Javier Alejandro Cremona, Lucas C. Uzal, Taihú Pire
{"title":"WGANVO: odometría visual monocular basada en redes adversarias generativas","authors":"Javier Alejandro Cremona, Lucas C. Uzal, Taihú Pire","doi":"10.4995/riai.2022.16113","DOIUrl":null,"url":null,"abstract":"Los sistemas tradicionales de odometría visual (VO), directos o basados en características visuales, son susceptibles de cometer errores de correspondencia entre imágenes. Además, las configuraciones monoculares sólo son capaces de estimar la localización sujeto a un factor de escala, lo que hace imposible su uso inmediato en aplicaciones de robótica o realidad virtual. Recientemente, varios problemas de Visión por Computadora han sido abordados con éxito por algoritmos de Aprendizaje Profundo. En este trabajo presentamos un sistema de odometría visual monocular basado en Aprendizaje Profundo llamado WGANVO. Específicamente, entrenamos una red neuronal basada en GAN para regresionar una estimación de movimiento. El modelo resultante recibe un par de imágenes y estima el movimiento relativo entre ellas. Entrenamos la red neuronal utilizando un enfoque semi-supervisado. A diferencia de los sistemas monoculares tradicionales basados en geometría, nuestro método basado en Deep Learning es capaz de estimar la escala absoluta de la escena sin información extra ni conocimiento previo. Evaluamos WGANVO en el conocido conjunto de datos KITTI. Demostramos que nuestro sistema funciona en tiempo real y la precisión obtenida alienta a seguir desarrollando sistemas de localización basados en Aprendizaje Profundo.","PeriodicalId":54463,"journal":{"name":"Revista Iberoamericana De Automatica E Informatica Industrial","volume":"8 1","pages":""},"PeriodicalIF":1.1000,"publicationDate":"2021-12-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Revista Iberoamericana De Automatica E Informatica Industrial","FirstCategoryId":"94","ListUrlMain":"https://doi.org/10.4995/riai.2022.16113","RegionNum":4,"RegionCategory":"计算机科学","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"AUTOMATION & CONTROL SYSTEMS","Score":null,"Total":0}
WGANVO: odometría visual monocular basada en redes adversarias generativas
Los sistemas tradicionales de odometría visual (VO), directos o basados en características visuales, son susceptibles de cometer errores de correspondencia entre imágenes. Además, las configuraciones monoculares sólo son capaces de estimar la localización sujeto a un factor de escala, lo que hace imposible su uso inmediato en aplicaciones de robótica o realidad virtual. Recientemente, varios problemas de Visión por Computadora han sido abordados con éxito por algoritmos de Aprendizaje Profundo. En este trabajo presentamos un sistema de odometría visual monocular basado en Aprendizaje Profundo llamado WGANVO. Específicamente, entrenamos una red neuronal basada en GAN para regresionar una estimación de movimiento. El modelo resultante recibe un par de imágenes y estima el movimiento relativo entre ellas. Entrenamos la red neuronal utilizando un enfoque semi-supervisado. A diferencia de los sistemas monoculares tradicionales basados en geometría, nuestro método basado en Deep Learning es capaz de estimar la escala absoluta de la escena sin información extra ni conocimiento previo. Evaluamos WGANVO en el conocido conjunto de datos KITTI. Demostramos que nuestro sistema funciona en tiempo real y la precisión obtenida alienta a seguir desarrollando sistemas de localización basados en Aprendizaje Profundo.
期刊介绍:
La Revista Iberoamericana de Automática e Informática Industrial (RIAI) es el órgano de expresión del Comité Español de Automática (CEA), miembro de la Federación Internacional de Control Automático (IFAC). La revista se desarrolla en el marco de la comunidad iberoamericana, y en general, en los entornos en los que el español constituye el idioma básico y no excluyente de comunicación. RIAI engloba las siguientes temáticas:
• Teoría de control y sistemas.
• Ingeniería de control de procesos e instrumentación.
• Técnicas de control avanzado.
• Automatización y control de sistemas de producción.
• Robótica y sistemas robotizados.
• Arquitecturas de control y tecnología de computadores aplicada al control automático de sistemas.
• Sistemas de tiempo real e informática industrial aplicados al control automático de sistemas.
• Filtrado, estimación y análisis y tratamiento de señales e imágenes aplicados al control automático de sistemas.
• Visión por computador aplicada al control automático de sistemas.
• Modelado, identificación, simulación y optimización de sistemas.
• Inteligencia computacional y técnicas de supervisión y detección de fallos aplicados al control automático de sistemas.
• Historia de la automática. La automática en sistemas sociales, económicos y empresariales.
• Cuestiones docentes y de formación en automática.
• Control de sistemas en red y complejos a gran escala.
• Control automático de procesos industriales, sistemas energéticos, mineros, ingeniería civil y edificios.
• Control automático de sistemas de transporte y vehículos.
• Control automático en bioingeniería, biología, agricultura, ecología y medicina.
• Control automático de máquinas y motores y mecatrónica.