Título: RECONSTRUCCIÓN DE ESCENAS A PARTIR DE CÁMARAS OMNIDIRECCIONALES USANDO TÉCNICAS DE APARIENCIA VISUAL Y DEEP LEARNING.

Financiado por: Generalitat Valenciana

Duración: 01/2020 - 12/2020

Resumen: La mayoría de algoritmos existentes que solucionan los problemas de creación de mapas y localización, dejan de funcionar correctamente cuando el robot se desenvuelve en un entorno no estructurado, complejo y cambiante o cuando el robot se puede mover con más de tres grados de libertad (GDL). En respuesta a este desafío, la línea de investigación principal de este proyecto plantea la mejora y desarrollo de nuevos mecanismos que permitan un modelado eficiente, robusto y preciso de entornos utilizando sistemas de visión. En concreto, se plantea el uso de sistemas de visión omnidireccional por la gran cantidad de información que aportan con un coste relativamente bajo. Sin embargo, el uso de estos sistemas de visión hacen necesario considerar los retos que supone trabajar con las imágenes proporcionadas por dicho tipo de cámaras. En este sentido, se propone estudiar en profundidad los descriptores basados en apariencia global y hacer uso de técnicas de Deep Learning.
 
El desarrollo de este proyecto se desenvuelve a través de varios objetivos como el análisis de los presentes algoritmos de creación de mapas y localización, comparación de los presentes algoritmos de apariencia global y así mismo, desarrollar nuevos algoritmos de localización y/o descriptores de apariencia global basados en Deep Learning. Con el objeto de mejorar la integración del robot móvil en entornos de trabajo reales (Industria 4.0), en los que interactúan con personas, se incorporarán al mapa características que lo hagan compatible con la percepción humana.

Palabras Clave: Aprendizaje profundo, reconstrucción de escenas, localización, visión omnidireccional

Investigador Principal: M. Ballesta

Más Información...