diseÑo e implementaciÓn de interfaz cerebro …
TRANSCRIPT
UNIVERSIDAD NACIONAL DE SAN AGUSTÍN
FACULTAD DE INGENIERÍA DE PRODUCCIÓN Y SERVICIOS
ESCUELA PROFESIONAL DE INGENIERÍA ELECTRÓNICA
DISEÑO E IMPLEMENTACIÓN DE INTERFAZ CEREBRO-COMPUTACIONAL
PARA EL CONTROL DE VUELO DE VEHÍCULO AÉREO NO TRIPULADO
USANDO SEÑALES CEREBRALES A TRAVÉS DE HEADSET
ELECTROENCEFALÓGRAFO
Tesis presentada por el Bachiller:
MARCO ANTONIO MAMANI MUSAJA
Para optar el Título Profesional de:
INGENIERO ELECTRÓNICO
Asesor de Tesis:
DR. PABLO RAÚL YANYACHI ACO-CARDENAS
AREQUIPA-PERÚ
2018
1
DEDICATORIA:
A toda mi familia por su apoyo incondicional.
2
AGRADECIMIENTOS:
A la Universidad Nacional de San Agustín de Arequipa, UNSA Investiga por el
financiamiento de la tesis.
3
RESUMEN
El trabajo a continuación desarrollado presenta el diseño e implementación de una
Interfaz Cerebro Computacional(BCI) que permita controlar el vuelo de un Vehículo
Aéreo No Tripulado(Drone) utilizando señales electroencefalográficas(EEG), adquiridas
de un usuario a través del Headset Emotiv Insight.
Este Headset cuenta con 5 sensores EEG y 2 sensores de referencia que ofrece una alta
resolución espacial y proporciona información sobre la actividad cerebral.
La BCI y la interface de Vuelo se realizaron gracias a los Kit de Desarrollo de
Software(SDK) de los fabricantes (Emotiv y Parrot respectivamente) utilizando el
lenguaje de programación Java en el entorno de desarrollo de Android Studio. De esta
manera la BCI puede adquirir e interpretar las señales cerebrales que se convierten en
comandos de acción, los cuales son interpretados y enviados como señales de control
de vuelo al Drone.
Para validar la investigación se hace necesario realizar pruebas de funcionamiento por
parte de un grupo de usuarios, quienes verificarán y probarán la funcionalidad del
proyecto implementado.
De esta manera se pretende demostrar que los sistemas BCI no necesariamente se
limitan a un enfoque médico, sino que también se pueden aplicar a enfoques no médicos
como el Control de Vuelo de Vehículos Aéreos no Tripulados.
La importancia de este trabajo radica en proponer nuevos mecanismos de control
electrónico por medio de comandos mentales siguiendo métodos y algoritmos ya
definidos.
Si bien el objeto de control del presente proyecto son los drones, se pueden considerar
otros objetos de control que tengan beneficios específicos en las personas, tales son el
control de prótesis en el ámbito médico, el entrenamiento de pilotos en el ámbito
aeroespacial, el tratamiento de enfermedades mentales y muchas más.
Palabras Claves: Interfaz, Cerebro, Computacional, Emotiv, Insight, Parrot, Bepop.
4
ABSTRACT
The future work developed presents the design and implementation of a Computational
Brain Interface (BCI) that allows controlling the flight of an Unmanned Aerial Vehicle
(Drone) using electroencephalographic (EEG) signals, acquired through the Emotiv
Insight Headset.
This headset has 5 EEG sensors and 2 reference sensors that offers high spatial
resolution and provides information about brain activity.
The BCI and the Flight interface were made thanks to the Software Development Kit
(SDK) of the manufacturers (Emotiv and Parrot respectively) using the Java programming
language in the development environment of Android Studio. In this way, the BCI can
acquire and interpret the brain signals that become action commands, which are
interpreted and sent as control signals to the Drone.
To validate the research, it is necessary to perform functional tests by a group of users,
who verify and test the functionality of the implemented project.
In this way, it is intended to demonstrate that BCI systems are not necessarily limited to
a medical approach, but can also be applied to other methods such as Flight Control of
Unmanned Aerial Vehicles.
The importance of this work lies in proposing new mechanisms of electronic control by
means of mental commands following methods and algorithms already defined.
Although the control object of the project is the son of the drones, other control objects
can be used that have specific benefits in people, the stories are the control of the
prosthesis in the medical field, the training of pilots in the aerospace field, the treatment
of mental illnesses and many more.
Keywords: Interface, Brain, Computational, Emotiv, Insight, Parrot, Bepop.
5
CONTENIDO
CAPÍTULO I: METODOLOGÍA DE LA INVESTIGACIÓN
1.1. Descripción de la Realidad Problemática .......................................................................10
1.2. Delimitaciones y Definición del Problema ......................................................................10
1.2.1. Delimitaciones ........................................................................................................10
1.2.2. Definición del Problema .........................................................................................11
1.3. Formulación del Problema .............................................................................................11
1.4. Objetivo de la Investigación ...........................................................................................11
1.4.1. Objetivo General ....................................................................................................11
1.4.2. Objetivos Específicos ..............................................................................................11
1.5. Hipótesis de la Investigación ..........................................................................................11
1.6. Variables e Indicadores ..................................................................................................12
1.7. Viabilidad de la Investigación .........................................................................................13
1.7.1. Viabilidad Técnica ...................................................................................................13
1.7.2. Viabilidad Operativa ...............................................................................................13
1.7.3. Viabilidad Económica .............................................................................................13
1.8. Justificación e Importancia de la Investigación ..............................................................13
1.8.1. Justificación ............................................................................................................13
1.8.2. Importancia ............................................................................................................13
1.9. Limitaciones de la Investigación .....................................................................................13
1.10. Tipo y Nivel de la Investigación ..................................................................................14
1.10.1. Tipo de Investigación ..............................................................................................14
1.10.2. Nivel de Investigación .............................................................................................14
1.11. Método y Diseño de la Investigación ..........................................................................14
1.11.1. Método de Investigación ........................................................................................14
1.11.2. Diseño de la Investigación ......................................................................................14
1.12. Técnicas e Instrumentos de Recolección de Información ...........................................15
1.12.1. Técnicas ..................................................................................................................15
1.12.2. Instrumentos ..........................................................................................................15
1.13. Cobertura de Estudio ..................................................................................................15
1.13.1. Universo .................................................................................................................15
1.13.2. Muestra ..................................................................................................................15
6
CAPÍTULO II: MARCO TEÓRICO Y ESTADO DEL ARTE
2.1. INTRODUCCIÓN ELECTROENCEFALOGRAFÍA ..................................................................16
2.1.1. Electrogénesis cerebral...........................................................................................17
2.1.2. Ondas de actividad del EEG ....................................................................................18
2.2. TOMA DE DATOS PARA EEG ...........................................................................................19
2.2.1. Tipos de electrodos ................................................................................................19
2.2.2. Sistemas de posicionamiento de electrodos ..........................................................21
2.3. TRATAMIENTO DE LA SEÑAL DEL EEG ............................................................................23
2.4. Sistemas BCI ...................................................................................................................24
2.4.1. Componentes .........................................................................................................25
2.4.2. Aplicaciones ............................................................................................................26
2.5. Emotiv Systems ..............................................................................................................27
2.5.1. Headset ..................................................................................................................27
2.5.2. SDK Emotiv .............................................................................................................28
2.6. INTRODUCCION VEHICULOS AÉREOS NO TRIPULADOS(DRONES) ..................................28
2.7. TIPOS DE DRONES...........................................................................................................29
2.8. APLICACIONES DE DRONES .............................................................................................31
2.9. BEPOP PARROT ...............................................................................................................31
2.9.1. CONTROL ................................................................................................................32
2.9.2. SDK PARROT ...........................................................................................................33
2.10. Proyectos Relacionados ..............................................................................................33
2.10.1. Vuelo de Cuadricóptero controlado con la mente (2013) ......................................33
2.10.2. Proyecto Brainflight (2015) .....................................................................................34
2.10.3. Primera Carrera de Drones Controlados por la Mente (2016) ................................35
2.11. Trabajos Relacionados ................................................................................................36
2.11.1. Trabajo de Investigación – Universidad de Málaga (2011) .....................................36
2.11.2. Tesis de Grado – Universidad Autónoma de México (2013) ...................................36
2.11.3. Artículo de Investigación – Universidad Militar Nueva Granada (2015) .................36
2.11.4. Tesis de Posgrado - Pontificia Universidad Católica del Perú (2017) ......................37
7
CAPÍTULO III: INGENIERÍA DE PROYECTO
3.1. Evaluación y Selección de Equipos .................................................................................38
3.1.1. Evaluación y Selección de Casco EEG ......................................................................38
3.1.2. Evaluación y Selección de Vehículo Aéreo No Tripulado (Dron) .............................40
3.2. Desarrollo de Interfaz de Usuario BCI.............................................................................42
3.2.1. Adquisición de Señales EEG ....................................................................................42
3.2.2. Tratamiento y Procesamiento de Señales EEG .......................................................42
3.2.3. Clasificación de Señales EEG ...................................................................................43
3.2.4. Diseño e implementación de Interfaz Informática de Usuario ...............................43
3.2.5. Análisis de Ejemplos: ..............................................................................................44
3.3. Desarrollo de Sistema de Control de Vuelo ....................................................................47
3.3.1. Análisis de frecuencias de Funcionamiento del Dron .............................................47
3.3.2. Análisis de tipo de control de Vuelo del Dron.........................................................47
3.3.3. Diseño e Implementación de Controlador de Vuelo ...............................................47
3.4. Integración de la Interfaz de Usuario BCI y el Sistema de Control de Vuelo ...................51
3.4.1. Análisis de Integración Casco EEG - Interfaz de Usuario BCI ...................................54
3.4.2. Análisis de Integración Interfaz de Usuario BCI - Drone .........................................55
3.4.3. Calibración y Verificación de Funcionamiento ........................................................56
3.5. Evaluación del Sistema ...................................................................................................58
3.5.1. Elaboración de Pruebas de Funcionamiento Estándar ...........................................58
3.5.2. Evaluación de las pruebas de Funcionamiento Estándar en Voluntarios ................58
3.5.3. Análisis de Resultados ............................................................................................60
3.6. CONCLUSIONES ..............................................................................................................62
3.7. RECOMENDACIONES ......................................................................................................62
3.8. BIBLIOGRAFÍA .................................................................................................................63
3.9. ANEXOS ..........................................................................................................................67
8
ÍNDICE DE FIGURAS
Figura 1. Sección de la corteza parietal mostrando las seis capas histológicas. [6] ...................18
Figura 2. Formas de onda típicas de registro de la actividad de EEG. [13] .................................19
Figura 3. Los electrodos de contacto son incómodos para el paciente. [14] ..............................20
Figura 4. Los electrodos de malla brindan comodidad a los pacientes. [15] ..............................20
Figura 5. Los electrodos quirúrgicos son usados exclusivamente por los neurocirujanos. [16] ..21
Figura 6. Vista de perfil de colocación de electrodos Sistema 10-20. [17] ..................................22
Figura 7. Vista frontal de colocación de electrodos Sistema 10-20. [17] ....................................22
Figura 9. Componentes de un Sistema BCI. [21] .........................................................................25
Figura 16. Headset Emotiv Insight para el desarrollo de aplicaciones. [30] ...............................27
Figura 19. Los drones multirotor son los más populares en la actualidad. [35] .........................30
Figura 25. Drone Bepop del fabricante francés Parrot. [42] .......................................................31
Figura 26. La aplicación FreeFlightPro permite el control del drone vía wifi en dispositivos
móviles. [42] ...............................................................................................................................32
Figura 27. El mando a distancia SkyController permite extender el rango de control de vuelo del
drone. [42] ..................................................................................................................................33
Figura 28. Pruebas de Vuelo de AR Drone en el Gimnasio de la Universidad de Minnesota. [43]
...................................................................................................................................................34
Figura 29. AR Drone atravesando los aros de globos. [43] .........................................................34
Figura 30. Pruebas de Funcionamiento de Proyecto Brainflight. [44] ........................................35
Figura 31. Alumno de la Universidad de Florida pilotando un dron a través de la mente. [45] ..35
Figura 32. Competencia entre los alumnos de la Universidad de Florida. [45] ...........................36
Figura 33. Conexión entre el Emotiv Headset y el PC. [50] .........................................................43
Figura 34. Pasos a seguir para adquirir y visualizar data del Headset. ......................................44
Figura 35. Diagrama de Flujo del Programa de Ejemplo del Headset Emotiv. ...........................45
Figura 36. Funcionamiento del Programa de Ejemplo en el funcionamiento del Giroscopio......46
Figura 37. Formulario Para Conexión de Headset Emotiv. .........................................................47
Figura 38. La Data capturada por Headset pasa por el Software y Hardware para llegar al
Drone..........................................................................................................................................47
Figura 39. La Data capturada por Headset pasa por el Software y Hardware para llegar al
Drone..........................................................................................................................................48
Figura 40. Interface del Headset en dispositivo móvil. ...............................................................53
Figura 41. Interface del Drone en el dispositivo móvil. ...............................................................54
Figura 42. Integración Casco EEG - Interfaz de Usuario BCI .......................................................54
Figura 43. Casco EEG - Interfaz de Usuario BCI conectada. ........................................................55
Figura 44. Interfaz de Usuario BCI – Drone conectada. ..............................................................55
Figura 45. El usuario se coloca el Headset para conectarse a la Interface. ................................56
Figura 46. Usuario usando comandos mentales para controlar el drone en el Simulador de
drones Sphinx. ............................................................................................................................56
Figura 47. Control de Drone Bepop Parrot en el Simulador Sphinx. ...........................................57
Figura 48. Control del Drone Bepop Parrot en exterior con la Interface BCI desarrollada. .........57
9
ÍNDICE DE TABLAS
Tabla 1. Variables e Indicadores del Proyecto ............................................................................12
Tabla 2. Características Técnicas de Headset Emotiv Insight .....................................................28
Tabla 3. Características Técnicas de Drone Bepop Parrot. .........................................................32
Tabla 4. Dispositivos EEG seleccionados para Comparar ...........................................................38
Tabla 5.Comparación de Características Principales de Dispositivos EEG ..................................39
Tabla 6. Drones seleccionados para Comparar ..........................................................................40
Tabla 7. Comparación de Características Principales de Drones ................................................41
Tabla 8.Señales EEG obtenibles..................................................................................................42
Tabla 9. Suites y Estados de detección que permite el Headset Emotiv. ....................................43
Tabla 10. Conexión entre el Software y el Hardware planteado. ...............................................49
Tabla 11. Pruebas de giro a la Izquierda en la Interface y el Controlador. .................................49
Tabla 12. Pruebas de giro hacia Arriba en la Interface y el Controlador. ...................................50
Tabla 13. Pruebas de giro a la Derecha en la Interface y el Controlador. ...................................50
Tabla 14. Pruebas de giro hacia Abajo en la Interface y el Controlador. ....................................50
Tabla 15. Conectividad del headset por cada usuario en 5 intentos. .........................................58
Tabla 16. Calidad de Contacto de los sensores por cada usuario. ..............................................58
Tabla 17. Entrenamiento por cada usuario en 10 intentos. .......................................................59
Tabla 18. Conectividad del Drone por cada usuario en 5 intentos. ............................................59
Tabla 19. Uso de comandos mentales por cada usuario en 10 intentos. ...................................59
Tabla 20. Uso de comandos mentales (Drone Real) por cada usuario en 10 intentos. ...............59
Tabla 21. Promedio de Conectividad del headset por 5 usuarios. ..............................................60
Tabla 22. Promedio de Calidad de Contacto de Sensores por 5 usuarios. ..................................60
Tabla 23. Promedio de Efectividad de Entrenamiento por 5 usuarios. .......................................60
Tabla 24. Promedio de Conectividad del drone por 5 usuarios. .................................................61
Tabla 25. Promedio de Efectividad de uso de comandos mentales por 5 usuarios.....................61
Tabla 26. Promedio de Efectividad de uso de comandos mentales en el usuario 4. ...................61
10
1. CAPITULO I
DESCRIPCIÓN GENERAL
1.1. Descripción de la Realidad Problemática
La Evolución de los sistemas BCI (Interfaz Cerebro Computacional) y los auriculares EEG(Electroencefalógrafo) han fomentado la creación de herramientas tecnológicas al alcance de mayor cantidad de investigadores en diferentes niveles. De hecho, el desarrollo de los sistemas BCI, a lo largo del tiempo, se ha centrado principalmente en la investigación médica, en particular, la relacionada con la ayuda a las personas con discapacidad. [1] Sin embargo, este desarrollo creciente en las tecnologías BCI y EEG han traído consigo innumerables aplicaciones que no se limitan a los temas médicos (Aplicaciones tecnológicas, psicológicas, cognitivas, estudio de mercado, etc.) [1] En tal sentido y teniendo como enfoque el aspecto tecnológico se puede desarrollar Aplicaciones tecnológicas con relevancia actual. Uno de los desarrollos tecnológicos que ha tenido mayor crecimiento en los últimos años es el de los vehículos aéreos no tripulados(Drones). [2] Por lo tanto, al considerar los aspectos anteriormente descritos se puede llevar a cabo una manera de utilizar los Sistemas BCI para una aplicación tecnológica de interés actual como es el vuelo de Vehículos Aéreos no Tripulados.
