Mostrar el registro sencillo del ítem

Estimación de odometria visual a partir de secuencias de imágenes monoculares usando métodos de aprendizaje profundo no supervisado

Visual odometry estimation from monocular image sequences using unsupervised deep learning methods

dc.contributorParra Rodriguez, Carlos Alberto
dc.contributorGerlein Reyes, Eduardo Andrés
dc.creatorSoto Rios, Juan Nicolas
dc.date2023-05-10T12:28:59Z
dc.date2023-05-10T12:28:59Z
dc.date2023-03-08
dc.date.accessioned2025-04-22T22:12:37Z
dc.date.available2025-04-22T22:12:37Z
dc.identifierhttp://hdl.handle.net/10554/64159
dc.identifierhttps://doi.org/10.11144/Javeriana.10554.64159
dc.identifierinstname:Pontificia Universidad Javeriana
dc.identifierreponame:Repositorio Institucional - Pontificia Universidad Javeriana
dc.identifierrepourl:https://repository.javeriana.edu.co
dc.identifier.urihttp://test.repositoriodigital.com:8080/handle/123456789/90875
dc.description— La determinación de la odometría es clave para que un robot pueda localizarse en el mundo, convirtiéndose en un componente de suma importancia principalmente para la tarea de navegación en robots móviles. También son usados como parte activa de modelos de SLAM para la determinación de la localización del robot. La odometría y posterior localización se ha explorado usando encoders, IMUs, odometría visual, GPS, radares, Lidars, métodos con faros (beacons) y combinaciones de estos. Cada una de estas aproximaciones tiene diferentes limitaciones y ventajas. Por ejemplo, los encoders solo aplican a robots con ruedas y son proclives a errores por deslizamiento. Por otro lado, los sensores Lidar se desempeñan muy bien en diferentes ambientes, pero su costo es relativamente alto comparado con las demás tecnologías mencionadas. El presente trabajo presenta un modelo No Supervisado para la determinación de la odometria de un robot usando secuencias de imágenes monoculares. Para ello, se desarrolló una red convolucional que procesa parejas de imágenes consecutivas, entregando la traslación y rotación relativas entre las dos imágenes. Usando el vector de posición que entrega el modelo y el mapa de profundidad de la imagen It obtenido usando un modelo preentrenado se sintetizó la imagen I’t+1 y comparando esta imagen generada con la imagen It+1 original se calculó el error que fue usado durante la fase de entrenamiento del modelo.
dc.descriptionThe determination of odometry is key for a robot to locate itself in the world, becoming an extremely important component mainly for the navigation task in mobile robots. They are also used as an active part of SLAM models for the determination of robot localization. Odometry and subsequent localization has been explored using encoders, IMUs, visual odometry, GPS, radar, Lidars, beacon methods and combinations of these. Each of these approaches has different limitations and advantages. For example, encoders only apply to wheeled robots and are prone to sliding errors. On the other hand, lidar sensors perform very well in different environments, but their cost is relatively high compared to the other technologies mentioned. This paper presents an unsupervised model for the determination of the odometry of a robot using monocular image sequences. For this purpose, a convolutional network was developed that processes pairs of consecutive images, providing the relative translation and rotation between the two images. Using the position vector provided by the model and the depth map of the It image obtained using a pre-trained model, the I't+1 image was synthesized and comparing this generated image with the original It+1 image, the error that was used during the training phase of the model was calculated. Translated with www.DeepL.com/Translator (free version)
dc.descriptionMagíster en Inteligencia Artificial
dc.descriptionMaestría
dc.formatPDF
dc.formatapplication/pdf
dc.formatapplication/pdf
dc.languagespa
dc.publisherPontificia Universidad Javeriana
dc.publisherMaestría en Inteligencia Artificial
dc.publisherFacultad de Ingeniería
dc.rightsAtribución-NoComercial-SinDerivadas 4.0 Internacional
dc.rightshttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsDe acuerdo con la naturaleza del uso concedido, la presente licencia parcial se otorga a título gratuito por el máximo tiempo legal colombiano, con el propósito de que en dicho lapso mi (nuestra) obra sea explotada en las condiciones aquí estipuladas y para los fines indicados, respetando siempre la titularidad de los derechos patrimoniales y morales correspondientes, de acuerdo con los usos honrados, de manera proporcional y justificada a la finalidad perseguida, sin ánimo de lucro ni de comercialización. De manera complementaria, garantizo (garantizamos) en mi (nuestra) calidad de estudiante (s) y por ende autor (es) exclusivo (s), que la Tesis o Trabajo de Grado en cuestión, es producto de mi (nuestra) plena autoría, de mi (nuestro) esfuerzo personal intelectual, como consecuencia de mi (nuestra) creación original particular y, por tanto, soy (somos) el (los) único (s) titular (es) de la misma. Además, aseguro (aseguramos) que no contiene citas, ni transcripciones de otras obras protegidas, por fuera de los límites autorizados por la ley, según los usos honrados, y en proporción a los fines previstos; ni tampoco contempla declaraciones difamatorias contra terceros; respetando el derecho a la imagen, intimidad, buen nombre y demás derechos constitucionales. Adicionalmente, manifiesto (manifestamos) que no se incluyeron expresiones contrarias al orden público ni a las buenas costumbres. En consecuencia, la responsabilidad directa en la elaboración, presentación, investigación y, en general, contenidos de la Tesis o Trabajo de Grado es de mí (nuestro) competencia exclusiva, eximiendo de toda responsabilidad a la Pontifica Universidad Javeriana por tales aspectos. Sin perjuicio de los usos y atribuciones otorgadas en virtud de este documento, continuaré (continuaremos) conservando los correspondientes derechos patrimoniales sin modificación o restricción alguna, puesto que, de acuerdo con la legislación colombiana aplicable, el presente es un acuerdo jurídico que en ningún caso conlleva la enajenación de los derechos patrimoniales derivados del régimen del Derecho de Autor. De conformidad con lo establecido en el artículo 30 de la Ley 23 de 1982 y el artículo 11 de la Decisión Andina 351 de 1993, "Los derechos morales sobre el trabajo son propiedad de los autores", los cuales son irrenunciables, imprescriptibles, inembargables e inalienables. En consecuencia, la Pontificia Universidad Javeriana está en la obligación de RESPETARLOS Y HACERLOS RESPETAR, para lo cual tomará las medidas correspondientes para garantizar su observancia.
dc.rightsinfo:eu-repo/semantics/openAccess
dc.subjectOdometria visual
dc.subjectRed Convolucional
dc.subjectAprendizaje no supervisado
dc.subjectMapa de profundidad
dc.subjectTransformación proyectiva
dc.subjectVisual Odometry
dc.subjectConvolutional Network
dc.subjectUnsupervised Learning
dc.subjectDepth Mapping
dc.subjectProjective Transformation
dc.subjectMaestría en inteligencia artificial - Tesis y disertaciones académicas
dc.subjectAprendizaje de máquinas
dc.subjectProcesamiento de imágenes
dc.subjectMejoramiento de procesos
dc.titleEstimación de odometria visual a partir de secuencias de imágenes monoculares usando métodos de aprendizaje profundo no supervisado
dc.titleVisual odometry estimation from monocular image sequences using unsupervised deep learning methods
dc.typehttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.typeTesis/Trabajo de grado - Monografía - Maestría
dc.typehttp://purl.org/coar/resource_type/c_bdcc
dc.typeinfo:eu-repo/semantics/masterThesis


Ficheros en el ítem

FicherosTamañoFormatoVer

No hay ficheros asociados a este ítem.

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem