RT info:eu-repo/semantics/masterThesis
T1 Detección del entorno 360º de un vehículo autónomo mediante LIDAR aplicando técnicas Deep Learning
A1 Egido Sierra, Javier del
K1 Deep Learning
K1 Conducción autónoma
K1 KITTI
K1 LiDAR (Light Detection And Ranging)
K1 DAMOT
K1 CARLA
K1 Autonomous driving
K1 Ingeniería industrial
K1 Industrial engineering
AB Este trabajo analiza el estado del arte en detección y seguimiento de múltiples objetosdinámicos (DAMOT) en el entorno de un vehículo autónomo mediante técnicasbasadas en deep learning, evaluando el rendimiento de diferentes metodologías yestableciendo un pipeline funcional con la solución óptima.Los diferentes objetos que se encuentran en la escena son detectados a partir de unanube de puntos proporcionada por un sensor LIDAR, obteniendo una alta tasa deacierto con elevada precisión de localización 3D. Para ello, se evalúan diferentes redesneuronales sobre la base de datos KITTI [1] con el objetivo de obtener datoscuantitativos de su desempeño.Posteriormente, se estudian diferentes procedimientos de seguimiento de los objetosdetectados basados en técnicas tradicionales y deep learning, siendo capaz deidentificar unívocamente cada objeto con el propósito de seguir su trayectoria. Aligual que en la etapa de detección, se extraen datos cuantitativos a través del análisisen la base de datos KITTI y la herramienta de evaluación 3D MOT desarrollada porAB3DMOT [2].Una vez identificadas las técnicas de detección y seguimiento óptimas se aplicaránsobre diversas escenas urbanas obtenidas mediante el simulador de conducciónCARLA [3] y la base de datos KITTI, analizando cualitativamente el funcionamientosobre sensores de conducción autónoma tanto simulados como reales.Finalmente, se implementará el pipeline óptimo en un sistema embebido NvidiaJetson AGX Xavier sobre el vehículo eléctrico autónomo en desarrollo para el proyectoTechs4AgeCar, obteniendo un análisis cuantitativo del sistema en tiempo real.
YR 2020
FD 2020
LK http://hdl.handle.net/10017/47093
UL http://hdl.handle.net/10017/47093
LA spa
DS MINDS@UW
RD 25-abr-2024