Laboratorio de Automatización, Robótica y Visión por Computador (ARVC)
  F+    F-        

Aprendizaje profundo para navegación autónoma, interpretación del entorno e interacción social con robots móviles: Aplicación a tareas de seguridad y vigilancia


Enlaces interesantes



Páginas web creadas para difundir los resultados del proyecto, y repositorios con código en acceso abierto generados en el marco del proyecto:
  • A Robust Comparative Study of Adaptative Reprojection Fusion Methods for Deep Learning Based Detection Tasks with RGB-Thermal Images.   [GitHub]
  • Place Recognition with Omnidirectional Imaging and Confidence-based Late Fusion.   [GitHub]
  • A Coarse to Fine 3D LiDAR Localization with Deep Local Features for Long Term Robot Navigation in Large Environments.   [GitHub]
  • MinkUNeXt: Point Cloud-based Large-scale Place Recognition using 3D Sparse Convolutions.   [Sitio web]   [GitHub]
  • Low Cost, High Efficiency: LiDAR Place Recognition in Vineyards with Matryoshka Representation Learning.    [GitHub]
  • Advanced techniques and applications of LiDAR Place Recognition in Agricultural Environments: A Comprehensive Survey.   [GitHub]
  • Reconocimiento robusto de lugares ante cambios de iluminación mediante pseudo-LiDAR a partir de imágenes omnidireccionales.  [Sitio web]   [GitHub]
  • CrossPlace: Reconocimiento de lugares mediante modalidades sensoriales cruzadas (cámaras omnidireccionales y LiDAR ) y espacio de características unificado.  [Sitio web]    [GitHub]
  • PDPR (Panoramic-Depth Place Recognition): Reconocim. de lugares mediante fusión de carac. visuales y geométricas.  [Sitio web]    [GitHub]
  • Clasificación semántica de espacios orientada a localización de un robot móvil en entornos agrícolas (viñedos).  [GitHub]
  • Hierarchical place recognition with omnidirectional images and curriculum learning-based loss functions.    [GitHub]
  • Método híbrido de localización visual mediante aprendizaje profundo y características analíticas.    [GitHub]



Páginas web creadas para difundir los resultados del proyecto, y repositorios con código en acceso abierto generados en el marco del proyecto:
  • A Coarse to Fine 3D LiDAR Localization with Deep Local Features for Long Term Robot Navigation in Large Environments.  [LinkedIn]   [X]

  © Laboratorio de Automatización Robótica y Visión por Computador (ARVC) - UMH