Integració d'informació geogràfica al motor Unity3D
Garcia Puig, Marc
López Peña, Antonio M., (Antonio Manuel), dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
Universitat Autònoma de Barcelona. Escola d'Enginyeria

Título variante: Integration of geographical information on Unity3D engine
Título variante: Integración de información geográfica en el motor Unity3D
Fecha: 2017-06-28
Resumen: Cada cop es fa servir més el "deep learning" per la conducció autònoma, però per utilitzar-lo es necessiten moltes dades amb anotacions especials anomenades "ground truth" (com la profunditat de la imatge o el "optical flow"). Anotar aquestes dades a mà és molt difícil, potser impossible. La forma més ràpida d'aconseguir gran quantitat d'aquestes dades és generar aproximacions en motors gràfics com fa el dataset Synthia (que funciona en Unity3D). Però per generar una ciutat sintètica dins d'un d'aquests motors es necessita molta feina en el modelatge, texturitzat i arquitectura de la ciutat i terreny i això és molt lent. Aquest treball proposa fer un sistema per al projecte de Synthia que, a partir de diferents tipus d'informació geogràfica obtinguda d'Internet sigui capaç de generar, a temps real, una aproximació 3D del món real, i d'aquí extreure dades de la mateixa qualitat que les que es generen actualment.
Resumen: Nowadays deep learning is been used more and more for many autonomous driving applications, however for effectively using deep learning we need a lot of special annotations called ground truth. Annotate this data manually is very hard and maybe impossible. That's why the easiest way to get this huge quantity of data is to use graphical engines like Synthia does (using Unity3D). However, to generate a synthetic city like this you need also a lot of manual work, modeling, texturing and architecture of the city and the terrain and that requires a lot of labor. For this work we propose to do a system that is included inside the Synthia project that from different kinds of geographic information that is obtained from Internet, we are capable of generating in real time a 3D approximation of the world and from here we can extract data from the same quality as those that are currently generated.
Resumen: Cada vez se usa más el "deep learning" para la conducción autónoma, pero para utilizarlo son necesarios muchos datos con anotaciones especiales llamadas "ground truth" (como la profundidad de la imagen o el "optical flow"). Anotar dichos datos a mano es muy difícil, puede que imposible. La forma mas rápida de conseguir una gran cantidad de estos datos es generar aproximaciones en motores gráficos como hace el dataset Synthia (que funciona con Unity3D). Pero para generar una ciudad sintética dentro de uno de éstos motores es necesario mucho trabajo en el modelado, texturizado y arquitectura de la ciudad y el terreno y es muy lento. Éste trabajo un sistema para el proyecto de Synthia que, a partir de distintos tipos de información geográfica obtenida d'Internet, sea capaz de generar, a tiempo real, una aproximación 3D del mundo real, y de aquí extraer datos de la misma calidad que las que se generan actualmente.
Derechos: Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades. Creative Commons
Lengua: Català.
Titulación: Enginyeria Informàtica [2502441]
Plan de estudios: Enginyeria Informàtica [958]
Documento: bachelorThesis ; Text
Área temática: Menció Enginyeria del Software
Materia: Unity3D ; Generació procedural ; Synthia-dataset ; Sistemes d'informació geogràfica ; Generación procedural ; Sistemas de información geográfica ; Procedural generation ; Geographic information system



10 p, 6.2 MB

El registro aparece en las colecciones:
Documentos de investigación > Trabajos de Fin de Grado > Escuela de Ingeniería. TFG

 Registro creado el 2017-10-16, última modificación el 2018-06-20



   Favorit i Compartir