Sistema de Localización para Vehículos Autónomos Basado en Visión Artificial

El presente trabajo de grado tiene como objetivo el desarrollo de un sistema para la georreferenciación de un vehículo autónomo basado en visión artificial, con un enfoque específico en la utilización de redes neuronales, aplicado en la plataforma DeepRacer de la empresa Amazon Web Services (AWS). S...

Full description

Autores:: Puerto Hernández, Juan David

Tipo de recurso:: Trabajo de grado de pregrado

Fecha de publicación:: 2023

Institución:: Universidad Santo Tomás

Repositorio:: Repositorio Institucional USTA

Idioma:: spa

id	SANTOTOMAS_f528beb3b7a20c2caa15482e951c35ea
oai_identifier_str	oai:repository.usta.edu.co:11634/58783
network_acronym_str	SANTOTOMAS
network_name_str	Repositorio Institucional USTA
repository_id_str
dc.title.spa.fl_str_mv	Sistema de Localización para Vehículos Autónomos Basado en Visión Artificial
title	Sistema de Localización para Vehículos Autónomos Basado en Visión Artificial
spellingShingle	Sistema de Localización para Vehículos Autónomos Basado en Visión Artificial AWS (Amazon Web Services) Bluetooth LE (Low Energy) CNN (Convolutional Neural Network) Machine Learning MAE (Mean Absolute Error) ROS (Robot Operating System) Ingeniería Electrónica Ingeniería Aprendizaje EKF (Filtro de Kalman Extendido) Georreferenciación GPS (Sistema de Posicionamiento Global) Aprendizaje Automático
title_short	Sistema de Localización para Vehículos Autónomos Basado en Visión Artificial
title_full	Sistema de Localización para Vehículos Autónomos Basado en Visión Artificial
title_fullStr	Sistema de Localización para Vehículos Autónomos Basado en Visión Artificial
title_full_unstemmed	Sistema de Localización para Vehículos Autónomos Basado en Visión Artificial
title_sort	Sistema de Localización para Vehículos Autónomos Basado en Visión Artificial
dc.creator.fl_str_mv	Puerto Hernández, Juan David
dc.contributor.advisor.none.fl_str_mv	Calderón Chávez, Juan Manuel Amaya, Sindy Paola
dc.contributor.author.none.fl_str_mv	Puerto Hernández, Juan David
dc.contributor.orcid.spa.fl_str_mv	https://orcid.org/0000-0002-4471-3980 https://orcid.org/0000-0002-1714-1593
dc.contributor.googlescholar.spa.fl_str_mv	https://scholar.google.com/citations?user=Gg2sofAAAAAJ&hl=es&oi=ao
dc.contributor.cvlac.spa.fl_str_mv	https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000380938 https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000796425
dc.contributor.corporatename.spa.fl_str_mv	Universidad Santo Tomás
dc.subject.keyword.spa.fl_str_mv	AWS (Amazon Web Services) Bluetooth LE (Low Energy) CNN (Convolutional Neural Network) Machine Learning MAE (Mean Absolute Error) ROS (Robot Operating System)
topic	AWS (Amazon Web Services) Bluetooth LE (Low Energy) CNN (Convolutional Neural Network) Machine Learning MAE (Mean Absolute Error) ROS (Robot Operating System) Ingeniería Electrónica Ingeniería Aprendizaje EKF (Filtro de Kalman Extendido) Georreferenciación GPS (Sistema de Posicionamiento Global) Aprendizaje Automático
dc.subject.lemb.spa.fl_str_mv	Ingeniería Electrónica Ingeniería Aprendizaje
dc.subject.proposal.spa.fl_str_mv	EKF (Filtro de Kalman Extendido) Georreferenciación GPS (Sistema de Posicionamiento Global) Aprendizaje Automático
description	El presente trabajo de grado tiene como objetivo el desarrollo de un sistema para la georreferenciación de un vehículo autónomo basado en visión artificial, con un enfoque específico en la utilización de redes neuronales, aplicado en la plataforma DeepRacer de la empresa Amazon Web Services (AWS). Se exploró la aplicación innovadora de la Red Neuronal Convolucional (CNN) como regresor para abordar la desafiante tarea de localización en el vehículo autónomo AWS DeepRacer. La CNN, entrenada con un dataset integral de imágenes y coordenadas espaciales, demostró ser eficaz en la predicción precisa de ubicaciones en un entorno bidimensional. Además, se evaluó exhaustivamente el desempeño de la CNN en comparación con el sistema de posicionamiento Lighthouse Position Deck, destacando la importancia de este último como un marco de refe rencia crucial. Se identificaron modelos específicos de la CNN que exhibieron un rendimiento destacado, minimizando las discrepancias entre las predicciones y las coordenadas reales. La investigación proporcionó percepciones valiosas sobre la efectividad de la CNN en entornos es pecíficos, estableciendo una base para la optimización continua de sistemas de localización en el AWS DeepRacer. La comparación entre la CNN y el sistema Lighthouse Position Deck contri buyó a la comprensión integral de los enfoques, sus fortalezas y limitaciones, y señaló áreas para investigaciones futuras en el campo de vehículos autónomos. La aplicación de visión artificial y redes neuronales ocupa una posición central en este proyecto, capacitando al vehículo autónomo para procesar y interpretar su entorno mediante datos visuales. Estas tecnologías posibilitan la identificación de puntos de referencia y características locales, facilitando el cálculo preciso de la posición del vehículo en su entorno. Este enfoque representa una destacada aplicación de la inteligencia artificial y el aprendizaje profundo en el contexto de la navegación autónoma, subrayando la relevancia y el impacto de estas innovaciones en el desarrollo de vehículos autónomos.
publishDate	2023
dc.date.issued.none.fl_str_mv	2023
dc.date.accessioned.none.fl_str_mv	2024-12-05T14:54:55Z
dc.date.available.none.fl_str_mv	2024-12-05T14:54:55Z
dc.type.local.spa.fl_str_mv	Trabajo de grado
dc.type.version.none.fl_str_mv	info:eu-repo/semantics/acceptedVersion
dc.type.coar.none.fl_str_mv	http://purl.org/coar/resource_type/c_7a1f
dc.type.drive.none.fl_str_mv	info:eu-repo/semantics/bachelorThesis
format	http://purl.org/coar/resource_type/c_7a1f
status_str	acceptedVersion
dc.identifier.citation.spa.fl_str_mv	Puerto Hernández, J. D. (2023). Sistema de Localización para Vehículos Autónomos Basado en Visión Artificial. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional.
