Desarrollo de un sistema de monitoreo de cultivos de café a partir de información multisensorial

Este documento expone el desarrollo de un sistema de monitoreo de cultivos de café que le da a conocer al caficultor de manera intuitiva ciertos aspectos de su cultivo, los cuales le ayudarán a tomar decisiones informadas sobre el mismo. El sistema desarrollado permite, a partir de información prove...

Full description

Autores:
Velandia Fajardo, Natali Johana
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2020
Institución:
Universidad Autónoma de Occidente
Repositorio:
RED: Repositorio Educativo Digital UAO
Idioma:
spa
OAI Identifier:
oai:red.uao.edu.co:10614/12264
Acceso en línea:
http://red.uao.edu.co//handle/10614/12264
Palabra clave:
Ingeniería Mecatrónica
Cultivo de café
Fusión sensorial
Nube de puntos
PCL
Procesamiento de Imágenes
Segmentación
QGIS
Scikit image
Tensor flow
Sistemas de información geográfica
Sensores remotos
Geographic information systems
Remote sensing
Rights
openAccess
License
Derechos Reservados - Universidad Autónoma de Occidente
id REPOUAO2_a6be2108b18745e35fa4fe118fac8777
oai_identifier_str oai:red.uao.edu.co:10614/12264
network_acronym_str REPOUAO2
network_name_str RED: Repositorio Educativo Digital UAO
repository_id_str
dc.title.spa.fl_str_mv Desarrollo de un sistema de monitoreo de cultivos de café a partir de información multisensorial
title Desarrollo de un sistema de monitoreo de cultivos de café a partir de información multisensorial
spellingShingle Desarrollo de un sistema de monitoreo de cultivos de café a partir de información multisensorial
Ingeniería Mecatrónica
Cultivo de café
Fusión sensorial
Nube de puntos
PCL
Procesamiento de Imágenes
Segmentación
QGIS
Scikit image
Tensor flow
Sistemas de información geográfica
Sensores remotos
Geographic information systems
Remote sensing
title_short Desarrollo de un sistema de monitoreo de cultivos de café a partir de información multisensorial
title_full Desarrollo de un sistema de monitoreo de cultivos de café a partir de información multisensorial
title_fullStr Desarrollo de un sistema de monitoreo de cultivos de café a partir de información multisensorial
title_full_unstemmed Desarrollo de un sistema de monitoreo de cultivos de café a partir de información multisensorial
title_sort Desarrollo de un sistema de monitoreo de cultivos de café a partir de información multisensorial
dc.creator.fl_str_mv Velandia Fajardo, Natali Johana
dc.contributor.advisor.spa.fl_str_mv Romero Cano, Victor Adolfo
dc.contributor.author.spa.fl_str_mv Velandia Fajardo, Natali Johana
dc.subject.spa.fl_str_mv Ingeniería Mecatrónica
Cultivo de café
Fusión sensorial
Nube de puntos
PCL
Procesamiento de Imágenes
Segmentación
QGIS
topic Ingeniería Mecatrónica
Cultivo de café
Fusión sensorial
Nube de puntos
PCL
Procesamiento de Imágenes
Segmentación
QGIS
Scikit image
Tensor flow
Sistemas de información geográfica
Sensores remotos
Geographic information systems
Remote sensing
dc.subject.eng.fl_str_mv Scikit image
Tensor flow
dc.subject.armarc.spa.fl_str_mv Sistemas de información geográfica
Sensores remotos
dc.subject.armarc.eng.fl_str_mv Geographic information systems
Remote sensing
description Este documento expone el desarrollo de un sistema de monitoreo de cultivos de café que le da a conocer al caficultor de manera intuitiva ciertos aspectos de su cultivo, los cuales le ayudarán a tomar decisiones informadas sobre el mismo. El sistema desarrollado permite, a partir de información proveniente de dos sensores: una cámara y un sensor LiDAR, una visualización 3D del cultivo de café en la cual se encuentran variables de cultivos como lo son: la estimación aproximada de producción, y la aparente salud del cultivo medida por medio de características como lo son el color predominante en las hojas de los árboles y el volumen que ocupan las mismas. El sistema logró asignar el color a cada punto concordante con los pixeles de la imagen, además se realizó segmentación de la imagen y la nube de puntos para definir en donde se encontraban los árboles. Con esta segmentación se entrenó una red convolucional que determinará si cada pixel pertenece o no a un árbol de café. El primer insumo de datos para el sistema de monitoreo es una imagen RGB del cultivo, de la cual se extraen la ubicación y cantidad aproximada de árboles de café y características que representan la salud del cultivo; para ello se hace uso de múltiples herramientas open source como lo es OpenCV, Scikit Image y Tensor Flow, todas en lenguaje de programación python. Para la parte tridimensional se utilizaron dos fuentes de información, las nubes de puntos obtenidas del sensor LiDAR y las nubes de puntos obtenidas por medio de structure from motion gracias a la librería OpenMVG, además, debido a la librería PCL escrita en el lenguaje C++ se logró el procesamiento de dicha información generando la segmentación suelo-árboles y la segmentación individual de cada árbol de café. Con lo anterior se realizó la visualización de toda la información obtenida en la herramienta para sistemas de información Geográfica QGIS en donde se visualiza el cultivo, la salud y la predicción de cosecha
publishDate 2020
dc.date.accessioned.spa.fl_str_mv 2020-04-27T15:02:57Z
dc.date.available.spa.fl_str_mv 2020-04-27T15:02:57Z
dc.date.issued.spa.fl_str_mv 2020-03-16
dc.type.spa.fl_str_mv Trabajo de grado - Pregrado
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.content.eng.fl_str_mv Text
dc.type.driver.eng.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.redcol.spa.fl_str_mv https://purl.org/redcol/resource_type/TP
dc.type.version.eng.fl_str_mv info:eu-repo/semantics/publishedVersion
format http://purl.org/coar/resource_type/c_7a1f
status_str publishedVersion
dc.identifier.uri.spa.fl_str_mv http://red.uao.edu.co//handle/10614/12264
url http://red.uao.edu.co//handle/10614/12264
dc.language.iso.eng.fl_str_mv spa
language spa
dc.relation.references.spa.fl_str_mv Achanta, Radhakrishna et al. 2011. «2011 Slic». 6(1): 1-8. ———. SLIC Superpixels. An Esri White Paper. 1998. «ESRI Shapefile Technical Description». Computational Statistics 16(July): 370-71. http://www.esri.com/library/whitepapers/pdfs/shapefile.pdf. Análitica web. «El algoritmo K-NN y su importancia en el modelado de datos | Analítica web». https://www.analiticaweb.es/algoritmo-knn-modelado-datos/ (3 de marzo de 2020). Banco de la republica. «Sectores más representativos de la economía colombiana». https://enciclopedia.banrepcultural.org/index.php/Sectores_más_representativ os_de_la_economía_colombiana. Café de Colombia. «El paraiso de la biodiversidad». http://www.cafedecolombia.com/particulares/es/la_tierra_del_cafe/el_paraiso_ de_la_biodiversidad/. ———. «Un café sobresaliente». http://www.cafedecolombia.com/particulares/es/el_cafe_de_colombia/un_cafe _sobresaliente/. Canata, Tatiana F. et al. 2019. «A MEASUREMENT SYSTEM BASED ON LiDAR TECHNOLOGY TO CHARACTERIZE THE CANOPY OF SUGARCANE PLANTS». Engenharia Agrícola 39(2): 240-47. Cenicafe. 1395. «Disturbios Fisiólogicos y nutricionales del cafe». Codelabs developers. «TensorFlow para poetas». https://codelabs.developers.google.com/codelabs/tensorflow-for-poets/#4 (3 de marzo de 2020). Fabregas, Juan Llorens. 2005. «Gerencia de proyectos de tecnología de información». : 284. http://books.google.com/books?id=7FmOMnfjNZIC&pgis=1. Fairchild, Mark D. 2000. 7 Analysis Color Appearance Models Second edition. Felicísimo, Angel Manuel. Capítulo 2 El modelo digital de elevaciones. http://www.etsimo.uniovi.es/~feli/ (14 de marzo de 2020). Franz. «Diferencias entre un DSM, DEM & DTM». https://acolita.com/diferenciasdsm- dem-dtm/ (14 de marzo de 2020). 