DESARROLLO DE SIMULADORES EN INVESTIGACIÓN Y DOCENCIA

Gómez Lahoz, J. 1, Sánchez Martín, N. 2, Arias Pérez, B. 3, González Aguilera, D 4,

Departamento de Ingeniería Cartográfica y del Terreno. Universidad de Salamanca. c/ Sto. Tomás s/n. 05003 Avila. 1fotod@usal.es, 2nilda@usal.es, 3benjaap@inicia. es, 4daguilera@usal.es

RESUMEN:

Las recientes tendencias en la Universidad apuntan hacia una mayor atención al desarrollo de competencias profesionales por parte de los alumnos/as, hacia una mejor integración de la investigación y la docencia y hacia una mayor explotación didáctica de las posibilidades abiertas por las Nuevas Tecnologías de la Información y la Comunicación (NTIC). Esta colaboración presenta y defiende el papel que, en este contexto universitario, puede y debe jugar el diseño y uso (tanto por alumnos/as como por profesores/as) de simuladores informáticos. Se enumeran algunas realizaciones desarrolladas para la docencia / investigación de la Fotogrametría Digital y se describe algo más detalladamente un simulador orientado hacia el estudio de uno de los campos temáticos de mayor vigor actual en el seno de la Comunidad Internacional de esta disciplina: el empleo de imágenes oblicuas.

1. INTRODUCCIÓN: LOS CAMBIOS EN LA UNIVERSIDAD

Es casi milagroso que los métodos modernos de instrucción no hayan conseguido ahogar por completo la santa

curiosidad de la investigación, pues la principal necesidad de tan delicada planta, aparte el estímulo inicial, es la libertad. Sin ésta, corre seguro peligro de muerte ... y creo que incluso puede despojarse de su voracidad a un animal de presa sano si se le obliga a comer a golpes de látigo, con hambre o sin ella. (Einstein)

Einstein no fue un buen estudiante; tuvo problemas con sus profesores. Si lo hubiera sido, si hubiera complacido a sus profesores, ¿habría llegado a donde llegó?

¿Tiene sentido plantearse esto? ¿Es un caso único correspondiente a una mente única o una caricatura llevada

hasta la deformidad? ¿Es pertinente cuando han transcurrido 120 años desde entonces? En este momento – en que se acaba de elaborar el Libro Blanco de Geomática y Topografía a instancias de la

Agencia Nacional de Evaluación de la Calidad y la Acreditación (ANECA) – nos encontramos con un momento de cambio en la Universidad. Y quisiéramos centrar esta aportación sobre uno de los dilemas - con rasgos de desgarro – que mejor expresan esta situación: la doble vertiente de la actividad universitaria entre docencia e investigación.

Desde la LRU y ahora con la LOU se quiere potenciar la actividad investigadora de la Universidad de manera que

nuestro país se sitúe en posición de competir con los de su entorno del norte. Sin embargo, a lo que se ha llegado, a día de hoy, es a que la Universidad, tanto a través de sus gestores como de sus docentes, potencia la investigación en detrimento de la docencia.

Aunque textos recientes como la propia LOU o el Informe 2000 buscan explícitamente el establecimiento de un

equilibrio entre estas dos actividades y aunque la ANECA declara como objetivo propio el reconocimiento de la capacidad docente, la cuestión no deja de contemplarse unilateralmente: los diversos pronunciamientos establecen de forma explícita que “la docencia debe liberar tiempo para la investigación” o que “la investigación debe revertir sus resultados sobre la docencia”.

Estando de acuerdo con estos planteamientos, nos parece que sigue faltando una visión que declare ambas actividades como aspectos de una misma tarea: la búsqueda del conocimiento, de manera que tanto la docencia / aprendizaje como la investigación se contemplen (como las veía Einstein) como acciones de descubrimiento y, en esta medida, de crecimiento y enriquecimiento personal.

La reforma institucional que ahora se plantea bajo los impulsos de la Declaración de Bolonia nos concede una

oportunidad de reestablecer el equilibrio. El rasgo esencial de esta propuesta es la transición de una Universidad centrada en la transmisión del conocimiento de los profesores/as a los alumnos/as a una Universidad centrada en la adquisición de los alumnos/as de unas competencias profesionales.

