Título :	MAPEO 3D A PARTIR DE IMÁGENES RGB-D POR MEDIO DE UNA ARQUITECTURA CNN PARA UN SISTEMA SLAM
Sustentante:	Victor Beltran Barrera
Palabras clave :	TEORÍA DE LA PROGRAMACIÓN
Fecha de publicación :	11-oct-2021
metadata.dc.degree.department:	Facultad de Ingeniería
metadata.dc.degree.name:	Maestría en Ciencias en Inteligencia Artificial
Descripción :	La reconstrucción 3D se ha convertido en uno de los problemas centrales en diversos campos de investigación como lo son visión por computadora, robótica, gráficos por computadora, procesamiento digital de imágenes, entre otros. La principal problemática de estudio en este proceso es la alineación consistente de nubes de puntos superpuestas, mejor conocida como registro de nubes de puntos. La utilización de algoritmos basados en métodos tradicionales es muy popular para realizar el registro de nubes de puntos debido a la simplicidad y fácil aplicación que presentan. Sin embargo, todos estos algoritmos presentan diversas problemáticas como la susceptibilidad a mínimos locales, sensibilidad a una buena inicialización, tiempos de convergencia elevado, sensibilidad a valores atípicos y ruido. Esto ha llevado a desarrollar nuevos métodos para optimizar el registro de nubes de puntos. La incorporación de métodos basados en aprendizaje profundo ha tomado gran popularidad en diversos campos de investigación debido al alto rendimiento y robustez de estos modelos. En esta tesis se presenta un sistema de reconstrucción 3D basado en algoritmos de aprendizaje profundo para escenas interiores. Las nubes de puntos son adquiridas mediante un sensor de profundidad. A estas nubes de puntos se les realiza un preprocesamiento para reducir el número de puntos contenido en cada conjunto y son normalizadas dentro de una caja unitaria. El proceso del registro de las nubes de puntos es llevado a cabo mediante una arquitectura basada en redes neuronales y el uso del método tradicional ICP punto a plano como refinamiento. Los resultados demuestran que el modelo propuesto obtiene mejores resultados en términos de exactitud (RMSE) y tiempo de procesamiento que los modelos basados en métodos tradicionales, mejorando de esta manera el mapeo 3D de una escena interior.
URI :	http://ri-ng.uaq.mx/handle/123456789/3349
Otros identificadores :	Reconstrucción 3D Redes neuronales registro de nubes de puntos ICP
Aparece en las colecciones:	Maestría en Ciencias en Inteligencia Artificial

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.