Mostrar el registro sencillo del ítem
Detección y clasificación de obstáculos mediante visión estéreo en la toma inteligente de decisiones para robots autónomos en espacios reducidos.
| dc.contributor.author | Báez-Maldonado, José Daniel | |
| dc.date | 2020-09-22 | |
| dc.date.accessioned | 2021-01-20T10:32:08Z | |
| dc.date.available | 2021-01-20T10:32:08Z | |
| dc.identifier.uri | https://reunir.unir.net/handle/123456789/10858 | |
| dc.description | As the use of autonomous navigation robots within human environments increases, the need to improve the security measures they integrate so that their mobility does not represent a risk for people and animals, becomes more evident. This work presents a software tool for the detection and classification of nearby obstacles using artificial vision algorithms, aimed at making decisions that protect the physical integrity of children and pets that are in the around autonomous robots. Depth maps generated by a stereo camera are used to identify the critical path and obstacles, along with a convolutional neural network for their classification. A final decision-making stage collects the information obtained to suggest the most appropriate actions according to each case, exploring the possibility of manipulating non-critical objects if necessary. | es_ES |
| dc.description.abstract | Mientas aumenta el uso de robots de navegación autónoma dentro de ambientes compartidos con humanos, se vuelve más evidente la necesidad de mejorar las medidas de seguridad que éstos integran para que su movilidad no represente un riesgo para personas y animales. Este trabajo presenta una herramienta de software para la detección y clasificación de obstáculos cercanos mediante algoritmos de visión artificial, orientado a la toma de decisiones que protejan la integridad física de niños y mascotas que se encuentren en el entorno de robots autónomos. Se utilizan mapas de profundidad generados por una cámara estéreo para identificar la ruta crítica y los obstáculos presentes, junto con una red neuronal convolucional para su clasificación. Una etapa final de toma de decisiones recopila la información obtenida para sugerir las acciones más adecuadas de acuerdo a cada caso, explorando la posibilidad de manipular los objetos no-críticos en caso de ser necesario. | es_ES |
| dc.language.iso | spa | es_ES |
| dc.rights | openAccess | es_ES |
| dc.subject | aprendizaje profundo | es_ES |
| dc.subject | detección | es_ES |
| dc.subject | navegación autónoma | es_ES |
| dc.subject | obstáculo | es_ES |
| dc.subject | visión estéreo | es_ES |
| dc.subject | Máster Universitario en Inteligencia Artificial | es_ES |
| dc.subject | deep learning | es_ES |
| dc.subject | detection | es_ES |
| dc.subject | autonomous navigation | es_ES |
| dc.subject | obstacle | es_ES |
| dc.subject | stereo vision | es_ES |
| dc.title | Detección y clasificación de obstáculos mediante visión estéreo en la toma inteligente de decisiones para robots autónomos en espacios reducidos. | es_ES |
| dc.type | masterThesis | es_ES |
| reunir.tag | ~MIA | es_ES |