dc.identifier.uri.none.fl_str_mv	http://hdl.handle.net/11634/58783
dc.identifier.reponame.spa.fl_str_mv	reponame:Repositorio Institucional Universidad Santo Tomás
dc.identifier.instname.spa.fl_str_mv	instname:Universidad Santo Tomás
dc.identifier.repourl.spa.fl_str_mv	repourl:https://repository.usta.edu.co
identifier_str_mv	Puerto Hernández, J. D. (2023). Sistema de Localización para Vehículos Autónomos Basado en Visión Artificial. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional. reponame:Repositorio Institucional Universidad Santo Tomás instname:Universidad Santo Tomás repourl:https://repository.usta.edu.co
url	http://hdl.handle.net/11634/58783
dc.language.iso.spa.fl_str_mv	spa
language	spa
dc.relation.references.spa.fl_str_mv	https://aws.amazon.com/es/what-is-aws/. Accessed: 2023-11-21. https://www.bitcraze.io/documentation/hardware/crazyradio_pa/ crazyradio_pa-datasheet.pdf.Accessed:2023-9-4. https://aws.amazon.com/es/what-is/neural-network/.Accessed:2023-9- 4. Revista INGENIERÍA UC. https://www.redalyc.org/pdf/707/70732640002.pdf. Accessed: 2023-11-21. Dávila Martınez y Francisco Javier. Georreferenciación de documentos carto gráficos para la gestión de Archivos y Cartotecas. “Propuesta Metodológica”. https://www.ign.es/web/resources/docs/IGNCnig/CTC- Ibercarto- V Georreferenciacion.pdf. Accessed: 2023-11-21. A Pozo-Ruz et al. SISTEMA DE POSICIONAMIENTO GLOBAL (GPS): DESCRIPCIÓN, ANÁLISIS DE ERRORES, APLICACIONES Y FUTURO. https://www.peoplematters.com/Archivos/Descargas/GPS.pdf. Accessed: 2023-11-21. Diseño y Maquetación Dpto. Marketing y Comunicación Management Solu tions -España Fotografıas Archivo fotográfico de Management Solutions iS tock. https : / / www . managementsolutions . com / sites / default / files / publicaciones/esp/machine-learning.pdf. Accessed: 2023-11-21. Timothy O Hodson. «Root mean square error (RMSE) or mean absolute error (MAE): when to use them or not». 2022. R Suárez et al. Robot Operating System (ROS). https://www.aer-automation. com/wp-content/uploads/2022/03/ROS_articuloAER.pdf. Accessed: 2023- 11-21. Muertos en accidentes de tránsito en 2021 en Colombia - Colombia - ELTIEMPO.COM. url: https://www.eltiempo.com/colombia/muertos-en accidentes-de-transito-en-2021-en-colombia-646470 ARL SURA - Riesgos Laborales - ARL - La accidentalidad vial: un proble ma mundial. url: https : / / www . arlsura . com / index . php / centro - de - legislacion-sp-26862/73-centro-de-documentacion-anterior/seguridad vial/1474-la-accidentalidad-vial-un-problema-mundial. Luis Montoro González Ana Martí-Belda Bertolín Ignacio Lijarcio Patricia Bo só Consuelo López y Raül Viladrich Castellanas José Suárez Reyes. «Coche Autónomo, seguridad vial y formación de conductores Realizado por: Grupo de investigadores INTRAS». En: (). Mª Loreto et al. «"Implicaciones de la introducción del vehículo autónomo en España"». En: (2014). Mayank Raj y Narendra V G. «Deep Neural Network approach for navigation of Autonomous Vehicles». En: 2021 6th International Conference for Conver gence in Technology (I2CT). 2021, págs. 1-4. doi: 10.1109/I2CT51068.2021. 9418189. Julio Alfredo Capdevila. «El Sistema de Posicionamiento Global (GPS)». En: (2018). Rathin Chandra Shit y Suraj Sharma. «Localization for Autonomous Vehicle: Analysis of Importance of IoT Network Localization for Autonomous Vehicle Applications». En: 2018 International Conference on Applied Electromagnetics, Signal Processing and Communication (AESPC). Vol. 1. 2018, págs. 1-6. doi: 10.1109/AESPC44649.2018.9033329. Liang Li et al. «Hierarchical Neighborhood Based Precise Localization for Inte lligent Vehicles in Urban Environments». En: IEEE Transactions on Intelligent Vehicles 1.3 (2016), págs. 220-229. doi: 10.1109/TIV.2017.2654065. Wei Liu. «Improvement of Navigation of Mobile Robotics Based on IoT Sys tem». En: 2021 IEEE International Conference on Robotics, Automation and Artificial Intelligence (RAAI). 2021, págs. 69-72. doi: 10.1109/RAAI52226. 2021.9507826. Azhar Mahmood, Asim Baig y Qaisar Ahsan. «Real time localization of mo bile robotic platform via fusion of Inertial and Visual Navigation System». En: 2012 International Conference of Robotics and Artificial Intelligence. 2012, págs. 40-44. doi: 10.1109/ICRAI.2012.6413407. Isao Parra-Tsunekawa, Javier Ruiz-del-Solar y Paul Vallejos. «A Kalman-filtering based Approach for Improving Terrain Mapping in off-road Autonomous Vehi cles». En: Journal of Intelligent & Robotic Systems 78.3 (jun. de 2015), págs. 577-591. issn: 1573-0409. doi: 10.1007/s10846-014-0087-9. url: https://doi.org/ 10.1007/s10846-014-0087-9. J. S. Pershina, S. Ya. Kazdorf y A. V. Lopota. «Methods of Mobile Robot Visual Navigation and Environment Mapping». En: Optoelectronics, Instru mentation and Data Processing 55.2 (mar. de 2019), págs. 181-188. issn: 1934- 7944. doi: 10.3103/S8756699019020109. url: https://doi.org/10.3103/ S8756699019020109. Kajal Sharma. «Improved visual SLAM: a novel approach to mapping and localization using visual landmarks in consecutive frames». En: Multimedia Tools and Applications 77.7 (abr. de 2018), págs. 7955-7976. issn: 1573-7721. doi: 10 . 1007 / s11042 - 017 - 4694 - x. url: https : / / doi . org / 10 . 