Diplomado en LiDAR/Vision SLAM y Localización de Precisión

2.1. Fundamentos físicos del LiDAR y principios de medición por distancia láser

2.2. Tipologías de sensores LiDAR: terrestres, móviles, aéreos y embarcados

2.3. Tiempo de vuelo (ToF) y métodos de medición de distancia

2.4. Generación y características de nubes de puntos tridimensionales

2.5. Resolución espacial, precisión y limitaciones de sensores LiDAR

2.6. Procesamiento inicial de datos LiDAR y eliminación de ruido

2.7. Segmentación y clasificación de elementos dentro de nubes de puntos

2.8. Registro y alineación de nubes de puntos tridimensionales

2.9. Integración LiDAR con otros sensores de percepción

2.10. Diseño de un sistema de adquisición 3D basado en tecnología LiDAR

3.1. Fundamentos de visión artificial aplicada a localización

3.2. Formación de imágenes y modelos geométricos de cámaras

3.3. Calibración intrínseca y extrínseca de sistemas de visión

3.4. Detección y extracción de características visuales

3.5. Descriptores visuales y correspondencia entre imágenes

3.6. Seguimiento de características y estimación de movimiento

3.7. Visión estéreo y reconstrucción tridimensional

3.8. Cámaras RGB, profundidad y sensores avanzados de percepción

3.9. Limitaciones de visión artificial en diferentes condiciones ambientales

3.10. Diseño de un sistema de percepción visual para navegación y localización

4.1. Introducción al concepto SLAM (Simultaneous Localization and Mapping)

4.2. Problema fundamental de localización y construcción de mapas

4.3. SLAM basado en visión monocular, estéreo y RGB-D

4.4. SLAM basado en LiDAR y sensores tridimensionales

4.5. Extracción de características y asociación de datos en SLAM

4.6. Estimación de trayectoria y corrección de errores acumulativos

4.7. Optimización de mapas mediante grafos de poses

4.8. Cierre de bucles (Loop Closure) y mejora de consistencia espacial

4.9. Comparación entre diferentes arquitecturas y algoritmos SLAM

4.10. Desarrollo conceptual de un sistema SLAM para navegación autónoma

5.1. Principios de integración multisensorial para localización precisa

5.2. Sensores inerciales IMU y estimación de movimiento

5.3. Integración GNSS, LiDAR, visión e IMU

5.4. Filtros de estimación: Kalman y variantes avanzadas

5.5. Filtros extendidos y no lineales para sistemas autónomos

5.6. Optimización basada en grafos y ajuste de trayectorias

5.7. Sincronización temporal entre sensores heterogéneos

5.8. Gestión de incertidumbre y propagación de errores

5.9. Evaluación de precisión y estabilidad de sistemas fusionados

5.10. Diseño de una arquitectura de fusión sensorial para localización de precisión

6.1. Métodos avanzados de posicionamiento de precisión

6.2. GNSS diferencial, RTK y correcciones de posicionamiento

6.3. Localización relativa y absoluta en entornos complejos

6.4. Mapas 3D de alta resolución y representación espacial

6.5. Localización sobre mapas previamente construidos

6.6. Matching entre percepción actual y mapas digitales

6.7. Mapas semánticos para navegación inteligente

6.8. Actualización dinámica de mapas mediante sensores autónomos

6.9. Evaluación de precisión centimétrica en sistemas de localización

6.10. Desarrollo de un sistema completo de localización precisa basado en mapas 3D

7.1. Introducción al aprendizaje automático aplicado a percepción espacial

7.2. Redes neuronales para detección y clasificación de objetos

7.3. Deep Learning aplicado a visión artificial y análisis LiDAR

7.4. Segmentación semántica de nubes de puntos y escenas 3D

7.5. Reconocimiento de patrones espaciales mediante inteligencia artificial

7.6. Optimización automática de parámetros en sistemas SLAM

7.7. Predicción de movimiento y comportamiento del entorno

7.8. Sistemas inteligentes de percepción para vehículos autónomos

7.9. Procesamiento avanzado de grandes volúmenes de datos espaciales

7.10. Diseño de un sistema inteligente de percepción y localización autónoma