%0 Journal Article 
%A Gómez Huélamo, Carlos
%T Predictive Techniques for Scene Understanding by using Deep Learning
%D 2019
%U http://hdl.handle.net/10017/39970
%X El presente trabajo propone una arquitectura software precisa y en tiempo real para el seguimiento de múltiples objetos basada en aprendizaje profundo (Deep Learning) en el contexto de la navegación autónoma. Se ha llevado a cabo una fusión sensorial entre el seguimiento visual 2D basado en los algoritmos CenterNet y Deep SORT [2] [49] usando una cámara y el clusterizado de la nube de puntos 3D procedent del LiDAR [11] sobre la plataforma de desarrollo robótico ROS y contenedores Docker.
Se ha llevado a cabo una comparación entre el enfoque tradicional Precision-Tracking [46], tracking visual basado en Deep Learning y fusión sensorial con LiDAR comparando las posiciones estimadas para cada uno de ellos.
Las propuestas han sido validadas en el benchmark de KITTI para seguimiento de vehículos [69], en el simulador de CARLA [31] para el seguimiento de peatones y en el campus de la Universidad de Alcalá sobre nuestro vehículo autónomo desarrollado en el proyecto SmartElderlyCar.

%K Seguimiento de múltiples objetos
%K Deep Learning
%K ROS (Robot Operating System)
%K CARLA (Car Learning to Act)
%K SmartElderlyCar
%K Multi-Object Tracking
%K Ingeniería industrial
%K Industrial engineering
%~ Biblioteca Universidad de Alcala