1007 / s11042-017-4694-x. Haoran Song. «The Application of Computer Vision in Responding to the Emergencies of Autonomous Driving». En: 2020 International Conference on Computer Vision, Image and Deep Learning (CVIDL). 2020, págs. 1-5. doi: 10.1109/CVIDL51233.2020.00008. Pablo De Cristóforis et al. «Hybrid vision-based navigation for mobile robots in mixed indoor/outdoor environments». En: Pattern Recognition Letters 53 (feb. de 2015), págs. 118-128. issn: 01678655. doi: 10.1016/j.patrec.2014. 10.010. L. Emmi et al. «A hybrid representation of the environment to improve auto nomous navigation of mobile robots in agriculture». En: Precision Agriculture 22.2 (abr. de 2021), págs. 524-549. issn: 1573-1618. doi: 10.1007/s11119- 020-09773-9. url: https://doi.org/10.1007/s11119-020-09773-9. Taihú Pire, Javier Corti y Guillermo Grinblat. «Online Object Detection and Localization on Stereo Visual SLAM System». En: Journal of Intelligent & Robotic Systems 98.2 (mayo de 2020), págs. 377-386. issn: 1573-0409. doi:10.1007/s10846-019-01074-2. url: https://doi.org/10.1007/s10846- 019-01074-2. Gui-Hai Li y Song-Lin Chen. «Visual Slam in Dynamic Scenes Based on Object Tracking and Static Points Detection». En: Journal of Intelligent Robotic Systems 104 (2 feb. de 2022), pág. 33. issn: 0921-0296. doi: 10.1007/s10846- 021- 01563- 3. url: https://link.springer.com/10.1007/s10846- 021- 01563-3. Su-Yong An, Lae-Kyoung Lee y Se-Young Oh. «Ceiling vision-based active SLAM framework for dynamic and wide-open environments». En: Autonomous Robots 40.2 (feb. de 2016), págs. 291-324. issn: 1573-7527. doi: 10 . 1007 / s10514-015-9453-0. url: https://doi.org/10.1007/s10514-015-9453-0. Seung-Hun Kim et al. «Outdoor Navigation of a Mobile Robot Using Diffe rential GPS and Curb Detection». En: Proceedings 2007 IEEE International Conference on Robotics and Automation. 2007, págs. 3414-3419. doi: 10.1109/ ROBOT.2007.364000. Wei Wu y Wei Min. «The Mobile Robot GPS Position Based on Neural Net work Adaptive Kalman Filter». En: 2009 International Conference on Compu tational Intelligence and Natural Computing. Vol. 1. 2009, págs. 26-29. doi: 10.1109/CINC.2009.257. Nicolas Souli et al. «GNSS Location Verification in Connected and Autonomous Vehicles Using in-Vehicle Multimodal Sensor Data Fusion». En: 2020 22nd International Conference on Transparent Optical Networks (ICTON). 2020, págs. 1-4. doi: 10.1109/ICTON51198.2020.9203087. Andres Leonardo Bayona y Silvia Takahashi Rodriguez. Comparative study of SAC and PPO in multi-agent reinforcement learning using unity ML-agents. https://repositorio.uniandes.edu.co/server/api/core/bitstreams/ cadff679-f3f3-43fa-a543-d6313c0a4932/content. Accessed: 2023-11-19. Bharathan Balaji et al. «DeepRacer: Autonomous Racing Platform for Expe rimentation with Sim2Real Reinforcement Learning». En: 2020 IEEE Interna tional Conference on Robotics and Automation (ICRA). 2020, págs. 2746-2754. doi: 10.1109/ICRA40945.2020.9197465. Lydia A. Garza-Coello et al. «AWS DeepRacer: A Way to Understand and Apply the Reinforcement Learning Methods». En: 2023 IEEE Global Engi neering Education Conference (EDUCON). 2023, págs. 1-3. doi: 10 . 1109 / EDUCON54358.2023.10125166. Sistema de control de navegación aplicado a vehículo autónomo. url: https: //rdu.unc.edu.ar/handle/11086/12888. OPS/OMS \| Nuevo informe de la OMS destaca que los progresos han sido insuficientes en abordar la falta de seguridad en las vías de tránsito del mundo. url: https : / / www3 . paho . org / hq / index . php ? option = com _ content & view = article & id = 14857 : new - who - report - highlights - insufficient - progress-to-tackle-lack-of-safety-on-the-world-s-roads&Itemid= 1926&lang=es. Vehículos autónomos: Resultados de la encuesta Delphi sobre su impacto y adopción en ciudades de América Latina y el Caribe \| Publications. url: https: //publications.iadb.org/publications/spanish/document/Vehiculos Autonomos-Resultados-de-la-encuesta-Delphi-sobre-su-impacto-y adopcion-en-ciudades-de-America-Latina-y-el-Caribe.pdf. Abdulmajid Murad y Jae-Young Pyun. «Deep Recurrent Neural Networks for Human Activity Recognition». En: Sensors 17.11 (2017). issn: 1424-8220. doi: 10.3390/s17112556. url: https://www.mdpi.com/1424-8220/17/11/2556. Ciudades - Desarrollo Sostenible. url: https://www.un.org/sustainabledevelopment/ es/cities/. Edgar Andrés Toquica Giraldo, Fredy Yubeimar Pérez Mojica y Mauricio An dres Rincón Figueroa. «La seguridad vial en Bogotá DC Desde la teorıa de la organización y administración pública periodo 2010–2019». En: (). Artificial Intelligence: A National Strategic Initiative. Palgrave Macmillan Sin gapore, 2021. Nikita Silaparasetty. «Machine Learning vs. Deep Learning». En: Machine Learning Concepts with Python and the Jupyter Notebook Environment: Using Tensorflow 2.0. Berkeley, CA: Apress, 2020, págs. 21-23. isbn: 978-1-4842-5967- 2. doi: 10.1007/978-1-4842-5967-2_4. url: https://doi.org/10.1007/ 978-1-4842-5967-2_4. Mukesh Ghimire. «A study of deep reinforcement learning in autonomous ra cing using DeepRacer car». Tesis doct. University of Mississippi, 2021 Mohit Sewak. Deep reinforcement learning: Frontiers of artificial intelligence. Singapore: Springer Singapore, 2019. Kuryati Kipli et al. «Deep learning applications for oil palm tree detection and counting». En: Smart Agricultural Technology 5 (2023). issn: 2772-3755. doi: https : / / doi . org / 10 . 