Evaluación de técnicas de agrupamiento para segmentación de nubes de puntos LIDAR

Las nubes de puntos LIDAR suministran información precisa sobre distancias, y son de gran utilidad para robots de búsqueda y rescate urbano, vehículos autónomos y robots de uso industrial en general. Estos conjuntos de datos representan escenarios, ya sean interiores o exteriores, formados por edifi...

Descripción completa

Detalles Bibliográficos
Autores principales: Urbano Pintos, Nicolás, Lacomi, Héctor Alberto, Lavorato, Mario Blas
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2023
Materias:
Ciencias Informáticas
segmentación
nubes de puntos LIDAR
agrupamiento
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/166481
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-166481
record_format dspace
spelling I19-R120-10915-1664812024-05-28T20:08:38Z http://sedici.unlp.edu.ar/handle/10915/166481 Evaluación de técnicas de agrupamiento para segmentación de nubes de puntos LIDAR Evaluation of clustering techniques for segmentation of LIDAR point clouds Urbano Pintos, Nicolás Lacomi, Héctor Alberto Lavorato, Mario Blas 2023-09 2023 2024-05-28T14:47:55Z es Ciencias Informáticas segmentación nubes de puntos LIDAR agrupamiento Las nubes de puntos LIDAR suministran información precisa sobre distancias, y son de gran utilidad para robots de búsqueda y rescate urbano, vehículos autónomos y robots de uso industrial en general. Estos conjuntos de datos representan escenarios, ya sean interiores o exteriores, formados por edificios, personas, vehículos y objetos en general. La información se presenta de forma densa y no estructurada en coordenadas cartesianas de 3 dimensiones. Para analizar el entorno representado, una de las primeras tareas es la segmentación de los escenarios. En este trabajo se evalúan técnicas de agrupamiento no supervisado para segmentar conjuntos de datos de nubes de puntos LIDAR. A partir de una observación visual de las clases y el cálculo de métricas de agrupamiento, se compara el comportamiento de los algoritmos K-means, DBSCAN, BIRCH y Mean Shift en diferentes escenarios interiores y exteriores. LIDAR point clouds are helpful for industrial robots, autonomous vehicles, and robotic urban search and rescue because they provide precise distance information. These data sets show indoor and outdoor scenarios with automobiles, people, buildings, and other objects. The information is presented densely and unstructured in 3-dimensional Cartesian coordinates. One of the first tasks in the analysis of the environment shown is the segmentation of the situations. This study evaluates various unsupervised clustering techniques for segmenting LIDAR point cloud data sets. An examination of the classes visually and the computation of clustering metrics serve to examine the behavior of the K-means, DBSCAN, BIRCH, and Mean Shift algorithms in various indoor and outdoor scenarios. Sociedad Argentina de Informática e Investigación Operativa Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 7-14
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
segmentación
nubes de puntos LIDAR
agrupamiento
spellingShingle Ciencias Informáticas
segmentación
nubes de puntos LIDAR
agrupamiento
Urbano Pintos, Nicolás
Lacomi, Héctor Alberto
Lavorato, Mario Blas
Evaluación de técnicas de agrupamiento para segmentación de nubes de puntos LIDAR
topic_facet Ciencias Informáticas
segmentación
nubes de puntos LIDAR
agrupamiento
description Las nubes de puntos LIDAR suministran información precisa sobre distancias, y son de gran utilidad para robots de búsqueda y rescate urbano, vehículos autónomos y robots de uso industrial en general. Estos conjuntos de datos representan escenarios, ya sean interiores o exteriores, formados por edificios, personas, vehículos y objetos en general. La información se presenta de forma densa y no estructurada en coordenadas cartesianas de 3 dimensiones. Para analizar el entorno representado, una de las primeras tareas es la segmentación de los escenarios. En este trabajo se evalúan técnicas de agrupamiento no supervisado para segmentar conjuntos de datos de nubes de puntos LIDAR. A partir de una observación visual de las clases y el cálculo de métricas de agrupamiento, se compara el comportamiento de los algoritmos K-means, DBSCAN, BIRCH y Mean Shift en diferentes escenarios interiores y exteriores.
format Objeto de conferencia
Objeto de conferencia
author Urbano Pintos, Nicolás
Lacomi, Héctor Alberto
Lavorato, Mario Blas
author_facet Urbano Pintos, Nicolás
Lacomi, Héctor Alberto
Lavorato, Mario Blas
author_sort Urbano Pintos, Nicolás
title Evaluación de técnicas de agrupamiento para segmentación de nubes de puntos LIDAR
title_short Evaluación de técnicas de agrupamiento para segmentación de nubes de puntos LIDAR
title_full Evaluación de técnicas de agrupamiento para segmentación de nubes de puntos LIDAR
title_fullStr Evaluación de técnicas de agrupamiento para segmentación de nubes de puntos LIDAR
title_full_unstemmed Evaluación de técnicas de agrupamiento para segmentación de nubes de puntos LIDAR
title_sort evaluación de técnicas de agrupamiento para segmentación de nubes de puntos lidar
publishDate 2023
url http://sedici.unlp.edu.ar/handle/10915/166481
work_keys_str_mv AT urbanopintosnicolas evaluaciondetecnicasdeagrupamientoparasegmentaciondenubesdepuntoslidar
AT lacomihectoralberto evaluaciondetecnicasdeagrupamientoparasegmentaciondenubesdepuntoslidar
AT lavoratomarioblas evaluaciondetecnicasdeagrupamientoparasegmentaciondenubesdepuntoslidar
AT urbanopintosnicolas evaluationofclusteringtechniquesforsegmentationoflidarpointclouds
AT lacomihectoralberto evaluationofclusteringtechniquesforsegmentationoflidarpointclouds
AT lavoratomarioblas evaluationofclusteringtechniquesforsegmentationoflidarpointclouds
_version_ 1807223041599471616

Ejemplares similares