Nuestras soluciones y desarrollos
D'Elite VisionGuard
Productos y tecnologías innovadoras para inversores y socios
Visualización conceptual
La percepción como primer paso hacia la acción.
D'Elite VisionGuard es un módulo de software de visión artificial para detectar objetos objetivo, estimar su posición y transmitir el resultado a una aplicación externa o plataforma robótica.
El núcleo ya funciona con el procesamiento local de fotogramas: modelos de detección reemplazables, modo estéreo en directo en un par de cámaras, conversión a mono en caso de degradación del sensor y compatibilidad con fuentes de visión nocturna/térmicas.
1
Un módulo: diferentes escenarios prácticos
sector agrícola
Detección de aves cerca de los cultivos y aplicación de repelentes no violentos seleccionados.
Detección de aves cerca de los cultivos y aplicación de repelentes no violentos seleccionados.
Robótica móvil
Transmitir coordenadas y eventos al robot para inspeccionar un área, evitar un obstáculo o continuar con la misión.
Transmitir coordenadas y eventos al robot para inspeccionar un área, evitar un obstáculo o continuar con la misión.
Vigilancia nocturna
Posibilidad de conectar una cámara de visión nocturna, una cámara termográfica y un disparador infrarrojo para situaciones de poca luz.
Posibilidad de conectar una cámara de visión nocturna, una cámara termográfica y un disparador infrarrojo para situaciones de poca luz.
2
¿Cómo se lleva a cabo el procesamiento?
- Las cámaras transmiten imágenes con marcas de tiempo.
- El modelo encuentra objetos de la clase seleccionada y selecciona el objeto de destino.
- Un par estéreo estima las coordenadas; con una sola cámara, se devuelve un resultado monocromático etiquetado explícitamente.
- El resultado y el estado de los sensores están disponibles para el operador o el circuito autónomo.
Validación del prototipo
Lo que ya se ha demostrado en una carrera real
El riesgo técnico para el núcleo de percepción se eliminó en el banco de pruebas: tras las comprobaciones monocromáticas, se probó un prototipo estéreo en tiempo real con un par de cámaras. El modo estéreo se mantuvo estable, la estimación de la distancia coincidió con la medición de control en el rango de operación, y se confirmó la selección del objetivo y el fallo seguro en caso de pérdida de vídeo.
Para el inversor
El núcleo de percepción estéreo ya ha sido probado en hardware: la detección, la triangulación y el sistema de respaldo funcionan correctamente. La fase 1 ha concluido; ahora estamos trabajando en los modelos objetivo y el circuito del sensor, seguidos de una prueba piloto en el equipo del cliente con calibración para una configuración específica.
Alcance cercano
Si el objeto queda cortado por la parte inferior del marco, el anclaje estéreo cambia a la cabeza (automático/superior) y el modo mono ajusta la altura aparente, lo que reduce los errores en el eje Z durante la aproximación del robot.
3
Los sensores mejoran diferentes partes del sistema.
RGB estéreo
Ya se han realizado pruebas en directo con un par de cámaras: sincronización, correspondencia y triangulación de coordenadas en un sistema común.
Ya se han realizado pruebas en directo con un par de cámaras: sincronización, correspondencia y triangulación de coordenadas en un sistema común.
Cámara de visión nocturna y cámara termográfica
Las imágenes adicionales pueden mejorar la observación en condiciones de crepúsculo y oscuridad.
Las imágenes adicionales pueden mejorar la observación en condiciones de crepúsculo y oscuridad.
sensor IR
Sirve como indicador de presencia o movimiento y ayuda a evitar realizar un análisis completo innecesariamente.
Sirve como indicador de presencia o movimiento y ayuda a evitar realizar un análisis completo innecesariamente.
telémetro láser
Se puede especificar la distancia al objeto hacia el que apunta el haz.
Se puede especificar la distancia al objeto hacia el que apunta el haz.
El núcleo del software proporciona soporte para la lógica de los sensores. Los adaptadores de hardware y las pruebas de campo de sensores adicionales se realizan por separado.
4
Conexión con la capa de autonomía
VisionGuard informa de lo que ve el sistema. La capa de autonomía decide cómo llevar a cabo la misión.
La conexión prevista es la siguiente: las coordenadas del objetivo y el estado de los sensores se envían al circuito robótico, que inicia el paso de la misión, registra los eventos e implementa una política de recuperación ante fallos.
El puente ROS 2 y el marco de simulación de la capa de autonomía son independientes. La integración con VisionGuard y la plataforma de física aún no está completa.
5
Fases de implementación
Fase 1Prototipo y validación básicaTerminado
Completado: prototipo mono y estéreo en cámaras en directo, modo estable = estéreo, estimación de alcance consistente en el rango de trabajo, selección de objetivo y ralentí seguro.
Fase 2Modelos objetivo y circuito sensorialActual
Configurar modelos intercambiables para clases de objetos específicas, evaluar la calidad de la detección y conectar sensores adicionales según el escenario.
Fase 3Piloto de integraciónPlan
Las coordenadas y los eventos se transfieren a la capa de autonomía, y la misión se verifica en la simulación y en la plataforma del cliente. La calibración estereoscópica del par se realiza en un dispositivo específico dentro de la instalación, adaptado a la geometría de la cámara y a la configuración del sitio.
Fase 4Pruebas de campo y escaladoPlan
Verificar la precisión y la robustez en el entorno objetivo, y preparar una implementación repetible para nuevos emplazamientos y tipos de equipos.
Etapa actual
La fase 1 ha finalizado; los modelos objetivo están en desarrollo.
Fase 2
La fase 1 ha concluido: el prototipo estéreo ha sido probado y ha alcanzado el rendimiento requerido. La fase 2 está actualmente en marcha: modelos de detección de objetivos y ampliación del circuito del sensor. La calibración del par estéreo para el dispositivo específico del cliente está incluida en la fase 3 (piloto de integración).
Invitamos a los inversores y clientes interesados a integrar aplicaciones de visión artificial en robótica y otros dispositivos.
Analizar la integración