Visión por computador

Visión por computador September 27, 2026 Lab

Lab de brillo y luminancia — exposición, gamma y recorte

Compara la exposición lineal con ajustes de gris codificado mediante imágenes sintéticas, histogramas y gradientes.

Hands-on · 2 min de lectura Visión por computador September 27, 2026 Lab

Laboratorio de extracción de puntos — comparar Harris y Shi–Tomasi

Gira, redimensiona y cambia el brillo de imágenes sintéticas para comparar las esquinas detectadas con posiciones de referencia conocidas.

Hands-on · 2 min de lectura Visión por computador September 27, 2026 Lab

Laboratorio de correspondencias — filtros, inliers y verdad conocida

Compara parches y filtra correspondencias para ver por qué la coherencia geométrica no garantiza un emparejamiento correcto.

Hands-on · 2 min de lectura Visión por computador September 27, 2026 Lab

Lab de flujo óptico: seguir el movimiento entre dos imágenes

Estima el desplazamiento de puntos y compáralo con una transformación sintética conocida. Explora brillo, oclusión y el problema de apertura.

Hands-on · 2 min de lectura Visión por computador September 13, 2026

Estimación de profundidad monocular: del orden relativo a la distancia métrica.

Introducción a la profundidad monocular: profundidad relativa frente a profundidad métrica, ambigüedad de escala, protocolos de evaluación y condiciones de fallo.

Guía de aprendizaje · 3 min de lectura Visión por computador September 13, 2026

3D neuronal: síntesis de nuevas vistas y evaluación visual/geométrica independiente.

Introducción a las representaciones neuronales de escenas, la síntesis de vistas novedosas, las vistas reservadas y la evaluación visual y geométrica por separado.

Guía de aprendizaje · 3 min de lectura Visión por computador September 7, 2026

Introducción al seguimiento de características: cómo evitar perder el mismo punto entre fotogramas.

El seguimiento de características consiste en hacer coincidir el mismo punto físico en diferentes fotogramas de una secuencia de vídeo. Este artículo organiza el seguimiento de plantillas, el flujo óptico de Lucas-Kanade, la coincidencia de descriptores, RANSAC, el rechazo de valores atípicos y la predicción de Kalman con ecuaciones y pasos de implementación, y explica las condiciones bajo las cuales fallan la odometría visual y SLAM, junto con las soluciones para mitigarlas.

Fundamentals · 8 min de lectura Visión por computador September 7, 2026

Introducción al cierre de bucles: cómo corregir la deriva de un sistema SLAM de una sola vez, alrededor de un bucle.

El cierre de bucle consiste en reconocer que un robot ha regresado a un lugar previamente visitado y distribuir el error de autolocalización acumulado por todo el mapa. Este artículo explica sistemáticamente el reconocimiento de lugares, la recuperación de imágenes, la verificación geométrica, la optimización de grafos de poses, las defensas contra falsos positivos y las implementaciones e investigaciones actuales de SLAM.

Fundamentals · 7 min de lectura Visión por computador September 7, 2026

Introducción al flujo óptico: lectura de la velocidad y la estructura a partir del movimiento de la imagen.

El flujo óptico es un campo vectorial que describe la dirección en la que se ha movido cada píxel en una secuencia de imágenes. Este artículo analiza la restricción de constancia de brillo, los algoritmos de Lucas-Kanade y Horn-Schunck, las pirámides, el flujo denso frente al seguimiento de características dispersas, los métodos basados en aprendizaje como RAFT, el movimiento de la cámara, los objetos dinámicos y la metodología de evaluación, junto con las bases matemáticas.

Fundamentals · 6 min de lectura Visión por computador September 7, 2026

Introducción a PnP: Recuperación de la pose de la cámara a partir únicamente de puntos 3D y una imagen.

El problema geométrico de Perspectiva-n-Puntos (PnP) consiste en estimar la posición y orientación de una cámara a partir de puntos 3D conocidos y sus correspondientes puntos de imagen. Este artículo analiza la ecuación de proyección, P3P/AP3P, EPnP, la optimización iterativa, RANSAC, la degeneración planar y cómo se utiliza PnP en SLAM visual, realidad aumentada y topografía, incluyendo las bases matemáticas y una lista de verificación para su implementación.

Fundamentals · 7 min de lectura Visión por computador September 7, 2026

Introducción a Visual-SLAM: cómo una cámara aprende "¿Dónde estoy?"

Sin GPS ni mapa, un robot puede determinar su posición y crear un mapa de su entorno a partir únicamente de imágenes de la cámara. Desde el seguimiento de características mediante geometría epipolar, la diferencia entre odometría visual y SLAM, la evolución de los algoritmos de puntos de referencia desde ORB-SLAM hasta LSD-SLAM y DSO, y el ajuste de haces, se ofrece un recorrido sistemático desde cero por el funcionamiento de Visual-SLAM.

Fundamentals · 21 min de lectura Visión por computador September 4, 2026

Introducción al ajuste de haces: el método de mínimos cuadrados no lineales que perfecciona las poses de la cámara y los puntos 3D.

