Ingeniería de Visual-Inertial Odometry & Precise Positioning

2.1 Introducción a la Odometría Visual-Inercial: definición, alcance y aplicaciones en navegación naval y robótica marina
2.2 Arquitecturas de sensores: cámaras (mono/estéreo), IMU y sensores complementarios
2.3 Modelado de estado y dinámicas: pose, velocidad, aceleración y sesgos
2.4 Proceso de predicción con IMU: integración de datos y propagación de error
2.5 Estimación de pose por visión: detección de características, correspondencias y estimación entre fotogramas
2.6 Fusión temporal y espacial: filtros (EKF/MSCKF) y enfoques de optimización para VIO
2.7 Representaciones de pose y mapeo: cuaterniones, transformaciones y conceptos básicos de SLAM
2.8 Calibración y sincronización: calibración intrínseca/extrínseca, calibración entre cámara e IMU y sincronización temporal
2.9 Evaluación de rendimiento: métricas como drift, RMSE y pruebas en simulación y en campo
2.10 Laboratorio y casos prácticos: montaje de un pipeline VIO básico, uso de datasets públicos y ejercicios de validación

3.1 Fundamentos de Odometría Visual-Inercial (VI): sensores, flujo de datos y conceptos clave
3.2 Arquitecturas VI-SLAM y Odometría de navegación: cuándo usar cada enfoque
3.3 Fusión GNSS/INS/SLAM para posicionamiento preciso: RTK y PPP
3.4 Calibración y sincronización de sensores VI y GNSS: tiempos, latencia y sesgos
3.5 Modelos de filtrado para fusión de datos: EKF/UKF, ventanas de tiempo y optimización
3.6 Manejo de errores y robustez: sesgos de IMU, escala, outliers y interrupciones GNSS
3.7 Evaluación de rendimiento: métricas ATE, RPE, drift y consistencia de la trayectoria
3.8 Desempeño en entornos marítimos: vibraciones, olas, iluminación y condiciones de mar
3.9 Seguridad y cumplimiento para navegación naval: normativas, interoperabilidad y certificaciones
3.10 Caso práctico: go/no-go con matriz de riesgos para una misión de odometría VI y posicionamiento preciso

4.1 Introducción a VIO: qué es Visual-Inertial Odometry, diferencias con odometría monocular/estereoscópica y aplicaciones navales
4.2 Fundamentos de RTK y PPP: definiciones, diferencias, requerimientos de infraestructura y precisión esperada
4.3 Arquitecturas de fusión GNSS/INS/SLAM: enfoques tight/loose integration, filtros EKF/UKF y optimización
4.4 Sensores para navegación marítima: cámaras, IMU, GNSS marítimo, magnetómetro, barómetro, sensores auxiliares y calibración
4.5 Pipeline de VIO: estimación de pose, calibración intrínseca y extrínseca, sincronización temporal y gestión de errores
4.6 RTK y PPP en navegación costera: escenarios marítimos, latencia, corrección en tiempo real y operadores como NTRIP
4.7 Fusión GNSS/INS/SLAM para entornos desafiantes: mitigación de multipath, vibraciones y señal débil
4.8 SLAM para entornos portuarios y en mar abierto: mapeo rápido, localización precisa y manejo de dinámicos
4.9 Desafíos operativos en ambientes navales: salinidad, temperatura, vibraciones, cobertura de señal e integridad
4.10 Casos de uso, ejercicios y evaluaciones: datasets navales, simuladores, proyectos de fin de módulo

5. 5 Introducción a la Odometría Visual-Inercial (VIO): Conceptos fundamentales y aplicaciones.
5. 5 Sensores Inerciales (IMU): Principios de funcionamiento, calibración y modelado.
5. 3 Cámaras: Fundamentos de la visión, tipos de cámaras y calibración.
5. 4 Principios de la Odometría Visual: Extracción de características, matching y triangulación.
5. 5 Integración Inercial: Filtrado de Kalman, estimación de la postura y fusión de datos.
5. 6 Sistemas de Posicionamiento Global (GNSS): Fundamentos, señales y correcciones.
5. 7 Conceptos de Fusión GNSS/INS: Filtros, arquitecturas y compensación de errores.
5. 8 SLAM (Simultaneous Localization and Mapping): Introducción, tipos y algoritmos.
5. 9 Posicionamiento RTK: Principios, estaciones base y correcciones diferenciales.
5. 50 Posicionamiento PPP: Fundamentos, modelos y correcciones de alta precisión.

