Nossas soluções e desenvolvimentos

D'Elite VisionGuard

Produtos e tecnologias inovadoras para investidores e parceiros.

Visualização conceitual

A percepção como primeiro passo para a ação.

O D'Elite VisionGuard é um módulo de software de visão computacional para detectar objetos-alvo, estimar sua posição e transmitir o resultado para um aplicativo externo ou plataforma robótica.

O sistema foi projetado em torno do processamento local de imagens, modelos de detecção intercambiáveis e múltiplos modos de operação: estéreo, câmera única com degradação do sensor e fontes adicionais de visão noturna/térmica.

1

Um módulo - diferentes cenários práticos

Ilustração conceitual de cenários do VisionGuard: vigilância de campo, detecção de objetos em armazém e inspeção noturna de perímetro por um robô.
Visualização conceitual de cenários. As imagens não são gravações de testes do VisionGuard.
Setor agrícola
Detecção de aves perto de plantações e aplicação de repelentes não violentos selecionados.
Robótica móvel
Transmitir coordenadas e eventos para o robô para verificar uma área, evitar um obstáculo ou continuar a missão.
Monitoramento noturno
Possibilidade de conectar uma câmera de visão noturna, uma câmera termográfica e um disparador infravermelho para situações de baixa luminosidade.
2

Como ocorre o processamento?

  1. As câmeras transmitem imagens com registro de data e hora.
  2. O modelo encontra objetos da classe selecionada e escolhe o objeto alvo.
  3. Um par estéreo estima as coordenadas; com uma única câmera, é retornado um resultado mono explicitamente rotulado.
  4. O resultado e o estado dos sensores ficam disponíveis para o operador ou para o circuito autônomo.
Validação do protótipo

O que já foi comprovado em uma corrida real

O risco técnico para o núcleo de percepção já foi mitigado: a precisão da distância, a seleção correta do alvo e a falha segura em caso de perda de vídeo — requisitos básicos para um piloto em cenários de campo — foram confirmados usando uma câmera em funcionamento.

O protótipo funcional foi aprovado nos testes de bancada.

Não se trata apenas de um conceito ou slides: KPIs mensuráveis em uma única webcam. O próximo passo na Fase 1 é a calibração estéreo e um sistema de precisão reproduzível.

Precisão ±10 см A distância até o objeto coincidiu com a medição de controle — o indicador-chave de desempenho (KPI) de referência para a orientação e aproximação do robô.
Selecionando um alvo Estável A coordenada X muda de sinal ao mover para a esquerda/direita; quando há dois objetos no quadro, o alvo maior é selecionado - comportamento previsível para a missão.
Tolerância a falhas Marcha lenta segura Caso a câmera seja perdida, um modo de segurança é ativado; assim que o fluxo for restabelecido, a operação é retomada sem a necessidade de reiniciar o circuito manualmente.
Para o investidor

O núcleo de detecção e estimativa de posição já está em execução no hardware. Investimentos adicionais estão sendo feitos em calibração estéreo, modelos de alvos e integração com a Camada de Autonomia — e não em tentar descobrir se isso sequer funciona.

Correção sem propósito

Se o objeto sair do campo de visão, o sistema retorna "nenhum alvo", mantém o modo de operação e não entra em um modo de segurança inativo falso - menos paradas falsas no piloto automático.

3

Os sensores aprimoram diferentes partes do sistema.

Estéreo RGB
Duas câmeras calibradas fornecem uma base para triangulação e coordenadas em um sistema comum.
Visão noturna e câmera térmica
Imagens adicionais podem melhorar a observação em condições de crepúsculo e escuridão.
Sensor infravermelho
Serve como um gatilho de presença ou movimento e ajuda a evitar a execução desnecessária de uma análise completa.
telêmetro a laser
É possível especificar a distância até o objeto para o qual o feixe está direcionado.

O suporte à lógica dos sensores é fornecido no núcleo do software. Adaptadores de hardware e testes de campo de sensores adicionais são realizados separadamente.

4

Conectando-se à Camada de Autonomia

O VisionGuard relata o que o sistema vê. A Camada de Autonomia decide como executar a missão.

A conexão pretendida: as coordenadas do alvo e o estado dos sensores são enviados ao circuito robótico, que inicia a etapa da missão, registra os eventos e implementa uma política de recuperação de falhas.

A ponte ROS 2 e a estrutura de simulação da Camada de Autonomia são separadas. A integração com o VisionGuard e a plataforma de física ainda não está completa.

Visualizar Camada de Autonomia
5

Fases de implementação

Fase 1Protótipo e validação básicaAtual

Estado atual: detector mono, estimativa de coordenadas e processamento de perda da câmera; confirmação do maior erro de seleção de alvo e distância de aproximadamente ±10 cm na distância do alvo. Calibração do par estéreo e medição de coordenadas na bancada de testes.

Fase 2Modelos-alvo e circuito sensorial

Configurar modelos intercambiáveis para classes de objetos selecionadas, avaliar a qualidade da detecção e conectar sensores adicionais de acordo com um cenário.

Fase 3Projeto piloto de integração

Transferir coordenadas e eventos para a Camada de Autonomia, testar a missão em simulação e, em seguida, na plataforma robótica selecionada.

Fase 4Testes de campo e escalonamento

Verificar a precisão e a robustez no ambiente alvo, preparar uma implementação repetível para novos locais e tipos de equipamentos.

Estágio atual

Roteiro de protótipos e testes

Fase 1

O protótipo mono funcional passou por verificações básicas de coordenadas, seleção de alvo e recuperação de perda de imagem da câmera. O próximo passo na Fase 1 é um protótipo estéreo calibrado com medições de precisão reproduzíveis.

Convidamos plataformas e parceiros a testar cenários aplicados de visão computacional e robótica.

Discuta o episódio piloto.