Reconocimiento de landmarks basado en el método de la Bolsa de Palabras Visuales para la navegación autónoma mediante mapas topológicos visuales

Abstract

Antes de que llegase el Deep Learning, el método de la Bolsa de Palabras Visuales revolucionó el campo de la visión por computador consiguiendo grandes avances en esta disciplina de la informática. Hoy en día la robótica está también en auge y compañías como Boston Dynamics, Amazon, Google u Honda buscan crear máquinas que sepan desempeñarse bien en entornos cambiantes y están invirtiendo cantidades considerables de su capital en el desarrollo de estas tecnologías para aplicarlas a labores de reparto o asistencia. Sin embargo, cuando de entornos interiores se trata la navegación no es tan sencilla pues los mecanismos de geolocalización habituales como el GPS pueden no encontrarse disponibles. Por medio de este Trabajo de Fin de Máster, se busca aplicar la técnica de la Bolsa de Palabras Visuales para implementar un sistema que sea capaz de reconocer distintas ubicaciones y puntos de un recorrido en un entorno de interior, que pueda ser a su vez integrado sobre un robot para su navegación autónoma. Del mismo modo, se comparan los distintos desempeños de este método haciendo uso de distintas técnicas de extracción de características como SIFT, SURF u ORB y distintos clasificadores como kNN, SVM o Random Forest entre otros. Estas pruebas se realizarán en condiciones estáticas sobre imágenes incluidas en el dataset no vistas a la hora del aprendizaje y en condiciones dinámicas pasando el reconocedor sobre una serie de vídeos.---ABSTRACT---Before Deep Learning techniques became commonplace, the Bag of Visual Words method revolutionized computer vision field achieving great progress in this discipline of Computer Science. Nowadays robotics is booming and companies such as Boston Dynamics, Amazon, Google or Honda seek to create machines that can perform well in changing environments and they are investing considerable amounts of their capital in the development of these technologies to harness them in distribution or assistance. However, indoor navigation is not so simple because traditional geolocation methods, such as GPS, may not be available. Through this Master’s Final Thesis, we seek to apply the Bag of Visual Words technique to develop a system, capable of recognizing different locations and landmarks present in a tour of an indoor environment, that can be integrated in a robot for autonomous navigation. Additionaly, we compare the different performance of this method while using different feature extractors such as SIFT, SURF or ORB and different classifiers some of which are kNN, SVM or Random Forest. These tests are carried in static conditions over images belonging to the dataset not seen during the learning phase and in dynamic conditions using the recognizer over a set of videos.