Detrás de cualquier sistema de visión artificial hay un paso previo que suele pasar desapercibido, pero que es fundamental: la calibración de la cámara. Aunque cuando pensamos en tecnologías avanzadas imaginamos sistemas complejos con múltiples sensores, en realidad todo comienza con algo mucho más simple: una única cámara intentando interpretar el mundo.
En nuestro trabajo en el Departamento de Ingeniería Mecánica de la Universidad Carlos III de Madrid (UC3M), hemos explorado cómo hacer que esa “mirada monocular” sea más fiable utilizando estadística bayesiana. El objetivo no es solo mejorar la precisión con la que se calibran las cámaras, sino también dotar al sistema de una información adicional muy importante: saber hasta qué punto puede confiar en lo que está midiendo.
Esto es especialmente relevante en situaciones donde no es posible añadir muchos sensores, ya sea por restricciones de espacio, peso o coste. Es el caso, por ejemplo, de los drones, la robótica asistencial o los dispositivos de bajo presupuesto. En estos sistemas, una sola cámara debe ser suficiente para tomar decisiones críticas, por lo que conocer la fiabilidad de su propia percepción se vuelve tan importante como la medida en sí misma.
En definitiva, este trabajo busca que una cámara no solo “vea”, sino que también entienda cuándo está viendo bien y cuándo debería ser más cautelosa.
El método de Zhang y la incertidumbre
El método de Zhang es el procedimiento más utilizado en todo el mundo para calibrar cámaras. Su éxito se debe a su simplicidad y eficacia: basta con mostrar a la cámara un patrón plano, por ejemplo, un tablero de ajedrez, desde distintas posiciones. A partir de esas imágenes, el sistema analiza cómo se proyecta ese patrón en la imagen y reconstruye la geometría interna de la cámara. Así, puede corregir las distorsiones ópticas y hacer que las imágenes digitales representen el mundo real con la mayor fidelidad posible. Por esta razón, se ha convertido en el estándar de la investigación, la robótica y la automoción.
Aunque es un método muy sólido, también incluye una estimación del error asociado a la calibración, conocida como incertidumbre. Esta medida indica hasta qué punto podemos confiar en los resultados obtenidos. El problema es que, para poder calcularla de forma práctica, el método asume que la incertidumbre sigue una forma muy concreta y simétrica, conocida como distribución normal o campana de Gauss. Esta suposición implica que los errores grandes son muy poco probables y que las desviaciones se reparten de manera equilibrada alrededor del valor más probable.
Sin embargo, en la práctica, las condiciones reales no siempre siguen ese comportamiento ideal.
A partir de esta idea surge nuestra pregunta: ¿Qué ocurre si la incertidumbre real no tiene forma de campana?
Para estudiarlo utilizamos una técnica estadística llamada inferencia bayesiana. En lugar de imponer desde el principio cómo debe comportarse la incertidumbre, este enfoque deja que sean las propias imágenes —a través de los puntos del tablero que la cámara detecta— las que guíen el cálculo de los parámetros más probables de la cámara y de la confianza asociada a ellos.
Gracias a este enfoque, no solo obtenemos la mejor calibración posible de la cámara, sino también una idea clara de lo segura que es esa solución. El sistema no ofrece una única respuesta cerrada, sino que también muestra otras posibilidades razonables a partir de lo que se observa en las imágenes. Esto es fundamental en robótica o conducción autónoma, donde no basta con acertar, sino que también es importante saber cuándo el sistema está seguro de lo que ve y cuándo no.
¿Por qué no basta con fusionar sensores?
Para entender por qué es tan importante calibrar bien una cámara, podemos compararla con la vista de una persona.
Hoy en día, los coches autónomos y muchos robots no utilizan únicamente una cámara para observar su entorno. También incorporan otros sensores, como el LiDAR, que utiliza pulsos de luz láser para medir distancias y crear un mapa tridimensional del entorno, o el radar, que emplea ondas de radio para estimar la distancia y la velocidad de los objetos. La combinación de toda esta información recibe el nombre de fusión de sensores.
Sin embargo, añadir más sensores no soluciona automáticamente los problemas. Es como intentar orientarse con unas gafas cuya graduación es incorrecta. Si la vista está desenfocada, el cerebro recibe información equivocada. Aunque el tacto o el oído ayuden a interpretar el entorno, la percepción seguirá siendo menos fiable porque uno de los sentidos está proporcionando datos erróneos.
Con las cámaras ocurre exactamente lo mismo. Si una cámara no está bien calibrada, las imágenes que proporciona contienen pequeños errores sobre la posición o la forma de los objetos. Además, no basta con ver el objeto: también es importante saber qué grado de confianza tenemos en lo que estamos viendo. Es parecido a cuando una persona lleva unas gafas con una graduación poco adecuada. Puede creer que está viendo un objeto con claridad, pero si sabe que su visión no es del todo fiable, actuará con más cautela.
Esa medida de cuánto puede confiar el sistema en lo que “ve” es lo que se conoce como incertidumbre.
Por ello, antes de combinar distintos sensores, es fundamental que cada uno de ellos funcione de la forma más precisa posible. Una buena calibración de la cámara es el primer paso para que el resto del sistema pueda interpretar correctamente el mundo que lo rodea.
Aplicaciones: de la industria a la seguridad vial
Mejorar la calibración de cámaras y la forma en que se gestiona la incertidumbre no es solo un problema teórico: tiene efectos muy concretos en muchas aplicaciones reales.
En la industria, por ejemplo, la visión por cámara se utiliza para inspeccionar piezas y productos en líneas de producción. En estos entornos, pequeños errores pueden marcar la diferencia entre una pieza válida y otra defectuosa. Una calibración más precisa, junto con una mejor estimación de la fiabilidad de las mediciones, hace que estos sistemas sean más consistentes y reduce la probabilidad de decisiones equivocadas.
En robótica, estas mejoras permiten que los sistemas se muevan y actúen en entornos complejos y cambiantes. A diferencia de un entorno controlado como una fábrica, aquí no todo está perfectamente ordenado, por lo que es importante que el sistema no solo “vea” lo que tiene delante, sino que también sepa cuándo su percepción es fiable y cuándo puede estar cometiendo errores.
El impacto es aún mayor en el ámbito de la movilidad. Los sistemas de asistencia a la conducción y los vehículos autónomos combinan cámaras con otros sensores, como radares o LiDAR, para detectar objetos, estimar distancias y anticipar posibles riesgos. En este contexto, no basta con identificar correctamente lo que ocurre en la carretera: también es crucial saber cuánta confianza se puede depositar en cada medición para tomar decisiones más seguras.
En conjunto, estos avances permiten que los sistemas de visión no solo interpreten el mundo, sino que también sean conscientes de las limitaciones de su propia percepción. Esta capacidad abre la puerta a tecnologías más seguras y fiables en ámbitos donde los errores no son una opción.
