000085259 001__ 85259 000085259 005__ 20191118101530.0 000085259 037__ $$aTAZ-TFG-2019-2646 000085259 041__ $$aspa 000085259 1001_ $$aIzquierdo Barranco, Sergio 000085259 24200 $$aDeep neural networks to improve the robustness of ORB-SLAM2 000085259 24500 $$aRedes neuronales profundas para mejorar la robustez de ORB-SLAM2 000085259 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2019 000085259 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/ 000085259 520__ $$aLos sistemas de SLAM (Simultaneous Localization And Mapping) permiten la generación de un<br />mapa sobre un entorno desconocido mientras se calcula la localización del agente en ese mismo espacio. El sistema ORB-SLAM2, desarrollado por la Universidad de Zaragoza, permite la generación de estos mapas utilizando cámaras como únicos sensores. Para ello, el sistema se basa en una extracción exhaustiva de puntos de interés ORB que posteriormente, y mediante su emparejamiento entre distintas imágenes, le servirán para conocer el desplazamiento del agente. Sin embargo, la utilización del extractor ORB para este propósito implica que no se utiliza ningún conocimiento empírico del entorno en el que se mueve el agente, resultando en que no todos los puntos extraídos son idóneos para el sistema.<br />Este trabajo aprovecha los grandes avances en el aprendizaje profundo para superar las limitaciones del sistema original añadiendo un componente de inteligencia mediante el aprendizaje con redes neuronales. Con este objetivo hemos intentado, en primer lugar, añadir este aprendizaje como una capa por encima del extractor ORB para predecir la robustez de los puntos de interés a partir de la localización del punto en la imagen, su descriptor y los niveles de gris de la región donde aparece el punto. El resultado obtenido es negativo, lo que nos permite concluir que la falta de robustez de los puntos ORB depende de factores aleatorios que no es posible aprender.<br />Con esta conclusión se ha decidido en segundo lugar sustituir completamente tanto la extracción como el emparejamiento de los puntos en el sistema, implementando de nuevo uno de los principales módulos de ORB-SLAM2. En este nuevo sistema creado, una red neuronal marca las zonas de interés de una imagen, y un nuevo sistema de seguimiento se encarga de rastrearlas entre distintos fotogramas. Estas mejoras consiguen que el porcentaje de puntos rastreados correctamente por el sistema cambie drásticamente del 3% al 56%.<br /><br /> 000085259 521__ $$aGraduado en Ingeniería Informática 000085259 540__ $$aDerechos regulados por licencia Creative Commons 000085259 700__ $$aTardós Solano, Juan Domingo$$edir. 000085259 7102_ $$aUniversidad de Zaragoza$$bInformática e Ingeniería de Sistemas$$cIngeniería de Sistemas y Automática 000085259 8560_ $$f721057@celes.unizar.es 000085259 8564_ $$s7073760$$uhttps://zaguan.unizar.es/record/85259/files/TAZ-TFG-2019-2646.pdf$$yMemoria (spa) 000085259 909CO $$ooai:zaguan.unizar.es:85259$$pdriver$$ptrabajos-fin-grado 000085259 950__ $$a 000085259 951__ $$adeposita:2019-11-18 000085259 980__ $$aTAZ$$bTFG$$cEINA 000085259 999__ $$a20190628113646.CREATION_DATE