{"id":29204,"date":"2025-07-07T02:00:03","date_gmt":"2025-07-07T02:00:03","guid":{"rendered":"https:\/\/domosistemas.com\/?p=29204"},"modified":"2025-07-07T02:00:03","modified_gmt":"2025-07-07T02:00:03","slug":"identificacion-de-objetos-ocultos-mediante-el-uso-de-senales-de-ondas-milimetricas","status":"publish","type":"post","link":"https:\/\/domosistemas.com\/?p=29204","title":{"rendered":"Identificaci\u00f3n de objetos ocultos mediante el uso de se\u00f1ales de ondas milim\u00e9tricas"},"content":{"rendered":"
\n

Un grupo de investigadores del Instituto Tecnol\u00f3gico de Massachusetts (MIT<\/a>) ha presentado una innovadora t\u00e9cnica de im\u00e1genes para ver lo que hay dentro de una caja de cart\u00f3n o un compartimento de pl\u00e1stico, incluso cuando los objetos est\u00e1n cubiertos por materiales de embalaje. La t\u00e9cnica llamada mmNorm utiliza las se\u00f1ales de ondas milim\u00e9tricas (mmWave) para generar la imagen del objeto oculto. Esta innovaci\u00f3n podr\u00eda aplicarse en la seguridad de los aeropuertos, hogares e incluso en residencias de ancianos.<\/p>\n

\"Reconocimiento
mmNorm reconstruye la forma del objeto oculto mediante el an\u00e1lisis de las ondas mmWave que se reflejan en el objeto.<\/figcaption><\/figure>\n

Las ondas mmWave son similares a las empleadas por el wifi, pero poseen la caracter\u00edstica de atravesar materiales donde la luz visible no llega. Esto permite que el sistema recoja reflejos procedentes de objetos que no est\u00e1n a la vista. mmNorm analiza esas se\u00f1ales y, a trav\u00e9s de un algoritmo especializado, obtiene estimaciones detalladas sobre la forma de la superficie de cada objeto escondido.<\/p>\n

Una de las principales ventajas del nuevo m\u00e9todo es su precisi\u00f3n. En pruebas con diferentes objetos de uso diario, la reconstrucci\u00f3n atendi\u00f3 al 96% de las partes de la superficie, superando con creces a otras metodolog\u00edas que solo lograban un 78%. Adem\u00e1s, ofrece esta capacidad sin requerir mayor ancho de banda, lo que facilita su uso en ambientes industriales, log\u00edsticos o incluso en hogares.<\/p>\n

Reconstrucci\u00f3n 3D del objeto oculto<\/h2>\n

Los investigadores crearon un prototipo mmNorm conectando un radar a un brazo rob\u00f3tico, que toma mediciones continuamente mientras se mueve alrededor de un objeto oculto. El sistema compara la intensidad de las se\u00f1ales que recibe en diferentes puntos para estimar la curvatura de la superficie del objeto.<\/p>\n

Por ejemplo, la antena recibir\u00e1 los reflejos m\u00e1s fuertes de una superficie apuntada directamente hacia ella y se\u00f1ales m\u00e1s d\u00e9biles de superficies que no est\u00e9n orientadas directamente hacia la antena. Debido a que varias antenas en el radar reciben cierta cantidad de reflexi\u00f3n, cada antena \u2018vota\u2019 sobre la direcci\u00f3n de la normal a la superficie en funci\u00f3n de la intensidad de la se\u00f1al que recibe.<\/p>\n

mmNorm estima la normal de la superficie desde todos los puntos del espacio, generando numerosas superficies posibles. Para encontrar la correcta, los investigadores adoptaron t\u00e9cnicas de gr\u00e1ficos por computadora y crearon una funci\u00f3n 3D que selecciona la superficie m\u00e1s representativa de las se\u00f1ales recibidas. Utilizan esto para generar una reconstrucci\u00f3n 3D final.<\/p>\n

Menos errores en la reconstrucci\u00f3n<\/h2>\n

El equipo prob\u00f3 la capacidad de mmNorm para reconstruir m\u00e1s de 60 objetos con formas complejas, como el asa y la curva de una taza. Gener\u00f3 reconstrucciones con un 40% menos de error que los m\u00e9todos m\u00e1s modernos, a la vez que estim\u00f3 la posici\u00f3n de un objeto con mayor precisi\u00f3n.<\/p>\n

\n
\n