|
Desempeño de redes neuronales frente a algoritmo ad hoc para segmentación de estructuras Resumen: La necesidad de inspección y mantenimiento en estructuras reticulares metálicas como puentes o torres de alta tensión expone a los operarios humanos a riesgos considerablemente elevados, como caídas desde gran altura y electrocuciones. Este trabajo nace con el objetivo de reducir estos riesgos mediante el uso de robots trepadores para la realización de tareas de inspección y mantenimiento en estos entornos. Para este tipo de robots resulta fundamental desarrollar métodos de segmentación del entorno que permitan la navegación del robot. El presente artículo desarrolla y compara diferentes métodos de segmentación de estructuras reticulares a partir de nubes de puntos 3D. Los métodos propuestos se basan en dos enfoques: redes neuronales entrenadas con paralelepípedos para favorecer la generalización, y un algoritmo analítico ad hoc. Ambos métodos se evalúan en una base de datos generada sintéticamente. Para la generación de la base de datos, se ha desarrollado un método capaz de generar grandes cantidades de nubes de puntos realistas etiquetadas automáticamente. Los resultados muestran que el algoritmo ad hoc es adecuado para robots con recursos limitados (87 % mIoU), mientras que las redes neuronales alcanzan mayor precisión (98 % mIoU), pero requieren GPU dedicadas. Los resultados y propuestas evaluadas en este artículo aportan información relevante para la selección de métodos de segmentación en este tipo de estructuras reticulares. |