Realidad Aumentada en Secuencias de Vídeo
| Autor: | Domene Esteban, Nil, Universitat Autònoma de Barcelona. Escola d'Enginyeria |
|---|---|
| Přispěvatelé: | López Peña, Antonio M. (Antonio Manuel) |
| Jazyk: | Spanish; Castilian |
| Rok vydání: | 2019 |
| Předmět: | |
| Zdroj: | Dipòsit Digital de Documents de la UAB Universitat Autònoma de Barcelona |
| Popis: | Los coches autónomos son un tema de actualidad ya que se espera que en los próximos años revolucionen el transporte. Para que este proceso tenga éxito, es necesario que se dispongan de todas las herramientas que permitan alcanzar la capacidad técnica necesaria y que además garanticen la máxima seguridad. El Deep Learning ha permitido el uso de nuevas técnicas que han aumentado el ritmo de los progresos en este sector. Esta tecnología requiere una gran variedad de datos para entrenamiento y prueba que deben de abarcar todo tipo de situaciones de conducción. En este trabajo se propone una nueva aproximación a la hora de abarcar la mayor diversidad de datos posible mediante la utilización de realidad aumentada en secuencias de vídeo. Permitiendo así que una única secuencia pueda dar lugar a una gran variedad de situaciones que quizá hubieran sido imposible de obtener mediante la toma de datos real. Esta nueva aproximación rompe con lo visto hasta ahora ya que proporciona una gran flexibilidad a la forma de obtener datos que no se ha explorado hasta estos últimos años. Esta forma de generar datos se explora a continuación mediante el uso de datos obtenidos a través de LIDAR y a técnicas de posproducción. Autonomous cars are a trending topic since it is expected they completely change the way we move. For this project to be successful, it is essential to have the means to achieve the technical capacity and guarantee the maximum level of safety. Deep Learning has allowed the use of new technologies which have accelerated the pace of the sector progress. This technology needs a broad spectrum of data to train and test, encompasing the wide number of situations which are found in the real environment. This paper proposes a new approach to improve the data collection making use of augmented reality in video sequences, allowing one single sequence to provide a wide range of situations which would perhaps have been impossible to collect from the real environment. This new approach, unexplored until recent years, breaks with what has been seen before, as it provides an enormous flexibility to data collection. This new approach is explored below by means of data collected from LIDAR and post-production techniques. Els cotxes autònoms són un tema d'actualitat ja que s'espera que en els pròxims anys revolucionin el transport. Perquè aquest procés tingui èxit, és necessari que es disposin de totes les eines que permetin aconseguir la capacitat tècnica necessària i que a més garanteixin la màxima seguretat. El Deep Learning ha permès l'ús de noves tècniques que han augmentat el ritme dels progressos en aquest sector. Aquesta tecnologia requereix una gran varietat de dades per a entrenament i prova que han d'abastar tot tipus de situacions de conducció. En aquest treball es proposa una nova aproximació a l'hora d'abastar la major diversitat de dades possible mitjançant la utilització de realitat augmentada en seqüències de vídeo. Permetent així que una única seqüència pugui donar lloc a una gran varietat de situacions que potser havien estat impossible d'obtenir mitjançant la presa de dades real. Aquesta nova aproximació trenca amb el vist fins ara ja que proporciona una gran flexibilitat a la forma d'obtenir dades que no s'ha explorat fins a aquests últims anys. Aquesta forma de generar dades s'explora a continuació mitjançant l'ús de dades obtingudes a través de LIDAR i a tècniques de postproducció. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|