Tenemos que irnos preparando y tenemos que ir fomentando una Universidad en la que lo que ocurra ya no sea la

impartición de unos contenidos sino la colaboración con y entre los alumnos/as que mejor les conduzca a su desarrollo profesional.

En este sentido, los proyectos de Ingeniería, incluidos los proyectos de la Ingeniería Cartográfica, no dejan de ser

la resolución creativa y eficiente de un problema en el que los requisitos no están completamente definidos, los recursos son limitados y la solución, en consecuencia, no es única y siempre puede optimizarse.

Los distintos esfuerzos desarrollados desde entonces no dejan de subrayar una serie de ideas clave como los

atributos genéricos (transversales) de dicho profesional: capacidad de resolver problemas, capacidad de colaborar, capacidad de trabajar en equipo, capacidad de análisis y síntesis, capacidad de aplicar los conocimientos a la práctica, capacidad de manejar situaciones nuevas, capacidad de trabajar de forma autónoma, capacidad de aprender… en definitiva capacidad de descubrir, de descubrir y desarrollar las propias capacidades y las de otros. 2. LA CAPACIDAD DE SIMULACIÓN

El poderoso desarrollo y el uso intensivo de la función de simulación es lo que me parece que caracteriza las

propiedades únicas del cerebro humano. (Monod) La frase de este Premio Nobel de Fisiología y Medicina y revolucionador de la filosofía de los años sesenta hoy

nos parece incompleta. Probablemente tras “cerebro humano” habría que añadir “y de un sistema de inteligencia artificial”.

La moderna ciencia cognitiva, sobre todo desde el nacimiento de la Inteligencia Artificial, pone el énfasis en la

idea de mente como modelo, esto es, un sistema que permite simular con un determinado grado de aproximación la estructura y funcionamiento de un determinado fenómeno. En este contexto, el aprendizaje se considera como un proceso de construcción de un modelo personal (o cultural) que sirve al individuo (o a la sociedad) para interpretar y adaptarse eficazmente a su entorno.

El sistema cognitivo de cada persona y el edificio entero de la ciencia de una civilización son modelos que simulan

procesos de la realidad. El éxito del individuo o la civilización dependen del grado de adecuación y flexibilidad (no necesariamente de la correspondencia real) entre simulación y realidad. A su vez, la tecnología, es decir, la capacidad de la civilización de fabricar artefactos que permitan mejorar su rendimiento energético, experimenta, desde la revolución industrial, un proceso de imbricación con la ciencia: cada vez es menos analógica (material), cada vez más digital (abstracta); la eficacia de las máquinas cada vez depende más de la codificación y transmisión correctas de la información.

El mayor exponente de esto es la aparición del software, esto es, la creación de un soporte de simulación digital

(no analógico) que permite gobernar el hardware, algo suficientemente parecido a la mente como para dar luz a la disciplina de la Inteligencia Artificial. La tecnología, en buena medida, se hace software, se hace idea, se hace simulación. A través del software se hace posible que el saber hacer (know how), esto es, el poder, indispensable en el quehacer tecnológico, sea alcanzable mediante el saber cómo (know that), el conocimiento. Esta fusión de poder y conocimiento ("conocimiento potente") abre un campo con tremendas posibilidades tanto para el desarrollo social como para el desarrollo personal: el usuario tecnológico tiene en su mano ser innovador tecnológico.

Todo esto tiene profundas consecuencias en la Ingeniería Cartográfica. El mapa, la simulación cartográfica de un

objeto real, es un softcopy que se genera con software (aunque en su interpretación y en su generación hace falta hardware). Y lo que es más importante: la competencia profesional del Ingeniero/a en Geomática y Topografía reside, en gran medida, en el grado en que sea capaz de conocer, interpretar, manipular y adaptar dicho software.

La cartografía, a través del CAD 3D y de la Informática Gráfica (Computer Graphics) se funde con la realidad

virtual. Formatos como VRML (Virtual Reality Modelling Language) definen un standard cartográfico a la vez que dan soporte a productos tecnológicos, culturales o recreativos. Tradicionalmente, la cartografía ha sido la forma en que el ser humano ha representado su entorno espacial. Hoy, la cartografía se hace realidad virtual, una recreación en la que el usuario se sumerge. Y todavía más, se hace realidad aumentada, pues es posible asumir puntos de vista inverosímiles en el mundo real o ejecutar manipulaciones peligrosas o desaconsejables. Es posible también la visión artística y combinar la realidad con la fantasía ampliando el contexto cartográfico al ámbito lúdico.

Las técnicas de "render" (de verosimilitud o realismo del objeto representado) no sólo suponen uno de los factores

nuevos y decisivos de la cartografía sino que proporcionan un entorno de trabajo común con los métodos de captura y procesamiento de los datos. Tenemos, bajo un mismo espacio de trabajo, manipulable con herramientas sencillas, conceptos como cámaras fotográficas, fuentes de iluminación, respuesta radiométrica de los materiales, textura o modulación de los mismos, visión estereoscópica mediante anaglifos, técnicas de definición de dátum, tanto cartesianos como polares, empleo de rotaciones, traslaciones y perspectivas, ...

La cartografía digital no sólo da pie a una enorme gama de nuevas posibilidades comerciales sino que se convierte

en una potente herramienta heurística. Su empleo en la investigación científica queda de manifiesto en:

• La fase exploratoria en la que la visualización abierta del problema permite plantear la cuestión y las posibles alternativas en una dimensión global y enriquecedora.

• La fase de contraste de hipótesis mediante la construcción de simuladores en los que las diversas variables

son parametrizadas en un modelo funcional que permite obtener realimentación inmediata en un entorno de trabajo bajo control.

• La publicación o comunicación final de resultados mediante el empleo de la misma herramienta de

trabajo. En definitiva, el desarrollo de software y, de manera más específica, el desarrollo de simuladores digitales

relativos a procesos o fenómenos de nuestra disciplina, tanto por parte de profesores/as como por parte de alumnos/as presenta las siguientes ventajas:

• La publicación o comunicación final de resultados mediante el empleo de la misma herramienta de trabajo.

• El entrenamiento por parte del alumno/a en una tarea que requiere sistematismo y rigor.

• El entrenamiento en una competencia que, cada vez más, será parte del repertorio obligado de

competencias del Ingeniero/a en Geomática y Topografía.

• La utilidad de poder generar productos de rentabilidad técnica.

• La posibilidad de dar salida a la creatividad personal.

• La posibilidad de relacionar el trabajo técnico y riguroso con aspectos lúdicos.

• La posibilidad de trabajar en equipo, incluyendo al profesor.

• La posibilidad de establecer un entorno de investigación en el que examinar de forma sencilla y cómoda diversas hipótesis de trabajo.

• La posibilidad de establecer un entorno didáctico – fundido con el entorno investigador – con el que:

o Ilustrar la problemática de la disciplina. o Estructurar / integrar contenidos (literales, numéricos y gráficos) y destrezas de carácter

operativo o práctico. o El análisis y comprensión del problema desde distintos puntos de vista.

o Ofrecer realimentación para sostener el autoestudio y la autonomía del alumno/a. o Favorecer la diversidad de fuentes de información.

• La posibilidad de adaptar el trabajo a desarrollar al nivel del alumno/a, desde Primer Curso hasta Tesis

Doctoral.

Se enumeran, a continuación y a título ilustrativo (figuras 1 a 7), algunas realizaciones desarrolladas para la docencia y la investigación de la Fotogrametría Digital en las actuales titulaciones de Ingeniero Técnico en Topografía e Ingeniero en Geodesia y Cartografía impartidas en la Escuela Politécnica Superior de Ávila.

Figura 1:Simulador de la condición de coplanaridad y de la geometría epipolar consiguiente.

Figura 2:Simulador del empleo de las rectas epipolares para acotar la tarea de búsqueda automática de puntos homólogos.

Figura 3: Simulador de distorsión radial

Figura 4: Simulador de rotación en el plano

Figura 5:Simulador del control de la robustez de las configuraciones geométricas en un Helmert 2D a través de la matriz de cofactores de los residuos.

Figura 6: Simulador de los efectos de perspectiva en un objeto regular

Figura 7: Simulador 3D (en VRML) para el diseño de proyectos de vuelo fotogramétrico mediante un globo cautivo.

