Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.12313/1306
Title: Reconocimiento de elementos de escena sobre nubes de puntos tridimensionales en aplicaciones de robótica móvil terrestre.
Authors: Florez Romero, Andres Mauricio
Advisors: Murcia Moreno, Harold Fabián
Keywords: Nubes de puntos
Clasificación supervisada
Elementos de escena
LiDAR
Descriptores de características 3D y 2D
F1-score
Onda completa
Issue Date: 2019
Publisher: Universidad de Ibagué
Citation: Florez Romero, A.M. (2019). Reconocimiento de elementos de escena sobre nubes de puntos tridimensionales en aplicaciones de robótica móvil terrestre. [Tesis de pregrado, Universidad de Ibagué]. http://repositorio.unibague.edu.co:80/jspui/handle/20.500.12313/1306
Abstract: This project is developed in the seedbed SI2C of the research group D+TEC of the Universidad de Ibagué, it consists on the a supervised classification algorithm for scene elements recognition on urban environments, taking points clouds acquired with an acquisition system that implements in LAAS (Laboratory for Analysis and Architecture of Systems) that implements a LiDAR sensor on board a UGV. The classifiers were Random Forest (RF), Support Vector Machine (SVM), AdaBoost, Neural Network (NN) and Gaussian Naive Bayes, those were trained with 3D features, 2D and characteristics of full wave form information, the last one being the contribution generated for projects already developed. The classifiers were evaluated using the F1 Score indicator, obtaining an average of scores up to 86% accuracy getting a classifier with rates of high success and demonstrating the contribution provided by the descriptors proposed based on the information obtained from the full wave characteristics, respect to conventional descriptors
Description: El presente proyecto es desarrollado en el semillero SI2C del grupo D+TEC de la Universidad de Ibagué, consiste en el desarrollo de un algoritmo de clasificación supervisado para el reconocimiento de elementos de escena en el ámbito urbano, partiendo de nubes de puntos adquiridas por un sistema de adquisición especializado en el LAAS (Laboratory for Analysis and Architecture of Systems) a partir de un sensor LiDAR a bordo de un UGV (Unmanned Ground Vehicle). Los clasificadores utilizados fueron Random Forest (RF), Support Vector Machine (SVM), AdaBoost, Neural Network (NN) y Gaussian Naive Bayes, los cuales, fueron entrenados con descriptores de características 3D, 2D e información de forma de onda completa, siendo este último el aporte generado hacia los trabajos ya desarrollados. Los clasificadores fueron evaluados mediante el indicador F1-score, obteniendo un promedio de puntuaciones hasta de un 86% de precisión, logrando así, un clasificador con altos índices de acierto y demostrando la contribución que brindan los descriptores propuestos con base a la información obtenida a partir de las características de onda completa, respecto a los descriptores convencionales.
URI: http://repositorio.unibague.edu.co:80/jspui/handle/20.500.12313/1306
Appears in Collections:Ingeniería Electrónica

Files in This Item:
File Description SizeFormat 
Trabajo de grado.pdf5.28 MBAdobe PDFThumbnail
View/Open
Autorizacion de Publicacion.pdf
  Restricted Access
150.73 kBAdobe PDFView/Open Request a copy



This item is licensed under a Creative Commons License Creative Commons