1016 / j . atech . 2023 . 100241. url: https : //www.sciencedirect.com/science/article/pii/S2772375523000710. Qué son las redes neuronales? Tipos y funciones. es. https://www.inesdi. com/blog/que- son- las- redes- neuronales/. Accessed: 2023-9-4. Abr. de 2022. Siddharth Sharma, Simone Sharma y Anidhya Athaiya. ACTIVATION FUN CTIONS IN NEURAL NETWORKS. https://www.ijeast.com/papers/ 310-316,Tesma412,IJEAST.pdf. Accessed: 2023-9-4. https://medium.com/@shrutijadon/survey-on-activation-functions for-deep-learning-9689331ba092. Accessed: 2023 Jesus Alberto Valero-Matas y Angie de la Barrera. «The Autonomous Car: A better future?» En: Universidad Valladolid (2020). doi: https : / / doi . org / 10 . 24197 / st . 1 . 2020 . 136 - 158. url: https : / / www . google . com / url?sa=t&rct=j&q=&esrc=s&source=web&cd=&ved=2ahUKEwiGwq7L6Y BAxWnm2oFHd3RBXcQFnoECBkQAQ&url=https%3A%2F%2Fdialnet.unir. Amazon Web Services). AWS DeepRacer - Guia para Desarrolladores. 2018. url: https://docs.aws.amazon.com/es_es/deepracer/latest/developerguide/ awsracerdg.pdf#what-is-deepracer. ¿Qué es AWSDeepRacer. url: https : / / docs . aws . amazon . com / es _ es / deepracer/latest/developerguide/what-is-deepracer.html. Bitcraze. en. https://www.bitcraze.io/about/bitcraze/. Accessed: 2023- 9-4. Lighthouse positioning deck. en. https : / / www . bitcraze . io / products / lighthouse-positioning-deck/. Accessed: 2023-9-4. https://www.bitcraze.io/documentation/hardware/lighthouse_deck/ lighthouse_deck-datasheet.pdf. Accessed: 2023-9-4. https://www.bitcraze.io/products/crazyradio-pa/. Accessed: 2023-9-4. Matěj Karásek y Feng Shan. Swarm. en. https://www.bitcraze.io/tag/ swarm/. Accessed: 2023-9-14. Robotics O. Why ros. https://www.ros.org/blog/why-ros/. url: https://www. ros.org/blog/why-ros/. O. Robotics. «ROS». En: (). url: https://www.ros.org/. Fabien Moutarde et al. Vehicle absolute ego-localization from vision, using only pre-existing geo-referenced panoramas. https://minesparis-psl.hal. science/hal-02342259/document. Accessed: 2023-11-19. Arthur Moreau et al. CoordiNet: uncertainty-aware pose regressor for reliable vehicle localization. https://openaccess.thecvf.com/content/WACV2022/ papers / Moreau _ CoordiNet _ Uncertainty - Aware _ Pose _ Regressor _ for _ Reliable_Vehicle_Localization_WACV_2022_paper.pdf. Accessed: 2023- 11-19. https://docs.aws.amazon.com/es_es/deepracer/latest/developerguide/ deepracer-track-examples.html. Accessed: 2023-9-6. Intel ® RealSense TM Product Family D400 Series Datasheet Intel ® RealSen se™ Vision Processor D4, Intel ® RealSense™ Vision. 2022. url: www.intel. com/design/literature.htm.. Jetson Nano Developer Kit. https : / / developer . nvidia . com / embedded / jetson-nano-developer-kit. Accessed: 2023-11-13.
dc.relation.youtube.spa.fl_str_mv	https://www.youtube.com/@juandavidpuerto4316/videos
dc.rights.*.fl_str_mv	Atribución-NoComercial-SinDerivadas 2.5 Colombia
dc.rights.uri.*.fl_str_mv	http://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rights.local.spa.fl_str_mv	Abierto (Texto Completo)
dc.rights.accessrights.none.fl_str_mv	info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv	http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv	Atribución-NoComercial-SinDerivadas 2.5 Colombia http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv	openAccess
dc.format.mimetype.spa.fl_str_mv	application/pdf
dc.coverage.campus.spa.fl_str_mv	CRAI-USTA Bogotá
dc.publisher.spa.fl_str_mv	Universidad Santo Tomás
dc.publisher.program.spa.fl_str_mv	Pregrado Ingeniería Electrónica
dc.publisher.faculty.spa.fl_str_mv	Facultad de Ingeniería Electrónica
institution	Universidad Santo Tomás
bitstream.url.fl_str_mv	https://repository.usta.edu.co/bitstream/11634/58783/9/2024cartadederechosdeautor.pdf.jpg https://repository.usta.edu.co/bitstream/11634/58783/10/2024cartadefacultad.pdf.jpg https://repository.usta.edu.co/bitstream/11634/58783/11/2024juanpuerto.pdf.jpg https://repository.usta.edu.co/bitstream/11634/58783/12/2024juanpuerto1.pdf.jpg https://repository.usta.edu.co/bitstream/11634/58783/13/2024juanpuerto2.pdf.jpg https://repository.usta.edu.co/bitstream/11634/58783/14/2024juanpuerto3.pdf.jpg https://repository.usta.edu.co/bitstream/11634/58783/8/license.txt https://repository.usta.edu.co/bitstream/11634/58783/7/license_rdf https://repository.usta.edu.co/bitstream/11634/58783/1/2024cartadederechosdeautor.pdf https://repository.usta.edu.co/bitstream/11634/58783/2/2024cartadefacultad.pdf https://repository.usta.edu.co/bitstream/11634/58783/3/2024juanpuerto.pdf https://repository.usta.edu.co/bitstream/11634/58783/4/2024juanpuerto1.pdf https://repository.usta.edu.co/bitstream/11634/58783/5/2024juanpuerto2.pdf https://repository.usta.edu.co/bitstream/11634/58783/6/2024juanpuerto3.pdf
bitstream.checksum.fl_str_mv	3d2d6d6849eefd1b67c6f90f326e5644 b2bcee107f7ea6caedc9aa26150938c8 6df5ad46fe37495f14afe30f19d0bcde 124615c510f04888e46382cf9b022183 ac590a6baff64875c495d258a7042ea6 0348c3f71fec4f5bfa19a2719e435672 aedeaf396fcd827b537c73d23464fc27 217700a34da79ed616c2feb68d4c5e06 551314b4215f240e2ff37ea357e2f65b 38beee1936a4139f3c7ef9a73f02e493 f55776c95cc31a987dc7c51d24e3649a 5b1782658ed35567c3494ebe320a06ef 0d0a870a864b025e9f6d2a3fd0cab3a4 ef6b67235dcce16ce71ae38a0740417b
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Universidad Santo Tomás
repository.mail.fl_str_mv	repositorio@usta.edu.co
_version_	1860882126922055680
spelling	Calderón Chávez, Juan ManuelAmaya, Sindy PaolaPuerto Hernández, Juan Davidhttps://orcid.org/0000-0002-4471-3980https://orcid.org/0000-0002-1714-1593https://scholar.google.com/citations?user=Gg2sofAAAAAJ&hl=es&oi=aohttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000380938https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000796425Universidad Santo Tomás2024-12-05T14:54:55Z2024-12-05T14:54:55Z2023Puerto Hernández, J. D. (2023). Sistema de Localización para Vehículos Autónomos Basado en Visión Artificial. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional.http://hdl.handle.net/11634/58783reponame:Repositorio Institucional Universidad Santo Tomásinstname:Universidad Santo Tomásrepourl:https://repository.usta.edu.coEl presente trabajo de grado tiene como objetivo el desarrollo de un sistema para la georreferenciación de un vehículo autónomo basado en visión artificial, con un enfoque específico en la utilización de redes neuronales, aplicado en la plataforma DeepRacer de la empresa Amazon Web Services (AWS). Se exploró la aplicación innovadora de la Red Neuronal Convolucional (CNN) como regresor para abordar la desafiante tarea de localización en el vehículo autónomo AWS DeepRacer. La CNN, entrenada con un dataset integral de imágenes y coordenadas espaciales, demostró ser eficaz en la predicción precisa de ubicaciones en un entorno bidimensional. Además, se evaluó exhaustivamente el desempeño de la CNN en comparación con el sistema de posicionamiento Lighthouse Position Deck, destacando la importancia de este último como un marco de refe rencia crucial. Se identificaron modelos específicos de la CNN que exhibieron un rendimiento destacado, minimizando las discrepancias entre las predicciones y las coordenadas reales. La investigación proporcionó percepciones valiosas sobre la efectividad de la CNN en entornos es pecíficos, estableciendo una base para la optimización continua de sistemas de localización en el AWS DeepRacer. La comparación entre la CNN y el sistema Lighthouse Position Deck contri buyó a la comprensión integral de los enfoques, sus fortalezas y limitaciones, y señaló áreas para investigaciones futuras en el campo de vehículos autónomos. La aplicación de visión artificial y redes neuronales ocupa una posición central en este proyecto, capacitando al vehículo autónomo para procesar y interpretar su entorno mediante datos visuales. Estas tecnologías posibilitan la identificación de puntos de referencia y características locales, facilitando el cálculo preciso de la posición del vehículo en su entorno. Este enfoque representa una destacada aplicación de la inteligencia artificial y el aprendizaje profundo en el contexto de la navegación autónoma, subrayando la relevancia y el impacto de estas innovaciones en el desarrollo de vehículos autónomos.The present thesis aims to develop a system for the georeferencing of an autonomous vehicle based on computer vision, with a specific focus on the use of neural networks, applied on the Amazon Web Services (AWS) DeepRacer platform. An innovative application of Convolutional Neural Network (CNN) as a regressor was explored to address the challenging task of localization in the AWS DeepRacer autonomous vehicle. The CNN, trained with a comprehensive dataset of images and spatial coordinates, proved effective in accurately predicting locations in a two-dimensional environment. Additionally, the perfor mance of the CNN was thoroughly evaluated in comparison to the Lighthouse Position Deck positioning system, highlighting the latter’s importance as a crucial reference framework. Spe cific CNN models that exhibited outstanding performance, minimizing discrepancies between predictions and actual coordinates, were identified. The research provided valuable insights into the effectiveness of CNNs in specific environments, establishing a foundation for the continuous optimization of localization systems in AWS DeepRacer. The comparison between CNN and the Lighthouse Position Deck system contributed to a comprehensive understanding of the approa ches, their strengths and limitations, and pointed out areas for future research in the field of autonomous vehicles. The application of computer vision and neural networks plays a central role in this project, empowering the autonomous vehicle to process and interpret its environment through visual data. These technologies enable the identification of landmarks and local features, facilitating the precise calculation of the vehicle’s position in its surroundings. This approach represents a prominent application of artificial intelligence and deep learning in the context of autonomous navigation, emphasizing the relevance and impact of these innovations in the development of autonomous vehicles.Ingeniero ElectronicoPregradoapplication/pdfspaUniversidad Santo TomásPregrado Ingeniería ElectrónicaFacultad de Ingeniería ElectrónicaAtribución-NoComercial-SinDerivadas 2.5 Colombiahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Sistema de Localización para Vehículos Autónomos Basado en Visión ArtificialAWS (Amazon Web Services)Bluetooth LE (Low Energy)CNN (Convolutional Neural Network)Machine LearningMAE (Mean Absolute Error)ROS (Robot Operating System)Ingeniería ElectrónicaIngenieríaAprendizajeEKF (Filtro de Kalman Extendido)GeorreferenciaciónGPS (Sistema de Posicionamiento Global)Aprendizaje AutomáticoTrabajo de gradoinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisCRAI-USTA Bogotáhttps://aws.amazon.com/es/what-is-aws/. Accessed: 2023-11-21.https://www.bitcraze.io/documentation/hardware/crazyradio_pa/ crazyradio_pa-datasheet.pdf.Accessed:2023-9-4.https://aws.amazon.com/es/what-is/neural-network/.Accessed:2023-9- 4.Revista INGENIERÍA UC. https://www.redalyc.org/pdf/707/70732640002.pdf. Accessed: 2023-11-21.Dávila Martınez y Francisco Javier. Georreferenciación de documentos carto gráficos para la gestión de Archivos y Cartotecas. “Propuesta Metodológica”. https://www.ign.es/web/resources/docs/IGNCnig/CTC- Ibercarto- V Georreferenciacion.pdf. Accessed: 2023-11-21.A Pozo-Ruz et al. SISTEMA DE POSICIONAMIENTO GLOBAL (GPS): DESCRIPCIÓN, ANÁLISIS DE ERRORES, APLICACIONES Y FUTURO. https://www.peoplematters.com/Archivos/Descargas/GPS.pdf. Accessed: 2023-11-21.Diseño y Maquetación Dpto. Marketing y Comunicación Management Solu tions -España Fotografıas Archivo fotográfico de Management Solutions iS tock. https : / / www . managementsolutions . com / sites / default / files / publicaciones/esp/machine-learning.pdf. Accessed: 2023-11-21.Timothy O Hodson. «Root mean square error (RMSE) or mean absolute error (MAE): when to use them or not». 2022.R Suárez et al. Robot Operating System (ROS). https://www.aer-automation. com/wp-content/uploads/2022/03/ROS_articuloAER.pdf. Accessed: 2023- 11-21.Muertos en accidentes de tránsito en 2021 en Colombia - Colombia - ELTIEMPO.COM. url: https://www.eltiempo.com/colombia/muertos-en accidentes-de-transito-en-2021-en-colombia-646470ARL SURA - Riesgos Laborales - ARL - La accidentalidad vial: un proble ma mundial. url: https : / / www . arlsura . com / index . php / centro - de - legislacion-sp-26862/73-centro-de-documentacion-anterior/seguridad vial/1474-la-accidentalidad-vial-un-problema-mundial.Luis Montoro González Ana Martí-Belda Bertolín Ignacio Lijarcio Patricia Bo só Consuelo López y Raül Viladrich Castellanas José Suárez Reyes. «Coche Autónomo, seguridad vial y formación de conductores Realizado por: Grupo de investigadores INTRAS». En: ().Mª Loreto et al. «"Implicaciones de la introducción del vehículo autónomo en España"». En: (2014).Mayank Raj y Narendra V G. «Deep Neural Network approach for navigation of Autonomous Vehicles». En: 2021 6th International Conference for Conver gence in Technology (I2CT). 2021, págs. 1-4. doi: 10.1109/I2CT51068.2021. 9418189.Julio Alfredo Capdevila. «El Sistema de Posicionamiento Global (GPS)». En: (2018).Rathin Chandra Shit y Suraj Sharma. «Localization for Autonomous Vehicle: Analysis of Importance of IoT Network Localization for Autonomous Vehicle Applications». En: 2018 International Conference on Applied Electromagnetics, Signal Processing and Communication (AESPC). Vol. 1. 2018, págs. 1-6. doi: 10.1109/AESPC44649.2018.9033329.Liang Li et al. «Hierarchical Neighborhood Based Precise Localization for Inte lligent Vehicles in Urban Environments». En: IEEE Transactions on Intelligent Vehicles 1.3 (2016), págs. 220-229. doi: 10.1109/TIV.2017.2654065.Wei Liu. «Improvement of Navigation of Mobile Robotics Based on IoT Sys tem». En: 2021 IEEE International Conference on Robotics, Automation and Artificial Intelligence (RAAI). 2021, págs. 69-72. doi: 10.1109/RAAI52226. 2021.9507826.Azhar Mahmood, Asim Baig y Qaisar Ahsan. «Real time localization of mo bile robotic platform via fusion of Inertial and Visual Navigation System». En: 2012 International Conference of Robotics and Artificial Intelligence. 2012, págs. 40-44. doi: 10.1109/ICRAI.2012.6413407.Isao Parra-Tsunekawa, Javier Ruiz-del-Solar y Paul Vallejos. «A Kalman-filtering based Approach for Improving Terrain Mapping in off-road Autonomous Vehi cles». En: Journal of Intelligent & Robotic Systems 78.3 (jun. de 2015), págs. 577-591. issn: 1573-0409. doi: 10.1007/s10846-014-0087-9. url: https://doi.org/ 10.1007/s10846-014-0087-9.J. S. Pershina, S. Ya. Kazdorf y A. V. Lopota. «Methods of Mobile Robot Visual Navigation and Environment Mapping». En: Optoelectronics, Instru mentation and Data Processing 55.2 (mar. de 2019), págs. 181-188. issn: 1934- 7944. doi: 10.3103/S8756699019020109. url: https://doi.org/10.3103/ S8756699019020109.Kajal Sharma. «Improved visual SLAM: a novel approach to mapping and localization using visual landmarks in consecutive frames». En: Multimedia Tools and Applications 77.7 (abr. de 2018), págs. 7955-7976. issn: 1573-7721. doi: 10 . 1007 / s11042 - 017 - 4694 - x. url: https : / / doi . org / 10 . 1007 / s11042-017-4694-x.Haoran Song. «The Application of Computer Vision in Responding to the Emergencies of Autonomous Driving». En: 2020 International Conference on Computer Vision, Image and Deep Learning (CVIDL). 2020, págs. 1-5. doi: 10.1109/CVIDL51233.2020.00008.Pablo De Cristóforis et al. «Hybrid vision-based navigation for mobile robots in mixed indoor/outdoor environments». En: Pattern Recognition Letters 53 (feb. de 2015), págs. 118-128. issn: 01678655. doi: 10.1016/j.patrec.2014. 10.010.L. Emmi et al. «A hybrid representation of the environment to improve auto nomous navigation of mobile robots in agriculture». En: Precision Agriculture 22.2 (abr. de 2021), págs. 524-549. issn: 1573-1618. doi: 10.1007/s11119- 020-09773-9. url: https://doi.org/10.1007/s11119-020-09773-9.Taihú Pire, Javier Corti y Guillermo Grinblat. «Online Object Detection and Localization on Stereo Visual SLAM System». En: Journal of Intelligent & Robotic Systems 98.2 (mayo de 2020), págs. 377-386. issn: 1573-0409. doi:10.1007/s10846-019-01074-2. url: https://doi.org/10.1007/s10846- 019-01074-2.Gui-Hai Li y Song-Lin Chen. «Visual Slam in Dynamic Scenes Based on Object Tracking and Static Points Detection». En: Journal of Intelligent Robotic Systems 104 (2 feb. de 2022), pág. 33. issn: 0921-0296. doi: 10.1007/s10846- 021- 01563- 3. url: https://link.springer.com/10.1007/s10846- 021- 01563-3.Su-Yong An, Lae-Kyoung Lee y Se-Young Oh. «Ceiling vision-based active SLAM framework for dynamic and wide-open environments». En: Autonomous Robots 40.2 (feb. de 2016), págs. 291-324. issn: 1573-7527. doi: 10 . 1007 / s10514-015-9453-0. url: https://doi.org/10.1007/s10514-015-9453-0.Seung-Hun Kim et al. «Outdoor Navigation of a Mobile Robot Using Diffe rential GPS and Curb Detection». En: Proceedings 2007 IEEE International Conference on Robotics and Automation. 2007, págs. 3414-3419. doi: 10.1109/ ROBOT.2007.364000.Wei Wu y Wei Min. «The Mobile Robot GPS Position Based on Neural Net work Adaptive Kalman Filter». En: 2009 International Conference on Compu tational Intelligence and Natural Computing. Vol. 1. 2009, págs. 26-29. doi: 10.1109/CINC.2009.257.Nicolas Souli et al. «GNSS Location Verification in Connected and Autonomous Vehicles Using in-Vehicle Multimodal Sensor Data Fusion». En: 2020 22nd International Conference on Transparent Optical Networks (ICTON). 2020, págs. 1-4. doi: 10.1109/ICTON51198.2020.9203087.Andres Leonardo Bayona y Silvia Takahashi Rodriguez. Comparative study of SAC and PPO in multi-agent reinforcement learning using unity ML-agents. https://repositorio.uniandes.edu.co/server/api/core/bitstreams/ cadff679-f3f3-43fa-a543-d6313c0a4932/content. Accessed: 2023-11-19.Bharathan Balaji et al. «DeepRacer: Autonomous Racing Platform for Expe rimentation with Sim2Real Reinforcement Learning». En: 2020 IEEE Interna tional Conference on Robotics and Automation (ICRA). 2020, págs. 2746-2754. doi: 10.1109/ICRA40945.2020.9197465.Lydia A. Garza-Coello et al. «AWS DeepRacer: A Way to Understand and Apply the Reinforcement Learning Methods». En: 2023 IEEE Global Engi neering Education Conference (EDUCON). 2023, págs. 1-3. doi: 10 . 1109 / EDUCON54358.2023.10125166.Sistema de control de navegación aplicado a vehículo autónomo. url: https: //rdu.unc.edu.ar/handle/11086/12888.OPS/OMS \| Nuevo informe de la OMS destaca que los progresos han sido insuficientes en abordar la falta de seguridad en las vías de tránsito del mundo. url: https : / / www3 . paho . org / hq / index . php ? option = com _ content & view = article & id = 14857 : new - who - report - highlights - insufficient - progress-to-tackle-lack-of-safety-on-the-world-s-roads&Itemid= 1926&lang=es.Vehículos autónomos: Resultados de la encuesta Delphi sobre su impacto y adopción en ciudades de América Latina y el Caribe \| Publications. url: https: //publications.iadb.org/publications/spanish/document/Vehiculos Autonomos-Resultados-de-la-encuesta-Delphi-sobre-su-impacto-y adopcion-en-ciudades-de-America-Latina-y-el-Caribe.pdf.Abdulmajid Murad y Jae-Young Pyun. «Deep Recurrent Neural Networks for Human Activity Recognition». En: Sensors 17.11 (2017). issn: 1424-8220. doi: 10.3390/s17112556. url: https://www.mdpi.com/1424-8220/17/11/2556.Ciudades - Desarrollo Sostenible. url: https://www.un.org/sustainabledevelopment/ es/cities/.Edgar Andrés Toquica Giraldo, Fredy Yubeimar Pérez Mojica y Mauricio An dres Rincón Figueroa. «La seguridad vial en Bogotá DC Desde la teorıa de la organización y administración pública periodo 2010–2019». En: ().Artificial Intelligence: A National Strategic Initiative. Palgrave Macmillan Sin gapore, 2021.Nikita Silaparasetty. «Machine Learning vs. Deep Learning». En: Machine Learning Concepts with Python and the Jupyter Notebook Environment: Using Tensorflow 2.0. Berkeley, CA: Apress, 2020, págs. 21-23. isbn: 978-1-4842-5967- 2. doi: 10.1007/978-1-4842-5967-2_4. url: https://doi.org/10.1007/ 978-1-4842-5967-2_4.Mukesh Ghimire. «A study of deep reinforcement learning in autonomous ra cing using DeepRacer car». Tesis doct. University of Mississippi, 2021Mohit Sewak. Deep reinforcement learning: Frontiers of artificial intelligence. Singapore: Springer Singapore, 2019.Kuryati Kipli et al. «Deep learning applications for oil palm tree detection and counting». En: Smart Agricultural Technology 5 (2023). issn: 2772-3755. doi: https : / / doi . org / 10 . 1016 / j . atech . 2023 . 100241. url: https : //www.sciencedirect.com/science/article/pii/S2772375523000710.Qué son las redes neuronales? Tipos y funciones. es. https://www.inesdi. com/blog/que- son- las- redes- neuronales/. Accessed: 2023-9-4. Abr. de 2022.Siddharth Sharma, Simone Sharma y Anidhya Athaiya. ACTIVATION FUN CTIONS IN NEURAL NETWORKS. https://www.ijeast.com/papers/ 310-316,Tesma412,IJEAST.pdf. Accessed: 2023-9-4.https://medium.com/@shrutijadon/survey-on-activation-functions for-deep-learning-9689331ba092. Accessed: 2023Jesus Alberto Valero-Matas y Angie de la Barrera. «The Autonomous Car: A better future?» En: Universidad Valladolid (2020). doi: https : / / doi . org / 10 . 24197 / st . 1 . 2020 . 136 - 158. url: https : / / www . google . com / url?sa=t&rct=j&q=&esrc=s&source=web&cd=&ved=2ahUKEwiGwq7L6Y BAxWnm2oFHd3RBXcQFnoECBkQAQ&url=https%3A%2F%2Fdialnet.unir.Amazon Web Services). AWS DeepRacer - Guia para Desarrolladores. 2018. url: https://docs.aws.amazon.com/es_es/deepracer/latest/developerguide/ awsracerdg.pdf#what-is-deepracer.¿Qué es AWSDeepRacer. url: https : / / docs . aws . amazon . com / es _ es / deepracer/latest/developerguide/what-is-deepracer.html.Bitcraze. en. https://www.bitcraze.io/about/bitcraze/. Accessed: 2023- 9-4.Lighthouse positioning deck. en. https : / / www . bitcraze . io / products / lighthouse-positioning-deck/. Accessed: 2023-9-4.https://www.bitcraze.io/documentation/hardware/lighthouse_deck/ lighthouse_deck-datasheet.pdf. Accessed: 2023-9-4.https://www.bitcraze.io/products/crazyradio-pa/. Accessed: 2023-9-4.Matěj Karásek y Feng Shan. Swarm. en. https://www.bitcraze.io/tag/ swarm/. Accessed: 2023-9-14.Robotics O. Why ros. https://www.ros.org/blog/why-ros/. url: https://www. ros.org/blog/why-ros/.O. Robotics. «ROS». En: (). url: https://www.ros.org/.Fabien Moutarde et al. Vehicle absolute ego-localization from vision, using only pre-existing geo-referenced panoramas. https://minesparis-psl.hal. science/hal-02342259/document. Accessed: 2023-11-19.Arthur Moreau et al. CoordiNet: uncertainty-aware pose regressor for reliable vehicle localization. https://openaccess.thecvf.com/content/WACV2022/ papers / Moreau _ CoordiNet _ Uncertainty - Aware _ Pose _ Regressor _ for _ Reliable_Vehicle_Localization_WACV_2022_paper.pdf. Accessed: 2023- 11-19.https://docs.aws.amazon.com/es_es/deepracer/latest/developerguide/ deepracer-track-examples.html. Accessed: 2023-9-6.Intel ® RealSense TM Product Family D400 Series Datasheet Intel ® RealSen se™ Vision Processor D4, Intel ® RealSense™ Vision. 2022. url: www.intel. com/design/literature.htm..Jetson Nano Developer Kit. https : / / developer . nvidia . com / embedded / jetson-nano-developer-kit. Accessed: 2023-11-13.https://www.youtube.com/@juandavidpuerto4316/videosTHUMBNAIL2024cartadederechosdeautor.pdf.jpg2024cartadederechosdeautor.pdf.jpgIM Thumbnailimage/jpeg6873https://repository.usta.edu.co/bitstream/11634/58783/9/2024cartadederechosdeautor.pdf.jpg3d2d6d6849eefd1b67c6f90f326e5644MD59open access2024cartadefacultad.pdf.jpg2024cartadefacultad.pdf.jpgIM Thumbnailimage/jpeg7342https://repository.usta.edu.co/bitstream/11634/58783/10/2024cartadefacultad.pdf.jpgb2bcee107f7ea6caedc9aa26150938c8MD510open access2024juanpuerto.pdf.jpg2024juanpuerto.pdf.jpgIM Thumbnailimage/jpeg4832https://repository.usta.edu.co/bitstream/11634/58783/11/2024juanpuerto.pdf.jpg6df5ad46fe37495f14afe30f19d0bcdeMD511open access2024juanpuerto1.pdf.jpg2024juanpuerto1.pdf.jpgIM Thumbnailimage/jpeg4985https://repository.usta.edu.co/bitstream/11634/58783/12/2024juanpuerto1.pdf.jpg124615c510f04888e46382cf9b022183MD512open access2024juanpuerto2.pdf.jpg2024juanpuerto2.pdf.jpgIM Thumbnailimage/jpeg7351https://repository.usta.edu.co/bitstream/11634/58783/13/2024juanpuerto2.pdf.jpgac590a6baff64875c495d258a7042ea6MD513open access2024juanpuerto3.pdf.jpg2024juanpuerto3.pdf.jpgIM Thumbnailimage/jpeg8053https://repository.usta.edu.co/bitstream/11634/58783/14/2024juanpuerto3.pdf.jpg0348c3f71fec4f5bfa19a2719e435672MD514open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8807https://repository.usta.edu.co/bitstream/11634/58783/8/license.txtaedeaf396fcd827b537c73d23464fc27MD58open accessCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repository.usta.edu.co/bitstream/11634/58783/7/license_rdf217700a34da79ed616c2feb68d4c5e06MD57open accessORIGINAL2024cartadederechosdeautor.pdf2024cartadederechosdeautor.pdfapplication/pdf262914https://repository.usta.edu.co/bitstream/11634/58783/1/2024cartadederechosdeautor.pdf551314b4215f240e2ff37ea357e2f65bMD51metadata only access2024cartadefacultad.pdf2024cartadefacultad.pdfapplication/pdf37170https://repository.usta.edu.co/bitstream/11634/58783/2/2024cartadefacultad.pdf38beee1936a4139f3c7ef9a73f02e493MD52metadata only access2024juanpuerto.pdf2024juanpuerto.pdfapplication/pdf74308774https://repository.usta.edu.co/bitstream/11634/58783/3/2024juanpuerto.pdff55776c95cc31a987dc7c51d24e3649aMD53open access2024juanpuerto1.pdf2024juanpuerto1.pdfapplication/pdf177977https://repository.usta.edu.co/bitstream/11634/58783/4/2024juanpuerto1.pdf5b1782658ed35567c3494ebe320a06efMD54open access2024juanpuerto2.pdf2024juanpuerto2.pdfapplication/pdf1520455https://repository.usta.edu.co/bitstream/11634/58783/5/2024juanpuerto2.pdf0d0a870a864b025e9f6d2a3fd0cab3a4MD55open access2024juanpuerto3.pdf2024juanpuerto3.pdfapplication/pdf10947544https://repository.usta.edu.co/bitstream/11634/58783/6/2024juanpuerto3.pdfef6b67235dcce16ce71ae38a0740417bMD56open access11634/58783oai:repository.usta.edu.co:11634/587832024-12-06 03:21:59.48metadata only accessRepositorio Universidad Santo Tomásrepositorio@usta.edu.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

Sistema de Localización para Vehículos Autónomos Basado en Visión Artificial

Publicaciones similares