Hola,
¿eres nuevo aquí?

Registrate y conecta tu empresa con financiación pública, partners y proyectos.

PGC2018-096367-B-I00

Financiado

SLAM VISUAL MEJORADO MEDIANTE APRENDIZAJE PROFUNDO

DESPUES DE DECADAS DE INTENSA INVESTIGACION SOBRE SLAM VISUAL (VSLAM), EN LA QUE NUESTRO GRUPO HA ESTADO A LA VANGUARDIA, PODEMOS CONSIDERAR MADURAS LAS TECNICAS DE SLAM VISUAL BASADAS EN CARACTERISTICAS, EN PROYECTOS ANTERIORES,... ver más

01/01/2018

UNIZAR

168K€

Presupuesto del proyecto: 168K€

Líder del proyecto

UNIVERSIDAD DE ZARAGOZA. OFICINA DE TRANSFERE... No se ha especificado una descripción o un objeto social para esta compañía.

Sin perfil tecnológico

Ver Participantes

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2018-01-01

0% 100%

Participantes

UNIZAR

Lider

Proyectos interesantes

PRE2019-090875 SLAM VISUAL MEJORADO MEDIANTE APRENDIZAJE PROFUNDO 98K€ Cerrado

BES-2016-078678 READY-TO-TRANSFER VISUAL SLAM 93K€ Cerrado

PID2019-108398GB-I00 INTEGRACION DE MODELOS Y DATOS PARA SLAM ACTIVO ROBUSTO EN E... 108K€ Cerrado

PID2021-127685NB-I00 GEOMETRIA, FOTOMETRIA Y APRENDIZAJE PARA SLAM VISUAL 99K€ Cerrado

DPI2009-07144 FUSION SENSORIAL Y SLAM ACTIVO COOPERATIVO PARA ENTORNOS DE... 27K€ Cerrado

DPI2011-22443 RAMBLER: HACIA LA AUTONOMIA EN ROBOTS DE EXPLORACION DE LARG... 266K€ Cerrado

Últimas noticias

25-11-2024: ECE En las últimas 48 horas el Organismo ECE ha otorgado 52 concesiones

25-11-2024: CMVAMADRID En las últimas 48 horas el Organismo CMVAMADRID ha otorgado 1 concesiones

25-11-2024: FUNDACION-EOI En las últimas 48 horas el Organismo FUNDACION EOI ha otorgado 6 concesiones

Líder del proyecto

UNIVERSIDAD DE ZARAGOZA. OFICINA DE TRANSFERE...

