@unpublished{upm52239,
          author = {Pablo Trullos Pastor},
           title = {Navegaci{\'o}n aut{\'o}noma en entornos de interior basada en mapas topol{\'o}gicos visuales con t{\'e}cnicas de transformaciones reductoras (PCA y LDA)},
          school = {ETSI\_Informatica},
            year = {2018},
             url = {https://oa.upm.es/52239/},
        abstract = {La localizaci{\'o}n de veh{\'i}culos viene resuelta desde hace una d{\'e}cada con la tecnolog{\'i}a GPS. Sin embargo, en espacios reducidos cubiertos como el interior de un
edificio, la precisi{\'o}n del GPS falla. Es por ello que es necesario desarrollar otro tipo
de tecnolog{\'i}as que permitan un posicionamiento preciso en entornos de interior.
En este proyecto se analizan y comparan dos t{\'e}cnicas de Visi{\'o}n por Computador,
Eigenlandmarks y Fisherlandmarks, basadas en transformaciones reductoras de dimensi{\'o}n, PCA y LDA respectivamente, para construir un reconocedor de landmarks
que, asociado a un mapa topol{\'o}gico, sirva para localizar a tiempo real un robot
m{\'o}vil en un entorno de interior.
Primeramente, se evaluar{\'a} el rendimiento de las dos t{\'e}cnicas mencionadas en un
dataset de im{\'a}genes pertenecientes a 7 landmarks distintos que se encuentran en diferentes
zonas de la planta de un edificio. Para ello, se ha realizado una clasificaci{\'o}n
K-NN con validaci{\'o}n cruzada leaving-one-out, analizando tambi{\'e}n cual de las dos
m{\'e}tricas empleadas, Eucl{\'i}dea o Mahalanobis, ofrece rendimientos mayores.
Y en segundo lugar, se plantear{\'a} el algoritmo de un reconocedor de landmarks
din{\'a}mico. Este reconocedor ser{\'a} capaz de analizar los frames de un v{\'i}deo y determinar
cu{\'a}ndo se encuentra frente a un landmark. Se probar{\'a}n distintas t{\'e}cnicas de
procesamiento de imagen cuyo rendimiento sin el uso del mapa topol{\'o}gico no ser{\'a}
lo sufientemente efectivo. Es por ello que se plantear{\'a} un algoritmo robusto que,
adem{\'a}s de explotar la informaci{\'o}n del mapa topol{\'o}gico, realice dos transformaciones
sobre los frames: proyectiva y reductora. La primera con la intenci{\'o}n de alinear los
frames con las im{\'a}genes del dataset, mientras que la segunda se usar{\'a} para buscar
el vecino m{\'a}s cercano y asignarle su clase en caso de que la distancia est{\'e} por debajo
de un umbral.---ABSTRACT---Vehicle location was solved a decade ago with the GPS technology. Nevertheless,
in small indoors places like the inside of a building, GPS accuracy fails. This is the
reason why it is necessary to develop other kind of technologies that provide precise
positioning in indoor environments. In this project two Computer Vision techni-
ques, Eigenlandmarks and Fisherlandmarks, based on dimension reductive transfor-
mations, PCA and LDA respectively, are analysed and compared in order to build a
landmark recognizer which, linked to a topological map, allows real-time localization
of a mobile robot in an indoor environment.
Firstly, the accuracy of the above-mentioned techniques will be evaluated in a
dataset of images from 7 diferent landmarks located in the inside of a building's

oor. In order to comply this, a K-NN classification has been carried out, analysing
as well which of the metrics used, Euclidean or Mahalanobis, provides better results.
And secondly, a dynamic landmark recognizer algorithm will be proposed. This
recognizer will be capable of analysing video frames and determining whether there is
a landmark or not, and which landmark is it. Diferent image processing techniques
whose accuracy without the use of the topological map will not be efectie enough will
be tested. This will lead to the proposition of a robust algorithm which will perform
two transformations in the frames: projective and reductive. The first one will serve
to align the frames with the images in the dataset, while the second one will be used
to search the nearest neighbor and assign its label to the frame providing the distance
is below a thershold.}
}