Aumento de resolución de la nube de puntos generada por un LiDAR mediante técnicas de Deep Learning
| Autor: | Valdebenito, Bruno Nicolás |
|---|---|
| Přispěvatelé: | Bergasa Pascual, Luis Miguel, Universidad de Alcalá. Escuela Politécnica Superior |
| Rok vydání: | 2020 |
| Předmět: | |
| Zdroj: | e_Buah Biblioteca Digital Universidad de Alcalá instname |
| Popis: | Para la utilización de técnicas de detección y seguimiento de múltiples objetos en una escena urbana basados en LiDAR con un sensor de bajo coste, se estudiará en este Trabajo de Fin de Grado la conversión de datos obtenidos de un sensor LiDAR de 16 haces a datos de un sensor LiDAR de 64 haces, haciendo uso de algoritmos de Deep Learning. El fin de este sistema a diseñar es aplicarlo en el área de percepción de vehículos autónomos, combinándolos con sistemas de detección, también basados en algoritmos de Deep Learning, con el objetivo de lograr un aumento de resolución en los datos de entrada en la detección, obteniendo de esta forma mejores resultados en la detección de objetos, al usar modelos entrenados con LiDARs de 64 haces. Logrando un rendimiento similar al de un sensor LiDAR de 64 haces, pero con uno de 16 haces, reduciendo costes en el hardware. Particularmente se trabajará en el proyecto Tech4AgeCar, del grupo de investigación Robesafe [1], donde se parte de un coche ya equipado con varios sensores, entre ellos un LiDAR de 16 haces, y un sistema ya capaz de conducir automáticamente el vehículo por las calles del campus externo de la Universidad de Alcalá. El equipo de Robesafe ya tiene desarrollado también un entorno para la simulación de este sistema de manera virtual en el simulador CARLA, con la capacidad de utilizar los mismos sensores y realizar ensayos previos a la prueba en el entorno real. For the use of multi-object tracking and detection techniques in a LiDAR-based urban scene with a low cost sensor, this final degree project will consider converting data from a 16 channels LiDAR sensor to data from 64 channels LiDAR sensor, using Deep Learning algorithms. The purpose of the developed system is to apply it in the area of perception of autonomous vehicles, combining them with detection systems, also based on Deep Learning algorithms, with the aim of increasing the resolution of the input data in the detection, and in addition to obtaining better results in the object detection, when using trained models with 64 channels LiDAR sensor. Achieving a similar performance to that of a 64 channels LiDAR sensor, but using a 16 channel sensor, reducing hardware costs. Particulary it work will be done on the Tech4AgeCar project, from the Robesafe research group [1], where you will start from a car already equipped with several sensors including a 16 channels LiDAR, and a system already capable of automatically driving the vehicle through the streets of the external campus of the University of Alcal´a. The Robesafe team has already developed an environment for simulation of this system in a virtual world in CARLA simulator, with the ability to use the same sensors and perform before test it in the real world. Grado en Ingeniería en Electrónica y Automática Industrial |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|