3D perception for autonomous mobile robots navigation using deep learning for safe zones detection: a comparative study (2021)
- Authors:
- USP affiliated authors: OSÓRIO, FERNANDO SANTOS - ICMC ; BARBOSA, FELIPE MANFIO - EESC E ICMC
- Unidades: ICMC; EESC E ICMC
- DOI: 10.14210/cotb.v12.p072-079
- Subjects: VISÃO COMPUTACIONAL; SEMÂNTICA; ROBÔS
- Keywords: Deep Semantic Segmentation; RGB-D Images; Autonomous Mobile Robots’ Navigation
- Language: Inglês
- Imprenta:
- Publisher: SBC
- Publisher place: Porto Alegre
- Date published: 2021
- Source:
- Conference titles: Computer on The Beach
- Este periódico é de assinatura
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: bronze
-
ABNT
BARBOSA, Felipe Manfio e OSÓRIO, Fernando Santos. 3D perception for autonomous mobile robots navigation using deep learning for safe zones detection: a comparative study. 2021, Anais.. Porto Alegre: SBC, 2021. Disponível em: https://doi.org/10.14210/cotb.v12.p072-079. Acesso em: 28 dez. 2025. -
APA
Barbosa, F. M., & Osório, F. S. (2021). 3D perception for autonomous mobile robots navigation using deep learning for safe zones detection: a comparative study. In Anais. Porto Alegre: SBC. doi:10.14210/cotb.v12.p072-079 -
NLM
Barbosa FM, Osório FS. 3D perception for autonomous mobile robots navigation using deep learning for safe zones detection: a comparative study [Internet]. Anais. 2021 ;[citado 2025 dez. 28 ] Available from: https://doi.org/10.14210/cotb.v12.p072-079 -
Vancouver
Barbosa FM, Osório FS. 3D perception for autonomous mobile robots navigation using deep learning for safe zones detection: a comparative study [Internet]. Anais. 2021 ;[citado 2025 dez. 28 ] Available from: https://doi.org/10.14210/cotb.v12.p072-079 - Um estudo comparativo de métodos de deep learning aplicados à segmentação semântica de obstáculos, zonas seguras e não seguras para navegação a partir de dados RGB-D
- Self-supervised temporal consistency applied to domain adaptation in semantic segmentation of urban scenes
- Estudo de estratégia de aprendizado auto-supervisionado para aprimoramento da consistência temporal em modelo de segmentação semântica baseado em deep learning
- In defense of multimodal and temporal data for unsupervised domain adaptation
- Temporal consistency as pretext task in unsupervised domain adaptation for semantic segmentation
- CARINA Project: visual perception systems applied for autonomous vehicles and advanced driver assistance systems (ADAS)
- TCDA: Temporally-Consistent Depth-Aware Unsupervised Domain Adaptation for Semantic Segmentation in Urban Scenes
- RNAs em hardware para navegação de veículos autônomos baseada em visão
- Co-projeto de hardware/software para correlação de imagens
- Hardware/software co-design for image cross-correlation
Informações sobre o DOI: 10.14210/cotb.v12.p072-079 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
3069859.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