Sin perfil tecnológico

Presupuesto del proyecto 168K€

Descripción del proyecto DESPUES DE DECADAS DE INTENSA INVESTIGACION SOBRE SLAM VISUAL (VSLAM), EN LA QUE NUESTRO GRUPO HA ESTADO A LA VANGUARDIA, PODEMOS CONSIDERAR MADURAS LAS TECNICAS DE SLAM VISUAL BASADAS EN CARACTERISTICAS, EN PROYECTOS ANTERIORES, NUESTRO EQUIPO HA CREADO ORB-SLAM, UN SISTEMA VSLAM OPEN-SOURCE PARA CAMARAS MONOCULARES, ESTEREO Y RGB-D, QUE HA LOGRADO UN IMPACTO EXTRAORDINARIO Y ACTUALMENTE ES CONSIDERADO POR LA MAYORIA DE LOS INVESTIGADORES COMO EL METODO DE REFERENCIA A BATIR, EL SOFTWARE TAMBIEN HA SIDO LICENCIADO A EMPRESAS A NIVEL MUNDIAL PARA SU USO EN PRODUCTOS COMERCIALES EN CAMPOS COMO AR/VR, ROBOTICA Y DRONES,LOS RESULTADOS RECIENTES EN APRENDIZAJE PROFUNDO OFRECEN UNA FIRME PROMESA DE MEJORAR TODAS LAS TAREAS DE PERCEPCION, AUNQUE CARECEN DE LA PRECISION Y ROBUSTEZ DE LOS METODOS CLASICOS, LOS PRIMEROS RESULTADOS HAN DEMOSTRADO SU POTENCIAL PARA ABORDAR VARIOS DESAFIOS DEL VSLAM ACTUAL, DEBIDO A ESTA COMPLEMENTARIEDAD, NUESTRO ENFOQUE NO ES UN SLAM BASADO EN REDES PROFUNDAS DE PRINCIPIO A FIN, SINO UNO QUE COMBINA EL APRENDIZAJE PROFUNDO CON LOS MODELOS GEOMETRICOS Y FOTOMETRICOS, LO QUE IMPULSARA EL RENDIMIENTO DEL VSLAM EN LAS SITUACIONES DONDE FALLAN LOS MODELOS TRADICIONALES: EL MAPEO 3D DENSO EN AREAS DE BAJA TEXTURA O SLAM EN ENTORNOS QUE VARIAN LENTAMENTE,NUESTRO OBJETIVO ES SUPERAR LOS LIMITES DE LAS ACTUALES TECNICAS VSLAM, VALIDAR NUESTROS RESULTADOS DE FORMA RIGUROSA Y EXHAUSTIVA, Y CREAR DEMOSTRADORES PARA FACILITAR LA TRANSFERENCIA DE TECNOLOGIA, CONTINUAREMOS NUESTRA POLITICA DE ACCESO ABIERTO A NUESTROS RESULTADOS EN BENEFICIO DE LA COMUNIDAD INVESTIGADORA, NUESTROS OBJETIVOS DE INVESTIGACION SON:1, MEJORAR LA ROBUSTEZ Y PRECISION DE LOS METODOS VSLAM EN MOVIMIENTOS RAPIDOS Y ENTORNOS DE BAJA TEXTURA USANDO LA INTEGRACION VISUAL-INERCIAL Y COMBINANDO METODOS GEOMETRICOS Y FOTOMETRICOS, TAMBIEN EXPLORAREMOS EL POTENCIAL DEL APRENDIZAJE PROFUNDO PARA OBTENER MEJORES CARACTERISTICAS PARA MEJORAR EL SEGUIMIENTO DE LA CAMARA,2, DESARROLLAR NUEVOS METODOS Y AVANZAR EL ESTADO DEL ARTE DE LOS RECIENTES ALGORITMOS VSLAM DENSOS Y SEMIDENSOS, INVESTIGAREMOS EL MODELO FOTOMETRICO PARA SLAM VISUAL, QUE PERMITIRA USAR UNA GRAN CANTIDAD DE PIXELES DE IMAGEN Y, POR LO TANTO, AUMENTARA SU PRECISION Y ROBUSTEZ, ESTUDIAREMOS LA COMBINACION DE LA ESTIMACION DE PROFUNDIDAD DE VISTA SIMPLE Y VISTAS MULTIPLES, INCORPORANDO MODELOS GEOMETRICOS EN ARQUITECTURAS DE REDES PROFUNDAS,3, CONCEBIR UN SISTEMA VSLAM DEFORMABLE CON EL OBJETIVO DE PROCESAR LAS SECUENCIAS DE LA ENDOSCOPIA MEDICA, INCLUIDAS TODAS LAS ETAPAS: ASOCIACION DE DATOS, SEGUIMIENTO DE LA CAMARA, MAPEO DEFORMABLE Y RELOCALIZACION DE LA CAMARA,4, ESTIMAR MAPAS DE LARGA DURACION, CAPTURANDO LA DINAMICA A LARGO PLAZO DE UNA ESCENA, QUE ES UNO DE LOS DESAFIOS MAS DIFICILES EN SLAM VISUAL, NUESTRA HIPOTESIS ES QUE LAS REDES PROFUNDAS PUEDEN APRENDER LOS CAMBIOS DE APARIENCIA Y LA DINAMICA DE LAS ESCENAS REPRESENTATIVAS, PERO, UNA VEZ MAS, LOS USAREMOS EN COMBINACION CON LA GEOMETRIA DE MULTIPLES VISTAS, CON EL OBJETIVO DE TENER LA PRECISION Y ROBUSTEZ DE ESTA ULTIMA, Y LA CAPACIDAD DE APRENDER PATRONES DE LA PRIMERA,ESTA ES UNA PROPUESTA AMBICIOSA AVALADA POR LAS RELEVANTES CONTRIBUCIONES DE NUESTRO EQUIPO AL AREA DE VSLAM Y POR NUESTRA SOLIDA EXPERIENCIA EN LA CONSTRUCCION DE DEMOSTRADORES EN TIEMPO REAL, QUE HAN DEMOSTRADO SER CLAVES PARA LA DISEMINACION EFECTIVA DE NUESTROS RESULTADOS Y UNA INTENSA TRANSFERENCIA DE TECNOLOGIA, ROBÓTICA\VISIÓN PARA ROBÓTICA\SLAM VISUAL\APRENDIZAJE PROFUNDO

Conecta tu I+D

Entra hoy

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores