Agradecimientos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . x 1. Introducción 1 1.1. Antecedentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2. Justificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.3. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.3.1. Objetivo general . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.3.2. Objetivos específicos . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.4. Implementación de un sistema con agarre adaptativo basado en visión por computador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 2. Marco Teórico 7 2.1. Visión por computador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 2.1.1. Adquisición de Imágenes . . . . . . . . . . . . . . . . . . . . . . . . 7 2.1.2. Calibración de Cámara . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.1.3. Preprocesamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.1.4. Segmentación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.1.5. Extracción de Características . . . . . . . . . . . . . . . . . . . . . . 8 2.2. Geometría de la visión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 2.3. Robótica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 2.3.1. Clasificación y Tipos Comunes de Robots Industriales . . . . . . . . 10 2.3.2. Cinemática Robótica . . . . . . . . . . . . . . . . . . . . . . . . . . 10 2.4. Entornos No Estructurados y Desafíos en Robótica Industrial . . . . . . . . . 12 2.5. Planificación de Trayectorias para Manipulación Robótica . . . . . . . . . . 13 3. Sistema de visión por computador 15 3.1. Configuración preliminar de los componentes . . . . . . . . . . . . . . . . . 17 iii 3.1.1. Cámaras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 3.1.2. Fuentes de iluminación . . . . . . . . . . . . . . . . . . . . . . . . 19 3.1.3. Ubicaciones para la cámara . . . . . . . . . . . . . . . . . . . . . . 22 3.1.4. Raspberrypi B3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 3.1.5. Instalación del sistema operativo y configuración de las librerías . . . 26 3.2. Implementación de los procesos de visión por computador . . . . . . . . . . 29 3.2.1. Capturar imágenes. . . . . . . . . . . . . . . . . . . . . . . . . . . 29 3.2.2. Rectificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 3.2.3. Pre-procesamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 3.2.4. Segmentación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 3.2.5. Extracción de características . . . . . . . . . . . . . . . . . . . . . . 39 3.2.6. Clasificación de Formas Geométricas mediante Momentos de Hu y LinearSVC (Support Vector Machine) . . . . . . . . . . . . . . . . . 40 4. Robot SCARA de 4 DOF 47 4.1. Espacio de trabajo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51 4.2. Cinemática Directa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54 4.3. Cinemática inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 4.4. Funcionamiento del robot en Arduino . . . . . . . . . . . . . . . . . . . . . 58 4.4.1. Implementación en Arduino . . . . . . . . . . . . . . . . . . . . . . 59 4.5. Simulación del Robot en Coppeliasim . . . . . . . . . . . . . . . . . . . . . 60 4.6. Integración de Plataformas y Comunicación entre Sistemas . . . . . . . . . . 67 4.6.1. Flujo de Procesamiento y Comunicación entre Módulos . . . . . . . 67 4.6.2. Pruebas y Verificaciones de Conectividad . . . . . . . . . . . . . . . 68 5. Análisis de resultados 71 5.1. Localización de objetos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 5.2. Agarre adaptativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76 5.2.1. Estrategia base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76 5.2.2. Método basado en las características geométricas del objeto . . . . . 76 5.2.3. Método basado en una estrategia de IA . . . . . . . . . . . . . . . . 77 5.3. Desafíos encontrados y propuestas de mejora . . . . . . . . . . . . . . . . . 81 6. Conclusiones 83 Bibliografía 85

Este trabajo presenta el desarrollo de un sistema de agarre robótico adaptativo basado en visión por computador, implementado en un robot SCARA de 4 grados de libertad. El sistema integra técnicas de procesamiento de imágenes mediante OpenCV y Raspberry Pi para capturar, segmentar y extraer características geométricas de los objetos, utilizando momentos de Hu y un modelo SVM. A partir de esta información, el robot ajusta su orientación generando una estrategia de agarre de manera automática, logrando una manipulación más precisa y versátil en entornos poco estructurados. Este proyecto demuestra la viabilidad de integrar visión artificial, robótica y técnicas de IA en un sistema colaborativo que puede ser aplicado tanto en la industria como en escenarios de asistencia.

This paper presents the development of an adaptive robotic gripping system based on computer vision, implemented on a SCARA robot with 4 degrees of freedom. The system integrates image processing techniques using OpenCV and Raspberry Pi to capture, segment, and extract geometric features from objects, using Hu moments and an SVM model. Based on this information, the robot adjusts its orientation, automatically generating a gripping strategy, achieving more precise and versatile manipulation in unstructured environments. This project demonstrates the feasibility of integrating computer vision, robotics, and AI techniques into a collaborative system that can be applied in both industry and assistance scenarios.

Pregrado