1.2. Delimitaciones y Definición del Problema
1.2.1. Delimitaciones
a) Delimitación Espacial: El área geográfica que en el que se va a llevar a cabo la investigación es la Región Arequipa.
b) Delimitación Temporal: El período de tiempo estimado para el desarrollo de la investigación se plantea en 12 meses.
c) Delimitación del Universo: Se plantea validar el funcionamiento del sistema a desarrollar, por lo cual se considera la toma de pruebas estándar a 5 usuarios ajenos al proyecto.
d) Delimitación del Contenido: Los puntos clave del tema de investigación se centran en:
Desarrollo de una Interfaz de Usuario BCI
Desarrollo de un Sistema de Control PC-Dron
Integración de la Interfaz de Usuario y el Sistema de Control
Evaluación Final del Sistema en Conjunto
11
1.2.2. Definición del Problema
La problemática principal encontrada es la orientación que se le da a la investigación y desarrollo de sistemas BCI, ya que regularmente el enfoque va a tratamiento médico. Esta es una ventana abierta para un desarrollo de los mismos sistemas BCI, pero orientados a un enfoque tecnológico. [1] En la descripción de la realidad problemática, se indicaron los aspectos a considerar para el desarrollo de aplicaciones tecnológicas (Vuelo de Vehículos Aéreos No Tripulados para este caso). Por tal motivo este trabajo une la investigación en los Sistemas BCI al control de Vuelo de Vehículos Aéreos no Tripulados mediante dispositivos tecnológicos ya existentes.
1.3. Formulación del Problema
Como respuesta a la situación actual en la que los sistemas BCI tienen un enfoque médico, se requiere la aplicación de sistemas BCI en enfoques no médicos como el Control de Vuelo de Vehículos Aéreos no Tripulados. Para lo cual se requiere evaluar y seleccionar los equipos tecnológicos a usar, las herramientas de software y hardware, teniendo en cuenta las etapas de diseño e implementación necesarias para el Sistema BCI de la aplicación planteada.
1.4. Objetivo de la Investigación
1.4.1. Objetivo General
El objetivo principal de este proyecto es el diseñar e implementar una interfaz cerebro-computacional(BCI), empleando el procesamiento de señales cerebrales, para el control de vuelo de un dron usando un Headset Electroencefalógrafo(EEG).
1.4.2. Objetivos Específicos
Diseñar e implementar una interfaz cerebro-computacional (Conexión Headset EEG - PC).
Diseñar e implementar de un Sistema de Control de Vuelo(PC-Dron).
Integrar la interfaz Cerebro Computacional con el Sistema de Control de Vuelo.
Evaluar y validar el Sistema Integrado desarrollado. 1.5. Hipótesis de la Investigación
• Se pretende determinar si es conveniente el uso de sistemas de control mental de acuerdo a sus tiempos de respuesta, comodidad, facilidad de uso, tiempo de uso, fatiga y/o cansancio en los sujetos de prueba. • Se proyecta conocer si el diseño e implementación una interfaz cerebro-computacional(BCI) puede ser simplificable utilizando sistemas secuenciales de algoritmos.
12
• Se desea conocer si las ondas cerebrales concernientes a la concentración son de mayor utilidad para el control mental de los vehículos aéreos no Tripulados. • Se da como supuesto que el control mental de objetos se va facilitando de acuerdo al entrenamiento que realicen los sujetos de prueba. • Se asume que las ondas cerebrales varían de acuerdo a cada persona pero que tienen formas de ondas con características en común independientemente de la persona a la cual se esté analizando.
1.6. Variables e Indicadores
Las variables e indicadores del proyecto se han dividido en base a los 5 objetivos que se
muestran a continuación en la Tabla 1.
Tabla 1. Variables e Indicadores del Proyecto
Objetivo General Desarrollo de Aplicaciones Tecnológicas e Innovadoras en base a Sistemas Cerebro Computacionales (BCI)
Objetivos Variables Indicadores
Evaluación y Selección de Equipos
Evaluación y Selección de Casco EEG
Evaluación y Selección de Vehículo Aéreo No Tripulado (Dron)
01 Informe de las características técnicas y especificaciones de los equipos seleccionados.
Desarrollo de Interfaz de Usuario BCI
Adquisición de Señales EEG
Tratamiento y Procesamiento de Señales EEG
Clasificación de Señales EEG
Diseño e implementación de Interfaz Informática de Usuario
01 Informe de determinación de características principales de las Señales EEG
01 informe del diseño e implementación de Interfaz Informática de usuario en base a las características de las Señales EEG
Desarrollo de Sistema de Control de Vuelo
Análisis de frecuencias de Funcionamiento del Dron
Análisis de tipo de control de Vuelo del Dron
Diseño e Implementación de Controlador de Vuelo
01 Informe de determinación de las características de funcionamiento del dron
01 Informe del diseño e implementación del controlador de vuelo en base a las características de funcionamiento del dron.
Integración de la Interfaz de Usuario BCI y el Sistema de Control de Vuelo
Análisis de Integración Casco EEG - Interfaz de Usuario BCI
Análisis de Integración Interfaz de Usuario BCI - Controlador de Vuelo
Calibración y Verificación de Funcionamiento
01 Informe del análisis de integración Casco EEG - Interfaz de Usuario BCI - Controlador de Vuelo.
Evaluación del Sistema
Elaboración de Pruebas de Funcionamiento Estándar
Evaluación de las pruebas de Funcionamiento Estándar en Voluntarios
Análisis de Resultados
01 Informe de la Evaluación y análisis de resultados del Sistema Integrado.
13
1.7. Viabilidad de la Investigación
1.7.1. Viabilidad Técnica
Existe el equipamiento necesario para llevar a cabo el presente trabajo de investigación y existen facilidades para acceder a este tipo de equipamiento por lo que la viabilidad técnica es factible.
1.7.2. Viabilidad Operativa
La viabilidad operativa se basará en la facilidad de uso que presente la interfaz desarrollada y a la facilidad de control que se pueda conseguir en el desarrollo de la investigación, por lo que se plantea una interfaz amigable práctica.
1.7.3. Viabilidad Económica
Si bien el equipamiento tecnológico necesario para llevar a cabo el trabajo de investigación tiene costos medios, se consideran como imprescindibles para poder ejecutar el proyecto.
1.8. Justificación e Importancia de la Investigación
1.8.1. Justificación
El proyecto trata del desarrollo de sistemas BCI enfocados no solo a personas con alguna discapacidad física, sino también en personas sin este tipo de condicionante. Una de las razones que conllevan a realizar este trabajo es promover, fomentar y estar a la vanguardia en los temas de investigación actuales, y la investigación de los dispositivos de control mental es un tema que tiene vigencia en la actualidad. Se plantea la realización del presente trabajo de tesis de grado de forma personal para optar por el título profesional de Ingeniería Electrónica.
1.8.2. Importancia
Este trabajo propone nuevo mecanismo de control electrónico por medio de comandos mentales siguiendo métodos y algoritmos ya definidos. Si bien el objeto de control del presente proyecto son los drones, se pueden considerar otros objetos de control que tengan beneficios específicos en las personas, tales son el control de prótesis en el ámbito médico, el entrenamiento de pilotos en el ámbito aeroespacial y tratamiento de enfermedades mentales y muchas más. Por lo que este trabajo deja una puerta abierta al desarrollo de estas aplicaciones.
1.9. Limitaciones de la Investigación
Una de las principales limitaciones de esta investigación es la falta de información y/o acceso a ella debido a que en el ámbito local no se han desarrollado trabajos similares. Otra limitación a considerar sería la dificultad para conseguir las
14
herramientas tecnológicas necesarias para la investigación. Sin embargo, a pesar de las posibles limitaciones existentes es posible llevar a cabo el presente proyecto de investigación.
1.10. Tipo y Nivel de la Investigación
1.10.1. Tipo de Investigación
El tipo de Investigación asociada al presente trabajo es la Explicativa-Experimental ya que los resultados y conclusiones constituirán en un nivel más profundo de conocimientos.
1.10.2. Nivel de Investigación
El nivel de Investigación propuesto es el Integrativo ya que se llevarán a cabo los preceptos de Modificar, Confirmar y Evaluar que son parte de la Investigación Integrativa.
1.11. Método y Diseño de la Investigación
1.11.1. Método de Investigación
La metodología que se pretende seguir para la elaboración de este trabajo está relacionada a los productos de ingeniería. Ya que la intención de este trabajo no es desarrollar un producto comercializable, sino más bien un prototipo de sistema BCI que permita el control de un dron con diferentes sujetos de prueba. Dicha interfaz constara de elementos hardware y software y por ello, la metodología a seguir para su desarrollo será una metodología de ingeniería con enfoque experimental.
1.11.2. Diseño de la Investigación
El diseño de la Investigación partirá en base al siguiente plan Experimental:
a) Evaluación y Selección de Equipos La selección de los equipos a utilizar en el proyecto se centra principalmente en la elección del Headset EEG como entrada de señales cerebrales al sistema BCI y la elección del dron a controlar como salida del sistema BCI.
b) Desarrollo de Interfaz de Usuario BCI Para este trabajo el desarrollo de la interfaz cerebro-computadora es de vital importancia pues relaciona a la persona con el ordenador y al ordenador con el dron, dicha interacción es trascendental, por lo que su desarrollo estara sujeta al proceso cíclico de diseño, desarrollo y evaluación. El desarrollo del sistema BCI está orientado al software.
15
c) Desarrollo del Sistema de Control de Vuelo El desarrollo de sistema de control supone la parte física, es decir el hardware adicional que sera necesario para finalmente poder controlar al dron a través del sistema BCI. d) Integración de la Interfaz de Usuario BCI y el Sistema de Control de
Vuelo Esta parte constituye una de las fases finales donde se unirán el software y el hardware del proyecto verificando si cumple con su funcionamiento adecuado. e) Evaluación del Sistema Para poder definir si el sistema final funciona de manera adecuada y para poder determinar si las hipótesis y supuestos son correctos se debe realizar la evaluación del sistema, por lo que se hace necesario recurrir a sujetos de prueba que puedan validar los resultados del proyecto.
1.12. Técnicas e Instrumentos de Recolección de Información
1.12.1. Técnicas
La principal técnica de recolección de información es la observación directa mediante el análisis de muestras que puedan otorgar los equipos a utilizar.
1.12.2. Instrumentos
El principal instrumento de recolección de información es el bibliográfico, se tomarán en cuenta papers, artículos, publicaciones, libros, etc. Como también el registro de funcionamiento que existe en videos y ejemplos prácticos existentes
1.13. Cobertura de Estudio
1.13.1. Universo
Se plantea una población de 5 personas ajenas al proyecto que probarán el sistema a desarrollar en la investigación.
1.13.2. Muestra
Concretamente se determinará el análisis de resultados a la toma 5 tipos de pruebas de funcionamiento para la evaluación del sistema para cada persona que probará el sistema.
16
2. CAPITULO II
MARCO TEÓRICO Y ESTADO DEL ARTE
2.1. INTRODUCCIÓN ELECTROENCEFALOGRAFÍA
La electroencefalografía es una técnica de exploración funcional de la actividad del
sistema nervioso central (SNC) mediante la que se obtiene el registro de la actividad
eléctrica cerebral en tiempo real de manera no invasiva. [3]
Este registro que se denomina electroencefalograma (EEG), representa la actividad
bioeléctrica espontánea generada por las neuronas cerebrales. Está compuesto de
ritmos eléctricos y actividades puntuales que se diferencian por su localización,
frecuencia, periodicidad y propiedades funcionales. [4]
Debido a su capacidad para reflejar tanto la actividad normal y como patológico del
cerebro, el EEG, es una herramienta de gran utilidad para el diagnóstico clínico de
patologías como la epilepsia, encefalopatías o isquemias. [5]
Los primeros indicios en el campo de la electroencefalografía se obtuvieron en 1870,
gracias a los médicos militares ejército prusiano Fritsch y Hitzig, quienes observaron
que al estimular, mediante corriente galvánica, determinadas áreas laterales de
cerebros descubiertos (de algunas de las bajas de la batalla de Sedán) se producían
movimientos en el lado opuesto del cuerpo. [6]
En el año 1875, Richard Caton publicó el primer documento describiendo la actividad
eléctrica espontánea de la corteza cerebral en experimentos llevados a cabo en
animales. [7]
En 1913, Prawdwicz-Neminski registró lo que llamó “electrocerebrograma” de un
perro, siendo el primero en intentar clasificar semejantes observaciones. Hay que
puntualizar, sin embargo, que todos los experimentos se hacían sobre cerebros
descubiertos. Al ser los cambios eléctricos muy pequeños y sin procedimientos de
amplificación, era imposible registrar los impulsos que alcanzaran el exterior del
cráneo. [6]
La aplicación de la electroencefalografía en personas emergió directamente desde
el ámbito de la psiquiatría. [4] Fue, precisamente, el psiquiatra Hans Berger, al crear
el electroencefalógrafo, el primero en demostrar que existía un potencial eléctrico
en el cerebro humano. Berger realizó los primeros registros en 1929. [8]
La invención posterior del primer amplificador para el registro de potenciales
cerebrales, por Toennies [8] solventó los problemas que presentaban la
demostración y representación del potencial en el cerebro humano, consistente en
tomar, medir y registrar potenciales, cuyas oscilaciones se producen en el rango de
microvoltios (μV) debajo de la corteza cerebral. [9]
17
Berger, entre 1924 y 1938, estableció las bases para la aplicación de la
electroencefalografía, siendo el primero en utilizar el término
“electroencefalograma” para describir las variaciones de potenciales eléctricos en el
cerebro de las personas. [4]
Una vez se aceptó el término de ondas cerebrales humanas, el estudio de la actividad
electroencefalográfica quedó asentado. [8] Pero no es hasta 1949 cuando Moruzzi y
Magoun establecen las bases fisiológicas de dichas observaciones. [10]
A partir de 1950, los trabajos sobre el EEG tomaron diferentes caminos. Se diseñaron
nuevos electrodos, se profundizó más en los métodos de análisis de las señales
electroencefalográficas y, en los años 70, se comenzaron a investigar los potenciales
evocados visuales para poder monitorizar enfermedades mentales. [7]
Desde entonces, la historia de las señales del EEG ha estado en continua evolución,
desarrollándose tanto en el ámbito clínico como experimental. [11]
2.1.1. Electrogénesis cerebral
Todo el sistema nervioso tiene capacidad electrogénica, pero para los sistemas
BCI no invasivos, en este caso los basados en el electroencefalograma, se
consideran únicamente la corteza cerebral y las regiones directamente
relacionadas con ellas. [12]
El tejido nervioso presenta como una de sus funciones básicas la capacidad de
generar potenciales eléctricos que son la base de la excitabilidad del organismo.
Para comprender la forma en que se generan estos potenciales es preciso un
conocimiento de la estructura y las conexiones de aquellas partes del cerebro
que los originan. En rigor, todo el sistema nervioso posee capacidad
electrogénica. Sin embargo, para los propósitos del EEG bastará con considerar
la corteza cerebral y las regiones directamente relacionadas con ella. [6]
Histológicamente, la neocorteza está constituida por seis capas celulares:
I: Capa superficial plexiforme de pequeñas células.
II: Capa de células granulares III.
III: Capa de células piramidales.
IV: Capa de células granulares.
V: Capa de células piramidales.
VI: Capa profunda polimorfa.
Las células de las capas III y V son efectoras, mientras que las células de las capas
II y IV son receptoras. Estas capas se muestran a continuación en la Figura 1. [6]
18
Figura 1. Sección de la corteza parietal mostrando las seis capas histológicas. [6]
2.1.2. Ondas de actividad del EEG
Al realizar un registro de la actividad de EEG, se puede identificar una serie de
ondas conocidas como ritmos cerebrales. Presentan dos características que se
definen por su frecuencia y amplitud. [11]
Las ondas registradas en el EEG han sido clasificadas con base en su frecuencia y
son las siguientes: [4]
Beta (β): Son ondas que se registran en un rango de frecuencia de 14 a 26
Hz. Se da en momentos de atención, de pánico o de resolución de problemas.
Están presentes en regiones centrales y frontales, pero también se han
observado en áreas posteriores. [5]
Alfa (α): Las ondas que la componen tienen una frecuencia que oscila entre
8-13 Hz. [5] Son las ondas cerebrales más abundantes y aparecen en estados
de reposo y de ojos cerrados. Predominan en áreas posteriores y en zonas
centrales y anteriores del cerebro. [8]
Theta (θ): Presentan una frecuencia entre 4-7,5 Hz. [5] Se originan en
regiones del tálamo. Juegan un papel importante en la infancia, en estados
de somnolencia y sueño, en fases 1 y 2 de ondas lentas y en la ejecución de
procesos cognitivos. [8]
Delta (δ): Se encuentran en un rango de 0,5 a 4 Hz. Aparecen en los primeros
años de vida y va desapareciendo con el desarrollo del sistema nervioso. En
19
el adulto, las encontramos durante las fases 3 y 4 del sueño de ondas lentas
y en procesos de memorización. [8]
Gamma (γ): Se encuentra en un rango superior a los 30 Hz. Se piensa que
reflejan el mecanismo subyacente de la conciencia. La detección de estos
ritmos puede tomarse como confirmación de algunas enfermedades
cerebrales. [5] Además, se han asociado con procesos de comunicación y
sincronización entre las distintas zonas neuronales durante la realización de
actividades mentales complejas. [8]
Las formas típicas de las ondas cerebrales captadas por los EEG se pueden
apreciar en la Figura 2.
Figura 2. Formas de onda típicas de registro de la actividad de EEG. [13]
2.2. TOMA DE DATOS PARA EEG
Para poder adquirir los potenciales eléctricos obtenidos a partir del EEG se requiere
de la colocación de electrodos, encargados de transformar las corrientes iónicas
procedentes del tejido cerebral en corrientes eléctricas en la superficie craneal.
Estos electrodos se encuentran conectados a un conjunto de canales
independientes, permitiendo la captación y amplificación de la diferencia de
potencial entre los electrodos receptores, y dirigiendo las señales recibidas a un
dispositivo de registro. [4]
2.2.1. Tipos de electrodos
Adheridos: Son pequeños discos metálicos de 5 mm de diámetro. Se
adhieren con pasta conductora y se fijan con colodión que es aislante.
Aplicados correctamente dan resistencias de contacto muy bajas (1-2 kilo
ohmios). [6]
20
De contacto: Consisten en pequeños tubos de plata clorurada roscados a
soportes de plástico. En su extremo de contacto se colocan una almohadilla
que se humedece con solución conductora. Se sujetan al cráneo con bandas
elasticas y se conectan con pinzas de “cocodrilo”. Son de colocación muy
fácil, pero incómodos para el paciente. Por esto no permiten registros de
larga duración. La forma de colocación de los electrodos de contacto puede
apreciarse en la Figura 3. [6]
Figura 3. Los electrodos de contacto son incómodos para el paciente. [14]
En casco de malla: De introducción reciente. Los electrodos están incluidos
en una especie de casco elástico. Existen cascos de diferentes tamaños,
dependiendo de la talla del paciente. Se sujetan con cintas a una banda
torácica. Como características más importantes presentan la comodidad de
colocación, la comodidad para el paciente en registros de larga duración, su
gran inmunidad a los artefactos y la precisión de su colocación, lo que los
hace muy útiles en estudios comparativos, aunque para sacar provecho de
esta característica es precisa una técnica muy depurada. La forma de
colocación de los electrodos de malla puede apreciarse en la Figura 4. [6]
Figura 4. Los electrodos de malla brindan comodidad a los pacientes. [15]
21
De aguja: Su uso es muy limitado; solo se emplea en recién nacidos y en la
unidad de cuidados intensivos. Pueden ser desechables (de un solo uso) o de
uso múltiple. En este caso, su esterilización y manipulación deben ser muy
cuidadosos. Todos los electrodos descritos hasta aquí registran solamente la
convexidad superior de la corteza. Para el estudio de la cara basal del
encéfalo se utilizan electrodos especiales como el faríngeo, el esfenoidal, y el
timpánico. [6]
Quirúrgicos: Se utilizan durante el acto quirúrgico y son manipulados
exclusivamente por el neurocirujano. Pueden ser durales, corticales o
intracerebrales. La forma de colocación de los electrodos quirúrgicos puede
apreciarse en la Figura 5. [6]
Figura 5. Los electrodos quirúrgicos son usados exclusivamente por los neurocirujanos. [16]
2.2.2. Sistemas de posicionamiento de electrodos
Aunque se conocen varios sistemas de posicionamiento, la disposición de los
electrodos en el cuero cabelludo se ajusta a la recomendación, propuesta en
1958 por la Federación Internacional de Sociedades de Electroencefalografía y
Neurofisiología Clínica, denominado sistema “diez-veinte” (10-20) y catalogado
como el método de posicionamiento estándar. [5]
Este sistema se basa en la relación entre la posición de un electrodo y el área
subyacente de la corteza cerebral (Rowan, 2004). Para ello, emplea marcas
craneales que son tomadas como puntos de referencia para la localización de
electrodos. [6]
El 10 hace referencia a que las distancias reales entre electrodos adyacentes son
el 10%, mientras que el 20 se refiere al 20% de la distancia total delantera/trasera
o derecha/izquierda, de manera que la zona que registre cada electrodo sea
comparable entre los registros realizados a diferentes individuos. [8] Con esto se
22
consigue que haya una división del cráneo y que podamos tomar como
referencia algunos puntos para cubrir la totalidad de las regiones cerebrales. [3]
En conjunto, se pueden 19 electrodos superficiales distribuidos por la cabeza y 2
electrodos de referencia en los lóbulos de las orejas, aunque se admite el uso de
muchos más electrodos (32, 64, 128 o más). [6]
Cada sitio posee una letra para identificar el lóbulo y un número para definir la
posición del hemisferio. Por lo tanto, tendríamos la siguiente nomenclatura: F
(frontal), C (central), T (temporal), P (posterior) y O (occipital). Ademas, la “z”
hace mención al electrodo que se coloca en la línea media del cráneo. [3]
Esta configuración de los electrodos colocados en la cabeza puede apreciarse
mejor en la Figura 6 y la Figura 7, donde se muestran la vista de perfil y la vista
frontal respectivamente.
Figura 6. Vista de perfil de colocación de electrodos Sistema 10-20. [17]
Figura 7. Vista frontal de colocación de electrodos Sistema 10-20. [17]
Por otro lado, la presencia de números se utiliza para referirnos a la parte
izquierda de la cabeza si son impares, y a la parte derecha cuando son pares. [8]
23
Para realizar una colocación exacta de los electrodos en EEG, se toman una serie
de puntos como referencia. Primero, “nasión”, situados entre la frente y la nariz;
segundo, el “inión”, que es el punto mas bajo del craneo y el tercero, el “punto
pre-auricular”, situado en las orejas. [6]
Para la colocación de un mayor número de electrodos siguiendo este sistema se
disponen entre los ya existentes a una distancia equidistante entre ellos. [11]
2.3. TRATAMIENTO DE LA SEÑAL DEL EEG
Las señales registradas por el EEG se obtienen a través de registros llevados a cabo
mediante múltiples electrodos colocados sobre la superficie del cuero cabelludo.
Normalmente, estas señales se encuentran sin procesar y aparecen con magnitudes
muy pequeñas. Por ello deben pasar por varias etapas para su depuración debido a
que están contaminadas por ruidos e interferencias de los diferentes artefactos,
tanto artificiales como biológicos, y así poder extraer la información de mayor
relevancia con el estado mental del sujeto en estudio. [8]
Los artefactos son aquellas señales eléctricas no relacionadas con la actividad
eléctrica cerebral. Pueden dividirse en dos categorías: [4]
Biológicos: Tienen que ver con lo relativo al paciente e implican diferentes
señales biológicas como los producidos por el movimiento de los ojos y los
párpados, el latido cardíaco o la actividad muscular, fundamentalmente de la
cara y del cuello.
Técnicos: Son aquellos que provengan del ambiente, especialmente de la señal
eléctrica venidera de la alimentación de la máquina de EEG, electrodos, cables y
demás artilugios.
Para evitar este tipo de interferencias se recurre al procesamiento de la señal del
EEG. El primer paso llevado a cabo para registrar una onda en el
electroencefalograma es emplear unos aparatos conocidos como amplificadores,
encargados de aumentar la amplitud de las ondas eléctricas cerebrales. La señal que
se obtiene a través de cada uno de los canales de registro debe pasar por una serie
de filtros debido a que el rango de información de la señal presenta una frecuencia
predominante entre 1 y 40 Hz. Por los tanto, los primeros filtros que se aplicarán
tendrán ese ancho, lo que contribuirá a eliminar cualquier interferencia por encima
de los 50 Hz de frecuencia. [8]
El segundo paso es aplicar un algoritmo que se limita a eliminar de la señal aquellos
ruidos no deseados provocados por movimientos del paciente. Por otra parte,
cuando se trata de un ruido de origen artificial se emplea un filtro denominado
“Laplaciano” que detecta las diferencias entre los canales individuales por encima
de eventos mayores. Aplica una operación que le resta a la señal de cada electrodo
la media de la señal de sus electrodos vecinos más próximos. [4]
24
Frecuentemente, uno o más de los electrodos producen una salida errónea de
información. Para poder eliminarla ese utiliza un algoritmo de limitación para que
las señales no deseadas no se tomen en consideración. [4]
El tercer y cuarto paso consiste en extraer las características de cada señal. Este paso
se lleva a cabo para tener una primera imagen de la actividad, aplicándole a cada
canal un banco de cuatro filtros pasabanda digitales, que presentan bandas de paso
enfocadas en las ondas alfa, beta, delta y theta, que son las más estudiadas en el
electroencefalograma. [18]
Así llegamos a conseguir una representación más manejable y significativa de la
señal original.
Por último, se requiere el acondicionamiento de la señal obtenida. Se considera la
última etapa analógica previa a su digitalización. Consiste en la conversión de señales
para que sean leídas por un microcontrolador sin ningún impedimento. [18]
En el ordenador se reciben los datos, reconstruyendo las señales originales de cada
región cerebral, debido a que llegan alteradas. Aquí son pasadas por los algoritmos
pertinentes para su filtrado digital, eliminación de otros ruidos y un posterior análisis
para poder visualizar las ondas del EEG en estado original en la pantalla del
ordenador. [11]
2.4. Sistemas BCI
El desarrollo de una interfaz entre el cerebro humano y un sistema artificial, tal como
una computadora, no es un propósito reciente. En los últimos años ha crecido mucho
el interés por lograr este objetivo, siendo una de sus aplicaciones más importantes
en el campo de la medicina y más concretamente en la rehabilitación, contribuyendo
a establecer un canal de comunicación y control para aquellos individuos con
importantes deficiencias en sus funciones motoras. El sistema que permite esto
último es lo que se conoce cono interfaz cerebro-computadora o BCI (Brain-
Computer Interface). [19]
Una interfaz cerebro computadora se basa principalmente en el análisis de las
señales electroencefalográficas (EEG) captadas durante algún tipo de actividad
mental con la finalidad de controlar un componente externo. La actividad EEG
incluye una variedad de diferentes ritmos identificados por su frecuencia,
localización y otros aspectos relacionados con la función cerebral que hacen que la
señal EEG sea extremadamente compleja, sin embargo, numerosos estudios
muestran la capacidad que tienen las personas para controlar algunas características
de dicha actividad EEG. Si se consiguiera aprender rápidamente a controlar estas
características, la señal EEG podría presentar una nueva función cerebral; podría
convertirse en una nueva señal de salida que permitiera trasmitir los deseos de una
persona a un componente externo. [19]
En la actualidad, la mayoría de los grupos de investigación centran sus esfuerzos en
el procesado de la señal y en la clasificación de patrones EEG. Sin embargo, todos
25
coinciden en la importancia de investigar sobre el desarrollo de técnicas de
entrenamiento basadas en técnicas de bioretroalimentación (biofeedback), que
permitan a un sujeto generar de forma fiable un mismo patrón
electroencefalográfico en función de sus deseos. [19]
2.4.1. Componentes
a) Adquisición de la señal. Bloque donde se adquiere la señal, se amplifica y se
le realiza la conversión A/D. Normalmente los sistemas BCI trabajan a tiempo
real, pero opcionalmente también se incluye la posibilidad de registrar la
señal obtenida para un estudio posterior de ésta. [20]
b) Procesado de la señal: En ese bloque se extraen las características de interés
de la señal digitalizada para que el dispositivo sobre el que el usuario está
actuando sea capaz de interpretar sus órdenes. En este bloque se distinguen
3 etapas:
Cancelación de artefactos: Aquí se eliminan los ruidos que provienen de
otras actividades bioeléctricas como los movimientos musculares (estas
actividades se denominan artefactos) que distorsionan la señal. Algunos
dispositivos consideran de utilidad las señales de los artefactos y no
incluyen esta etapa.
Obtención de características: Se traduce la señal de entrada en un vector
de características en relación al fenómeno neurológico asociado a la
señal.
Traducción de características (decodificación): Donde se transforma el
vector de características a una señal de control adecuada para el
dispositivo que se quiere controlar. [20]
c) Aplicación. Es el bloque en el que se recibe la señal de control y realiza las
acciones correspondientes en el dispositivo a través del controlador del
mismo.
d) Configuración: Se permite al usuario definir los parámetros del sistema. [20]
Los componentes de un sistema BCI pueden apreciarse con mayor claridad en el
diagrama de bloques que se muestra en la Figura 8.
Figura 8. Componentes de un Sistema BCI. [20]
26
2.4.2. Aplicaciones
Ya que los sistemas BCI pretenden cubrir las necesidades de personas con grave
discapacidad motora y de comunicación, las aplicaciones habituales son aquellas
que permiten establecer una comunicación, las que ayudan a tener algún tipo de
movilidad, las que posibilitan controlar el entorno, las que sustituyen o
restablecen la actividad motora de alguna parte del cuerpo, y, en general,
aquellas que permiten al usuario cuidarse de sí mismo. A continuación, se
presentan algunos ejemplos de este tipo de aplicaciones. [21]
Selección de letras o símbolos
Estos dispositivos permiten a usuarios discapacitados comunicarse con su
entorno mediante la selección secuencial de símbolos del alfabeto. Este
proceso funciona mediante un sistema que presenta al usuario letras
organizadas en una matriz. Cuando el usuario se fija en una letra, la acción
es registrada por el sistema BCI. [21]
Control Domótico
Los sistemas BCI orientados al control domótico permiten entre otras
cosas controlar la televisión, el video, el aire acondicionado, la apertura y
cierre de puertas. Estas opciones se visualizan en un menú seleccionable
y cuando el usuario ponga su atención en alguna opción del menú, la
acción se detectará y se ejecutará por el sistema BCI. [21]
Movimiento de una Silla de Ruedas
Los sistemas BCI también pueden facilitar a los usuarios tetrapléjicos a
mover una silla de ruedas sin más que pensar en mover sus pies
paralizados. El sistema el usuario se desplaza hacia delante y en ausencia
permanece parado. [21]
Neuroprótesis
En este caso los sistemas BCI invasivos permiten un mayor control de las
prótesis debido a su alta tasa de transferencia de información. Una de las
neuroprótesis más investigadas es el brazo robótico que permite abrir y
cerrar la mano para agarrar y mover objetos, de forma que el usuario
debe imaginar determinados movimientos para realizarlos. [21]
Rehabilitación Neurológica
Además, la tecnología BCI también puede ser muy útil para ayudar a las
personas que presentan desórdenes neurológicos como la hiperactividad
por falta de atención, problemas de memoria, epilepsia o apoplejía. [21]
Sistemas de Juegos y Simuladores Virtuales
Uno de los casos de uso de sistemas BCI en videojuegos más habituales
es el movimiento de un avatar en un entorno virtual. Otro tipo de
videojuegos utiliza la capacidad de relajación o de concentración de los
jugadores e incluso el estado emocional de éstos para conseguir los retos
propuestos o hacer que el videojuego se adapte al jugador. En otros
27
casos, la tecnología BCI se combina con otras, como por ejemplo la
detección de gestos faciales, para crear una experiencia multi-modal.
Creación de Música
Los sistemas BCI que se basan en la detección de estados emocionales
permiten expresar las emociones de los usuarios directamente, por lo
que el usuario puede usar la herramienta para canalizar sus
pensamientos, sentimientos y emociones en la creación de color, música
y arte. [22]
2.5. Emotiv Systems
EMOTIV Systems es una empresa de neuroingeniería formalizada en el año 2003, la
cual desarrollo una revolucionaria interfaz cerebro – computador (BCI) para el
consumo popular. Esta interfaz desarrollada es conocida como EMOTIV EPOC, la cual
consta de un dispositivo inalámbrico (headset) que por medio de múltiples sensores
captura las señales eléctricas producidas por el cerebro para detectar expresiones
faciales, movimiento, sentimientos y pensamientos.
2.5.1. Headset
El headset EMOTIV INSIGHT está compuesto por 5 electrodos de polímero
hidrofilico (no requiere gel de contacto) para la adquisición de señales y con 2
electrodos de referencia. [23]
Estos electrodos se encuentran sujetos a un brazo de plástico que garantizan la
correcta ubicación según el sistema internacional 10–20. Los electrodos operan
a una frecuencia de muestreo de 128-256 sps y poseen un ancho de banda de
0.5Hz a 43Hz. [23]
La forma del headset Emotiv Insight puede apreciarse en la Figura 9.
Figura 9. Headset Emotiv Insight para el desarrollo de aplicaciones. [23]
Adicional a los electrodos, el headset posee un giroscopio compuesto por dos
acelerómetros (ejes X y Y) los cuales registran los movimientos de la cabeza del
sujeto. Se destaca la conexión entre el headset y el PC es inalámbrica. [23]
Las principales características técnicas del headset elegido para este proyecto se
detallan en la Tabla 2.
28
Tabla 2. Características Técnicas de Headset Emotiv Insight Características Compatibilidad
Señales:
5 canales:AF3, AF7, T7, T8, PZ
2 referencias: Proceso mastoideo
izquierdo
Batería:
Batería interna de polímero de litio
de 480mAh, 4 horas de tiempo de
funcionamiento mínimo
Transmisión de Datos:
Bluetooth 4.0 LE
Banda inalámbrica propietaria en
2,4 GHz
Sensores de Movimiento
Sensor de 9 ejes (3x giroscopio, 3x
Acelerómetro, magnetómetro 3x)
Resolución de Señal
Tasa de transmisión de datos:
128 o 256 muestras por segundo
Por canal
Resolución mínima de tensión:
0,51uV bit menos significativo
Respuesta de frecuencia: 0.5-43Hz
PC
Microsoft Windows XP, Windows
Vista, Windows 7, o Windows 8
2GB RAM, 200MB de espacio
disponible.
MAC
MAC OS X (10.5.x, 10.6.x, 10.7.x,
10.8.x, 10.9.x)
2GB RAM, 500Mb de espacio
disponible
LINUX
Ubuntu 12.04 o superior, Fedora 20
2GB RAM, 200MB de espacio
disponible
ANDROID
OS: Android 4.4.3+
iOS
iOS 6, 7, and 9+
2.5.2. SDK Emotiv
El EMOTIV ofrece a los desarrolladores su Kit de Desarrollo de Software (SDK)
que otorgan el control sobre la API del headset al igual que las bibliotecas (.dll)
para el desarrollo de aplicaciones. [24]
Es importante resaltar que actualmente EMOTIV EPOC no cuenta con un módulo
en tiempo real para Matlab, a su vez es posible implementar el SDK para la
captura de las señales EEG. Las plataformas para las que emotiv ofrece soportes
son: Android, C#, C++, Java, Matlab, Objective C, Python y Unity. [24]
El SDK permite comunicación con los auriculares Emotiv, la recepción de datos
preprocesados EEG y acceso al giroscopio, también realiza postprocesamiento y
traduce los resultados de detección de Emotiv en bloques de funciones. [23]
2.6. INTRODUCCION VEHICULOS AÉREOS NO TRIPULADOS(DRONES)
Un vehículo aéreo no tripulado (VANT), o comúnmente Dron, es una aeronave que
vuela sin tripulación. Un dron es un vehículo sin tripulación reutilizable, capaz de
mantener de manera autónoma un nivel de vuelo controlado y sostenido, y
propulsado por un motor de explosión, eléctrico, o de reacción. [25]
El diseño de los drones tiene una amplia variedad de formas, tamaños,
configuraciones y características. Existen dos variantes: los controlados desde una
ubicación remota, y aquellos de vuelo autónomo a partir de planes de vuelo
preprogramados a través de automatización dinámica. [25]
29
Existen drones de usos tanto civiles como comerciales y militares, pero sus orígenes
se remontan a agosto de 1849, los austriacos pusieron en marcha alrededor de
doscientos globos aerostáticos no tripulados armados con bombas sobre la ciudad
de Venecia. Aunque para aquella época no se conocía el término “drone” ellos
entendían las ventajas de usar aparatos voladores no tripulados para cumplir un
objetivo. Los globos no los podían controlar, pero si el tiempo que tardaría en
detonar las bombas mediante un sistema con una batería galvánica con un hilo de
cobre aislado. Los explosivos caían verticalmente tras desinflarse el globo y
explotaban. [26]
Luego de esto la mayoría de historias acerca del desarrollo de drones tiene que ver
con las guerras. Los militares son los primeros en tener las manos sobre este tipo de
tecnologías, al parecer a ningún gobierno le interesa desarrollar proyectos para el
bien de la humanidad, pero si les interesa desarrollar tecnologías que les permitan
tener ventajas en la batalla, es por eso que los militares tienen los recursos y el
tiempo para desarrollar estos proyectos apoyados por sus gobiernos, todo esto es
desarrollado e ideado para oprimir o eliminar a otros, a un “enemigo”,
desafortunadamente ha sido así desde siempre y sólo después de pasar por sus
manos es que éstas tecnologías se van filtrando al sector civil para usos recreativos
o funcionales. [26]
Por otro lado todo el desarrollo no viene de los militares como tal, ellos solo adoptan
invenciones y conceptos de otros genios y los aplican paras sus fines, un ejemplo se
encuentra en la bomba de fusión nuclear, desarrollada por Albert Einstein, entre
otros eventos importantes para el desarrollo de lo que conocemos hoy como drones
esta Nikola Tesla, que el 1 de Septiembre de 1898 muestra por primera vez una
embarcación de radiocontrol en el Madison Square Garden, Nueva York, ante un
público que se quedó impresionado, esta fue la primera vez que se usa un radio para
controlar un objeto a distancia. Podemos ver el primer uso bélico en 1917 con el
primer dron. Durante la Primera Guerra Mundial se utilizaron los primeros drones,
que en realidad eran bombas teledirigidas. En 1937 Los hermanos Walt y Bill Good
inventaron el “Big Guff”, el primer avión RC que consiguió volar. Luego de esto
vinieron los coches RC, los helicópteros y los multirotores, en ese orden. [26]
2.7. TIPOS DE DRONES
La clasificación es muy amplia, pero la primera clasificación podría ser en función del
tipo de alas.
Drones de Alas Fijas: Tienen alas fijas y son similares a un avión.
Drones MultiRotor: Suelen ser cuadricópteros (4 rotores con hélices) aunque los
hay que tienen 6 (hexacópteros) o incluso 8 hélices. Dos hélices giran en el
sentido de las agujas del reloj y las otras dos en el otro sentido, creando así la
fuerza de empuje necesario para llevar al dron hacia arriba. Se pueden mantener
en el mismo sitio sin varias la posición, gracias a sus giroscopios y estabilizadores,
30
lo que es perfecto para sacar fotos y grabar vídeos. Un ejemplo de drone
multirotor se aprecia en la Figura 10. Los drones multirotor son los más populares en la
actualidad. [26]
Figura 10. Los drones multirotor son los más populares en la actualidad. [27]
Según el método de control tenemos:
Autónomo: El drone no necesita de un piloto humano que lo controle desde
tierra. Se guía por sus propios sistemas y sensores integrados.
Monitorizado: En este caso si se necesita la figura de un técnico humano. La
labor de esta persona es proporcionar información y controlar el feedback del
drone. El drone dirige su propio plan de vuelo y el técnico, a pesar de no poder
controlar los mandos directamente, sí puede decidir qué acción llevará a cabo.
Supervisado: Un operador pilota el dron, aunque este puede realizar algunas
tareas autónomamente.
Preprogramado: El dron sigue un plan de vuelo diseñado previamente y no tiene
medios de cambiarlo para adaptarse a posibles cambios.
Controlado remotamente(R/C): El drone es pilotado directamente por un
técnico mediante una consola. [26]
En función de su uso pueden ser:
Drones Militares: son llamados UCAV que procede del inglés Unmanned Combat
Air Vehicle, traducido al español sería vehículos no tripulados de combate aéreo.
Suelen ir armados y con capacidad de bombardeos.
Drones Civiles: son aquellos drones que no tienen uso militar. A su vez pueden
ser de uso comercial (como cartografías, fotografías, vídeos, etc.) y para
Aficionados (Se utilizan como un juguete y suelen tener precios bastantes
económicos.)
Para Uso del Gobierno: Se utilizan para bomberos, fuerzas de rescate, etc. con
el fin de ayudar a las tareas de reconocimiento, rescate, fronterizas e incluso
fiscales. [26]
31
2.8. APLICACIONES DE DRONES
Internet: Distribución de señal gratuita de internet.
Cartografía: Realización de mapas y de modelos de elevaciones del terreno
de alta resolución.
Monitorización de instalaciones: Permite la monitorización de bastas área
de terreno.
Transporte y entrega de mercancías: A inicios del 2017 la compañía Amazon
hizo el primer envío real mediante un dron a un cliente suyo en Reino Unido.
Agricultura: Gestión de cultivos, tanto para el monitoreo como para la
fumigación y riego.
Cine y deportes extremos: Los drones en la industria del cine y cualquier
evento televisado han disminuido los costos en lo que refiere a la obtención
de tomas aéreas.
Servicios Forestales: Seguimiento de las áreas boscosas, control de
incendios.
Búsqueda: rescate y salvamento de personas.
Geología, Hidrología, Topografía, Zoología y Medio Ambiente: Permiten
identificar el estado del terreno de la atmósfera. [26]
2.9. BEPOP PARROT
Cuando se habla de drones uno de los principales fabricantes comerciales es Parrot.
Los franceses llevan ya unos cuantos años lanzando cuadricópteros aéreos y con la
tercera generación de Bebop Drone se plantearon mejorar la experiencia de vuelo y
dar más protagonismo a la cámara con un sistema de estabilización de imagen muy
potente. El drone Bepop Parrot se puede apreciar en la Figura 11, mientras que sus
principales características técnicas se muestran en la Tabla 3. [28]
Figura 11. Drone Bepop del fabricante francés Parrot. [29]
32
Tabla 3. Características Técnicas de Drone Bepop Parrot. Características Compatibilidad
Conectividad
Antenas Wi-Fi: bibanda MIMO
conectados a las bandas 2,4 y 5
GHz.
Estructura
4 motores Brushless
Estructura de ABS reforzada con
fibra de vidrio (15%)
Hélices de tres hojas en
policarbonato
Velocidad
13m/s
Cámara
CMOS 14 Mpx
Batería
Polímero de litio 1200 mAh
Tiempo de vuelo: 22 minutos con 2
pilas incluidas
Sensores
Magnetómetro de 3 ejes
Giroscopio de 3 ejes
Acelerómetro de 3 ejes
Sensor de ultrasonidos
Sensor de presión
Geolocalización
Medidas y Peso
Sin carcasa: 28x32x3,6 cm
Con carcasa de interior: 33x38x3,6
cm
Con la batería, 400 g desnudo y,
con la carcasa interior, 420 g.
Smartphones y tabletas con iOS,
Android,
ANDROID
OS: Android 4.2+
iOS
iOS 8+
Accesorio
parrot bebop skycontrollerr
2.9.1. CONTROL
El drone Bepop Parrot permite dos modos de control: Por conexión Wifi vía app
de aplicación móvil (Android o ios) y por medio del Parrot Skycontroller,
equipado con una radio Wi-Fi amplificada y 4 antenas de alta ganancia que
amplían el alcance de la Wi-Fi. El Smartphone o la tableta de pilotaje se fija en el
soporte compatible con la mayoría de las tabletas disponibles en el mercado. La
aplicación y el mando a distancia pueden apreciarse en la Figura 12 y en la Figura
13 respectivamente. [29]
Figura 12. La aplicación FreeFlightPro permite el control del drone vía wifi en dispositivos
móviles. [29]
33
Figura 13. El mando a distancia SkyController permite extender el rango de control de vuelo del
drone. [29]
2.9.2. SDK PARROT
El SDK permite conectar, pilotar, recibir transmisión y descargar archivos
multimedia (fotos y videos) y actualizar el dron. Puede ser usado en los diferentes
productos ofrecidos por Parrot como son: Rolling Spider, Cargos, Mambo, Swing,
Jumping Sumo, Jumping Sumo Evos, Bebop Drone, Bebop 2 Power, Disco,
Bluegrass, SkyController y SkyController 2. [29]
Este SDK se escribe principalmente en C, proporciona bibliotecas para sistema
Unix, Android e iOS.También viene con un simulador de drones llamado Sphinx,
que está destinado a probar las aplicaciones desarrolladas antes de volar con el
dron real. [29]
2.10. Proyectos Relacionados
Existen ya un número de significativo de trabajos investigativos realizados
previamente centrados en el desarrollo de sistemas BCI. Entre ellos se puede
destacar a los siguientes:
2.10.1. Vuelo de Cuadricóptero controlado con la mente (2013)
A mediados del año 2013, el grupo de investigación del departamento de
ingeniería biomédica de la Universidad de Minnesota demostraron que, por
primera vez, los humanos son capaces de controlar el vuelo de los robots
voladores utilizando solo sus pensamientos con un casco electroencefalógrafo
no invasivo.
Para este proyecto el cuadricóptero utilizado fue un AR Drone 1.0 y un casco BCI
basado en EEG. El drone contaba con ajustes predefinidos de control y el
operador podría usar el control mental para hacerlo avanzar en diferentes
direcciones (izquierda, derecha, arriba y abajo).
34
Las pruebas de funcionamiento del proyecto se realizaron en el gimnasio de la
misma universidad, y consistía en maniobrar el drone a través de aros armados
de globos con el control mental. Estas pruebas de funcionamiento se muestran
en la Figura 14 y la Figura 15. [30]
. Figura 14. Pruebas de Vuelo de AR Drone en el Gimnasio de la Universidad de Minnesota. [30]
Figura 15. AR Drone atravesando los aros de globos. [30]
2.10.2. Proyecto Brainflight (2015)
El proyecto Brainflight, liderado por los fabricantes de drones Tekever de
Portugal y que cuenta con el apoyo de su ejército, utiliza sistemas de
electroencefalograma (EEG) de alto rendimiento para medir partes específicas
del cerebro que trabajan con "algoritmos especialmente concebidos" para
convertir las señales cerebrales en comandos de drones.
El objetivo del proyecto es adaptar su método de control para aeronaves (tanto
tripulado como remoto). El proyecto pretende beneficiar a toda la comunidad
aeronáutica, desde la aviación ultraligera y general hasta la aviación comercial.
La demostración pública se realizó en un aeródromo en las afueras de Lisboa,
para la demostración el piloto tuvo que entrenarse y realizar el control mental
35
mediante la interface mostrada en la pantalla del computador, así como se
muestra en la Figura 16. [31]
Figura 16. Pruebas de Funcionamiento de Proyecto Brainflight. [31]
2.10.3. Primera Carrera de Drones Controlados por la Mente (2016)
La Universidad de Florida ha celebrado la primera competición del mundo en la
que los pilotos dirigieron los drones utilizando su cerebro. Dieciséis alumnos
desarrollaron una interfaz que conecta el cerebro con un ordenador, de forma
que las ondas cerebrales son las que manejan los drones. Esto ha sido posible
gracias a unos cascos que reciben señales eléctricas del cerebro y llegan al
ordenador, es ahí cuando los participantes deciden si el dron despega, aterriza,
se dirige hacia adelante, hacia atrás o hacia izquierda o derecha. (Algunas
imágenes de la competición se aprecian en la Figura 17 y Figura 18)
Se trata de una prueba piloto que podría extenderse a cualquier otro campo.
Desde coches controlados con el cerebro hasta objetos algo más pequeños. La
Universidad de Florida espera que la interfaz se pueda utilizar con otras
aplicaciones como el control de dispositivos dentro del hogar o el uso de prótesis
a través del pensamiento. [32]
Figura 17. Alumno de la Universidad de Florida pilotando un dron a través de la mente. [32]
36
Figura 18. Competencia entre los alumnos de la Universidad de Florida. [32]
2.11. Trabajos Relacionados
2.11.1. Trabajo de Investigación – Universidad de Málaga (2011)
El proyecto “Control Mental de Vehículos Teledirigidos(CoMVeT)” aborda el estudio del
Emotiv Beta SDK (Kit Beta de Desarrollo Software de Emotiv) y de la API (Interfaces de
programación de aplicaciones) contenida en el mismo para dialogar con el casco Emotiv
Epoc, y como aplicación de este estudio se propone el movimiento mediante control
mental de un vehículo teledirigido.
Para ello fue necesario el desarrollo de una aplicación para que sirviese como vínculo
entre el casco Emotiv utilizado y la interfaz para controlar el mando del vehículo
teledirigido. Finalmente, se desarrolló las comprobaciones de funcionamiento,
validando el diseño y observando que el control mental sea apropiado. [33]
2.11.2. Tesis de Grado – Universidad Autónoma de México (2013)
El trabajo de tesis titulado “Diseño y Desarrollo De Un Sistema Para El Control Mental
De Prótesis Utilizando Una Interfaz Cerebro-Computadora (BCI)” tuvo como objetivo
desarrollar un nuevo sistema de control cerebral al acoplar una Interfaz Cerebro-
Computadora y un prototipo de mano robótica, para ello se hizo uso del casco EEG de
la empresa Emotiv, un prototipo de mano robótica y una interfaz de control desarrollada
por el autor del trabajo. [34]
2.11.3. Artículo de Investigación – Universidad Militar Nueva Granada (2015)
El este artículo de investigación “Control de Móvil Robótico Mediante Interfaz Cerebro
Computador” se presenta una interfaz de control que permite comandar el movimiento
de un robot móvil en función de la captura de señales provenientes del cerebro del
usuario. Dichas señales son adquiridas e interpretadas por medio del dispositivo Emotiv
Epoc, el cual cuenta con 14 sensores tipo electrodo que captan señales
electroencefalográficas (EEG) de alta resolución, que después son enviadas a un equipo
de cómputo para ser procesadas. Se desarrolla una interfaz cerebro-computador(BCI)
basada en el software y SDK del desarrollador del Emotiv mediante la cual se comanda
de forma remota el robot móvil. Se realizan pruebas de funcionalidad con el sensor para
discriminar una intención de desplazamiento por parte de un grupo de prueba y se logra
obtener un sistema eficiente para la manipulación del robot. [35]
37
2.11.4. Tesis de Posgrado - Pontificia Universidad Católica del Perú (2017)
El trabajo de tesis titulado “Influencia de la Retroalimentación Visual en el Control de
una Interfaz Cerebro Computador Mediante Imaginación Motora” desarrolla un sistema
BCI que usa el principio de Imaginación Motora en el cual se comparan y evalúan tres
estrategias de retroalimentación visual: el movimiento de una barra en una pantalla,
animación 3D de manos en una pantalla y el movimiento de manos robóticas. En el
desarrollo de este sistema se contemplan las siguientes etapas: Adquisición de señales,
preprocesamiento de señales, extracción y selección de características, clasificación y
retroalimentación al sujeto. [36]
38
3. CAPITULO III
INGENIERÍA DEL PROYECTO
3.1. Evaluación y Selección de Equipos
3.1.1. Evaluación y Selección de Casco EEG
Entre los dispositivos EEG de uso no médico y de mayor popularidad y aceptación
en el mercado han considerado los siguientes equipos que se muestran en la
Tabla 4, mientras que en la Tabla 5 se muestran las características técnicas de estos
equipos.
Tabla 4. Dispositivos EEG seleccionados para Comparar
EMOTIV EPOC+ EMOTIV INSIGHT
NEUROSKY BRAINLINK NEUROSKY MINDWAVE
En base al análisis de la Tabla 5 se ha decidido elegir como equipo de trabajo al
dispositivo EEG “Emotiv Insight”, ya que ofrece mayor compatibilidad con los
sistemas operativos y variedad de funcionalidades en relación a su precio, por lo
que se convierte en el equipo seleccionado para este proyecto.
39
Tabla 5. Comparación de Características Principales de Dispositivos EEG NOMBRE
COMERCIAL
DESCRIPCIÓN DEL FABRICANTE CARACTERÍSTICAS Nº
ELECTRODOS
REQUERIMIENTOS DEL SISTEMA PRECIO FECHA DE
LANZAMIENTO
FABRICANTE
EMOTIV
EPOC+
El premiado Emotiv EPOC +, es un Headset de
investigación de 14 canales, diseñado para la
investigación práctica y avanzada en el ámbito de
desarrollo de interfaces de control del cerebro (BCI).
Proporciona acceso a datos de EEG crudos, de alta
calidad y de alta densidad con suscripción de
software. Dirigido a investigaciones que aprovechen
las detecciones para las expresiones faciales, las
métricas de rendimiento, estados emocionales y los
comandos mentales.
Diseño sencillo y flexible
Inalámbrico y recargable
Sensores húmedos basados en
solución salina (sin geles pegajosos)
Batería de litio de hasta 12 horas de
uso continuo
Compatible con Windows, OSX,
Linux, Android y iOS
Proporciona acceso a datos Raw EEG
con suscripción de software
Métricas de rendimiento, comandos
mentales y expresiones faciales
14+2
referencias
PC
Microsoft Windows XP, Windows Vista, Windows 7, Windows 8
2GB RAM,200MB de espacio disponible
MAC
MAC OS X (10.5.x, 10.6.x, 10.7.x, 10.8.x, 10.9.x)
2GB RAM, 500Mb de espacio disponible
LINUX
Ubuntu 12.04 o superior, Fedora 20
2GB RAM, 200MB de espacio disponible
ANDROID
OS: Android 4.3.4+
iOS
iOS 6,7, and 9+
$799 Diciembre 2009 Emotiv Systems
EMOTIV
INSIGHT
Emotiv Insight es un auricular móvil EEG de 5 canales
que registra las ondas cerebrales y las traduce en
datos significativos que se pueden entender.
Diseñado para el uso extendido en la investigación de
campo, BCI y casos de uso avanzados de
autoevaluación, Insight cuenta con electrónica
avanzada y está totalmente optimizados para
producir señales limpias y robustas en cualquier
momento y en cualquier lugar.
Diseño ligero, intuitivo y ergonómico
Tecnología de Sensor de Polímero
Hidrofílico - Sin preparación, seguro
y sin geles pegajosos
Conectividad inalámbrica a teléfono,
tablet y PC
4 horas de tiempo mínimo de
funcionamiento de la batería
Compatible con Windows, OSX,
Linux, Android y iOS
Proporciona acceso a datos EEG sin
procesar con suscripción de
software
Métricas de rendimiento, comandos
mentales y expresiones faciales
5+2 referencias PC
Microsoft Windows XP, Windows Vista, Windows 7, o Windows 8
2GB RAM, 200MB de espacio disponible.
MAC
MAC OS X (10.5.x, 10.6.x, 10.7.x, 10.8.x, 10.9.x)
2GB RAM, 500Mb de espacio disponible
LINUX
Ubuntu 12.04 o superior, Fedora 20
2GB RAM, 200MB de espacio disponible
ANDROID
OS: Android 4.4.3+
iOS
iOS 6, 7, and 9+
$299 Agosto 2013 Emotiv Systems
NEUROSKY
BRAINLINK
PRO
BrainLink Pro es un audífono de detección de ondas
cerebrales móvil con divertidas aplicaciones de
entrenamiento cerebral que enseñan a meditar,
enfocarse y entender la mente. Su eso puede ser en
cualquier lugar con un dispositivo iOS o Android y
cuenta con más de 10 aplicaciones disponibles.
+10 aplicaciones gratuitas y
divertidas desde la iTunes App Store,
Android Market o la tienda en línea
de NeuroSky.
Data Reports le ayuda a entender
sus patrones cerebrales.
Detecta ondas cerebrales precisas:
EEG (Alpha, Beta, etc.) y otras
salidas de ondas cerebrales.
2+1referencia PC
Windows XP, Vista y 7
Procesador Intel Core 2 Dúo o equivalente
1 GB de RAM, 1 GB de espacio en disco duro
MAC
Mac OS X 10.6.7 o superior
Cualquier procesador Intel Mac
1 GB de RAM, 1 GB de espacio en disco duro
$199 Junio 2016 NEUROSKY
NEUROSKY
MINDWAVE
Este auricular inalámbrico EEG ofrece décadas de
investigación de laboratorio de tecnología de ondas
cerebrales que se adapta cómodamente a la cabeza.
Este paquete incluye 10 aplicaciones que van desde
diversión y juegos hasta programas educativos que se
centran en matemáticas, memoria y reconocimiento
de patrones.
La versión blanca MindWave del auricular no está
habilitada para Bluetooth. La versión negra de
MindWave Mobile tiene capacidad Bluetooth.
Medidas: Señal cruda, Neurociencia
definida espectro de potencia EEG
(Alpha, Beta, etc.),
Plataformas de soporte: PC / MAC
8 horas de tiempo de
funcionamiento de la batería
1+1referencia PC
Windows XP, Vista y 7
Procesador Intel Core 2 Dúo o equivalente
1 GB de RAM, 1 GB de espacio en disco duro
MAC
Mac OS X 10.6.7 o superior
Cualquier procesador Intel Mac
1 GB de RAM, 1 GB de espacio en disco duro
$79.99 Marzo 2011 NEUROSKY
40
3.1.2. Evaluación y Selección de Vehículo Aéreo No Tripulado (Dron)
Entre los drones de mayor popularidad y aceptación en el mercado han
considerado los siguientes equipos que se muestran en la Tabla 6, mientras que
en la Tabla 7 se muestran las características técnicas de estos equipos.
Tabla 6. Drones seleccionados para Comparar
PHANTOM 4 BEPOP PARROT
AR PARROT SKY HUNTER 2
En base al análisis de la Tabla 7 se ha decidido elegir como equipo de trabajo al
dispositivo “BEPOP PARROT”, ya que ofrece las características necesarias para
desarrollar el trabajo de investigación.
41
Tabla 7. Comparación de Características Principales de Drones NOMBRE
COMERCIAL
DESCRIPCIÓN DEL FABRICANTE CARACTERÍSTICAS PESO Y DIMENSIONES
MODO DE VUELO PRECIO FECHA DE
LANZAMIENTO
FABRICANTE
DJI PHANTOM 4 El DJI Phantom 4 es el dron con cámara más avanzado y
nunca visto hasta el momento que te permite hacer fotos
aéreas profesionales con tu dispositivo Apple o Android.
No solo vuela de forma inteligente, con un solo toque crea
imágenes de seguimiento fácilmente y, además, esquiva
obstáculos de manera autónoma, entre otras funciones.
Sistema de prevención de colisiones: Este revolucionario
sistema es fantástico ya que el dron se protege a sí mismo,
de manera que evitará chocar, cuando lo tengamos
activado, con obstáculos que no veamos, o nos permitirá
decirle que nos siga o que realice un determinado trazado
sin que nos tengamos que preocupar por lo que encuentre
por el camino.
Detecta y esquiva
Control de vuelo táctil
Seguimiento visual
Fácil de pilotar
Imágenes de calidad profesional
Su batería 28 minutos de vuelo
Control por app
7Km de rango
Hasta 72Km/h
1380 g
28.95 x 28.95 x 19.60 cm
Control Remoto +
Wifi
$1499 Noviembre 2016 DJI
BEPOP PARROT El cuadricóptero robusto y ultraligero de Parrot. Equipado
con una cámara de 14 megapíxeles con resolución Full HD
1080p. Disfrute de pilotar en primera persona de la forma
más avanzada gracias al Skycontroller.
Con su App FreeFlight3 puedes controlarlo desde tu
Smartphone o Tablet con vista en primera persona,
además llega a volar hasta a 150 metros de distancia sin
perder conectividad, también cuenta con GPS y un
atractivo diseño.
22 minutos de vuelo
CPU Parrot P7 de dos núcleos
GPU de cuatro núcleos
App de vuelo FreeFlight3 (disponible para
Android, iOS y Windows)
Sensor de flujo óptico de estabilidad vertical
Sensor de presión
400 g
33x38x3,6 cm
Control Remoto +
Wifi
$249 Mayo 2014 Parrot
AR PARROT
Parrot AR.Drone 2.0 ELITE Edition te permite descubrir el
mundo visto desde arriba y compartir instantáneamente
tus fotos y vídeos en las redes sociales. Se pilota de forma
intuitiva con un smartphone o una tableta y te
proporciona, desde el despegue, sensaciones fuera de lo
común.
La interfaz de la aplicación de vuelo es sencilla, con todos
los datos visibles de un golpe. Allí encontramos los
controles físicos simulados en la pantalla.
12 minutos de autonomía
Alcance de 50 metros
Pilotaje con smarthphone o tableta
Acelerómetro
Magnetómetro
Sensor de presión
300g
51.5 x 12.5 x 51.5 cm
Wifi
$187.66 Junio 2010 Parrot
SKY HUNTER 2 El Sky hunter incluye una cámara la cual no es en HD, esta
cámara es manejada por medio del control en donde
encontraremos una rueda con la cual podremos mover la
cámara para arriba y para abajo, las imágenes que
transmite la cámara podremos visualizarla en una pantalla
de 3 pulgadas que se podrá instalar en la parte superior del
control, la cámara incluye una tarjeta Micro SD de 2GB.
Diseño compacto y ligero.
Luces con LED, ideales para volar de noche.
2.4Ghz 4 canales
Cámara en estructura, ángulo de cámara
ajustable. función 360 grados
Marco de protección que impide que las
hélices sean dañadas al chocar contra un
muro.
300g
31 * 31 * 19 cm
Control Remoto
$79.99 Mayo 2015 Lian Sheng
42
3.2. Desarrollo de Interfaz de Usuario BCI
3.2.1. Adquisición de Señales EEG
Para el uso de un sistema electroencefalográfico, la señal obtenida en
microvoltios, debe ser filtrada debido a fuentes de perturbación externas.
Se debe tener en cuenta el poseer un sistema de adquisición robusto, donde sea
permitido utilizarlo en ambientes ruidosos.
Se puede utilizar métodos de filtrado espacial o temporal para la discriminación
de la señal deseada con otras no deseadas.
Para poder adquirir las señales EEG es necesario contar con un equipo
electroencefalográfo, para este caso en particular se seleccionó como equipo
EEG al headset Emotiv Insight.
3.2.2. Tratamiento y Procesamiento de Señales EEG
En cuanto al procesamiento, los métodos utilizados en un sistema BCI son
importantes para reducir la relación señal ruido.
Pero todo procesamiento en este sistema dependerá del manejo de la
interacción entre el usuario y el sistema.
Emotiv procesa las señales EEG capturadas, principalmente las señales
relacionadas a la concentración.
Cabe mencionar que las señales EEG obtenibles pueden ser del tipo: Alfa,
beta,gamma, delta,theta,entre otros. Las características de estas señales se
detallan en la Tabla 8.
Tabla 8.Señales EEG obtenibles.
Tipo Frecuencia(Hz) Voltaje(uV) Región Cerebral Estado
Alfa 8-12 5-10 Occipital,
Parietal
Despierto, relajado
Beta 18-30 2-20 Precentral,
Parietal
Despierto, quieto
Gamma 30-50 2-10 Precentral,
Frontal
Despierto, excitado
Delta 0.5-5 20-200 Variable Profundamente
dormido
Theta 5-7 5-100 Frontal Despierto con
vigilancia reducida
Micra Rolándica Despierto, relajación
motora
Lambda Occipital Despierto, actividad
visual
43
3.2.3. Clasificación de Señales EEG
Emotiv clasifica las señales EEG en 3 suites distintivas: Expresivas, Afectivas y
Cognitivas. Esta clasificación permite detectar diferentes estados que
posteriormente serán utilizados en la aplicación BCI final. Las descripciones de
estas suites pueden verse en la Tabla 9.
Tabla 9. Suites y Estados de detección que permite el Headset Emotiv. Suite Descripción Estados
Expresiva Permite detectar gestos
faciales.
Parpadeo, Guiño a la izquierda, Guiño a
la derecha, Mirar a la izquierda, Mirar a
la derecha, Ceja levantada, fruncir,
sonreír, apretar, risa, sonrisa izquierda,
sonrisa derecha.
Afectiva Permite detectar estados
emocionales del sujeto.
Entusiasmo a corto plazo, Entusiasmo a
largo plazo, Estado de Aburrimiento.
Cognitiva Permite detectar estados
cognitivos a partir de los
pensamientos del sujeto
Neutral, Empujar, Jalar, Elevar, Soltar,
Izquierda, Derecho, Girar a la izquierda,
Gira a la derecha, Girar en sentido
horario, Girar en sentido anti horario,
Girar hacia adelante, Girar hacia atrás,
Desaparecer.
Principalmente el desarrollo de este trabajo estará orientado a los estados de la
suite cognitiva, que serán los comandos mentales a usar y que posteriormente
al desarrollar la interfaz se le asignará un comando de acción específico.
3.2.4. Diseño e implementación de Interfaz Informática de Usuario
Inicialmente para el desarrollo de la interfaz entre el Headset y el PC se hará uso
de las herramientas de desarrollo que ofrece la plataforma de Visual Studio 2015.
La interfaz a desarrollar debe poder establecer una conexión entre el Headset y
la PC mediante el receptor inalámbrico, como se muestra en la Figura 19, de
manera que se pueda obtener la data necesaria para el posterior procesamiento.
Figura 19. Conexión entre el Emotiv Headset y el PC. [37]
El lenguaje de programación a utilizar será C++, debido a que en este lenguaje de
programación cuenta con mayor soporte y gran cantidad de ejemplos para los
desarrolladores de aplicaciones relacionadas a los Headset Emotiv.
44
3.2.5. Análisis de Ejemplos:
Todos los ejemplos que se ofrecen para el desarrollo de aplicaciones están
basados en ventana de línea de comandos, por lo que el principal objetivo es
determinar el funcionamiento de dichos ejemplos e implementarlos en Ventanas
tipo Formulario.
Los tipos de data que el headset genera son principalmente 3:
Comandos Mentales
Detección de Expresiones Faciales
Giroscopio
Para iniciar con este análisis se tomará en cuenta los datos generados por el
giroscopio, ya que son los que ofrecen mayor practicidad en el manejo,
posteriormente se accederá a la data de las Expresiones Faciales y los Comandos
mentales.
Establecer Conexión
El establecimiento de conexión entre el headset y el PC se realiza mediante el
llamado de la función IEE_EngineConnect(), esta función entrega como resultado
un valor afirmativo si se realizó la conexión de manera exitosa, caso contrario el
valor es negativo, para ello es necesario instalar las librerías de programación
que brinda el fabricante.
Adquisición y Visualización de Data
Los pasos que se deben seguir para obtener la data del Headset se muestran en
el esquema mostrado en la Figura 20.
Figura 20. Pasos a seguir para adquirir y visualizar data del Headset.
Para poder determinar las estructuras y funciones que permiten el funcionamiento del programa de ejemplo, es necesario realizar una ingeniería inversa, para lo cual se muestra el diagrama de flujo de la Figura 21, que se obtuvo a partir del análisis del ejemplo ofrecido por el fabricante referente al acceso de la data recogida por el giroscopio.
45
Figura 21. Diagrama de Flujo del Programa de Ejemplo del Headset Emotiv.
El programa de Ejemplo permite la obtención de la data recogida por el
giroscocopio mediante las variaciones de movimiento en los ejes X e Y, teniendo
un punto de referencia inicial, el cual se obtiene calibrando unos segundos el
46
sensor del Headset. Como se muestra en el diagrama de flujo de la Figura 21,
inicialmente el programa carga las librerías que necesita para ejecutarse, una vez
cargadas las librerías se realiza la conexión entre el Headset Emotiv y la PC.
Habiendo conexión entre ambos equipos debe calibrarse el giroscopio para lo
cual el usuario del Headset debe mantenerse quieto por 5 segundos
aproximadamente. Realizada la calibración de manera exitosa se mostrará en
pantalla la data del giroscopio en los ejes X e Y, el bucle continúa para determinar
el estado de conexión del headset Emotiv. Finalmente, el programa de ejemplo
limpia y libera la memoria ocupada.
El funcionamiento del Programa del ejemplo analizado se muestra en la Figura 22.
En la parte izquierda de la imagen se muestran 3 circunferencias (verde, azul y
blanco) y un punto rojo que servirán como referencia para la calibración.
Mientras que en la parte derecha de la imagen se muestran los valores
adquiridos por el giroscopio en los ejes X e Y.
Figura 22. Funcionamiento del Programa de Ejemplo en el funcionamiento del Giroscopio.
Diseño de Formulario Determinado el funcionamiento del programa de ejemplo, se hace necesario replicarlo, pero esta vez con una interfaz completamente gráfica. Por lo que se debe diseñar un formulario de visualización de data. Esto será posible gracias a la plataforma de Visual Studio, que es compatible con el lenguaje de programación utilizado(C++). El formulario diseñado se muestra en la Figura 23 y sus características se describen en la misma imagen. El formulario contiene un botón de conexión y otro de desconexión, cuenta también con etiquetas que permiten ver el estado de conexión y calibración, etiquetas de tiempo de conexión y del estado de la batería del headset, también etiquetas que permiten ver la data del giroscopio. Adicionalmente cuenta con etiquetas que simulan el encendido de led’s en el eje horizontal y vertical respectivamente.
47
Figura 23. Formulario Para Conexión de Headset Emotiv.
3.3. Desarrollo de Sistema de Control de Vuelo
3.3.1. Análisis de frecuencias de Funcionamiento del Dron
Según la información del fabricante el control remoto del drone Bepop Parrot
opera en la frecuencia de los 2.4Ghz, que es la frecuencia estándar de operación
de la mayoría de equipos de radiofrecuencia.
3.3.2. Análisis de tipo de control de Vuelo del Dron
El tipo de vuelo del drone Bepop Parrot es por control remoto por lo que para
lograr una interacción directa con la computadora es necesario modificar dicho
control. Para ello se requiere conocer la cantidad total de botones y palancas del
control para poder ser adaptadas a las señales del PC.
3.3.3. Diseño e Implementación de Controlador de Vuelo
Se desarrolló la interfaz de software inicial para recibir los datos captados por el Headset EEG por medio de la computadora. Ahora lo que se requiere es que a esos datos captados se les asigne una orden de control(movimiento) para poder controlar el Drone. Entonces se puede considerar que el headset EEG se comunica con la PC a través del programa desarrollado y una vez establecidas las ordenes de control, podrán ser transmitidas al drone via hardware por medio de un controlador, como se muestra en la Figura 24.
Figura 24. La Data capturada por Headset pasa por el Software y Hardware para llegar al
Drone.
48
Para poder demostrar que el Headset transmite los datos correctamente a la computadora y los puede redirigir como comandos específicos de control se va a utilizar un controlador de hardware externo. Este controlador recibirá la señal de comando a través de una conexión vía USB a la computadora, los indicadores que demostraran la comunicación seran LED’s genéricos, que se iran encendiendo de acuerdo a la información que reciban.
Figura 25. La Data capturada por Headset pasa por el Software y Hardware para llegar al Drone.
La Figura 25 muestra el procedimiento que se implementará para que el mensaje generado por la interfaz de Computadora realizada pueda ser interpretado por el controlador “Arduino Uno” y encienda los LED’s de acuerdo a cada caso.
PRUEBA DE FUNCIONAMIENTO
Para realizar la prueba de funcionamiento primero se debe conectar el Headset Emotiv Insight al PC y encenderlo, los 2 led’s del receptor usb parpadearan indicando que la conexión se ha establecido (Tabla 10.a). Se procede a conectar el controlador Arduino Uno al PC mediante su cable USB, un led verde se encenderá indicando que la conexión se ha establecido con éxito (Tabla 10.b). Luego se le debe colocar al usuario el Headset Emotiv Insight en la cabeza teniendo en cuenta que los sensores estén correctamente ubicados (Tabla 10.c). Una vez que se han realizado los pasos anteriores se puede arrancar la interfaz de usuario y empezar con las respectivas pruebas (Tabla 10.d). La Tabla 11, Tabla 12, Tabla 13 y Tabla 14 muestras las pruebas de funcionamiento para la detección de comandos direccionales (izquierda, derecha, arriba y abajo). El headset Emotiv Insight detecta los giros que realiza el usuario, estos giros son interpretados por la interfaz de computadora y se envían al controlador Arduino Uno. El controlador carga las órdenes recibidas y las muestra en la matriz de led’s. De esta manera es que se puede enviar acciones de comando que se deseen implementar mediante la Interface computacional y el controlador mostrado.
