Mostrar el registro sencillo del ítem
dc.contributor.advisor | Moreyra, Marcelo Leandro | es_ES |
dc.contributor.other | Zurita, Rafael Ignacio | es_ES |
dc.coverage.spatial | Delimitación Espacial: Zona del Alto Valle de Neuquén y Río Negro. Delimitación temporal: Año 2022. | es_ES |
dc.creator | Sheffield, Naiara Eileen | |
dc.date | 2023-04-24 | |
dc.date.accessioned | 2023-05-05T15:44:56Z | |
dc.date.available | 2023-05-05T15:44:56Z | |
dc.identifier.uri | http://rdi.uncoma.edu.ar/handle/uncomaid/17137 | |
dc.description.abstract | El trabajo presentado a continuación enseña el estudio sobre una técnica colaborativa de Visual Simultaneous Localization and Mapping (Visual-SLAM), el Centralized Collaborative Monocular Simultaneous Localization and Mapping (CCM-SLAM), aplicada a un ambiente frutícola. Presenta las características más sobresalientes del algoritmo sobre otros de visión artificial, para luego ser implementado en un dataset propio. Este dataset fue generado en una chacra de la zona del Alto Valle y está acompañado de datos de un GPS asociado para la posterior comparación con los resultados provistos por CCM-SLAM. Luego se analiza el consumo de recursos del algoritmo para detectar las posibles dificultades en el rendimiento, y poder intuir qué placa de hardware embebido es capaz de ejecutar el programa. Tras este análisis, se procede a realizar ensayos sobre dos Raspberry Pi 3B y, en función de esto, posteriormente se plantea una posible estrategia de implementación del algoritmo en el campo. | es_ES |
dc.description.abstract | The following work shows a study on a collaborative Visual Simultaneous Localization and Mapping (Visual-SLAM) technique, the Centralized Collaborative Monocular Simultaneous Localization and Mapping (CCM-SLAM), applied to a fruit-tree environment. It presents its most outstanding characteristics over other artificial vision algorithms, to later be implemented using a self-made dataset. This dataset was recorded in a farm in the Alto Valle region and associated GPS data was also provided for later comparison with the results given by CCM-SLAM. After that, the resources consumed by the algorithm are analized to detect possible difficulties in performance, and to estimate what kind of embedded hardware board is capable of executing the program. Then, tests on two Raspberry Pi 3B are performed and, based on this, a possible strategy of the algorithm’s implementation on field is presented. | es_ES |
dc.format | application/pdf | es_ES |
dc.language | spa | es_ES |
dc.publisher | Universidad Nacional del Comahue. Facultad de Ingeniería. | es_ES |
dc.rights | Atribución-NoComercial-CompartirIgual 2.5 Argentina | es_ES |
dc.rights.uri | https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ | es_ES |
dc.subject | Visión artificial | es_ES |
dc.subject | SLAM | es_ES |
dc.subject | SLAM colaborativo | es_ES |
dc.subject | Agricultura de precisión | es_ES |
dc.subject | Consumo de recursos computacionales | es_ES |
dc.subject | Artificial vision | es_ES |
dc.subject | Recision agriculture | es_ES |
dc.subject | Computational resources consumption | es_ES |
dc.subject.other | Ciencias de la Computación e Información | es_ES |
dc.subject.other | Ciencias Aplicadas | es_ES |
dc.title | Análisis y propuesta de estrategia para la implementación de técnicas colaborativas de mapeo y localización de robots en una plantación frutícola utilizando visión artificial | es_ES |
dc.type | Trabajo final de grado | es |
dc.type | bachelorThesis | eu |
dc.type | acceptedVersion | eu |
unco.tesis.grado | Ingeniera Electrónica | es_ES |
dc.description.fil | Fil: Sheffield, Naiara Eileen. Universidad Nacional del Comahue. Facultad de Ingeniería. Departamento de Electrotecnia; Argentina. | es_ES |
dc.cole | Trabajos Finales | es_ES |