GEOMETRIA, FOTOMETRIA Y APRENDIZAJE PARA SLAM VISUAL
LA MAYORIA DE LA INVESTIGACION EN SLAM VISUAL SE HA FOCALIZADO EN LA GEOMETRIA DE MULTIPLES VISTAS Y EN LA OPTIMIZACION NO LINEAL, Y DICHA INTENSA Y EXITOSA INVESTIGACION SE HA TRANSFERIDO DE HECHO YA A VARIOS DOMINIOS DE APLICACI...
ver más
Descripción del proyecto
LA MAYORIA DE LA INVESTIGACION EN SLAM VISUAL SE HA FOCALIZADO EN LA GEOMETRIA DE MULTIPLES VISTAS Y EN LA OPTIMIZACION NO LINEAL, Y DICHA INTENSA Y EXITOSA INVESTIGACION SE HA TRANSFERIDO DE HECHO YA A VARIOS DOMINIOS DE APLICACION. LOS SISTEMAS DE SLAM VISUAL PRESENTAN HOY EN DIA UNA GRAN PRECISION EN LA LOCALIZACION DE LA CAMARA. SIN EMBARGO, LOS MAPAS DE LA ESCENA ESTAN VACIOS EN LA MAYOR PARTE DE LOS CASOS, NO TIENEN SENTIDO SEMANTICO NI ROBUSTEZ FRENTE A CAMBIOS EN LA ILUMINACION Y LA GEOMETRIA, Y NORMALMENTE NO PUEDEN USARSE AL CABO DE UNAS POCAS HORAS DEBIDO A DICHAS LIMITACIONES. AUNQUE ESTO PUEDE SER SUFICIENTE PARA APLICACIONES QUE SOLAMENTE USAN ESTIMACIONES A CORTO PLAZO DEL MOVIMIENTO DEL SENSOR, NUESTRO OBJETIVO ES MEJORAR LA REPRESENTACION DE LA ESCENA PARA DESARROLLAR TODO EL POTENCIAL DE LA TECNOLOGIA. EN ESTE PROYECTO ASPIRAMOS A AVANZAR EL ESTADO DEL ARTE HACIA UN AMBICIOSO OBJETIVO: REPRESENTACIONES DE ESCENA QUE SEAN DURADERAS, ROBUSTAS Y CON CONTENIDO SEMANTICO. NUESTRA HIPOTESIS DE PARTIDA ES QUE VARIAS PARTES DEL SLAM, RELACIONADAS CON LA FORMACION DE LA IMAGEN Y LOS PATRONES VISUALES, SE BASAN EN MODELOS CLASICOS MUY SENCILLOS, E INCORPORANDO MODELOS DE ILUMINACION Y APRENDIZAJE PROFUNDO SE PODRIA LLEGAR A REPRESENTACIONES DE MAS ALTO NIVEL. NO SOLO ESO, LA REDUNDANCIA MULTIVISTA DEL SLAM TIENE UN GRAN POTENCIAL PARA LA AUTOSUPERVISION DE MODELOS PROFUNDOS. PESE A SU RELEVANCIA POTENCIAL, LA INCORPORACION FUERTEMENTE ACOPLADA DE LA GEOMETRIA EN EL APRENDIZAJE PROFUNDO ESTA DANDO TODAVIA SUS PRIMEROS PASOS, Y EL USO DE LA INFORMACION FOTOMETRICA ES ESCASISIMA.NUESTRO OBJETIVO GENERAL EN EL PROYECTO ES LA INTEGRACION FUERTEMENTE ACOPLADA DE LA GEOMETRIA, FOTOMETRIA Y APRENDIZAJE PARA IMPULSAR LA PRECISION, ROBUSTEZ Y SEMANTICA EN TODAS LAS ETAPAS DEL SLAM VISUAL: SEGUIMIENTO, MAPEO Y RELOCALIZACION. DENTRO DE ESTE OBJETIVO GENERAL, ABORDAREMOS CINCO SUB-OBJETIVOS ESPECIFICOS RELACIONADOS CON 1) LA FUSION PROBABILISTA DE PROFUNDIDADES ESTIMADAS A PARTIR DE UNA Y VARIAS VISTAS, 2) LA ESTIMACION DE MAPAS DE ESCENAS CON CONTENIDO DINAMICO Y DEFORMABLE, 3) LA OPTIMIZACION FOTOMETRICA Y FEATURIMETRICA PARA MAPEO ROBUSTO DE ESCENAS, 4) EL APRENDIZAJE AUTOSUPERVISADO DE REPRESENTACIONES DURADERAS DE ESCENAS Y 5) LA FORMULACION FUERTEMENTE ACOPLADA DEL APRENDIZAJE Y LA GEOMETRIA PARA RELOCALIZACION DE CAMARA EN MAPA CONOCIDO. ISUAL SLAM\DEEP LEARNING
Seleccionando "Aceptar todas las cookies" acepta el uso de cookies para ayudarnos a brindarle una mejor experiencia de usuario y para analizar el uso del sitio web. Al hacer clic en "Ajustar tus preferencias" puede elegir qué cookies permitir. Solo las cookies esenciales son necesarias para el correcto funcionamiento de nuestro sitio web y no se pueden rechazar.
Cookie settings
Nuestro sitio web almacena cuatro tipos de cookies. En cualquier momento puede elegir qué cookies acepta y cuáles rechaza. Puede obtener más información sobre qué son las cookies y qué tipos de cookies almacenamos en nuestra Política de cookies.
Son necesarias por razones técnicas. Sin ellas, este sitio web podría no funcionar correctamente.
Son necesarias para una funcionalidad específica en el sitio web. Sin ellos, algunas características pueden estar deshabilitadas.
Nos permite analizar el uso del sitio web y mejorar la experiencia del visitante.
Nos permite personalizar su experiencia y enviarle contenido y ofertas relevantes, en este sitio web y en otros sitios web.