Odometría visual monocular basada en redes adversarias generativas

Uno de los principales desafíos a resolver en el campo de la robótica móvil es el de lograr que un robot autónomo pueda estimar su posición y orientación en el entorno que se encuentra navegando. Al problema de estimar el desplazamiento de un robot incrementalmente a partir de una secuencia de imáge...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Cremona, Javier Alejandro
Otros Autores: Taihú, Pire
Formato: bachelorThesis Tésis de Grado acceptedVersion
Lenguaje:Español
Publicado: 2020
Materias:
Acceso en línea:http://hdl.handle.net/2133/19078
http://hdl.handle.net/2133/19078
Aporte de:
id I15-R121-2133-19078
record_format dspace
institution Universidad Nacional de Rosario
institution_str I-15
repository_str R-121
collection Repositorio Hipermedial de la Universidad Nacional de Rosario (UNR)
language Español
orig_language_str_mv spa
topic Visual Odometry
Mobile Robotics
Deep Learning
Convolutional Neural Networks
Generative Adversarial Networks
spellingShingle Visual Odometry
Mobile Robotics
Deep Learning
Convolutional Neural Networks
Generative Adversarial Networks
Cremona, Javier Alejandro
Odometría visual monocular basada en redes adversarias generativas
topic_facet Visual Odometry
Mobile Robotics
Deep Learning
Convolutional Neural Networks
Generative Adversarial Networks
description Uno de los principales desafíos a resolver en el campo de la robótica móvil es el de lograr que un robot autónomo pueda estimar su posición y orientación en el entorno que se encuentra navegando. Al problema de estimar el desplazamiento de un robot incrementalmente a partir de una secuencia de imágenes entrante se lo denomina Visual Odometry (VO). En los últimos años las redes neuronales convolucionales (CNN) han sido aplicadas a diversos problemas de Computer Vision, y VO no fue la excepción. En este trabajo se propone el uso de una CNN para resolver el problema de VO. Para esto, se emplea un tipo particular de CNN conocido como Generative Adversarial Network (GAN) que permite realizar su entrenamiento mediante una técnica semi-supervisada, la cual incluye imágenes reales e imágenes generadas artificialmente por la propia red. Se evaluó la performance y la precisión de dicho sistema en datasets de dominio público. Concretamente, la propuesta se centra en vehículos autónomos pero la solución podría extrapolarse a otros tipos de robots. Los resultados obtenidos muestran que el sistema es capaz de trabajar en tiempo real y su precisión es comparable con sistemas similares del estado del arte. El método propuesto recibe el nombre de WGANVO y su código se libera junto con todo el software desarrollado como software libre para facilitar su uso por la comunidad de Robótica Móvil y de Aprendizaje Profundo.
author2 Taihú, Pire
author_facet Taihú, Pire
Cremona, Javier Alejandro
format bachelorThesis
Tésis de Grado
acceptedVersion
author Cremona, Javier Alejandro
author_sort Cremona, Javier Alejandro
title Odometría visual monocular basada en redes adversarias generativas
title_short Odometría visual monocular basada en redes adversarias generativas
title_full Odometría visual monocular basada en redes adversarias generativas
title_fullStr Odometría visual monocular basada en redes adversarias generativas
title_full_unstemmed Odometría visual monocular basada en redes adversarias generativas
title_sort odometría visual monocular basada en redes adversarias generativas
publishDate 2020
url http://hdl.handle.net/2133/19078
http://hdl.handle.net/2133/19078
work_keys_str_mv AT cremonajavieralejandro odometriavisualmonocularbasadaenredesadversariasgenerativas
bdutipo_str Repositorios
_version_ 1764820410282541056