3. UN SIMULADOR PARA LA DETECCIÓN ROBUSTA DE LOS PUNTOS DE FUGA

Los firmantes de esta comunicación desarrollan en el Departamento de Ingeniería Cartográfica y del Terreno una línea de investigación consistente en la explotación del fotograma oblicuo para su empleo en la documentación del Patrimonio Arquitectónico. En concreto se trabaja en la reconstrucción automática de un objeto regular del que se ha tomado un fotograma bajo determinadas condiciones de perspectiva. Se supone que la estructura del objeto queda recogida en la imagen mediante colecciones de segmentos que convergen sobre tres puntos de fuga.

Esta línea pasa por la integración flexible y robusta de los siguientes aspectos:

• La extracción automática de los segmentos lineales del objeto. • La agrupación de dichos segmentos en categorías que se ajusten a la estructura ortogonal del objeto. • El manejo de errores sistemáticos como la distorsión radial. • El manejo de errores aleatorios debidos a la incertidumbre de las herramientas de filtrado de la imagen. • El manejo de errores groseros debidos a la falsa identificación de los elementos estructurales del objeto. • El cálculo de los puntos de fuga. • El cálculo de los elementos de orientación de la imagen. • El cálculo y la representación del objeto.

En estas circunstancias hemos desarrollado un simulador que permite establecer un entorno artificial de

exploración con el que poder llevar a cabo análisis previos sobre el comportamiento de diversos algoritmos de cálculo ante diversas circunstancias que pueden concurrir en las imágenes.

El simulador (figuras 8 y 9) representa la imagen de un objeto ortogonal (un edificio) bajo unas determinadas

condiciones de toma y añade a sus caras segmentos lineales supuestamente obtenidos tras la aplicación de un filtro de extracción de bordes al documento ráster real. La representación simulada de estos segmentos lineales responde tanto a la presencia de líneas sobre el objeto paralelas a su estructura ortogonal, y que, por tanto, son útiles para calcular los puntos de fuga y los parámetros de la orientación interna y externa del fotograma, como a la presencia de otras líneas causadas por múltiples factores (sombras, obstáculos, artefactos en el filtro de extracción, …) que deben ser eliminadas de dicho cálculo.

El simulador permite al usuario introducir y modificar los siguientes datos: • La configuración geométrica proporcionada por la focal, orientación y posición de la cámara, así como las

dimensiones del objeto. • La distorsión radial, mediante dos parámetros, y la posición del punto de mejor simetría. • El número de observaciones, es decir, el número de segmentos lineales apropiados así como su tamaño

mínimo y máximo (relativo a las dimensiones del objeto). • Desviación estándar de los errores accidentales imputables a dichas observaciones (distribuidos

aleatoriamente según un modelo Gaussiano). • Número, tamaño y distribución de los errores groseros, es decir, de segmentos lineales no apropiados. Estos

elementos pueden introducirse de forma manual (pintándolos sobre la imagen) o automática.

focal ángulos

Modo manual Modo automático

Posición ideal de lpuntos de fuga

distorsionradial

Posición cámara Dimensión objeto

os

Posición real de los puntos de fuga

Esquema del funcio

Número segmentos Tamaño segmentos

Emc segmentos

Imagen fotográfica del objeto

Bordes sobre objeto Observaciones

Posicp

namiento del simulad

Errores groseros

Ajuste MMCC

Ajuste MMCC

ión sesgada de losuntos de fuga

or

De esta manera, el usuario puede controlar los parámetros que influyen en la efectividad de los diversos

estimadores robustos de cara a filtrar errores groseros: • Robustez en la geometría, concretada en los ángulos de convergencia de los segmentos en el punto de fuga,

así como en el tamaño de los segmentos). • Numero total de observaciones (redundancia). • Proporción entre el número de observaciones y errores groseros. • Dimensión de la distorsión radial • Tamaño medio (desviación estándar) de los errores accidentales. • Tamaño de los errores groseros generados de forma intuitiva (manual) o automática. Los resultados del simulador son: • Coordenadas de los puntos extremos de los segmentos ‘extraídos’ sobre la imagen:

o Adecuados para determinar los tres puntos de fuga dentro de una cierta incertidumbre (observaciones).

o Segmentos inadecuados (errores groseros o 'blunders'). • Coordenadas de los puntos de fuga calculadas como:

o Ideales (sin ningún error grosero). o Estocásticas o reales (afectadas de errores accidentales). o Sesgadas (afectadas por errores accidentales y groseros).

