RT info:eu-repo/semantics/masterThesis
T1 Predictive Techniques for Scene Understanding by using Deep Learning
A1 Gómez Huélamo, Carlos
K1 Seguimiento de múltiples objetos
K1 Deep Learning
K1 ROS (Robot Operating System)
K1 CARLA (Car Learning to Act)
K1 SmartElderlyCar
K1 Multi-Object Tracking
K1 Ingeniería industrial
K1 Industrial engineering
AB 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.
YR 2019
FD 2019
LK http://hdl.handle.net/10017/39970
UL http://hdl.handle.net/10017/39970
LA eng
DS MINDS@UW
RD 01-may-2024