Forward-looking sonar ego-motion estimation using deep learning

Simple item page
dc.catalogadorpva
dc.contributor.advisorTroni Peralta, Giancarlo
dc.contributor.authorMuñoz Rojas, Bastián
dc.contributor.otherPontificia Universidad Católica de Chile. Escuela de Ingeniería
dc.date2024-10-01
dc.date.accessioned2023-09-26T13:00:50Z
dc.date.available2023-09-26T13:00:50Z
dc.date.issued2023
dc.descriptionTesis (Master of Science in Engineering)--Pontificia Universidad Católica de Chile, 2023
dc.description.abstractLas operaciones de robótica submarina demandan capacidades precisas de navegación y localización para una amplia gama de actividades, incluyendo mapeo, inspección y exploración. Dado que los Sistemas de Posicionamiento Global (GPS) no están disponibles bajo el agua, estas tareas generalmente dependen de Sistemas de Navegacion Inercial (INS) y Registradores de Velocidad Doppler (DVL). Desafortunadamente, estos sistemas son susceptibles a la deriva y errores, y sus variantes de bajo error a menudo plantean desafíos de integración significativos y costos, especialmente en vehículos más pequeños. Esta tesis explora la aplicación de una cámara acústica, conocida en inglés como Forward-Looking Sonar (FLS) para tareas de navegación, con un enfoque específico en la estimación de odometría a través del Aprendizaje Profundo (DL, por sus siglas en inglés). Con este fin, se desarrolla un marco de datos integral para la recopilación y gestión de datos FLS tanto sintéticos como de terreno. Basadas en el estado del arte, se proponen dos arquitecturas distintas de aprendizaje profundo diseñadas para estimar el movimiento propio entre imágenes FLS. Se implementó un procedimiento para el entrenamiento y evaluación de estos modelos, considerando particularmente la escasez de datos de terreno. Los hallazgos de este estudio demuestran que las arquitecturas propuestas, cuando se entrenan con datos sintéticos, pueden aprender la relación entre imágenes FLS y el movimiento propio correspondiente. Importantemente, este aprendizaje se puede generalizar a datos del mundo real. Además, los resultados sugieren que estos modelos podrían beneficiarse de un proceso de ajuste fino utilizando un subconjunto de datos de terreno. Este trabajo contribuye de manera significativa a la comprensión y avance de los sistemas de navegación basados en FLS en la robótica submarina.
dc.fechaingreso.objetodigital2023-09-26
dc.format.extentxiii, 68 páginas
dc.fuente.origenSRIA
dc.identifier.doi10.7764/tesisUC/ING/74676
dc.identifier.urihttps://doi.org/10.7764/tesisUC/ING/74676
dc.identifier.urihttps://repositorio.uc.cl/handle/11534/74676
dc.information.autorucEscuela de ingeniería ; Troni Peralta, Giancarlo ; 0000-0002-1517-8739 ; 2994
dc.information.autorucEscuela de ingeniería ; Muñoz Rojas, Bastián ; S/I ; 245756
dc.language.isoen
dc.nota.accesocontenido completo
dc.rightsacceso abierto
dc.subjectRobótica submarinaes_ES
dc.subjectNavegaciónes_ES
dc.subjectCámara acústicaes_ES
dc.subjectAprendizaje profundoes_ES
dc.subjectEstimación de movimientoes_ES
dc.subjectOdometríaes_ES
dc.subject.ddc620
dc.subject.deweyIngenieríaes_ES
dc.subject.ods14 Life below water
dc.subject.odspa14 Vida submarina
dc.titleForward-looking sonar ego-motion estimation using deep learning
dc.typetesis de maestría
sipa.codpersvinculados2994
sipa.codpersvinculados245756
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
TESIS_BMuñoz_Firma Final.pdf
Size:
11.75 MB
Format:
Adobe Portable Document Format
Description:
Download
Collections
3.01 Tesis magíster