Última actualización: 20/05/2019


Curso Académico: 2019/2020

Percepción 3D
(17848)
Titulación: Máster Universitario en Robótica y Automatización (77)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: CASTILLO MONTOYA, JOSE CARLOS

Departamento asignado a la asignatura: Departamento de Ingeniería de Sistemas y Automática

Tipo: Optativa
Créditos: 3.0 ECTS

Curso:
Cuatrimestre:




Materias que se recomienda haber superado
Conocimientos de programación (C, C++, Python, Matlab, etc.)
Competencias que adquiere el estudiante y resultados del aprendizaje.
El objetivo de esta asignatura es que los alumnos conozcan los principales sensores, técnicas y aplicaciones que tiene la percepción 3D hoy en día en relación con la robótica. Se pondrá especial énfasis en la componente práctica, donde los alumnos trabajarán con nubes de puntos 3D, aplicando técnicas que permitan a un robot percibir el entorno que lo rodea.
Descripción de contenidos: Programa
1. Introducción. - ¿Qué es la percepción 3D? - ¿Para qué es útil la percepción 3D en robótica? 2. Sensores de percepción 3D para robótica. - Láseres 3D - Información estereoscópica - Sensores de tiempo de vuelo - Sensores basados en mallas de infrarrojos (Kinect) - Sensores acústicos (sónares 3D) 3. Técnicas de procesamiento de nubes de puntos - Filtrado - Segmentación - Reconocimiento - Reconstrucción 3D (mapeado del entorno) 4. Aplicaciones de percepción 3D - Vehículos inteligentes - Drones - Control de brazos robóticos - Interacción Humano-Robot
Actividades formativas, metodología a utilizar y régimen de tutorías
Clases magistrales, prácticas de laboratorio, tutorías individuales y trabajo personal de los alumnos.
Sistema de evaluación
  • Peso porcentual del Examen Final 70
  • Peso porcentual del resto de la evaluación 30
Bibliografía básica
  • Geoffrey Taylor, Lindsay Kleeman. Visual Perception and Robotic Manipulation: 3D Object Recognition, Tracking and Hand-Eye Coordination. Springer Tracts in Advanced Robotics. 2006
  • Kanatani, Kenichi, Sugaya, Yasuyuki, Kanazawa, Yasush. Guide to 3D Vision Computation. Geometric Analysis and Implementation. Springer . 2016
  • Rudolph Triebel. dimensional Perception for Mobile Robots: Concepts and Approaches for the Acquisition, Efficient Representation, and Semantic Interpretation of Three-dimensional Range Data for Mobile Robots . VDM Verlag. 2008
Recursos electrónicosRecursos Electrónicos *
Bibliografía complementaria
  • Apolloni, Bruno, et al.. Machine learning and robot perception. Springer Science & Business Media. 2005
  • Malik, Aamir Saeed. Depth Map and 3D Imaging Applications: Algorithms and Technologies. IGI Global. 2011
(*) El acceso a algunos recursos electrónicos puede estar restringido a los miembros de la comunidad universitaria mediante su validación en campus global. Si esta fuera de la Universidad, establezca una VPN


El programa de la asignatura y la planificación semanal podrían sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.