49
Tabla 10. Conexión entre el Software y el Hardware planteado.
a. Conexión del Headset Emotiv Insight al PC.
b. Conexión del Controlador Arduino Uno al PC.
c. Colocación del Headset Emotiv Insight al Usuario.
d. Arranque de la Interface de Usuario.
Tabla 11. Pruebas de giro a la Izquierda en la Interface y el Controlador.
a. Usuario girando a la Izquierda.
b. Detección de la Interface en el
giro a la Izquierda.
c. Controlador captando el giro a la
Izquierda.
50
Tabla 12. Pruebas de giro hacia Arriba en la Interface y el Controlador.
a. Usuario girando hacia Arriba.
b. Detección de la Interface en el
giro hacia Arriba.
c. Controlador captando el giro
hacia Arriba.
Tabla 13. Pruebas de giro a la Derecha en la Interface y el Controlador.
a. Usuario girando a la Derecha.
b. Detección de la Interface en el
giro a la Derecha.
c. Controlador captando el giro a la
Derecha.
Tabla 14. Pruebas de giro hacia Abajo en la Interface y el Controlador.
a. Usuario girando hacia Abajo.
b. Detección de la Interface en el
giro hacia Abajo.
c. Controlador captando el giro
hacia Abajo.
51
3.4. Integración de la Interfaz de Usuario BCI y el Sistema de Control de Vuelo
Se cuenta con una interfaz inicial de usuario BCI en la PC, mientras que la interfaz
inicial del Drone está hecha en base al controlador arduino Uno. Bajo estas
condiciones se tendría que adquirir y modificar el mando Skycontroller del drone
Bepop Parrot para que pueda integrarse a la PC y a la interface de usuario BCI. Sin
embargo, está opción incrementa los gastos del proyecto, por lo que se puede
considerar otra alternativa más adecuada.
Debido a que tanto el drone como el Headset cuentan con soporte para dispositivos
móviles en sus Kits de Desarrollo de Software, se pueden integrar ambas interfaces
en una sola.
Como ya se tiene conocimiento del funcionamiento de los programas de ejemplo del
Headset Emotiv Insight se tendrá comodidad para desarrollar la interface en una
plataforma móvil. Por practicidad y facilidad de acceso a información y recursos se
opta por la elección del Sistema Android, para el cual es indispensable contar con el
entorno de Android Studio, el cual basa su programación en el lenguaje Java y XML.
El funcionamiento simplificado del uso de la funciones del headset EEG pueden verse
en la Figura 26, mientras que la Figura 27 muestra el funcionamiento simplificado del
drone.
Figura 26. Diagrama de Flujo del Acceso a Suites en Headset EEG.
52
Figura 27. Diagrama de Flujo del Control de Vuelo del Drone.
Teniendo en cuenta la estructura del programa y el funcionamiento secuencial de
los equipos a utilizar se puede construir la interfaz requerida para este trabajo de
manera personalizada. Esta interfaz se plantea como una aplicación integrada donde
existirán 2 formularios principales (1 formulario para el Headset y 1 formulario para
el drone). Ambos formularios requieren permisos de acceso al dispositivo móvil
(Bluetooth para el Headset y Wifi para el drone). Se contempla como clase padre al
formulario del Headset debido a que primero se trabajara con este dispositivo,
mientras que el formulario del Drone se contempla como clase hija, pudiendo usar
las características heredadas de su clase padre. El esquema de la Figura 30 muestra la
idea estructurada de lo que se desea implementar en la aplicación móvil integrada.
Figura 28. Esquema planteado para la elaboración de la Aplicación Móvil Integrada.
53
La interfaz diseñada para el formulario del Headset (ver Figura 29) permitirá utilizar
las suite cognitiva del Headset, lo que hará posible el control mental, en esta interfaz
se muestran las características más importantes del Headset, como son:
• Estado de Conexión
• Tiempo de Conexión
• Estado de Batería
• Estado de Conexión de los Sensores
• Botones de Entrenamiento de Comandos Mentales
Figura 29. Interfaz del Headset en dispositivo móvil.
Para el Drone, el fabricante brinda librerías de programa para Android, en lenguaje
Java. La conexión entre el dispositivo móvil y el Drone se realiza por medio de una
conexión Wifi creada por el mismo drone. La interfaz diseñada(ver Figura 32) permite
el control de vuelo del drone y tiene como características más importantes:
• Estado de Conexión
• Estado de Batería
• Control de Vuelo
• Aterrizaje de Emergencia
54
Figura 30. Interface del Drone en el dispositivo móvil.
3.4.1. Análisis de Integración Casco EEG - Interfaz de Usuario BCI
Ahora que se tienen ambas interfaces desarrolladas independiente, se tienen que
integrar ambas en una sola interfaz funcional. Para ello se agrega una imagen del drone
para visualizar los entrenamientos del headset, adicionalmente se agrega un botón que
da acceso a la pantalla de control del drone(ver Figura 31).
Figura 31. Integración Casco EEG - Interfaz de Usuario BCI
55
Al conectar el headset a la interface, los sensores se marcarán en verde en la pantalla,
indicando una conexión correcta, un color naranja indicará que la conexión es
intermedia, mientras que un color rojo significará que la conexión nula. Mientras el
headset este encendido los mensajes de conexión se mostrarán en pantalla.(Ver Figura
32)
Figura 32. Casco EEG - Interfaz de Usuario BCI conectada.
3.4.2. Análisis de Integración Interfaz de Usuario BCI - Drone
En la interfaz del drone se añade la imagen drone como referencia, un checkbox de
selección de control y un textview para la representación del mensaje recepcionado del
casco al drone.(Ver Figura 33)
Figura 33. Interfaz de Usuario BCI – Drone conectada.
56
3.4.3. Calibración y Verificación de Funcionamiento
Para la verificación de funcionamiento el usuario debe colocarse el headset Emotiv
Insight. Una vez encendido el headset se conectará a la interface en el dispositivo móvil.
El usuario entrena los comandos de acción para controlar el drone.(Ver Figura 34)
Figura 34. El usuario se coloca el Headset para conectarse a la Interface.
Cuando las señales de control ya se han entrenado el usuario puede conectare al
drone(Simulador de Drone). En la interfaz el usuario puede usar los comandos mentales
ya entrenados para controlar el drone.(Ver Figura 34)
Figura 35. Usuario usando comandos mentales para controlar el drone en el Simulador de drones Sphinx.
57
Los comandos mentales de control pueden ser visualizados gracias al simulador de
drones Sphinx, este simulador es brindado por la compañía Parrot como parte de su
SDK, por lo que es de mucha utilidad para los desarrolladores de software al momento
de probar el funcionamiento de drones.(Ver Figura 36)
Figura 36. Control de Drone Bepop Parrot en el Simulador Sphinx.
Una vez simulado el control del drone se puede poner a prueba el funcionamiento del
drone real, así como se muestra en la Figura 37.
Figura 37. Control del Drone Bepop Parrot en exterior con la Interface BCI desarrollada.
58
3.5. Evaluación del Sistema
3.5.1. Elaboración de Pruebas de Funcionamiento Estándar
Prueba de Conectividad Headset
Para la prueba de conectividad del Headset Emotiv con la interface el
usuario debe colocarse el headset y emparejarlo con el dispositivo móvil.
Se verificará si se pudo o no establecerse la conexión.
Prueba de Calidad de Contacto
Para la prueba de calidad de contacto una vez establecida la conexión
entre el headset y el dispositivo móvil, se verificará la calidad de contacto
de los electrodos del headset.
Prueba de Entrenamiento de Comandos Mentales
Para la prueba del entrenamiento de comandos mentales el usuario debe
entrenar los comandos: neutro, adelante, atrás, izquierda, derecha,
arriba y abajo. Se verificará que la señales estén entrenadas.
Prueba de Conectividad Drone
Para la prueba de conectividad del drone se debe emparejar la interface
con el drone. Se verificará si se pudo o no establecer la conexión.
Prueba de uso de Comandos Mentales
Para la prueba del uso de los comandos mentales se verificará en
control del drone el simulador Sphinx.
3.5.2. Evaluación de las pruebas de Funcionamiento Estándar en Voluntarios
Prueba de Conectividad Headset
Los resultados de la prueba de conectividad del headset por cada
usuario en 5 intentos se muestran en la Tabla 15.
Tabla 15. Conectividad del headset por cada usuario en 5 intentos. Usuario1 Usuario2 Usuario3 Usuario4 Usuario5
Conexión
Headset
4/5 5/5 5/5 4/5 5/5
Prueba de Calidad de Contacto
Los resultados de la prueba de calidad de contacto de los sensores por
cada usuario se muestran en la Tabla 16.
Tabla 16. Calidad de Contacto de los sensores por cada usuario. Usuario1 Usuario2 Usuario3 Usuario4 Usuario5
Sensor AF3 SI SI SI SI SI
Sensor AF4 SI SI SI SI SI
Sensor T7 SI SI SI SI SI
Sensor T8 SI SI SI NO SI
Sensor Pz NO NO SI NO SI
Sensores
Conectados 4/5 4/5 5/5 3/5 5/5
59
Prueba de Entrenamiento de Comandos Mentales
Los resultados de la prueba de entrenamiento por cada usuario en 10
intentos se muestran en la Tabla 17.
Tabla 17. Entrenamiento por cada usuario en 10 intentos. Usuario1 Usuario2 Usuario3 Usuario4 Usuario5
Adelante 9/10 8/10 7/10 7/10 5/10
Atrás 7/10 7/10 6/10 8/10 9/10
Izquierda 8/10 9/10 8/10 7/10 7/10
Derecha 8/10 9/10 8/10 9/10 8/10
Arriba 6/10 8/10 9/10 8/10 7/10
Abajo 7/10 5/10 7/10 7/10 6/10
Prueba de Conectividad Drone
Los resultados de la prueba de Conectividad del Drone por cada usuario
en 5 intentos se muestran en la Tabla 18.
Tabla 18. Conectividad del Drone por cada usuario en 5 intentos. Usuario1 Usuario2 Usuario3 Usuario4 Usuario5
Conexión
Drone 3/5 2/5 4/5 3/5 2/5
Prueba de uso de Comandos Mentales(Simulador)
Los resultados de la prueba de Uso de comandos mentales por cada usuario en
10 intentos se muestran en la Tabla 19.
Tabla 19. Uso de comandos mentales por cada usuario en 10 intentos. Usuario1 Usuario2 Usuario3 Usuario4 Usuario5
Adelante 5/10 6/10 6/10 5/10 4/10
Atrás 3/10 4/10 5/10 3/10 5/10
Izquierda 3/10 3/10 2/10 5/10 4/10
Derecha 4/10 2/10 3/10 2/10 3/10
Arriba 2/10 2/10 1/10 3/10 2/10
Abajo 2/10 0/10 0/10 1/10 1/10
Prueba de uso de Comandos Mentales (Drone Real)
Esta prueba final se realizó con solo el usuario 4 por razones de logística
y condiciones ideales de vuelo para el drone.(Ver Tabla 20)
Tabla 20. Uso de comandos mentales (Drone Real) por cada usuario en 10 intentos. Usuario 4
Adelante 5/10
Atrás 3/10
Izquierda 3/10
Derecha 4/10
Arriba 2/10
Abajo 2/10
60
3.5.3. Análisis de Resultados
Resultados de Prueba de Conectividad Headset
Tabla 21. Promedio de Conectividad del headset por 5 usuarios. Usuario1 Usuario2 Usuario3 Usuario4 Usuario5
Conexión
Headset
4/5 5/5 5/5 4/5 5/5
Porcentajes 80% 100% 100% 80% 100%
Promedio (80%+100%+100%+80%+100%)/5=92%
En base a la Tabla 21, la conectividad del Headset Emotiv con la Interface
para los 5 usuarios alcanza un promedio de 92%.
Resultados de Prueba de Calidad de Contacto
Tabla 22. Promedio de Calidad de Contacto de Sensores por 5 usuarios. Usuario1 Usuario2 Usuario3 Usuario4 Usuario5
Sensor AF3 SI SI SI SI SI
Sensor AF4 SI SI SI SI SI
Sensor T7 SI SI SI SI SI
Sensor T8 SI SI SI NO SI
Sensor Pz NO NO SI NO SI
Sensores
Conectados
4/5 4/5 5/5 3/5 5/5
Porcentajes 80% 80% 100% 60% 100%
Promedio (80%+80%+100%+60%+100%)/5=84%
En base a la Tabla 22, la calidad de contacto de los sensores del Headset
es de 84% en promedio para los 5 usuarios.
Resultados Prueba de Entrenamiento de Comandos Mentales
Tabla 23. Promedio de Efectividad de Entrenamiento por 5 usuarios. Usuario1 Usuario2 Usuario3 Usuario4 Usuario5
Adelante 9/10 8/10 7/10 7/10 5/10
Atrás 7/10 7/10 6/10 8/10 9/10
Izquierda 8/10 9/10 8/10 7/10 7/10
Derecha 8/10 9/10 8/10 9/10 8/10
Arriba 6/10 8/10 9/10 8/10 7/10
Abajo 7/10 5/10 7/10 7/10 6/10
Porcentajes 75% 77% 75% 77% 70%
Promedio (75%+77%+75%+77%+70%)/5=75%
En base a la Tabla 23, el promedio de efectividad de entrenamiento de 5
usuarios por 10 intentos es de 75%.
61
Resultados de Prueba de Conectividad Drone
Tabla 24. Promedio de Conectividad del drone por 5 usuarios. Usuario1 Usuario2 Usuario3 Usuario4 Usuario5
Conexión
Drone
3/5 2/5 4/5 3/5 2/5
Porcentajes 60% 40% 80% 60% 40%
Promedio (60%+40%+80%+60%+40%)/5=56%
En base a la Tabla 24, la conectividad del Drone Bepop Parrot con la
Interface para los 5 usuarios alcanza un promedio de 56%.
Resultados de Prueba de uso de Comandos Mentales(Simulador)
Tabla 25. Promedio de Efectividad de uso de comandos mentales por 5 usuarios. Usuario1 Usuario2 Usuario3 Usuario4 Usuario5
Adelante 5/10 6/10 6/10 5/10 4/10
Atrás 3/10 4/10 5/10 3/10 5/10
Izquierda 3/10 3/10 2/10 5/10 4/10
Derecha 4/10 2/10 3/10 2/10 3/10
Arriba 2/10 2/10 1/10 3/10 2/10
Abajo 2/10 0/10 0/10 1/10 1/10
Porcentajes 32% 28% 28% 32% 32%
Promedio (32%+28%+28%+32%+32%)/5=30%
En base a la Tabla 25, el promedio de efectividad de uso de los comandos
mentales de 5 usuarios por 10 intentos es de 30% para el simulador de
drone.
Prueba de uso de Comandos Mentales (Drone Real)
Tabla 26. Promedio de Efectividad de uso de comandos mentales en el usuario 4. Usuario 4 Porcentajes
Adelante 5/10 50%
Atrás 3/10 30%
Izquierda 3/10 30%
Derecha 2/10 20%
Arriba 2/10 20%
Abajo 1/10 10%
Promedio 27%
En base a la Tabla 26, el promedio de efectividad de uso de los comandos
mentales del usuario 4 por 10 intentos es de 27% para el drone real.
