Search

Resumen: Se propone la combinación de una ley de control libre de modelo dinámico, en conjunto con una ley de guiado cinemático, para el seguimiento de trayectorias actuadas de un vehículo roboâtico submarino subactuado. El sistema en lazo cerrado da lugar a modos deslizantes integrales, libres de castañeo, que garantizan la estabilidad exponencial local del seguimiento de las coordenadas actuadas con dinámica interna estable, bajo condiciones fáciles de encontrar en la práctica. La metodología del diseño se basa en una manipulación cuidadosa del modelo cuasilagrangiano de vehículos submarinos y de una ley de control que es independiente del modelo y sus parámetros, asumiendo acceso total del estado. Simulaciones comparativas considerando el PID convencional ilustran la factibilidad del control en las condiciones establecidas ante incertidumbres paramétricas y del modelo. Abstract: A combination of a model-free control law at the dynamic level and a guidance law at the kinematic level is proposed for the tracking of an underactuated underwater robot vehicle. The closed-loop system gives rise to chattering-free integral sliding modes for local exponential tracking of actuated coordinates, while ensuring a global stable internal dynamics under certain conditions easy to meet in practice. The design methodology relies on a careful manipulation of the quasi-lagrangian model of the underwater vehicle with a control law that is independent of dynamic model and its parameters assuming full access to the state. Comparative simulations versus a PID show the feasibility and robust behavior under parametric and model uncertainties. Palabras clave: Control Libre de Modelo, Modos Deslizantes Integrales, Sistemas Subactuados, Vehículo Submarino, Keywords: Model-Free Control, Integral Sliding Mode Control, Underactuated Systems, Underwater Vehicles.

[ES] Los sistemas de conteo de personas son extensamente utilizados en aplicaciones de vigilancia. En este artículo se presenta una aplicación para realizar conteo de personas a través de un sistema de estereovisión. Este sistema obtiene tasas de conteo de las personas en movimiento que atraviesan la zona de conteo recogida por el sistema estéreo distinguiendo entrada y salida. Para realizar este conteo se precisan dos fases fundamentales: detección y seguimiento. La detección se basa en la búsqueda de las cabezas de las personas por medio de una correlación de la imagen preprocesada con distintos patrones circulares, filtrando dichas detecciones por estereovisión en función de la altura. El seguimiento se lleva a cabo mediante una algoritmo de múltiples hipótesis basado en filtro de Kalman. Por último, se realiza el conteo según el camino seguido por las trayectorias. Se ha experimentado con un conjunto de vídeos reales tomados en distintas zonas de tránsito en interiores de edificios, alcanzando tasas que oscilan entre un 87% y un 98% de acierto según la cantidad de flujo de personas que atraviesan la zona de conteo de forma simultánea. En los distintos vídeos utilizados como prueba se han reproducido todo tipo de situaciones adversas, como oclusiones, personas en grupo en diferentes sentidos, cambios de iluminación, etc., [EN] The people counting systems are widely used in surveillance applications. This article presents an application for counting people through a stereovision system. This system obtains counting rates of people moving through the counting area, distinguishing between input and output. To achieve this aim is required two basic steps: detection and tracking. The detection step is based on correlation through a pre-processed image with various circular patterns in order to search people's heads, filtering these detections by stereovision depending on the height. The people tracking is carried out through a multiple hypothesis algorithm based on the Kalman filter. Finally, people counting is done according to the trajectory followed by the person. To validate the algorithm have been used several real videos taken from different transit areas inside buildings, reaching rates ranging between 87% and 98% accuracy depending on the number of people crossing the counting zone simultaneously. In these videos occur several adverse situations, such as occlusions, people in groups in different directions, lighting changes, etc., Este trabajo ha sido realizado gracias al Programa Nacional de Diseño y Producción Industrial del Ministerio de Ciencia y Tecnología, a través del proyecto ESPIRA (ref. DPI2009-10143) y a la Universidad de Alcalá (ref.UAH2011/EXP-001), a través del proyecto ”Sistema de Arrays de Cámaras Inteligentes (SACI)”.

[ES] Se presenta un método general para la detección, de forma no invasiva, de la postura corporal de varias personas a partir de la información capturada por múltiples cámaras. Se sigue una filosofía basada en el entrenamiento previo de un modelo articulado y posterior seguimiento. La principal aportación es la posibilidad de detectar varias personas simultáneamente. Se utiliza un modelo articulado para definir las posturas que puede adoptar una persona. Mediante bases de datos de captura de movimiento se selecciona un conjunto de clases o actividades predefinidas. El entrenamiento reduce la complejidad del modelo articulado a partir de técnicas no lineales de reducción de dimensionalidad. Así, las diferentes actividades de una persona quedan definidas de manera compacta por un conjunto de valores de baja dimensionalidad. Posteriormente, un filtro de partículas mixto (estados discretos y continuos) es utilizado para detectar la postura y el tipo de movimiento simultáneamente. Las hipótesis resultantes, seleccionadas automáticamente a partir de la distribución de partículas, son refinadas usando un optimizador no lineal que hace uso de funciones ‘a priori’ del tipo de movimiento entrenado. La propuesta se ha evaluado con un método simple pero estándar, basado en la comparación de volúmenes cilíndricos articulados con volúmenes del cuerpo humano, extraidos automáticamente a partir de las imágenes. Se consigue una precisión cercana a trabajos del estado del arte que no tienen en cuenta a más de una persona y ofrece un marco de trabajo flexible para futuras investigaciones., [EN] This work presents a general framework for tracking simultaneously the body posturas of multiple people from nonintrusive visual sensors. The method is based on a trainingthen-tracking philosophy, with the main addition of being able to handle more than just one person. We train the body postura from labelled motion capture datasets. The training process is based on popular non-linear dimensionality reduction techniques. Then, a mixed, discrete and continuous state particle filter is used to simultaneously detect the postura and the kind of motion performed by each of the human bodies. The resulting hypotheses, automatically selected from the particle distribution, are then refined using non-linear optimization methods with statistical priors. The whole framework is tested using a simple but standard method based on comparing articulated cylindrical models with SfS volumes, taken from several cameras. Our accuracy in public available datasets is near to the state-ofthe-art works that do not take into account multiple people in the problem., Este trabajo ha sido parcialmente respaldado por el Ministerio de Ciencia e Innovacion Español bajo los proyectos VISNU (ref. TIN2009-08984) y SDTEAM-UAH (ref. TIN2008-06856-C05-05).