., 84] Jacobsen S, Wood J, Bigger K, Iverson E. The Utah/MIT

hand: Work in progress. International Journal of Robotics
Research, Vol.4, No.2, pp.21-50.

[Jarvis, 88] Jarvis R.A. Automatic Grip Site Detection for Robotics
Manipulators. Australian Computer Science
Communications, Vol 10, No 1, pp. 346-356. 1988.

[Kamon et al., 94] Kamon I., Flash T., Edelman S. Learning to Grasp Using
Visual Information. Internal Report. Dept. of Applied
Mathematics and Computer Science. The Weizmann
Institute of Science, Israel, 1994.

[Kamon et al., 96] Kamon I., Flash T., Edelman S. Learning to Grasp Using
Visual Information. Proc. of the IEEE [Link]. on
Robotics and Automation. Minneapolis, Minesota. Abril,
1996.
 Referencias • 172

[Klafter et al., 89] Klafter RD, Chmielewski, Negin. Robotic Engineering: An

Integrated Approach. C.6, pp. 499-506, Prentice-Hall
International Inc. 1989.

[Krose et al., 93] Krose JA, Van der Smagt PP, Groen FCA. Neural
Networks in Robotics. Bekey et al.. eds. Chapter (A One
Eyed Self Learning Robot Manipulator), pp. 19-27. Kluwer
Accademic Publishers. 1993.

[Lozano-Pérez et al., 92] Lozano-Pérez T, Jones JL, Mazer E, O'Donell PA.

Handey: A robot task planner. MIT Press Series in
Artificial Intelligence. MIT Press. 1990.

[McCloy & Harris, 93] McCloy D, Harris DMJ. Robótica una introducción.
Ed. Limusa. 1993.

[Mackerrow, 93] Mackerrow J. Introduction to Robotics. Addison-Wesley.

1993.

[Macmillan, 50] Macmillan. The Cerebral Córtex of Man: A Clinical Study

of Localization of Function. 1950.

[Markenscoff & Papadimitriou, 89] Markenscoff X, Papadimitriou CH.

Optimum Grip of a Polygon. The International Journal of
Robotics Research, Vol 8, No 2, pp. 17-29. April 1989.

[Mason & Salisbury, 85] Mason MT, Salisbury JK. Robot Hands and the
Mechanics of Manipulation. The MIT Press. 1985

[Monkman, 95] Monkman GJ. Robot Grippers for Use With Fibrous
Materials. The International Journal of Robotics Research,
Vol 14, No 2, pp. 144-151. April 1995.

[Montana, 91] Montana DJ. The Condition for Contact Grasp Stability.
Proc. of the IEEE Int. Conf. on Robotics and Automation,
pp. 412-417, Sacramento, California. April, 1991.

[Murray et al.,94] Murray RM, Li Z. y Sastry S.S. A Mathematical

Introduction to Robotic Manipulation. CRC Press. 1994.

[Nguyen, 88] Nguyen VD. Constructing Force Closure Grasps. The

International Journal of Robotics Research, Vol 7, No 3,
pp. 3-16. June 1988.
[Pertín-Troccaz, 89] Pertín-Troccaz J. Grasping: A state of the art. In
[Link], [Link], and T. Lozano-Pérez, editors, The
Robotics Review 1, pages 71-98. MIT Press, Cambridge,
Massachusetts. 1989.
173 • Referencias

[Peshkin & Sanderson, 85] Peshkin MA, Sanderson AC. Reachable Grasps
on a Polygon: The Convex Rope Algorithm. IEEE Journal
of Robotics and Automation, Vol. RA-2, No. 1, pp. 53-58.
March 1986.

[Russell, 48] Russell B. Human Knowledge. Its Scope and Limits.

George Allen & Unwin. 1948.

[Salisbury & Craig, 82] Salisbury JK, Craig JJ. Articulated Hands: Force
Control and Kinematic Issues. The International Journal of
Robotics Research, Vol 1, No 1. 1982.

[Sanz et al., 96] Sanz PJ, Domingo J, Del Pobil AP, Pelechano J. An
Integrated Approach to Position a Robot Arm in a System
for Planar Part Grasping. Advanced Manufacturing
Forum, Vol. 1, Special issue on Applications of Artificial
Intelligence, (in press). 1996.

[Smith et al., 81] Smith V, Almenar L, Celma J, Ferrer M, Ferres E, Ganau

A, et al. Anatomía Aplicada y Biomecánica de los
Miembros. Gráficas Sol. 1981.

[Stansfield, 88] Stansfield SA. Reasoning about grasping. Proceedings of

the AAAI-88 Conference, pp. 768-773. Morgan Kaufmann
Publishers. 1988.

[Stansfield, 91] Stansfield SA. Robotic Grasping of Unknown Objects: A

Knowledge-based Approach. The International Journal of
Robotics Research, Vol 10, No 4, pp. 314-326. August
1991.

