Segmentación semántica para imágenes fisheye basada en CNN
Authors
Saez Contreras, ÁlvaroDirector
Bergasa Pascual, Luis MiguelDate
2018Keywords
Ojo de pez
Distorsión
CNN (Convolutional Neural Network)
Redes neuronales convolucionales
Vehículos autónomos
Deep Learning
Document type
info:eu-repo/semantics/masterThesis
Version
info:eu-repo/semantics/acceptedVersion
Rights
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Access rights
info:eu-repo/semantics/openAccess
Abstract
Este trabajo fin de máster (TFM) está centrado en el desarrollo de un sistema de percepción basado
en cámaras de campo de visión ultra-amplio de tipo fisheye para un prototipo de vehículo autónomo
eléctrico. El método escogido para afrontar la comprensión del entorno a partir del sistema es el uso de
segmentación semántica mediante redes neuronales convolucionales (CNN) dado que permite cubrir la
mayoría de necesidades de un vehículo autónomo de manera unificada. Para ello se desarrollan nuevas
arquitecturas de red, mecanismos de data-augmentation y datasets sintéticos específicos para abordar el
problema generado por la fuerte distorsión. This work aims to develope a new simplified perceptive system for a full autonomous electric vehicle
prototype based on ultra-wide field of view cameras. Semantic segmentation is chosen as the way to face
scene-understanding as it satisfies most of autonomous vehicle needs in an unified way. For this purpose,
specific elements to deal with distortion are designed, such as network architectures, data-augmentation
techniques or synthetic fisheye datasets.
Files in this item
Files | Size | Format |
|
---|---|---|---|
TFM_Saez_Contreras_2018.pdf | 4.273Mb |
|
Files | Size | Format |
|
---|---|---|---|
TFM_Saez_Contreras_2018.pdf | 4.273Mb |
|