Conducción autónoma para tareas de logística basada en visión por computadora y Deep Learning
En el presente trabajo se propone el desarrollo de un prototipo a escala de un vehículo autónomo para tareas de logística en un depósito industrial. Para ello, se combinan técnicas avanzadas de procesamiento de imágenes basadas en visión artificial y técnicas de Deep Learning para el reconocimiento...
Guardado en:
Autores principales: | , |
---|---|
Formato: | Objeto de conferencia |
Lenguaje: | Español |
Publicado: |
2020
|
Materias: | |
Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/115882 http://49jaiio.sadio.org.ar/pdfs/est/EST-02.pdf |
Aporte de: |
id |
I19-R120-10915-115882 |
---|---|
record_format |
dspace |
institution |
Universidad Nacional de La Plata |
institution_str |
I-19 |
repository_str |
R-120 |
collection |
SEDICI (UNLP) |
language |
Español |
topic |
Ciencias Informáticas Conducción autónoma Deep learning Computer vision |
spellingShingle |
Ciencias Informáticas Conducción autónoma Deep learning Computer vision Cesaratto, L. A. Bazzano, N. R. Conducción autónoma para tareas de logística basada en visión por computadora y Deep Learning |
topic_facet |
Ciencias Informáticas Conducción autónoma Deep learning Computer vision |
description |
En el presente trabajo se propone el desarrollo de un prototipo a escala de un vehículo autónomo para tareas de logística en un depósito industrial. Para ello, se combinan técnicas avanzadas de procesamiento de imágenes basadas en visión artificial y técnicas de Deep Learning para el reconocimiento de objetos. El vehículo tiene la capacidad de identificar paquetes mediante códigos QR y de llevarlos hasta el depósito correspondiente. Una vez concluida dicha tarea, retorna a la base de forma automática a la espera de un nuevo paquete. Para ensayar el correcto funcionamiento del vehículo, se diseñó una pista de prueba, en la cual el vehículo debe reconocer el paquete a transportar, y siguiendo una línea de guía, busca el depósito correspondiente al paquete recibido. Para realizar dicha búsqueda, identifica distintos carteles con códigos QR en su trayectoria, y carteles numéricos sobre las bocacalles principales mediante Deep Learning. Una vez que llega al depósito, se posiciona de forma alineada con la calle y se aproxima a la línea identificatoria. Cabe destacar que, además, el vehículo es capaz de reconocer un semáforo peatonal. |
format |
Objeto de conferencia Objeto de conferencia |
author |
Cesaratto, L. A. Bazzano, N. R. |
author_facet |
Cesaratto, L. A. Bazzano, N. R. |
author_sort |
Cesaratto, L. A. |
title |
Conducción autónoma para tareas de logística basada en visión por computadora y Deep Learning |
title_short |
Conducción autónoma para tareas de logística basada en visión por computadora y Deep Learning |
title_full |
Conducción autónoma para tareas de logística basada en visión por computadora y Deep Learning |
title_fullStr |
Conducción autónoma para tareas de logística basada en visión por computadora y Deep Learning |
title_full_unstemmed |
Conducción autónoma para tareas de logística basada en visión por computadora y Deep Learning |
title_sort |
conducción autónoma para tareas de logística basada en visión por computadora y deep learning |
publishDate |
2020 |
url |
http://sedici.unlp.edu.ar/handle/10915/115882 http://49jaiio.sadio.org.ar/pdfs/est/EST-02.pdf |
work_keys_str_mv |
AT cesarattola conduccionautonomaparatareasdelogisticabasadaenvisionporcomputadoraydeeplearning AT bazzanonr conduccionautonomaparatareasdelogisticabasadaenvisionporcomputadoraydeeplearning |
bdutipo_str |
Repositorios |
_version_ |
1764820446311612416 |