[Tham & Prager, 92] Tham CK, Prager RW. Reinforcement Learning for
Multi-Linked Manipulator Control. Technical Report
CUED/F-INFENG/TR 104, Cambridge University
Engineering Department, June, 1992.

[Tsai, 86] Tsai RY. An Efficient and Accurate Camera Calibration

Technique for 3D Machine Vision. Proc. IEEE Computer
Society Conf. on Computer Vision and Pattern
Recognition, pp. 364-374. 1986.

[Tsai, 87] Tsai RY. A Versatile Camera Calibration Technique for

High Accuracy 3D Machine Vision Metrology Using Off-
the-shelf TV Cameras and Lenses. IEEE Transactions on
Robotics and Automation, Vol(3), pp. 323-344. 1987.
 Referencias • 174

[Trinkle et al., 88] Trinkle JC, Abel JM, Paul RP. An Investigation of
Frictionless Enveloping Grasping in the Plane. The
International Journal of Robotics Research, Vol 7, No 3,
pp. 33-51. June 1988.

[Weiss, 84] Weiss LE. Dynamic Visual Servo Control of Robots: An

Adative, Image-Based Approach. Ph.D. thesis. Carnegie
Mellon University. 1984.

[Wiener, 48] Wiener N. Cybernetics, or Control and Communication in

the Animal and the Machine. John Wiley, New York. 1948.

[Wijesoma et al., 93] Wijesoma SW, Wolfe DFH, Richards RJ. Eye-to-Hand
Coordination for Vision-Guided Robot Control
Applications. The International Journal of Robotics
Research, Vol 12, No 1, pp. 65-78. Feb 1993.

[Wolter et al., 85] Wolter JD, Volz RA, Woo AC. Automatic Generation of
Gripping Positions. IEEE Transactions on Systems, Man,
and Cybernetics, [Link]-15, No. 2, pp. 204-213. 1985.

[Zhuang et al., 95] Zhuang H, Simultaneous Calibration of a Robot and a

Hand-Mounted Camera. IEEE Transactions on Robotics
and Automation, Vol 11, No.5. October, 1995.

[Zucker, 81] Zucker SW. Computer Vision and Human Perception.

Proc. of the 7th IJCAI, pp. 1102-1116. 1981.

Bibliografía-Capítulo III
[Bard et al., 95] Bard C, Laugier C, Milési-Bellier C, Troccaz J, Triggs Bill,
Vercelli G. Achieving Dextrous Grasping by Integrating
Planning and Vision-Based Sensing. The Int. Journal of
Robotics Research, Vol.14, No. 5, pp. 445-464. 1995.

[Chen & Burdick, 92] Chen IM, Burdick JW. Finding Antipodal Point Grasps
on Irregularly Shaped Objects. Proc. of the IEEE Int. Conf.
on Robotics and Automation, pp. 2278-2283. Nice, France.
May, 1992.

[Coulomb, 1781] Coulomb CA. "Théorie des machines simples en ayant

égard au frottement de leurs parties et à la roideur des
cordages...". Mémoires de Mathématique et de Physique
présentés à l`Académie Royale des Sciences, par divers
savans. Paris, 1781.
175 • Referencias

[Cutkoski & Wright, 86] Cutkoski MR, Wright PK. Friction, Stability and the
Design of Robotic Fingers. The International Journal of
Robotics Research. Vol.5, No 4, pp. 20-37. 1986.

[del Pobil & Serna, 95] del Pobil AP, Serna MA. Spatial Representation and
Motion Planning. Springer-Verlag, Berlin, 1995.

[Davis, 90] Davis E. Representations of Commonsense Knowledge.

Morgan Kaufmann Publishers. California. 1990.

[Faverjon & Ponce, 91] Faverjon F, Ponce J. On Computing Two-Finger Force

Closure Grasps of Curved 2D Objects. IEEE Int. Conf. on
Robotics and Automation, pp. 424-429. Sacramento, CA.
1991.

[Francois, 91] Francois C, Ikeuchi K, Hebert M. A Three-Finger Gripper

for Manipulation in Unstructured Environments.
Proceedings of the IEEE Int. Conf. on Robotics and
Automation, pp. 2261-2266. Sacramento, California. 1991.

[Howe & Cutkosky, 92] Howe RD & Cutkosky MR. Touch Sensing for Robotic
Manipulation and Recognition. En "The Robotics Review
2", ed. Khatib, Craig & Lozano-Pérez, pp. 55-112. The
MIT Press. 1992.

[Kamon et al., 94] Kamon I, Flash T, Edelman S. Learning to Grasp Using

Visual Information. Internal Report. Dept. of Applied
Mathematics and Computer Science. The Weizmann
Institute of Science. Israel. 1994

[Kamon et al., 96] Kamon I., Flash T., Edelman S. Learning to Grasp Using
Visual Information. Proc. of the IEEE [Link]. on
Robotics and Automation. Minneapolis, Minesota. Abril,
1996.