El ajuste de haces es un problema de mínimos cuadrados no lineales que mueve múltiples poses de cámara y puntos 3D simultáneamente para minimizar el error de reproyección en todas las observaciones. Este artículo aborda sistemáticamente por qué el jacobiano es disperso, por qué el complemento de Schur permite resolver problemas a gran escala, el papel del método de Levenberg-Marquardt, la libertad de calibre y su relación con la optimización de grafos de pose y la reconstrucción 3D a partir de imágenes (SfM), con ecuaciones y diagramas.

Fundamentals · 13 min de lectura Visión por computador September 4, 2026

Introducción a la calibración de cámaras: recuperación de la distorsión de la lente y los parámetros intrínsecos.

La calibración de la cámara es el proceso de recuperar los parámetros intrínsecos y la distorsión de la lente necesarios para mapear las coordenadas de los píxeles en el espacio 3D. Desde la revisión del modelo estenopeico, pasando por los modelos de distorsión radial y tangencial, el método de patrón planar de Zhang, la optimización del error de reproyección, hasta lo que falla posteriormente en Visual SLAM y VO cuando la calibración se desvía: un recorrido sistemático con ecuaciones y diagramas.

Fundamentals · 10 min de lectura Visión por computador September 4, 2026

Introducción a la homografía: descripción de la correspondencia planar con una única matriz de 3x3.

Una homografía es la relación que vincula puntos en el mismo plano, o la vista de una cámara que gira libremente, mediante una única transformación proyectiva de 3x3. Este artículo abarca la estimación basada en DLT, la robustez con RANSAC, la descomposición en rotación, traslación y normal del plano, y cuándo utilizarla frente a la geometría epipolar, junto con aplicaciones como la composición de imágenes y el seguimiento de planos en realidad aumentada, con ecuaciones y diagramas.

Fundamentals · 10 min de lectura Visión por computador September 4, 2026

Introducción a la estereoscopía multivista: cómo rellenar una nube de puntos dispersa para formar una figura 3D densa.

La estereoscopía multivista (MVS) recupera formas 3D densas a partir de múltiples imágenes utilizando poses de cámara conocidas. Este artículo aborda sistemáticamente el principio fundamental de la fotoconsistencia, los dos enfoques clásicos de barrido plano y basado en parches (PMVS), los métodos basados en aprendizaje profundo, representados por MVSNet, y la generación de mallas mediante fusión de mapas de profundidad, junto con la relación con las cámaras estéreo y de profundidad, con ecuaciones y diagramas.

Fundamentals · 14 min de lectura Visión por computador September 4, 2026

Introducción a la reconstrucción 3D a partir de imágenes: cómo recuperar la posición de la cámara y los datos 3D a partir de un conjunto de fotos sin ordenar.

La reconstrucción 3D a partir de imágenes (SfM) recupera simultáneamente la estructura 3D de una escena y todas las poses de la cámara a partir de un conjunto de fotografías cuyo orden y posiciones de captura se desconocen. Este artículo aborda sistemáticamente la coincidencia de características, la verificación geométrica, las dos estrategias de reconstrucción (SfM incremental y global), la triangulación, su relación con el ajuste de haces y la diferencia con Visual-SLAM, junto con implementaciones actuales como COLMAP.

Fundamentals · 12 min de lectura Visión por computador September 3, 2026

Geometría epipolar: lectura de la profundidad y el movimiento de la cámara a partir de dos imágenes.

La geometría epipolar es la teoría que determina cómo se proyecta un mismo punto 3D en dos imágenes. Este artículo explica sistemáticamente la Matriz Fundamental y la Matriz Esencial, los algoritmos de 8 y 5 puntos, RANSAC, la triangulación, la elección entre geometría epipolar y homografía, la calibración, la implementación con OpenCV/COLMAP, las condiciones de fallo y la estimación reciente basada en aprendizaje, con ecuaciones y diagramas.

Fundamentals · 19 min de lectura Visión por computador September 3, 2026

Introducción a la detección de características

La detección de características selecciona "lugares que se pueden encontrar de nuevo" en una imagen y los utiliza para la comparación. Este artículo conecta los principios de esquinas, regiones, DoG, FAST, ORB y SIFT con la robustez, la evaluación, las herramientas actuales y los métodos basados en aprendizaje en una visión coherente.

Fundamentals · 16 min de lectura Visión por computador September 3, 2026

Introducción a VO/VIO: una base práctica para estimar el movimiento a partir de una cámara y una IMU.

La odometría visual (VO) y la odometría visual-inercial (VIO) estiman el movimiento relativo de un robot o cámara a partir de una secuencia de imágenes y mediciones inerciales. Este artículo aborda la ambigüedad de escala monocular, la preintegración de la IMU, la inicialización, el filtrado frente a la optimización, implementaciones como VINS-Mono y OpenVINS, métricas de evaluación y condiciones de fallo, con ejemplos matemáticos y diagramas.

Fundamentals · 21 min de lectura