6.1 Introducción a la Odometría Visual-Inercial (VIO) y sus componentes.
6.2 Sensores: Cámaras, IMUs (Inertial Measurement Units) y su calibración.
6.3 Modelos de cámara: perspectiva, distorsión y calibración.
6.4 Modelos de IMU: error, ruido y sesgo.
6.5 Fundamentos de Filtro de Kalman extendido (EKF) y Filtro de Kalman de Partículas (PF) para fusión de datos.
6.6 Introducción a GNSS: conceptos básicos y tipos de señales.
6.7 Fundamentos de RTK (Real-Time Kinematic) y PPP (Precise Point Positioning).
6.8 Sistemas de coordenadas y transformaciones.
6.9 Conceptos básicos de SLAM (Simultaneous Localization and Mapping).
6.10 Revisión de bibliografía y recursos clave en VIO y posicionamiento.

7.1 Introducción a la Odometría Visual-Inercial (VIO): Fundamentos y Componentes.
7.2 Sensores Inerciales (IMU): Principios, Modelado y Calibración.
7.3 Cámaras: Tipos, Principios de la Visión por Computadora y Calibración.
7.4 Principios de la Odometría Visual: Extracción de Características y Correspondencias.
7.5 Fundamentos de SLAM (Simultaneous Localization and Mapping): Tipos de SLAM y Aplicaciones.
7.6 Sistemas de Posicionamiento Global por Satélite (GNSS): Principios y Funcionamiento.
7.7 Sistemas de Navegación Inercial (INS): Fundamentos y Modelado.
7.8 Fusión de Sensores: Introducción a los Filtros de Kalman y otros Algoritmos.
7.9 Representación de Datos en Sistemas de Navegación: Marcos de Referencia y Transformaciones.
7.10 Evaluación y Metodología de Pruebas en VIO, Posicionamiento y Fusión.

8.1 Introducción a la Odometría Visual-Inercial (VIO) y su importancia.
8.2 Sensores: Cámaras, IMU (Inertial Measurement Unit) y sus características.
8.3 Representación matemática de la orientación y la posición: Quaterniones, rotaciones y traslaciones.
8.4 Modelado de la cámara: Proyecciones, modelos de cámara pinhole y distorsiones.
8.5 Fundamentos de la IMU: Medición de aceleración y velocidad angular, ruido y sesgos.
8.6 Filtros de Kalman: Introducción, tipos y aplicación en VIO.
8.7 El pipeline de la VIO: Procesamiento de datos de cámara e IMU.
8.8 Estimación de la pose: Algoritmos de filtrado y optimización.
8.9 Métricas de evaluación en VIO: Error absoluto de la trayectoria (ATE), error relativo de la pose (RPE).
8.10 Introducción a SLAM (Simultaneous Localization and Mapping) con VIO.

9.1 Fundamentos de la Odometría Visual-Inercial (VIO)
9.2 Sensores Inerciales: IMU y sus características
9.3 Cámaras: Tipos, Modelos de Cámara y Calibración
9.4 El Proceso de VIO: Estimación de la Pose
9.5 Visual Feature Extraction y Matching
9.6 Kalman Filter y su Aplicación en VIO
9.7 Introducción a SLAM (Simultaneous Localization and Mapping)
9.8 Algoritmos de Fusión de Datos en VIO
9.9 Evaluación y Métricas de Rendimiento en VIO
9.10 Casos de Estudio y Aplicaciones de VIO

10.1 Fundamentos del Posicionamiento Global: GPS, GLONASS, Galileo, Beidou.
10.2 Conceptos básicos de Odometría Visual-Inercial (VIO): Cámaras y IMUs.
10.3 Sistemas de Referencia Terrestre y Transformaciones de Coordenadas.
10.4 Introducción a la Estimación de Estados: Filtro de Kalman.
10.5 Introducción a la Fusión GNSS/INS/SLAM.
10.6 Errores y Fuentes de Incertidumbre en el Posicionamiento.
10.7 Tipos de Datos GNSS: Código, Fase, DGNSS.
10.8 Sensores Inerciales: IMU, acelerómetros, giroscopios.
10.9 Introducción a los sistemas SLAM.
10.10 Aplicaciones del Posicionamiento Preciso y VIO.