[Khatib et al., 92] Khatib O, Craig JJ, Lozano-Pérez T. The Robotics Review
2. The MIT Press. 1992.

[Lakshminarayana, 78] Lakshminarayana K. Mechanics of Form Closure.

ASME Paper 78-DET-32. 1978.

[Laugier, 81] Laugier C. A Program for Automatic Grasping of Objects

with a Robot Arm. Proc. 11th Int. Symp. Ind. Robots, pp.
287-294. 1981.
[Lozano-Pérez et al., 87] Lozano-Pérez T, Jones JL, Mazer E, O'Donell PA,
Tournassoud P, Lanusse P. Handey: A task-level robot
system. Fourth International Symposium on Robotics
Research. PP 29-36, Santa Cruz, California. 1987.
 Referencias • 176

[Lozano-Pérez et al., 92] Lozano-Pérez T, Jones JL, Mazer E, O'Donell PA.

Handey: A robot task planner. MIT Press Series in
Artificial Intelligence. MIT Press. 1990.

[Markenscoff et al., 90] Markenscoff X, Ni L, Papadimitriou CH. The

Geometry of Grasping. The International Journal of
Robotics Research. Vol.9, No 1, pp. 61-74. February 1990.

[Markenscoff & Papadimitriou, 89] Markenscoff X, Papadimitriou CH.

Optimum Grip of a Polygon. The International Journal of
Robotics Research. Vol.8, No 2, pp. 17-29. April, 1989.

[Mason & Salisbury, 85] Mason MT, Salisbury JK. Robot Hands and the
Mechanics of Manipulation. The MIT Press Series in
Artificial Intelligence. Edited by P.H. Winston and M.
Brady. 1985.

[Montana, 91] Montana DJ. The Condition for Contact Grasp Stability.
Proceedings of the IEEE Int. Conf. on Robotics and
Automation, pp. 412-417. Sacramento, California. Abril
1991.

[Murray et al.,94] Murray RM, Li Z, Sastry SS. A Mathematical Introduction

to Robotic Manipulation. CRC Press. ISBN 0-8493-7981-
4. 1994.

[Nguyen, 88] Nguyen V-D. Constructing Force-Closure Grasps. The

International Journal of Robotics Research. Vol.7, No 3,
June 1988.

[Opitz et al., 93] Opitz D, Bulthoff HH, Blake A. Optimal Grasp Points:
Computational Theory and Human Psychophysics.
Perception, pp. 22-123. 1993.

[Pertin-Troccaz, 89] Pertin-Troccaz J. Grasping: A state of the art. En "The

Robotics Review 1", ed. [Link], [Link], and T. Lozano-
Pérez, pp. 71-98. The MIT Press, Cambridge,
Massachusetts. 1989.

[Pertin-Troccaz, 92] Pertin-Troccaz J. Task Level Robot Programming: On the

HANDEY System. En "The Robotics Review 2", ed. Khatib,
Craig & Lozano-Pérez, pp. 31-36. The MIT Press. 1992.

[Peshkin & Sanderson, 86] Peshkin MA, Sanderson AC. Reachable Grasps on
a Polygon: The Convex Rope Algorithm. IEEE Journal of
Robotics and Automation, Vol. RA-2, No. 1, pp. 53-58.
March, 1986.
177 • Referencias

[Rao & Goldberg, 95] Rao AS, Goldberg KY. Friction and Part Curvature in
Parallel-Jaw Grasping. Journal of Robotic Systems 12(6),
365-381. 1995.

[Salisbury & Roth, 83] Salisbury JK, Roth B. Kinematic and force analysis of
articulated mechanical hands. J. Mech. Trans. Automat.
Design ASME-105:35-41.1983.

[Wolter et al., 85] Wolter JD, Volz RA, Woo AC. Automatic Generation of
Gripping Positions. IEEE Transactions on Systems, Man,
and Cybernetics, [Link]-15, No. 2, pp. 204-213. 1985.

Bibliografía-Capítulo IV
[Aström & Wittenmark, 88] Aström KJ, Wittenmark B. Sistemas Controlados
por Computador. Cap. 2: "Muestreo de Señales
Continuas". Paraninfo. 1988.

[Coster & Chermant, 89] Coster M, Chermant JL. Precis D'Analyse D'Images.
Chap. XI: Erreurs en Analyse D'Images. Presses du CNRS.
1989.

[Dai et al., 92] Dai M, Baylou P, Najim M. An Efficient Algorithm for

Computation of Shape Moments from Run-Length Codes or
Chain Codes. Pattern Recognition, vol. 25(10), pp. 1119-
1128. 1992.

[Davies, 90] Davies ER. Machine vision: theory, algorithms,

practicalities. Academic Press Ltd. 1990.

[Dorst & Smeulders, 87] Dorst L, Smeulders AWM. Length estimators for
digitized contours. Comput. Vision, Graph., Image
Process., 40: 311-33. 1987.

