|
Método híbrido de localización visual mediante aprendizaje profundo y características analíticas Resumen: La localización precisa es un desafío fundamental para los robots móviles. Si bien el Reconocimiento Visual de Lugares (VPR) basado en modelos de deep learning (DL) ha logrado un rendimiento notable, a menudo presenta problemas de generalización y sensibilidad a cambios de iluminación. Este artículo presenta un método híbrido de VPR mediante imágenes omnidireccionales que combina la capacidad de abstracción del DL con la robustez de las características analíticas de bajo nivel (intensidad, gradiente y hue). Se evalúan estrategias de fusión temprana (early) y tardía (late) para integrar estos canales auxiliares con la información RGB, utilizando modelos preentrenados sin necesidad de reentrenamiento específico. Los experimentos demuestran que la arquitectura de fusión tardía ofrece el mejor rendimiento. Asimismo, se concluye que la incorporación de características analíticas, específicamente la intensidad y el gradiente, incrementa significativamente la robustez del sistema frente a variaciones de iluminación y entornos no vistos durante el entrenamiento, ofreciendo una solución efectiva y económica para la robótica móvil. |