Odometría visual monocular basada en redes adversarias generativas

Cremona, Javier Alejandro

Odometría visual monocular basada en redes adversarias generativas

dc.contributor.advisor	Pire, Taihú
dc.contributor.coadvisor	Uzal, Lucas C.
dc.creator	Cremona, Javier Alejandro
dc.date.accessioned	2022-06-29T20:10:48Z
dc.date.available	2022-06-29T20:10:48Z
dc.date.issued	2019
dc.description.abstract	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.	es
dc.description.peerreviewed	Peer reviewed
dc.format	application/pdf
dc.identifier.uri	http://hdl.handle.net/2133/23895
dc.language.iso	spa	es
dc.publisher	Facultad de Ciencias Exactas, Ingeniería y Agrimensura. Universidad Nacional de Rosario	es
dc.rights	openAccess	es
dc.rights.holder	Cremona, Javier Alejandro.	es
dc.rights.text	Atribución – No Comercial – Compartir Igual (by-nc-sa): No se permite un uso comercial de LA TESIS/TESINA original ni de las posibles obras derivadas, la distribución de las cuales se debe hacer con una licencia igual a la que regula LA OBRA original.	es
dc.rights.uri	http://creativecommons.org/licenses/by/2.5/ar/	*
dc.subject	Odometría visual	es
dc.subject	Robot móvil	es
dc.subject	Deep learning	es
dc.subject	Inteligencia artificial	es
dc.subject	Redes adversarias generativas (Generative Adversarial Networks)	es
dc.subject	Red neuronal convolucional (Convolutional Neural Network)	es
dc.subject	Visual odometry	es
dc.title	Odometría visual monocular basada en redes adversarias generativas	es
dc.type	bachelorThesis
dc.type	Tésis de Grado
dc.type.collection	tesis
dc.type.other	bachelorThesis	es

Archivos

Bloque original

Mostrando 1 - 1 de 1

Nombre:: Tesina de Licenciatura en Ciencias de la Computación. Cremona, Javier Alejandro.pdf
Tamaño:: 4.92 MB
Formato:: Adobe Portable Document Format
Descripción:

Descargar

Bloque de licencias

Mostrando 1 - 1 de 1

Nombre:: license.txt
Tamaño:: 3.59 KB
Formato:: Item-specific license agreed upon to submission
Descripción:

Descargar

Colecciones

FCEIA-ECEN-DCC- Trabajos Finales de Grado (trabajos finales, proyectos y tesinas)