[Duda & Hart, 73] Duda RO, Hart PE. Pattern, clasiffication and scene
analysis. John Wiley & Sons. 1973.

[Ferraté et al., 86] Ferraté G et al. Robótica Industrial. Marcombo, S.A. 1986.

[Freeman, 61] Freeman H. On the encoding of arbitrary geometric

configurations. IRE Trans. Electronic Computers, vol. EC-
10(2): 260-268. 1961.
 Referencias • 178

[Fu et al., 88] Fu KS, Gonzalez RC, Lee CSG. Robótica: Control,
detección, visión e inteligencia, pp. 388-392. [Link]-
Hill, Madrid. 1988.

[Gonzalez & Wintz, 87] Gonzalez RC, Wintz P. Digital Image Processing. 2ª
Ed., Addison-Wesley, Reading, Massachussets. 1987.

[Groan & Verbeek, 78] Groan FCA, Verbeek PW. Freeman-code probabilities
of object boundary quantized contours. Comput. Vision,
Graphics, Image Processing, vol. 7. pp. 301-402. 1978.

[Horn, 86] Horn BKP. Robot Vision. The MIT Press. 1986.

[Hu, 62] Hu MK. Visual Pattern Recognition by Moment Invariants.

IRE Trans. Information Theory, vol. IT-8: 179-87. 1962.

[Imai & Iri, 86] Imai H, Iri M. Computational Geometric Methods for
Polygonal Approximations of a Curve. Computer Vision,
Graphics and Image Processing, vol. 36: 31-41. 1986.

[Iñesta, 94] Iñesta JM. Algoritmos de Visión Artificial y de

Reconocimiento de Patrones para el Estudio Morfométrico
del Eje Raquídeo Humano. Tesis Doctoral. Facultad de
Física, Univ. de Valencia, 1994.

[Iñesta, 95] Iñesta JM, Buendía M, Sarti MA. Some improvements to

Apply High Curvature Point Detection on the Shape of
Real Objects. Technical Report DI 04-11/95. Depto.
Informática. Univ. Jaume I, Noviembre 1995.

[Jain, 89] Jain AK. Fundamentals of Digital Image Processing.

Prentice Hall, Englewood Cliff. pp. 391-394. 1989.

[Maravall, 93] Maravall D. Reconocimiento de Formas y Visión Artificial.

RA-MA. 1993.

[Pal & Pal, 93] Pal NK, Pal SK. A review on image segmentation
techniques. Pattern Recognition, vol. 26(9): 1277-1294.
1993.

[Pavlidis, 78] Pavlidis T. A review of algorithms for shape analysis.

Comput. Graph. Imag. Processing, vol. 7: 243-258. 1978.

[Pratt, 91] Pratt WK. Digital Image Processing. J. Wiley and Sons,
New York. 1991.

[Proffit & Rosen, 79] Proffit D, Rosen D. Metrication errors and coding
efficiency of chain-encoding schemes for the representation
179 • Referencias

of lines and edges. Comp. Graph. Image Processing, 10:

318-32. 1979.

[Rosenfeld & Johnston, 73] Rosenfeld A, Johnston E. Angle detection on

digital curves. IEEE Transactions on Computers. Vol. C-
22, pp.875-878. September, 1973.

[Rosenfeld & Kak, 82] Rosenfeld A, Kak AC. Digital Picture Processing.
Academic Press, Inc. 1982.

[Saghri & Freeman, 81] Saghri JA, Freeman H. Analysis of the Precision of
Generalized Chain Codes for the Representation of Planar
Curves. IEEE Trans. Pattern Anal. Mach. Intell. vol.
PAMI-3(5), pp. 533-539. 1981.

[Sanz et al., 94] Sanz PJ, Iñesta JM, Buendia M, Sarti MA. A Fast and
Precise Way for Computation of Moments for
Morphometry in Medical Images. Proceedings of the V Int.
Symposium on Biomedical Engineering, pp. 99-100.
Santiago de Compostela, Spain, Sept. 1994.

[Sanz et al., 96] Sanz PJ, Iñesta JM, del Pobil AP. "Towards an Automatic
Determination of Grasping Points Through a Machine
Vision Approach". In Proc. of the Ninth International
Conference on Industrial & Engineering Applications of
Artificial Intelligence & Expert Systems (IEA/AIE), pp.
767-772. Fukuoka, Japan. 1996.

[Toussaint, 85] Toussaint GT. On the Complexity of Approximating

Polygonal Curves in the Plane. Proc. IASTED,
International Symposium on Robotics and Automation.
Lugano, Switzerland. 1985.

[Weska, 78] Weska JS. A survey of threshold selection techniques.

Comput. Graph. Image Process. Vol (7), pp. 259-265.
1978.

[West & Rosin, 91] West GAW, Rosin PL. Techniques for Segmenting Image
Curves Into Meaningful Descriptions. Pattern Recognition,
vol. 24(7): 634-652. 1991.

