Please use this identifier to cite or link to this item: https://hdl.handle.net/11000/31575

Segmentación de planos a partir de nubes de puntos 3D en estructuras reticulares


Thumbnail

View/Open:
 4-2023_JNR_EstructurasReticulares (1) (1).pdf

2,58 MB
Adobe PDF
Share:
Title:
Segmentación de planos a partir de nubes de puntos 3D en estructuras reticulares
Authors:
Soler Gil, Francisco José  
Peidro, Adrian  
Fabregat Jaén, Marc
Paya, Luis  
Reinoso, Oscar  
Editor:
E.T.S. Ingenieros Industriales Universidad Politécnica de Madrid
Department:
Departamentos de la UMH::Ingeniería de Sistemas y Automática
Issue Date:
2023-06
URI:
https://hdl.handle.net/11000/31575
Abstract:
La creación de mapas y modelado del entorno es una tarea primordial en la navegación de robots móviles. Obtener un modelo del entorno ligero y robusto es imperativo cuando los procesos se van a ejecutar en un robot con capacidad de cómputo y memoria limitada como es el caso de la mayoría de los robots trepadores. En este artículo se propone el uso de diferentes arquitecturas de redes neuronales para identificar de los datos capturados por un sensor LiDAR aquellos puntos que estén contenidos en planos pertenecientes a estructuras reticulares. Su propósito es eliminar información irrelevante como árboles o suelo a fin de mitigar los requisitos necesarios a posteriori de cómputo y memoria para tareas de mapeado o localización. Para el entrenamiento de dichas redes neuronales se ha utilizado un proceso de generación y etiquetado automático de datasets mediante entornos de simulación. Los experimentos realizados demuestran el correcto funcionamiento de las redes neuronales para la segmentación de elementos de la estructura contenidos en un plano
Map building and environment modelling is a main task in mobile robot navigation. Obtaining a lightweight and robust model of the environment is crucial when processes are going to be run in a robot with low computing power and memory, as in the case of most climbing robots. This article proposes the use of different neural network architectures to identify from the data captured with a LiDAR sensor those points contained in planes belonging to reticular structures. Our purpose is to remove irrelevant information such as trees or soil in order to reduce the computation and memory requirements for mapping or localization tasks. For training these neural networks, an automatic dataset generation and labelling process has been developed through simulated environments. The experiments evidence the capacity of neural networks to segment elements of the structure contained in a plane.
Keywords/Subjects:
Redes neuronales
Robótica inteligente
Construcción de mapas
Robots móviles autónomos
Navegación programación y visión de robots
Nubes de Puntos
Detección
Knowledge area:
CDU: Ciencias aplicadas: Ingeniería. Tecnología
Type of document:
application/pdf
Access rights:
info:eu-repo/semantics/openAccess
DOI:
https://doi.org/10.20868/UPM.book.74896
Appears in Collections:
Artículos Ingeniería de Sistemas y Automática



Creative Commons ???jsp.display-item.text9???