Desarrollo de algoritmos de estimación de mapas profundidad a partir de imágenes RGB mediante técnicas de aprendizaje profundo

La utilización de redes neuronales para el procesamiento de imágenes ha crecido de manera exponencial en los últimos años. Concretamente, la estimación de mapas de profundidad ha sido una problemática para la cual se han presentado diversas soluciones tanto software como hardware. En este proyecto se presentará el desarrollo, entrenamiento, análisis y comparación en términos de precisión de tres redes neuronales. Las dos primeras propuestas con arquitectura tipo Autoencoder y una tercera con arquitectura GAN, Para la comparación de las redes, se escogerán los parámetros de entrenamiento buscando optimizar el aprendizaje y se analizarán los resultados obtenidos mediante distintas métricas de validación. Finalmente se validará la solución sobre dos aplicaciones reales para justificar el uso de los resultados en ambientes reales. El proyecto será desarrollado en el lenguaje de programación Python. El dataset (con parte de creación propia) ha sido recolectado mediante la utilización de una cámara RGB-D la cual proporciona la imagen RGB y su mapa de profundidad correspondiente. Las imágenes obtenidas han sido mezcladas con un dataset específico para la estimación de profundidad con el objetivo de entrenar de forma óptima las redes propuestas. Se han utilizado librerías tales como OpenCV y Keras para facilitar el procesamiento de las imágenes y la creación y entrenamiento de las redes neuronales