[Zakaria et al., 87] Zakaria MF, Vroomen LI, Zsombor-Murray PJA, van
Kessel JMHM. Fast Algorithm for the Computation of
Moment Invariants. Pattern Recog., 20(6): 639-643. 1987.

[Zenzo, 83] Zenzo SD. Advanced in image segmentation. Image and

Vision Computing, vol. 1(4): 196-210. 1983.
 Referencias • 180

Bibliografía-Capítulo V
[Bard et al., 95] Bard C, Laugier C, Milési-Bellier C, Troccaz J, Triggs Bill,
Vercelli G. Achieving Dextrous Grasping by Integrating
Planning and Vision-Based Sensing. The International
Journal of Robotics Research, Vol.14, No. 5, pp. 445-464.
October, 1995.

[Blake, 95] Blake A. A Symmetry Theory of Planar Grasp. The

International Journal of Robotics Research, Vol.14, No. 5,
pp. 425-444. October, 1995.

[Brady & Asada, 84] Brady M, Asada H. Smoothed Local Symmetries and
Their Implementation. The International Journal of
Robotics Research, Vol.3, No. 3, pp. 36-61. 1984.

[Fuentes et al., 94] Fuentes O, Marengoni HF & Nelson RC. Vision-based

Planning and Execution of Precision Grasps. Technical
Report 546. Computer Science Department. The University
of Rochester, New York. December, 1994.

[Groan & Verbeek, 78] Groan FCA, Verbeek PW. Freeman-Code Probabilities
of Object Boundary Quantized Contours. Computer Vision,
Graphics, Image Processing, vol. 7, pp. 391-402. 1978.

[Iñesta, 94] Iñesta JM. Algoritmos de Visión Artificial y de

Reconocimiento de Patrones para el Estudio Morfométrico
del Eje Raquídeo Humano. Tesis Doctoral. Facultad de
Física, Univ. de Valencia, 1994.

[Iñesta, 96] Iñesta JM, Buendía M, Sarti MA. Some improvements to

Apply High Curvature Point Detection on the Shape of
Real Objects. Technical Report DI 04-11/95. Depto.
Informática. Univ. Jaume I, Noviembre 1995.

[Jarvis, 88] Jarvis RA. Automatic Grip Site Detection for Robotics
Manipulators. Australian Computer Science
Communications, Vol 10, No 1, pp. 346-356. 1988.

[Joshua, 91] Joshua SJ. Symmetry principles and magnetic symmetry in

solid state physics. Adam Hilger. 1991.

[Kamon et al., 96] Kamon I, Flash T, Edelman S. Learning to Grasp Using

Visual Information. Proc. of the IEEE [Link]. on
Robotics and Automation. Minneapolis, pp. 2470-2476.
Minesota, April, 1996.
181 • Referencias

[Ledermann, 85] Ledermann W. Handbook of applicable mathematics. Vol.

V: Combinatorics and Geometry, Part B, chapt 11:
"Symmetry". John Wiley. 1985.

[Mackerrow, 93] Mackerrow J. Introduction to Robotics. Addison-Wesley.

1993.

[Markenscoff et al., 90] Markenscoff X, Ni L, Papadimitriou CH. The

Geometry of Grasping. The International Journal of
Robotics Research. Vol.9, No 1, pp. 61-74. February 1990.

[Mason & Salisbury, 85] Mason MT, Salisbury JK. Robot Hands and the
Mechanics of Manipulation. The MIT Press Series in
Artificial Intelligence. Edited by P.H. Winston and M.
Brady. 1985.

[Montana, 91] Montana DJ. The Condition for Contact Grasp Stability.
Proceedings of the IEEE Int. Conf. on Robotics and
Automation, pp. 412-417. Sacramento, California. Abril
1991.

[Paul, 81] Paul RP. Robot Manipulators: Mathematics, Programming,

and Control. MIT Press. 1981.

[Pla, 93] Pla F. Estudios de Técnicas de Análisis de Imagen en un

Sistema de Visión para la Recolección Robotizada de
Cítricos. Tesis Doctoral. Facultad de Física, Univ. de
Valencia, 1993.

[Rosenfeld & Johnston, 73] Rosenfeld A, Johnston E. Angle detection on

digital curves. IEEE Transactions on Computers. Vol. C-
22, pp.875-878. September, 1973.

[Sanz et al., 96] Sanz PJ, Domingo J, del Pobil AP, Pelechano J. An
Integrated Approach to Position a Robot Arm in a System
for Planar Part Grasping. Advanced Manufacturing
Forum, Vol. 1, Special issue on Applications of Artificial
Intelligence, (in press). 1996.

[Sedgewick, 88] Sedgewick R. Algorithms. Addison Wesley, 1988.

[Stansfield, 88] Stansfield SA. Reasoning about grasping. Proceedings of

the AAAI-88 Conference, pp. 768-773. Morgan Kaufmann
Publishers. 1988.

[Stansfield, 91] Stansfield SA. Robotic Grasping of Unknown Objects: A

Knowledge-based Approach. The International Journal of
 Referencias • 182

Robotics Research, Vol 10, No 4, pp. 314-326. August

1991.
[Teh & Chin, 89] Teh C-H, Chin RT. On the Detection of Dominant Points
on Digital Curves. IEEE Transactions on Pattern Analysis
and Machine Intelligence. Vol II. No.8, pp. 859-872.
August, 1989.

[Van Gool et al. 95] Van Gool L, Moons T, Ungureanu D, Pauwels E. Symmetry
From Shape and Shape From Symmetry. The International
Journal of Robotics Research, Vol.14, No. 5, pp. 407-424.
October, 1995.

[Wolter et al., 85] Wolter JD, Volz RA, Woo AC. Automatic Generation of
Gripping Positions. IEEE Transactions on Systems, Man,
and Cybernetics, [Link]-15, No. 2, pp. 204-213. 1985.

[Zabrodsky, 93] Zabrodsky H. Computational Aspects of Pattern

Characterization-Continuous Symmetry. PhD Thesis,
Hebrew Univ., Jerusalem, Israel. 1993.

[Zabrodsky et al., 95] Zabrodsky H. Symmetry as a Continuous Feature. IEEE

Transactions on Pattern Analysis and Machine Intelligence,
Vol (17), No (12), pp. 1154-1166. 1995.

Bibliografía-Capítulo VI
[Bentley & Papadimitriou, 80] Bentley JL, Papadimitriou CH. Two Papers on
Computational Geometry. Technical Report CMU-CS-80-
109, Dept. of Computer Science. Carnegie-Mellon
University. 1980.

[Churchland & Sejnowski, 92] Churchland PS, Sejnowski TJ. The

Computational Brain. Capítulo 6: Sensorimotor
Integration. Sejnowski TJ & Poggio TA, eds. The MIT
Press. 1992.

[Pellionisz & Llinás, 80] Pellionisz A, Llinás R. Tensorial Approach to the

Geometry of the Brain Function: Cerebellar Coordination
via a Metric Tensor. Neuroscience,5: 1125-1136. 1980.

[Pellionisz, 85] Pellionisz A. Adaptive mechanisms in gaze control.

Capítulo: Tensorial aspects of the multidimensional
approach to the vestibulo-oculomotor reflex and gaze.
Berthod & Melvill Jones, eds. 1985.
183 • Referencias

[Sanz et al., 96] Sanz PJ, Domingo J, Del Pobil AP, Pelechano J. An
Integrated Approach to Position a Robot Arm in a System
for Planar Part Grasping. Advanced Manufacturing
Forum, Vol. 1, Special issue on Applications of Artificial
Intelligence, (in press). 1996.

[Tsai, 86] Tsai RY. An Efficient and Accurate Camera Calibration

Technique for 3D Machine Vision. Proc. IEEE Computer
Society Conf. on Computer Vision and Pattern
Recognition, pp. 364-374. 1986.

[UMI, 91] UMI. RT 1000 User Manual. UMI Group Ltd. Surrey,
England. 1991.

Bibliografía-Capítulo VII
[Blake, 95] Blake A. A Symmetry Theory of Planar Grasp. The
International Journal of Robotics Research, Vol.14, No. 5,
pp. 425-444. October, 1995.

[Cervera & del Pobil, 95a] Cervera E, del Pobil AP. Geometric reasoning for
fine motion planning. Proc. IEEE International Symposium
on Assembly and Task Planning (ISATP'95), Pittsburg,
Pennsylvania. 1995.

[Cervera & del Pobil, 95b] Cervera E, del Pobil AP. A hybrid qualitative-
connectionist aproach to robotic spatial planning.
Workshop on Spatial and Temporal Reasoning, Int. Joint
Conference on Artificial Intelligence (IJCAI-95), Montreal,
Canada. 1995.

[Domingo, 91] Domingo J. Stereo part Mating. Master's thesis,

Department of Artificial Intelligence, Univ. of Edinburgh,
Sept. 1991.

[Domingo, 93] Domingo J. Implantación y Comparación de diversos

métodos para Control de Robots basados en Visión. Tesis
Doctoral. Facultad de Física, Valencia, 1993.

[Kamon et al., 96] Kamon I, Flash T, Edelman S. Learning to Grasp Using

Visual Information. Proc. of the IEEE [Link]. on
Robotics and Automation. Minneapolis, pp. 2470-2476.
Minesota, April, 1996.

[Minor et al., 94] Minor A, Leija L, Hernandez P, Cancino A. Robotic

Assistance for Disabled. Proceedings of the V Int.
 Referencias • 184

Symposium on Biomedical Engineering, pp. 111-112.

Santiago de Compostela, Spain, Sept. 1994.

[Pozuelo, 88] Pozuelo S. Enfermería de quirófano. Ed. Toray, S.A. 1988.

Bibliografía-Apéndices
[Paul, 81] Paul RP. Robot Manipulators: Mathematics, Programming,
and Control. MIT Press. 1981.

[Yoshikawa, 90] Yoshikawa T. Foundations of Robotics: Analysis and

Control. The MIT Press. 1990.

[Mackerrow, 91] Mackerrow J. Introduction to Robotics. Addison Wesley.

1991.
[Angulo & Avilés, 89] Angulo JM, Avilés R. Curso de Robótica. Ed.
Paraninfo. 1989.

[UMI, 91] UMI. RT 1000 User Manual. (The Gripper) pp.B-9, B-10,
UMI Group Ltd. Surrey, England. 1991.

[Breen et al., 92] Breen EJ, Joss GH, Williams KL. Dynamic arrays for fast,
efficient, data manipulation during image analysis: a new
software tool for exploratory data analysis. Computer
Methods and Programs in Biomedicine, Nº37, pp. 85-92,
Elsevier Science Publishers B.V. 1992.

[Ching Hong, 93] Ching Hong JS. Extraído de las News de Pascal
(Newsgroups: [Link]), de Internet. Dirección (e-
mail): eng35799@[Link]. 1993.
 Apéndices

Apéndice-A: La función atan2

La función atan2 fué introducida por primera vez en el contexto de la

robótica por Paul [Paul, 81] en relación con el problema del modelado
cinemático de los manipuladores. Dichos modelos cinemáticos, en especial el
inverso, requieren la evaluación de funciones trascendentes (senos, cosenos,
etc.) en sus ecuaciones correspondientes, las cuales pueden dar lugar a
imprecisiones e indeterminaciones. La causa principal, tratada en detalle por
algunos autores [Mackerrow, 91], reside en el hecho de que al evaluar una
determinada orientación, φ, en el espacio, se utiliza una función con un único
argumento (e.g. cos(−φ) = cos(φ)). Sin embargo, considerando la región: − π φ
π, a partir del conocimiento de sen(φ) y cos(φ), es obvio que existe una solución
única para el valor del ángulo φ asociado. Precisamente la función atan2 provee
un medio de expresar dicha solución extendiendo la función atan(φ) a dos
argumentos de entrada. En consecuencia, la función atan2 es una función
escalar de dos argumentos escalares tal que [Yoshikawa, 90],

atan2(a, b) = arg (b + j a)

donde a y b son dos números reales, j es la unidad imaginaria, y arg representa

el argumento de un número complejo (véase la figura A.1).

Figura A.1. Representación geométrica del argumento de un

número complejo.
186 • Apéndices

Figura A.2. (Abajo) valores posibles del argumento para atan2(y,x).

(Arriba) representación de arctan(φ).

Es obvio que, atan2(sen(φ), cos(φ)) = φ , y que atan2(k sen(φ), k cos(φ)) = φ

para cualquier escalar k. Pueden seguirse una serie de propiedades interesantes
de esta función en el apéndice 1 de [Yoshikawa, 90] dedicado enteramente a la
misma. Esta función devuelve valores angulares φ univaluados, tal que −π φ π
(véase la figura A.2). A partir de las consideraciones anteriores se ha construido
el siguiente algoritmo:
_________________________________________________________

Función atan2(y,x: Real): Real;

Variables
aux : Real;
Inicio
Si (x = 0) ∧ (y = 0) Entonces atan2 0
Sino
Si (abs(x) < epsilon) Entonces
Si (y 0.0) Entonces atan2 π / 2.0
Sino atan2 − π / 2.0
Sino
aux arctan(y/x);
Si x < 0.0 Entonces
Si y 0.0 Entonces aux aux + π
Sino aux aux − π;
FinSi;
atan2 aux
FinSino;
Fin;

_________________________________________________________
 Apéndices • 187

Apéndice-B: La pinza del Robot "UMI RT 100"

En este apéndice se muestran algunos detalles técnicos en cuanto a los

elementos físicos de interés relativos a los manipuladores utilizados. En la
figura B.1 se observa la muñeca y la pinza de dos dedos plano-paralelos
perteneciente al robot UMI RT 100, utilizado en la implantación real descrita en
el capítulo VI.

Figura B.1. Adaptada de [UMI, 91]. Se muestran en detalle las diferentes

partes de la pinza y la muñeca de tres articulaciones (roll, pitch,
yaw) donde se ensambla esta.

En la figura B.2, se representan gráficamente algunas disposiciones

posibles de la pinza de dicho robot. En particular, es interesante el uso de los
dedos curvos para el agarre de objetos cilíndricos. Con ello se intenta dotar de
una cierta versatilidad las limitadas posibilidades de la pinza de dos dedos
plano-paralelos convencional.
188 • Apéndices

Figura B.2. Adaptada de [UMI, 91]. Se muestra la pinza en ejecución,

actuando de manera distinta según el objeto y la localización del
mismo respecto de la muñeca del manipulador.