119 van Gerven, Marcel, y Sander Bohte. 2017. «Editorial: Artificial neural networks as models of neural information processing». Frontiers in Computational Neuroscience 11. Gómez, Aure. «Modelos, Espacios y Perfiles de Color». http://www.auregomez.com/tutoriales/modelos-espacios-y-perfiles-de-color/ (3 de marzo de 2020). Google. 2015. «TensorFlow: Open source machine learning - YouTube». https://www.youtube.com/watch?v=oZikw5k_2FM (3 de marzo de 2020). ———. «Configura TensorBoard | Cloud TPU | Google Cloud». https://cloud.google.com/tpu/docs/tensorboard-setup?hl=es-419 (3 de marzo de 2020). Howard, Andrew G. et al. 2017. «MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications». http://arxiv.org/abs/1704.04861. Loizou, Christos P., y Constantinos S. Pattichis. 2008. «Despeckle Filtering Algorithms and Software for Ultrasound Imaging». Synthesis Lectures on Algorithms and Software in Engineering 1(1): 1-166. Ministerio de comercio. 2016. «Oficina de Estudios Económicos». : 1-6. http://www.mincit.gov.co/getattachment/1c8db89b-efed-46ec-b2a1- 56513399bd09/Colombia.aspx. Numpy. «NumPy — NumPy». https://numpy.org/ (2 de marzo de 2020). OpenCV. «Basic Operations on Images — OpenCV-Python Tutorials 1 documentation». https://opencv-pythontutroals. readthedocs.io/en/latest/py_tutorials/py_core/py_basic_ops/py_basic_ ops.html (3 de marzo de 2020). PCL. «Documentation - Point Cloud Library (PCL)». http://pointclouds.org/documentation/tutorials/voxel_grid.php#voxelgrid (13 de febrero de 2020a). ———. «Documentation - Point Cloud Library (PCL)». http://www.pointclouds.org/documentation/tutorials/cluster_extraction.php (2 de marzo de 2020b). Pointcloud Library. «Euclidean Cluster Extraction». http://pointclouds.org/documentation/tutorials/cluster_extraction.php#clusterextraction (14 de marzo de 2020). Proclama del cauca. 2018. «EN SOTARÁ ESTÁ EL ‘MEJOR CAFÉ DEL CAUCA’ – Proclama del Cauca». https://www.proclamadelcauca.com/en-sotara-esta-elmejor- cafe-del-cauca/ (2 de marzo de 2020). 120 QGIS. «Descubre QGIS». https://www.qgis.org/es/site/about/index.html (13 de febrero de 2020). Quora. «What is the definition of bottleneck features in transfer learning?» https://www.quora.com/What-is-the-definition-of-bottleneck-features-intransfer- learning (3 de marzo de 2020). RAE. «Agricultura». RAE. ROS. «Messages - ROS Wiki». http://wiki.ros.org/Messages (13 de febrero de 2020a). ———. «Nodes - ROS Wiki». http://wiki.ros.org/Nodes (13 de febrero de 2020b). ———. «Packages - ROS Wiki». http://wiki.ros.org/Packages (13 de febrero de 2020c). ———. «robot_localization wiki — robot_localization 2.6.5 documentation». http://docs.ros.org/melodic/api/robot_localization/html/index.html# (13 de enero de 2020d). ———. «Topics - ROS Wiki». http://wiki.ros.org/Topics (13 de febrero de 2020e). Rusu, Radu Bogdan, y Steve Cousins. 3D is here: Point Cloud Library (PCL). http://pointclouds.org (13 de febrero de 2020). SANDINO, Juan. 2014. universida Proyecto «Development of projects in monitoring of farming crops through machine vision». http://hdl.handle.net/10654/13158. Santovenia Díaz, Javier. et al., Consuelo. Tarragó Montalvo, y Rubén. Cañedo Andalia. 2009. «Sistemas de información geográfica para la gestión de la información». Acimed 20(5): 72-75. http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1024- 94352009001100007. Tensorflow. «Transfer learning with a pretrained ConvNet». https://www.tensorflow.org/tutorials/images/transfer_learning (3 de marzo de 2020). Velodyne Lidar. Vlp-16 LiDAR PUCK datasheet. www.velodynelidar.com (13 de febrero de 2020). Zhang, Keqi et al. 2003. «A progressive morphological filter for removing nonground measurements from airborne LIDAR data». IEEE Transactions on Geoscience and Remote Sensing 41(4 PART I): 872-82.
