Resumen

Aplicando métodos de aprendizaje profundo, este documento aborda el problema de predicción de profundidad resultante de imágenes monoculares individuales. En lugar de predecir una matriz de imagen completa, se predice un vector de distancias. Una predicción solo de vectores reduce la sobrecarga de entrenamiento y los períodos de predicción, y requiere menos recursos (memoria, CPU). Proponemos un módulo que es más eficiente en tiempo que los módulos de vanguardia ResNet, VGG, FCRN y DORN. Mejoramos los resultados de la red al entrenarla con vectores de profundidad de otros niveles (obtenemos un nuevo nivel cambiando el ángulo de inclinación del Lidar). Los resultados predichos dan un vector de distancias alrededor del robot, lo cual es suficiente para el problema de evasión de obstáculos y muchas otras aplicaciones.

• Materias:Sensores Algoritmo genético Controlador difuso Planificación de ruta
• Subjects:sensors Genetic algorithm Fuzzy controller Path planning
• Palabras claves:Aprendizaje profundo; Predicción de profundidad; Imágenes monoculares; Sobrecarga de entrenamiento; Tiempo eficiente; Evitación de obstáculos.
• Keywords:Deep learning; Depth prediction; Monocular images; Training overhead; Time efficient; Obstacle avoidance