Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/3349
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorJesús Carlos Pedraza Ortegaes_ES
dc.creatorVictor Beltran Barreraes_ES
dc.date2021-10-11-
dc.date.accessioned2022-01-24T20:27:40Z-
dc.date.available2022-01-24T20:27:40Z-
dc.date.issued2021-10-11-
dc.identifier.urihttp://ri-ng.uaq.mx/handle/123456789/3349-
dc.descriptionLa 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.es_ES
dc.formatAdobe PDFes_ES
dc.language.isospaes_ES
dc.relation.requiresSies_ES
dc.rightsAcceso Abiertoes_ES
dc.subjectReconstrucción 3Des_ES
dc.subjectRedes neuronaleses_ES
dc.subjectregistro de nubes de puntoses_ES
dc.subjectICPes_ES
dc.subject.classificationTEORÍA DE LA PROGRAMACIÓNes_ES
dc.titleMAPEO 3D A PARTIR DE IMÁGENES RGB-D POR MEDIO DE UNA ARQUITECTURA CNN PARA UN SISTEMA SLAMes_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidcurpes_ES
dc.contributor.tidcurpes_ES
dc.creator.identificadorBEBV911124HDFLRC18es_ES
dc.contributor.identificadorPEOJ691222HSPDRS07es_ES
dc.contributor.roleDirectores_ES
dc.degree.nameMaestría en Ciencias en Inteligencia Artificiales_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelMaestríaes_ES
Aparece en: Maestría en Ciencias en Inteligencia Artificial

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RI006390.pdf2.09 MBAdobe PDFPortada
Visualizar/Abrir
Mostrar el registro sencillo del ítem


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