62
3.6. CONCLUSIONES
1. Se pudo conseguir el objetivo principal de este proyecto que es diseñar e
implementar una interfaz cerebro-computacional(BCI), empleando el
procesamiento de señales cerebrales, para el control de vuelo de un dron
usando un Headset Electroencefalógrafo(EEG).
2. Se pudo conseguir diseñar e implementar una interfaz cerebro-
computacional (Conexión Headset EEG – Dispositivo móvil) y la interfaz de
vuelo del drone, pudiéndose integrar en una sola inferfaz.
3. Se pudo validar el funcionamiento del sistema con 5 usuarios obteniéndose
una conectividad del headset a la interfaz de 92%, mientras que la
conectividad del drone a la interfaz alcanzó 56%. La calidad de contacto de
los sensores del headset alcanzaron un 84%. La efectividad del
entrenamiento de los comandos mentales alcanzó 75%, mientras que su uso
en el control de vuelo del drone disminuyó a 30%. Estos resultados indican
que el sistema BCI implementado funciona, pero con una tasa de efectividad
baja.
4. Esto se pudo comprobar en el vuelo de drone real donde el usuario 4 obtuvo
una efectividad de 27% en el control de vuelo.
5. El diseño e implementación pudo ser simplificado gracias a que los equipos
utilizados eran compatibles con la plataforma de Android Studio por lo que
integrar sus SDK fue facilitándose a medida que se avanzaba con el proyecto.
6. El aporte que ofrece este trabajo sobre los que ya existen es el uso de
Dispositivos Móviles en el uso de sistemas BCI.
3.7. RECOMENDACIONES
1. Para una mejor discriminación de las Señales, se propone el uso de filtros
en la data sin procesar, es recomendable adquirir la suite SDK de pago del
headset Emotiv, ya que permite acceder a la data sin procesar.
2. Se recomienda agregar algoritmos de aprendizaje y Control Automático
para una mejor detección de los comandos mentales.
3. Se propone realizar el Desarrollo de una App para Android Wear de modo
que la portabilidad del sistema pueda ser aún mayor.
4. En cuanto al vuelo del drone se recomienda realizar las pruebas en
ambientes cerrados para evitar perturbaciones climáticas y distracciones
externas en los usuarios.
63
3.8. BIBLIOGRAFÍA
[1] R. Horneros, R. Corralejo y D. Álvarez, «Fundación General CSIC,» Marzo 2012. [En
línea]. Available: http://www.fgcsic.es/lychnos/es_es/articulos/Brain-Computer-
Interface-aplicado-al-entrenamiento-cognitivo.
[2] «XDRONES,» 2017. [En línea]. Available: http://www.xdrones.es.
[3] M. Teplan, «Fundamentals of EEG measurements,» Measurements sciences review, nº
2, pp. 1-10, 2002.
[4] N. Boutros, S. Galderisi, O. Pogarell y S. Riggio, Standard Electroencephalography in
Clinical Psychiatry: A Practical Handbook, Oxford, UK: John Wiley & Sons, Ltd, 2011.
[5] . S. Taywade y R. Raut, «A Review: EEG signal analysis with different methodologies.,»
National Conference on Innovative Paradigms in Engineering and Techonology, vol. 6,
pp. 29-31, 2012.
[6] R. Barea Navarro, «Campus Virtual FIUNER,» 2007. [En línea]. Available:
http://www.bioingenieria.edu.ar/academica/catedras/bioingenieria2/archivos/apuntes
/tema%205%20-%20electroencefalografia.pdf.
[7] E. Niedermeyer y F. Lopes Da Silva, Electroencephalography: basic principles, clinical
applications, and related fields., Philadelphia, USA.: Lippincott, 2012.
[8] S. Sanei y J. Chambers, EEG Signal Processing, Cardiff, UK: John Wiley & Sons, 2007.
[9] C. Gómez, C. Escera, R. Cilveti, . M. Polo, R. Díaz y M. Portavella, «Localización
neuroeléctrica de procesos cognitivos,» Anuario de Psicología, nº 54, pp. 77-96, 1992.
[10] T. Collura, «History and evolution of electroencephalographic instruments and
techniques,» Journal of Clinical Neurophysiology, nº 10, pp. 476-504, 1993.
[11] J. González Sánchez, «Opera,» Setiembre 2014. [En línea]. Available:
http://opera.eii.us.es/sinergia/public/uploads/sinergia/entregables/2013-2014/G2013-
2014-9/Grupo9Memoria1.pdf.
[12] M. Laura García, «Biblioteca Digital Universidad de Alcalá,» 2017. [En línea]. Available:
https://ebuah.uah.es/dspace/bitstream/handle/10017/30246/TFG%20García%20Marti
n%20Laura%202017.pdf.
[13] K. Momberg, «Reduccion Hipnogástrica,» 16 Diciembre 2014. [En línea]. Available:
https://reduccionhipnogastrica.wordpress.com/2014/12/16/que-son-las-ondas-
cerebrales/.
[14] Right Smith, «FRAMEPOOL,» 2003. [En línea]. Available:
http://footage.framepool.com/es/shot/567482491-electroencefalografia-examen-
electrofisiologico-electrodo-cerebreo.
64
[15] I. Gonzalez, «Neuromarketing.la,» 21 Julio 2017. [En línea]. Available:
http://neuromarketing.la/2017/07/dispositivos-eeg-costo-medir-la-actividad-cerebral/.
[16] iStock, «HospiMedica,» 29 Mayo 2017. [En línea]. Available:
https://www.hospimedica.es/tecnicas-quirurgicas/articles/294769382/nuevo-metodo-
facilita-neurocirugia-para-epilepsia.html.
[17] M. E. Ávila Perona y P. F. Diez, «Universidad Nacional de San Juan,» 2006. [En línea].
Available: http://dea.unsj.edu.ar/bioinstrumentacion2/apunteseeg.pdf.
[18] R. Rodrigues Nunes, I. Chaves, J. Garcia de Alencar, . S. Benevides Franco, Y. Barbosa
Reis de Oliveira y D. De Menezes, «Índice Bispectral y otros parámetros procesados del
electroencefalograma: una actualización,» Revista de Sociedade Brasileira de
Anestesiologia, nº 62, pp. 105-117, 2012.
[19] D. T. E. -. U. D. MÁLAGA, «DIANA Research Group,» 2017. [En línea]. Available:
http://www.diana.uma.es/index.php?option=com_content&task=view&id=284&Itemid
=125.
[20] «Wikipedia,» 15 Junio 2017. [En línea]. Available:
https://es.wikipedia.org/wiki/Interfaz_cerebro-computadora.
[21] O. L. COFA, «Fundación Telefónica,» 26 Febrero 2009. [En línea]. Available:
https://lacofa.fundaciontelefonica.com/2009/02/26/aplicacion-de-los-sistemas-bci/.
[22] L.R., «Diario La República,» 25 Octubre 2014. [En línea]. Available:
http://larepublica.pe/archivo/829590-emotiv-el-poder-de-la-mente.
[23] E. Systems, «EMOTIV Inc.,» 2017. [En línea]. Available:
https://www.emotiv.com/insight/.
[24] A. Reyes Rueda, «Repositorio Institucional - Pontificia Universidad Javeriana,» Julio
2013. [En línea]. Available:
https://repository.javeriana.edu.co/bitstream/handle/10554/13623/ReyesRuedaAngeli
ca2013.pdf.
[25] «Wikipedia La Enciclopedia Libre,» 2017. [En línea]. Available:
https://es.wikipedia.org/wiki/Vehículo_aéreo_no_tripulado.
[26] Joyvel, «JoyPlanes RC,» 15 Febrero 2017. [En línea]. Available:
http://joyplanes.com/historia-drones-rc/.
[27] «Multirotor,» 2015. [En línea]. Available:
https://www.multirotor.net/en/applications/surveying.
[28] J. C. González, «Xataka,» 11 Abril 2015. [En línea]. Available:
https://www.xataka.com/drones/parrot-bebop-drone-analisis.
[29] P. S.A., «Parrot,» 2017. [En línea]. Available:
http://global.parrot.com/mx/productos/bebop-drone/.
65
[30] D. Szondy, «New Atlas,» 8 Junio 2013. [En línea]. Available:
https://newatlas.com/university-minnesota-mind-control-uav/27798/.
[31] D. Gilbert, «International Business Times,» 25 Febrero 2015. [En línea]. Available:
https://www.ibtimes.co.uk/project-brainflight-brain-controlled-drone-demonstrated-
publicly-first-time-1489388.
[32] L. Pérez, «20 Minutos,» 15 Mayo 2016. [En línea]. Available:
https://www.20minutos.es/noticia/2745178/0/drones/controlados-por-la-
mente/carrera/.
[33] D. H. Stolfi Rosso y S. Gálves Rojas, «Daniel Stolfi,» 10 2010. [En línea]. Available:
http://www.danielstolfi.com/recursos/CoMVeT-
ControlMentalDeVehiculosTeledirigidos.pdf.
[34] J. F. Neri González, «Repositorio digital de la Facultad de Ingeniería - UNAM,»
Diciembre 2013. [En línea]. Available:
http://www.ptolomeo.unam.mx:8080/xmlui/bitstream/handle/132.248.52.100/3206/T
esis.pdf.
[35] R. Jiménez Moreno y J. Rodríguez Alemán, «Semantic Scholar,» Diciembre 2015. [En
línea]. Available:
https://pdfs.semanticscholar.org/6362/7f19d35196f7e093ab4e91b46726588afa4e.pdf.
[36] P. D. Alvarez Herrera, «Repositorio PUCP,» Febrero 2017. [En línea]. Available:
http://tesis.pucp.edu.pe/repositorio/bitstream/handle/123456789/8674/ALVAREZ_PA
UL_CONTROL_INTERFAZ_CEREBRO_COMPUTADOR_IMAGINACION_MOTORA.pdf?sequ
ence=1&isAllowed=y.
[37] F. BEN TAHER, N. BEN AMOR, M. JALLOULI, A. BEN HAMMOUDA y O. DGHIM,
«ResearchGate,» 19 Julio 2016. [En línea]. Available:
https://www.researchgate.net/publication/305407816_A_collaborative_and_voice_co
nfigured_electric_powered_wheelchair_control_system_based_on_EEG_and_head_m
ovement.
[38] «Brain Vision UK Blog,» 30 Abril 2014. [En línea]. Available:
http://www.brainvision.co.uk/blog/2014/04/the-brief-history-of-brain-computer-
interfaces.
[39] F. Ramos-Argüelles, G. Morales, R. Pabón y M. Alonso, «Técnicas básicas de
electroencefalografía: principios y aplicaciones,» de An. Sist. Sanit. Navar., 2009, pp. 69-
82.
[40] D. Saceda Corralo, «Web Consultas Healthcare,» 14 Septiembre 2017. [En línea].
Available: https://www.webconsultas.com/pruebas-medicas/cuando-se-hace-un-
electroencefalograma-eeg-12531.
[41] S. &. S. P. Library, «Science & Society,» 2017. [En línea]. Available:
http://www.ssplprints.com/image/98857/unattributed-galvani-experiment-on-frogs-
legs-late-18th-century.
66
[42] M. Innovation, «Mindsetheadphone,» Marzo 2017. [En línea]. Available:
http://mindsetheadphone.com/2017/03/10/a-brief-history-of-modern-eeg/.
[43] AsTEK, «ASPEL S.A.,» 18 Agosto 2017. [En línea]. Available:
http://panel.aspel.com.pl/es/katalog/produkt/electroencefalografo/507.
[44] «Taringa Inteligencia Colectiva,» 2009. [En línea]. Available:
https://t1.kn3.net/taringa/2/7/8/2/6/2/wistar/78D.jpg.
[45] «SlideShare,» 9 Abril 2013. [En línea]. Available:
https://es.slideshare.net/darkclownsigma/eeg-18460395.
[46] P. Turmero, «Monografías,» 2017. [En línea]. Available:
http://www.monografias.com/trabajos105/sistemas-acondicionamiento-y-adquisicion-
senales-bioelectricas/sistemas-acondicionamiento-y-adquisicion-senales-
bioelectricas.shtml.
[47] «Taringa,» [En línea]. Available: https://www.taringa.net/posts/ciencia-
educacion/19595774/Interfaz-cerebro-computadora.html.
[48] Servimedia, «FarmacoS alud,» [En línea].
[49] Servimedia, «Farmaco Salud,» 22 Junio 2017. [En línea]. Available:
http://farmacosalud.com/el-innovador-bci-domotico-con-alta-precision-al-servicio-de-
pacientes-neurologicos/.
[50] L. Sailema, «lsailema,» 6 Septiembre 2011. [En línea]. Available:
http://lsailema.blogspot.pe/2011/09/comunicacion-telepatica-brain-computer.html.
[51] K. University, «Tendencis 21,» 3 Noviembre 2007. [En línea]. Available:
https://www.tendencias21.net/Ya-es-posible-vivir-en-Second-Life-solo-con-el-
pensamiento_a1883.html.
[52] «Cooking Ideas,» 13 Octubre 2017. [En línea]. Available:
https://www.cookingideas.es/casco-musica-mente-20171013.html.
[53] «ELDRONE,» 2017. [En línea]. Available: http://eldrone.es/historia-de-los-drones/.
[54] GammickEntertainment, «Gammick Drone Services,» 2017. [En línea]. Available:
http://gammickentertainment.com/drone/programacion-y-waypoints/.
[55] Efe, «La Opinión de Málaga,» 18 Febrero 2016. [En línea]. Available:
http://www.laopiniondemalaga.es/costa-sol-occidental/2016/02/18/piloto-dron-
profesion-futuro/829915.html.
[56] Amazon, «Tu Experto,» 18 Enero 2017. [En línea]. Available:
https://www.tuexperto.com/2017/01/18/amazon-quiere-construir-carreteras-que-
controlan-coches-autonomos/.
[57] DJI, «Copter Source,» 2017. [En línea]. Available:
https://www.coptersource.com/products/ag-scout-pro-inspire-1-ndvi-mapping-drone.
67
[58] R. Producciones, «RECDRON Producciones,» 17 Octubre 2017. [En línea]. Available:
https://www.recdron.com/es/blog/el-uso-de-drones-en-la-practica-deportiva.
[59] Microsoft, «Visual Studio,» 2017. [En línea]. Available:
https://www.visualstudio.com/es/.
3.9. ANEXOS
Anexos Exposición en congresos:
•INCAS 2017 International Conference on Aerospace and Signals. Lima, Peru. 8-
10 November, 2017. Design of Computer Brain Interface for Flight Control of
Unmanned Air Vehicle using Cerebral Signals through Headset
Electroencephalograph
Publicaciones:
• Aerospace and Signals (INCAS), 2017 IEEE International Conference on. 8-10
November, 2017. Title: Design of computer brain interface for flight control of
unmanned air vehicle using cerebral signals through headset
electroencephalograph. Added to IEEE Xplore: 01 December 2017
Archivos de Programación:
EngineConnector.java
EngineInterface.java
ActivityTraining.java
AdapterSpinner.java
CustomSpinner.java
DataSpinner.java
BepopActivity.java
DeviceListActivity.java
DroneDiscoverer.java
BepopDrone.java
Main.java
MainActivity.java
OneFragment.java
TwoFragment.java