Por último, en la figura B.3, se muestra la pinza del manipulador

genéricamente conocido como MINIMOVER.

Figura B.3. Adaptada de [Angulo & Avilés, 89]. Modelo detallado de pinza,
mecanismo de actuadores y transmisión para los manipuladores de
tipo MINIMOVER. Inicialmente se utilizó este tipo de manipulador
(CSS-113) para los primeros experimentos.
 Apéndices • 189

Apéndice-C: Una muestra del universo de trabajo

A lo largo del presente trabajo se han procesado multitud de objetos, dando a

continuación una muestra representativa de los mismos. En primer lugar se
ofrece una tabla con las once imágenes representativas del experimento
mostrado en 5.4.1, en orden decreciente (de izquierda a derecha y de arriba
abajo) respecto de la deficiencia simétrica global, Φ. Puntualicemos que estas
imágenes han sido tomadas con los mismos parámetros de cámara para dar una
idea de su tamaño relativo (se da el número de puntos en todas ellas) además de
su morfología.

Imágen (nº-puntos / Φ) Imágen (nº-puntos / Φ)

Alicates (703 / 0.87) Destornillador (493 / 1.58)

Tijeras1 (415 / 1.59) Tornillo (245 / 1.69)

Tuerca (119 / 1.86) Tenazas (785 / 2.68)

Calibre-B (538 / 3.08) Tijeras2 (544 / 3.2)

190 • Apéndices

Pinzas (548 / 4.42)

Imágen (nº-puntos / Φ) Imágen (nº-puntos / Φ)

Calibre-A (630 / 5.09) Llave Allen (310 / 6.38)

A continuación se muestra otra tabla con objetos manejados, de forma

aislada, en otros experimentos del trabajo.

Llave fija (574) Calibre (943)

Llave Inglesa (523) Círculo (396)

Finalmente, se muestra un ejemplo de escena completa:

 Apéndices • 191

Apéndice-D: Acerca de los vectores dinámicos

Tal y como se comentó en el Capítulo IV, a partir de la estructura de lista

dinámica utilizada inicialmente para representar los contornos de los objetos, se
crea un vector dinámico para facilitar el razonamiento geométrico, aplicando
simultáneamente una reducción de datos, mediante el método, explicado en
dicho Capítulo, del 3-muestreo.

Sobre el concepto de vector dinámico es interesante el trabajo de [Breen EJ

et al, 92], que consideran un vector que se expande a medida que se insertan
nuevos elementos. Esta expansión se controla mediante un factor de
modulación, cuyo tamaño ajustan de modo empírico.

No olvidemos que la implementación de los algoritmos ha sido realizada en

Turbo Pascal y, no hace mucho tiempo en la red Internet hubo un acalorado
cruce de opiniones sobre la posibilidad o no de construir vectores dinámicos
con dicho compilador. Al final, la respuesta fué positiva y prueba de ello es que
este trabajo lo utiliza con éxito. Sin duda, el vencedor de la confrontación
mencionada fué Ching Hong [Ching Hong JS, 93], de la National University of
Singapore, el cuál ofreció el código a utilizar para la construcción de vectores
dinámicos con Turbo Pascal. A partir del mismo fué relativamente sencillo,
adaptarlo a nuestro problema construyendo un módulo ("Unit") con las
operaciones necesarias para trabajar con ellos.

UNIT ADinam;

INTERFACE

Type
Punto = Record
x,y:Integer;
End;
Rec = Record
a:Punto;
b:Byte;
End;
TElemento = Rec;

Procedure CreaDArray(VAR Dynamic:PArray; Talla:Integer);

{ Crea un Array Dinámico de tamaño "Talla"}

Procedure SupDArray(VAR Dynamic:PArray; Talla:Integer);

{ Suprime un Array Dinámico de tamaño "Talla"}

Procedure IniDArray(VAR Dynamic:PArray; Talla:Integer);

{ Inicializa a "0" un Array Dinámico de tamaño "Talla"}
192 • Apéndices

IMPLEMENTATION

Procedure CreaDArray(VAR Dynamic:PArray; Talla:Integer);

BEGIN
IF MaxAvail < SizeOf(TElemento) * talla THEN
OutTextXY(10,10,'Not enough memory')
else
{ Allocate memory on heap }
GetMem(Dynamic,SizeOf(TElemento)*talla);

END;

Procedure SupDArray(VAR Dynamic:PArray; Talla:Integer);

BEGIN
FreeMem(Dynamic,SizeOf(TElemento)*talla);
END;

Procedure IniDArray(VAR Dynamic:PArray; Talla:Integer);

VAR
i:Integer;
BEGIN
For i:=1 TO Talla DO
Begin
Dynamic^[i].a.x:= 0;
Dynamic^[i].a.y:= 0;
Dynamic^[i].b := 0;
End;
END;

End. { Fin Unit ADinam }

*****************************