• Análisis de precisión de los parámetros:

o Error medio cuadrático del ajuste. o Error medio cuadrático asociado a las coordenadas de los puntos de fuga. o Matriz de cofactores de las incógnitas

Parámetros de Calidad / Variables

independientes Resultados / variables dependientes

• Robustez geométrica: - Ángulos de los segmentos. - Tamaño de los segmentos. • Distorsión radial • Redundacia: número de observaciones. • Ratio blunders / observaciones. • Dimensión de los errores accidentales: emc. • Tamaño y posición de los errores groseros.

• Segmentos a procesar con estimadores robustos. ideales • Coordenadas reales de los puntos de fuga. sesgadas • Parámetros distorsión radial

• Indicadores de precisión: cofactores de puntos de fuga.

Desde el punto de vista didáctico el simulador puede emplearse para hacer llegar al alumno/a contenidos como:

• Posición de los puntos de fuga como función de la focal, el giro acimutal y el giro vertical de la cámara. • Matrices de rotación y condición de colinealidad (punto de vista – punto imagen – punto objeto) a partir del

giro acimutal y el giro vertical de la cámara para el cálculo de la imagen de un objeto conocido. • Modelo y representación de la distorsión radial simulada • Modelo y representación de segmentos simulados “extraídos” en las caras del objeto. • Modelo y representación de errores aleatorios simulados de dichos segmentos. • Cálculo de los puntos de fuga a partir de la condición de colinealidad de segmentos de la imagen convergentes

sobre el mismo. • Cálculo de los puntos de fuga a partir del Teorema de Tales • Cálculo de los puntos de fuga a partir de la Esfera Gaussiana. • Cálculo de los puntos de fuga a partir de la Transformada de Hough • Cálculo de los parámetros de la distorsión radial a partir de la condición de colinealidad de segmentos de la

imagen. • Empleo de algoritmos para la explotación del carácter disperso de las matrices de diseño. • Empleo de “data snooping” para detectar errores groseros.

• Empleo de estimadores robustos basados en pesos variables para detectar errores groseros • Empleo de RANSAC para detectar errores goseros De esta manera, el alumno/a tiene a su disposición, en un mismo entorno, una herramienta que puede emplear:

• para adquirir una serie de contenidos

• para comprobar por sí mismo los efectos de las consideraciones teóricas sobre imágenes reales aunque

idealizadas.

• para acometer tareas de investigación de carácter abierto

Figura 8: Simulador del Fotograma Oblicuo. Empleo del Teorema de Tales en la determinación de los Puntos de Fuga

Figura 9: Simulador del Fotograma Oblicuo. Empleo de RANSAC en la detección de errores groseros para la determinación de los puntos de fuga y de los parámetros de la distorsión radial.

4. REFERENCIAS Aguilera D.G, Gonzalo,M. Finat, J. 2003 "Grouping criteria in architectural scenes from compatible orientations of polygonal regions", The Intl Arch. of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol.XXXIV, Part 5/W12, 13-16. Bricall, 2000. "Informe Universidad 2000" Bräuer Christian, Burchardt, Klauss Voss. “Robust Vanishing Point Determination in Noisy Images”. Digital Image Processing Group. Institute for Compute Science. University of Jena. Germany. Comisión de las Comunidades Europeas. 2003. "El papel de las universidades en la Europa del Conocimiento". http://www.bologna-berlin2003.de/pdf/rols_unis.pdf Van den Heuvel. F.A. 1998. Vanishing point detection for architectural photogrammetry. International Archives of Photogrammetry and Remote Sensing Vol. XXXII part 5, pages 652-659. Kanatani:. K. 1993 "Geometric Computation for Machine Vision", Oxford Univ. Press. Monod, J. 1981. "El azar y la necesidad" Barcelona. Metatemas Shufelt. J.A. 1996. Performance evaluation and analysisof vanishing point detection techniques. ARPA Image Understanding Workshop, pages 1113-1132. Morgan Kaufmann Publish-ers, Palm Springs. Tuning. 2002. "Tuning educational structures in europe" http://www.relint.deusto.es/TUNINGProject/index.htm

Watt, A. 1993. "3D Computer graphics". Addison Wesley Williamson, J.R., Brill, M.H. 1990. “Dimensional analysis through perspective. A reference manual” A.S.P.R.S. Iowa. Kendall/Hunt publishing company