RT info:eu-repo/semantics/bachelorThesis
T1 Arquitectura multi-view 3D para detección de objetos en sistemas de conducción autónoma
A1 Petisco Aragón, Jorge
K1 Tracking
K1 LiDAR (Light Detection And Ranging)
K1 Segmentation
K1 Detection
K1 Pointcloud
K1 Telecomunicaciones
K1 Telecommunication
AB En el amplio mundo de la conducción autónoma, el sistema de visión tiene un factor fundamental ya que, sin él, no habría estímulos a los que reaccionar. Por ello, la detección y segmentación de imágenes junto con el tracking del objeto son vitales para cualquier proyecto de conducción autónoma. Estas imágenes deberán adquirir un aspecto tridimensional, lo cual se conseguirá a través de un LIDAR[5]. Otra parte fundamental es la publicación de los resultados y la correlación con el resto de los elementos del coche. Para ello, es necesario asegurar una velocidad de procesamiento mínima y la portabilidad de la herramienta.En este proyecto se pretenden abordar todos estos problemas utilizando la red neuronal YOLACT[1] para el procesamiento, el LIDAR para la representación tridimensional (nube de puntos) incolora de la imagen, los programas del equipo de Robesafe para rellenar esa nube con los colores de la imagen procesada, la herramienta Docker[4] para la portabilidad y la aplicación ROS[2] para la publicación de los mensajes de entrada (imágenes) y salida (imágenes procesadas) en tiempo real.
YR 2019
FD 2019
LK http://hdl.handle.net/10017/39447
UL http://hdl.handle.net/10017/39447
LA spa
DS MINDS@UW
RD 25-abr-2024