Percepcion

¿Como debe ser un keypoint?. Repetible y distinguible. Único e irrepetible. Dependiente del punto de vista. No importa mientras se obtengan muchos.

Sobre el método Susan, señala la opción correcta. Es un detector de esquinas, bordes y eliminación de ruido. Se basa en la diferencia de densidad de los puntos. Si la función R(r0) es mínima, ese punto es un keypoint.

Qué es un descriptor?. Un conjunto de datos aleatorios que describen una imagen. Una medida de distancia entre dos puntos. Un algoritmo usado en segmentación de datos. Un conjunto de datos únicos característicos de una imagen.

Señala la correcta. 3D Shape Context no es robusto a la orientación de la nube de puntos. SIFT 3D utiliza filtros gaussianos y se basa en la curvatura del punto. PFH puede utilizarse en tiempo real. Clustered VFH calcula un descriptor para el clúster completo.

Selecciona la correcta. ISS 3D detecta variaciones grandes entre las direcciones principales de los puntos. ISS 3D es un algoritmo de clasificación de objetos. Una correspondencia es falsa si es biyectiva. ESF combina solo dos funciones para obtener las propiedades distancia y ángulo.

Para el rechazo de correspondencias de puntos, se utiliza. El algoritmo RANSAC. El algoritmo ICP. SHOT. Se hace manualmente.

Selecciona la correcta sobre ICP. Necesita una buena transformación inicial. El criterio de parada es siempre un número máximo de iteraciones. No permite la eliminación de pares de puntos. Computacionalmente es poco costoso.

Sobre la eliminación de pares de puntos en ICP, selecciona la incorrecta. Se eliminan los pares que tengan puntos en límites de la nube. Se eliminan los pares cuya distancia supere un umbral. Se eliminan los pares que formen ángulos mayores a uno establecido. Se eliminan los pares no consistentes con los vecinos.

Criterios de terminación de ICP: El algoritmo únicamente se para si se sobrepasa un número máximo de iteraciones. El umbral de transformación absoluta es un criterio temprano de parada para registros que divergen. Si los registros convergen, significa que la transformación final es muy diferente a la inicial. Error cuadrático medio absoluto para el algoritmo cuando la media del error cuadrático de las nubes es superior a un cierto valor.

Selecciona la opción correcta. Un inlier es un dato que se encuentra fuera del modelo. RANSAC estima los parámetros de la matriz transformación. RANSAC utiliza outliers para generar la matriz de transformación. RANSAC guarda únicamente el primer modelo (matriz) obtenido.

Sobre ICP, selecciona la opción incorrecta. La ponderación de pares de puntos puede hacerse asignando pesos constantes a estos. El objetivo principal de ICP es alinear superficies con solapamiento y minimizar el error de RANSAC. El algoritmo tiene 4 parámetros de entrada: objetivo, escena, transformación inicial, criterio de parada. El algoritmo es robusto a outliers y a la transformacion inicial.

Sobre las métricas de distancia ICP, elige la incorrecta. Punto a punto. Punto a plano. Punto más cercano compatible (normales, curvatura...). Distancia máxima acumulada.

Sobre la segmentacion de datos,. consiste en agrupar puntos similares en regiones homogéneas. consiste en agrupar puntos similares en el centro de la escena. separa la escena en regiones que no necesariamente deben ser significativas. no es útil para localizar y reconocer objetos.

Selecciona la incorrecta. Los métodos basados en regiones: pueden ser basados en semilla o no basados en semilla. Utilizan información de vecindad para combinar puntos. los no basados en semilla no requieren un conocimiento previo de la escena. pueden producir sobresegmentacion.

Selecciona la incorrecta Los métodos basados en regiones en semilla. Son muy dependientes de los puntos semilla. Son sensibles a ruido y a umbrales de compatibilidad. Expanden regiones aleatoriamente, sin seguir criterios. Identifican semillas según la curvatura o la normal.

Sobre el registro increméntalas, selecciona la incorrecta. La etapa de segmentación detallada identifica los objetos principales de la escena. El downsampling elimina redundancias. Genera mapas 3D con nubes. La segmentación aproximada identifica los objetos principales de la escena.

Sobre metodos basados en bordes, selecciona la incorrecta. Detectan límites de regiones y la separan. Un borde corresponde a un mínimo local en la dirección del borde. No trabaja con nubes de puntos, solo imágenes de rango. Son sensibles al ruido y a la densidad.

Sobre métodos basados en atributos, selecciona la incorrecta. Calculan atributos y clusterizan. Filin propone utilizar datos de un sensor láser para conocer la textura. Son robustos a la calidad de los atributos. Emplean un tiempo computacional alto en nubes grandes.

Sobre los metodos basados en modelo, selecciona la incorrecta. Los puntos que comparten la misma representación matemática se agrupan en un único segmento. Son rápidos y robustos con los outliers. El algoritmo fitting agrupa los puntos en regiones formando varias formas geométricas. El objetivo es identificar figuras representadas por puntos, determinó sus parámetros y los puntos que pertenecen a ellas.

Sobre la transformación de Hough, selecciona la incorrecta. Detecta objetos parametrizados (líneas y círculos). Cada punto vota sobre todas las formas. Se seleccionan superficies que superen un umbral de votación. Utiliza la información de textura para la detección de formas.

Sobre metodos basados en grafos, selecciona la incorrecta. Cada vertice corresponde a un vértice de la nube. Las aristas están ponderadas según la distancia entre puntos. Strom propone la segmentación basada en el color y las superficies normales. Rusu et al. combina FPFH y CRF para segmentar y etiquetar puntos 3D.

Selecciona la incorrecta sobre métodos basados en grafos. Las aristas están ponderadas según la similitud de los puntos. En ocasiones es necesario un entrenamiento previo. Son metodos de elevado nivel de computación. Son sensibles a escenas complejas con puntos ruidosos y densidad variable.

Selecciona la opción correcta El pipeline de reconocimiento de objetos sigue el siguiente orden: ,. extracción de keypoints, computación de descriptores, emparejamientos, RANSAC, ICP. eliminación de planos dominantes, computación de descriptores, emparejamientos, RANSAC, ICP. eliminación de planos dominantes, extracción de keypoints, computación de descriptores, RANSAC, ICP. extracción de keypoints, computación de descriptores, emparejamientos, ICP.

Selecciona la opción incorrecta. Sobre reconocimiento de objetos 2D. ALEXNet proporciona un gran nivel de acierto. RESNET es una CNN para clasificar objetos. YOLO devuelve bounding boxes y categoría. No hay ningun metodo Deep Learning que solucione el vanishing gradient.

Selecciona la respuesta incorrecta. Los objetos 3D se consideran desorganizados en términos de reconocimiento de objetos. PointNet hace una representación voxelizada del objeto 3D. LonchaNet funciona muy bien cuando el objeto tiene estructura interna. RotationNet usa renders desde un único punto de vista.

Selecciona la respuesta incorrecta. Sobre la luz estructurada: Uttiliza una fuente de luz con un patrón conocido. Funciona mal en superficies reflectantes o transparentes. Busca puntos en el patrón de luz obtenido. El objeto puede estar en movimiento.

Selecciona la incorrecta. Sobre tiempo de vuelo. La distancia se calcula con el tiempo que tarda un pulso en llegar al receptor. Necesita un timer preciso. No se ve afectado por la dispersión de luz. Emite una onda continua sinusoidal y calcula el desfase que sufre.

Selecciona la incorrecta. Sobre láser (LiDAR). Calcula la distancia con tiempo de vuelo. Pueden ser 1D, 2D y 3D (línea, plano y escena 3D). Tienen una resolución pobre y un precio alto. Únicamente funcionan en interior.

Selecciona la incorrecta En cuanto a sonido: Puede utilizarse para computar distancias y comprender el entorno. Utilizan ultrasonidos basados en tiempo de vuelo. Tiene problemas con objetos pequeños. Es útil en cualquier tipo de material.

Selecciona la incorrecta Sobre sensores táctiles. Los sensores simples utilizan dos conductores, uno de ellos cierra contacto y produce la señal. Disponer los sensores en forma de matriz permite el multitouch. Los sensores de capacitancia miden el cambio de esta propiedad, cuanto mayor sea, más lejos del sensor está el conductor. Los sensores de capacitancia forman una capa electrostática.

Selecciona la incorrecta Sobre cámara de eventos. Proporcionan información más rápido. Producen un frame cuando la escena cambia. Un frame esta compuesto por una matriz que indica si un pixel es igual o ha cambiado. Un frame esta compuesto por una matriz que indica la posición de los puntos característicos.

Selecciona la incorrecta. Tiempo de vuelo requiere métodos de reducción de ruido. Luz estructurada soluciona el problema de la textura. En estéreo se busca puntos de una imagen en otra. La ventaja de cámara de eventos es que tiene una resolución alta.

Selecciona la incorrecta Sobre el metodo de Montecarlo: Aproxima expresiones matemáticas complejas. El error de la estimación decrece a razón de 1/√N, siendo N el número de ejemplos. El error de la estimación crece a razón de √N, siendo N el número de ejemplos. Un posible problema es la maldicion de dimensionalidad.

El metodo de Montecarlo permite resolver: Cálculo de Pi. Cálculo de volumenes complejos. Optimización de caminos (inteligencia de enjambre). Todas.

Selecciona la opción incorrecta Sobre generación de números aleatorios. PRNG es basado en hardware y TRNG basado en software. PRNG toma un número semilla. TRNG es basado en hardware y PRNG basado en software. La generación aleatoria de numeros es un problema no resuelto de la computación.

Selecciona la incorrecta Sobre PRNG. Los números deben pasar tests pseudoaleatorios. Contiene las siguientes funciones: inicialización, transición y salida. El algoritmo debe tener dos propiedades: impredecibilidad, irreversibilidad. La semilla no influye en la secuencia de bits de salida.

Selecciona la incorrecta Sobre la Localización de Markov. Estima el estado en un entorno según sensores, asumiendo que es estático. Estima el estado en un entorno según sensores, asumiendo que es dinámico. Mantiene una distribución de probabilidad de donde se encuentra el robot. El robot no debe compartir el entorno con otros elementos móviles.

Selecciona la incorrecta Sobre el filtro de particulas. Un conjunto con pocas partículas proporciona una alta probabilidad de localizar el robot. Un conjunto con muchas partículas impide reaccionar en tiempo real debido a un alto tiempo de procesamiento. Para cada particula, calcula la probabilidad de que el robot se encuentre en esa posición. Compara los que recibe por los sensores con lo que debería percibir si se encuentra en la posición de la particularista.

Selecciona la incorrecta Sobre el filtro de Kalman extendido (EFK). Es un caso especial de localización de Markov. Las versiones complejas asumen que las características son identificables sin equivocaciones. Asume que el mapa está representado por un conjunto de características. Utiliza una distribución gaussiana que representa la creencia de la localización del robot.