dc.rights.spa.fl_str_mv Derechos Reservados - Universidad Autónoma de Occidente
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.uri.spa.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.eng.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.creativecommons.spa.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
rights_invalid_str_mv Derechos Reservados - Universidad Autónoma de Occidente
https://creativecommons.org/licenses/by-nc-nd/4.0/
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.spa.fl_str_mv application/pdf
dc.format.extent.spa.fl_str_mv 120 páginas
dc.coverage.spatial.spa.fl_str_mv Universidad Autónoma de Occidente. Calle 25 115-85. Km 2 vía Cali-Jamundí
dc.publisher.spa.fl_str_mv Universidad Autónoma de Occidente
dc.publisher.program.spa.fl_str_mv Ingeniería Mecatrónica
dc.publisher.department.spa.fl_str_mv Departamento de Automática y Electrónica
dc.publisher.faculty.spa.fl_str_mv Facultad de Ingeniería
dc.source.spa.fl_str_mv instname:Universidad Autónoma de Occidente
reponame:Repositorio Institucional UAO
instname_str Universidad Autónoma de Occidente
institution Universidad Autónoma de Occidente
reponame_str Repositorio Institucional UAO
collection Repositorio Institucional UAO
bitstream.url.fl_str_mv https://dspace7-uao.metacatalogo.com/bitstreams/9f4b0fc2-486d-4b44-813b-76871fd6c930/download
https://dspace7-uao.metacatalogo.com/bitstreams/0f3eb113-f8f8-4926-9a71-05939165e73e/download
https://dspace7-uao.metacatalogo.com/bitstreams/01eec403-074a-470b-b163-9420b2a1da46/download
https://dspace7-uao.metacatalogo.com/bitstreams/58347588-7b02-4d10-8c66-4fdcd405d42b/download
https://dspace7-uao.metacatalogo.com/bitstreams/6114f61d-6e54-48e6-8092-26f7f8f05c04/download
https://dspace7-uao.metacatalogo.com/bitstreams/29765ed3-d51d-4709-af89-37823084c9ab/download
https://dspace7-uao.metacatalogo.com/bitstreams/a5949c23-b69f-4804-8e5d-c66971dba272/download
https://dspace7-uao.metacatalogo.com/bitstreams/c5aaab7c-26fb-4ff4-884a-efe55c3406c8/download
bitstream.checksum.fl_str_mv d5db5e6ef211f663e14bb8044c65e9b2
e1c06d85ae7b8b032bef47e42e4c08f9
55c6571b9e1ad2f45c0d23fc89c66302
38df3ac69ed234fa0d65b4bd3a4de049
4460e5956bc1d1639be9ae6146a50347
20b5ba22b1117f71589c7318baa2c560
9244384e81c3f7c3e16dce773014d087
aef8cabb0b4802b85f45d0f8028c3330
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio UAO
repository.mail.fl_str_mv repositorio@uao.edu.co
_version_ 1814259838643863552
spelling Romero Cano, Victor Adolfo6e79be7b8aa957fba6721fd97907059aVelandia Fajardo, Natali Johanabc230ff476d61ba0b512825bc26b917dIngeniero MecatrónicoUniversidad Autónoma de Occidente. Calle 25 115-85. Km 2 vía Cali-Jamundí2020-04-27T15:02:57Z2020-04-27T15:02:57Z2020-03-16http://red.uao.edu.co//handle/10614/12264Este documento expone el desarrollo de un sistema de monitoreo de cultivos de café que le da a conocer al caficultor de manera intuitiva ciertos aspectos de su cultivo, los cuales le ayudarán a tomar decisiones informadas sobre el mismo. El sistema desarrollado permite, a partir de información proveniente de dos sensores: una cámara y un sensor LiDAR, una visualización 3D del cultivo de café en la cual se encuentran variables de cultivos como lo son: la estimación aproximada de producción, y la aparente salud del cultivo medida por medio de características como lo son el color predominante en las hojas de los árboles y el volumen que ocupan las mismas. El sistema logró asignar el color a cada punto concordante con los pixeles de la imagen, además se realizó segmentación de la imagen y la nube de puntos para definir en donde se encontraban los árboles. Con esta segmentación se entrenó una red convolucional que determinará si cada pixel pertenece o no a un árbol de café. El primer insumo de datos para el sistema de monitoreo es una imagen RGB del cultivo, de la cual se extraen la ubicación y cantidad aproximada de árboles de café y características que representan la salud del cultivo; para ello se hace uso de múltiples herramientas open source como lo es OpenCV, Scikit Image y Tensor Flow, todas en lenguaje de programación python. Para la parte tridimensional se utilizaron dos fuentes de información, las nubes de puntos obtenidas del sensor LiDAR y las nubes de puntos obtenidas por medio de structure from motion gracias a la librería OpenMVG, además, debido a la librería PCL escrita en el lenguaje C++ se logró el procesamiento de dicha información generando la segmentación suelo-árboles y la segmentación individual de cada árbol de café. Con lo anterior se realizó la visualización de toda la información obtenida en la herramienta para sistemas de información Geográfica QGIS en donde se visualiza el cultivo, la salud y la predicción de cosechaProyecto de grado (Ingeniero Mecatrónico)-- Universidad Autónoma de Occidente, 2020PregradoIngeniero(a) Mecatrónico(a)application/pdf120 páginasspaUniversidad Autónoma de OccidenteIngeniería MecatrónicaDepartamento de Automática y ElectrónicaFacultad de IngenieríaDerechos Reservados - Universidad Autónoma de Occidentehttps://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)http://purl.org/coar/access_right/c_abf2instname:Universidad Autónoma de Occidentereponame:Repositorio Institucional UAOIngeniería MecatrónicaCultivo de caféFusión sensorialNube de puntosPCLProcesamiento de ImágenesSegmentaciónQGISScikit imageTensor flowSistemas de información geográficaSensores remotosGeographic information systemsRemote sensingDesarrollo de un sistema de monitoreo de cultivos de café a partir de información multisensorialTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttps://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/version/c_970fb48d4fbd8a85Achanta, Radhakrishna et al. 2011. «2011 Slic». 6(1): 1-8. ———. SLIC Superpixels. An Esri White Paper. 1998. «ESRI Shapefile Technical Description». Computational Statistics 16(July): 370-71. http://www.esri.com/library/whitepapers/pdfs/shapefile.pdf. Análitica web. «El algoritmo K-NN y su importancia en el modelado de datos | Analítica web». https://www.analiticaweb.es/algoritmo-knn-modelado-datos/ (3 de marzo de 2020). Banco de la republica. «Sectores más representativos de la economía colombiana». https://enciclopedia.banrepcultural.org/index.php/Sectores_más_representativ os_de_la_economía_colombiana. Café de Colombia. «El paraiso de la biodiversidad». http://www.cafedecolombia.com/particulares/es/la_tierra_del_cafe/el_paraiso_ de_la_biodiversidad/. ———. «Un café sobresaliente». http://www.cafedecolombia.com/particulares/es/el_cafe_de_colombia/un_cafe _sobresaliente/. Canata, Tatiana F. et al. 2019. «A MEASUREMENT SYSTEM BASED ON LiDAR TECHNOLOGY TO CHARACTERIZE THE CANOPY OF SUGARCANE PLANTS». Engenharia Agrícola 39(2): 240-47. Cenicafe. 1395. «Disturbios Fisiólogicos y nutricionales del cafe». Codelabs developers. «TensorFlow para poetas». https://codelabs.developers.google.com/codelabs/tensorflow-for-poets/#4 (3 de marzo de 2020). Fabregas, Juan Llorens. 2005. «Gerencia de proyectos de tecnología de información». : 284. http://books.google.com/books?id=7FmOMnfjNZIC&pgis=1. Fairchild, Mark D. 2000. 7 Analysis Color Appearance Models Second edition. Felicísimo, Angel Manuel. Capítulo 2 El modelo digital de elevaciones. http://www.etsimo.uniovi.es/~feli/ (14 de marzo de 2020). Franz. «Diferencias entre un DSM, DEM & DTM». https://acolita.com/diferenciasdsm- dem-dtm/ (14 de marzo de 2020). 119 van Gerven, Marcel, y Sander Bohte. 2017. «Editorial: Artificial neural networks as models of neural information processing». Frontiers in Computational Neuroscience 11. Gómez, Aure. «Modelos, Espacios y Perfiles de Color». http://www.auregomez.com/tutoriales/modelos-espacios-y-perfiles-de-color/ (3 de marzo de 2020). Google. 2015. «TensorFlow: Open source machine learning - YouTube». https://www.youtube.com/watch?v=oZikw5k_2FM (3 de marzo de 2020). ———. «Configura TensorBoard | Cloud TPU | Google Cloud». https://cloud.google.com/tpu/docs/tensorboard-setup?hl=es-419 (3 de marzo de 2020). Howard, Andrew G. et al. 2017. «MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications». http://arxiv.org/abs/1704.04861. Loizou, Christos P., y Constantinos S. Pattichis. 2008. «Despeckle Filtering Algorithms and Software for Ultrasound Imaging». Synthesis Lectures on Algorithms and Software in Engineering 1(1): 1-166. Ministerio de comercio. 2016. «Oficina de Estudios Económicos». : 1-6. http://www.mincit.gov.co/getattachment/1c8db89b-efed-46ec-b2a1- 56513399bd09/Colombia.aspx. Numpy. «NumPy — NumPy». https://numpy.org/ (2 de marzo de 2020). OpenCV. «Basic Operations on Images — OpenCV-Python Tutorials 1 documentation». https://opencv-pythontutroals. readthedocs.io/en/latest/py_tutorials/py_core/py_basic_ops/py_basic_ ops.html (3 de marzo de 2020). PCL. «Documentation - Point Cloud Library (PCL)». http://pointclouds.org/documentation/tutorials/voxel_grid.php#voxelgrid (13 de febrero de 2020a). ———. «Documentation - Point Cloud Library (PCL)». http://www.pointclouds.org/documentation/tutorials/cluster_extraction.php (2 de marzo de 2020b). Pointcloud Library. «Euclidean Cluster Extraction». http://pointclouds.org/documentation/tutorials/cluster_extraction.php#clusterextraction (14 de marzo de 2020). Proclama del cauca. 2018. «EN SOTARÁ ESTÁ EL ‘MEJOR CAFÉ DEL CAUCA’ – Proclama del Cauca». https://www.proclamadelcauca.com/en-sotara-esta-elmejor- cafe-del-cauca/ (2 de marzo de 2020). 120 QGIS. «Descubre QGIS». https://www.qgis.org/es/site/about/index.html (13 de febrero de 2020). Quora. «What is the definition of bottleneck features in transfer learning?» https://www.quora.com/What-is-the-definition-of-bottleneck-features-intransfer- learning (3 de marzo de 2020). RAE. «Agricultura». RAE. ROS. «Messages - ROS Wiki». http://wiki.ros.org/Messages (13 de febrero de 2020a). ———. «Nodes - ROS Wiki». http://wiki.ros.org/Nodes (13 de febrero de 2020b). ———. «Packages - ROS Wiki». http://wiki.ros.org/Packages (13 de febrero de 2020c). ———. «robot_localization wiki — robot_localization 2.6.5 documentation». http://docs.ros.org/melodic/api/robot_localization/html/index.html# (13 de enero de 2020d). ———. «Topics - ROS Wiki». http://wiki.ros.org/Topics (13 de febrero de 2020e). Rusu, Radu Bogdan, y Steve Cousins. 3D is here: Point Cloud Library (PCL). http://pointclouds.org (13 de febrero de 2020). SANDINO, Juan. 2014. universida Proyecto «Development of projects in monitoring of farming crops through machine vision». http://hdl.handle.net/10654/13158. Santovenia Díaz, Javier. et al., Consuelo. Tarragó Montalvo, y Rubén. Cañedo Andalia. 2009. «Sistemas de información geográfica para la gestión de la información». Acimed 20(5): 72-75. http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1024- 94352009001100007. Tensorflow. «Transfer learning with a pretrained ConvNet». https://www.tensorflow.org/tutorials/images/transfer_learning (3 de marzo de 2020). Velodyne Lidar. Vlp-16 LiDAR PUCK datasheet. www.velodynelidar.com (13 de febrero de 2020). Zhang, Keqi et al. 2003. «A progressive morphological filter for removing nonground measurements from airborne LIDAR data». IEEE Transactions on Geoscience and Remote Sensing 41(4 PART I): 872-82.PublicationTEXTT09132.pdf.txtT09132.pdf.txtExtracted texttext/plain149972https://dspace7-uao.metacatalogo.com/bitstreams/9f4b0fc2-486d-4b44-813b-76871fd6c930/downloadd5db5e6ef211f663e14bb8044c65e9b2MD57TA9132.pdf.txtTA9132.pdf.txtExtracted texttext/plain2https://dspace7-uao.metacatalogo.com/bitstreams/0f3eb113-f8f8-4926-9a71-05939165e73e/downloade1c06d85ae7b8b032bef47e42e4c08f9MD59THUMBNAILT09132.pdf.jpgT09132.pdf.jpgGenerated Thumbnailimage/jpeg5848https://dspace7-uao.metacatalogo.com/bitstreams/01eec403-074a-470b-b163-9420b2a1da46/download55c6571b9e1ad2f45c0d23fc89c66302MD58TA9132.pdf.jpgTA9132.pdf.jpgGenerated Thumbnailimage/jpeg10212https://dspace7-uao.metacatalogo.com/bitstreams/58347588-7b02-4d10-8c66-4fdcd405d42b/download38df3ac69ed234fa0d65b4bd3a4de049MD510CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805https://dspace7-uao.metacatalogo.com/bitstreams/6114f61d-6e54-48e6-8092-26f7f8f05c04/download4460e5956bc1d1639be9ae6146a50347MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-81665https://dspace7-uao.metacatalogo.com/bitstreams/29765ed3-d51d-4709-af89-37823084c9ab/download20b5ba22b1117f71589c7318baa2c560MD54ORIGINALT09132.pdfT09132.pdfapplication/pdf5086064https://dspace7-uao.metacatalogo.com/bitstreams/a5949c23-b69f-4804-8e5d-c66971dba272/download9244384e81c3f7c3e16dce773014d087MD55TA9132.pdfTA9132.pdfapplication/pdf780094https://dspace7-uao.metacatalogo.com/bitstreams/c5aaab7c-26fb-4ff4-884a-efe55c3406c8/downloadaef8cabb0b4802b85f45d0f8028c3330MD5610614/12264oai:dspace7-uao.metacatalogo.com:10614/122642024-01-19 15:51:52.205https://creativecommons.org/licenses/by-nc-nd/4.0/Derechos Reservados - Universidad Autónoma de Occidenteopen.accesshttps://dspace7-uao.metacatalogo.comRepositorio UAOrepositorio@uao.edu.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

Publicaciones similares