Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Univ Fed Paraiba | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (Unesp) | - |
Autor(es): dc.creator | Aragao, Dunfrey | - |
Autor(es): dc.creator | Nascimento, Tiago | - |
Autor(es): dc.creator | Mondini, Adriano [UNESP] | - |
Autor(es): dc.creator | Paiva, A. C. | - |
Autor(es): dc.creator | Conci, A. | - |
Autor(es): dc.creator | Braz, G. | - |
Autor(es): dc.creator | Almeida, JDS | - |
Autor(es): dc.creator | Fernandes, LAF | - |
Data de aceite: dc.date.accessioned | 2022-02-22T00:55:38Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T00:55:38Z | - |
Data de envio: dc.date.issued | 2021-06-25 | - |
Data de envio: dc.date.issued | 2021-06-25 | - |
Data de envio: dc.date.issued | 2019-12-31 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/209189 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/209189 | - |
Descrição: dc.description | One of the fundamental dilemmas of mobile robotics is the use of sensory information to locate an agent in geographic space. In this paper, we developed a global relocation system to predict the robot's position and avoid unforeseen actions from a monocular image, which we named SpaceYNet. We incorporated Inception layers to symmetric layers of down-sampling and upsampling to solve depth-scene and 6-DoF estimation simultaneously. Also, we compared SpaceYNet to PoseNet - a state of the art in robot pose regression using CNN - in order to evaluate it. The comparison comprised one public dataset and one created in a broad indoor environment. SpaceYNet showed higher accuracy in global percentages when compared to PoseNet. | - |
Descrição: dc.description | Univ Fed Paraiba, Joao Pessoa, Paraiba, Brazil | - |
Descrição: dc.description | Univ Estadual Paulista, Sao Paulo, Brazil | - |
Descrição: dc.description | Univ Estadual Paulista, Sao Paulo, Brazil | - |
Formato: dc.format | 217-222 | - |
Idioma: dc.language | en | - |
Publicador: dc.publisher | Ieee | - |
Relação: dc.relation | Proceedings Of The 2020 International Conference On Systems, Signals And Image Processing (iwssip), 27th Edition | - |
???dc.source???: dc.source | Web of Science | - |
Palavras-chave: dc.subject | Dataset | - |
Palavras-chave: dc.subject | depth-scene | - |
Palavras-chave: dc.subject | pose | - |
Palavras-chave: dc.subject | regression | - |
Palavras-chave: dc.subject | robot | - |
Título: dc.title | SpaceYNet: A Novel Approach to Pose and Depth-Scene Regression Simultaneously | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: