dc.contributor.advisor | Caesar, Matthew | es-ES |
dc.contributor.author | Rodríguez Gómez, Rubén | es-ES |
dc.contributor.other | Universidad Pontificia Comillas, Escuela Técnica Superior de Ingeniería (ICAI) | es_ES |
dc.date.accessioned | 2023-11-03T16:52:29Z | |
dc.date.available | 2023-11-03T16:52:29Z | |
dc.date.issued | 2024 | es_ES |
dc.identifier.uri | http://hdl.handle.net/11531/84374 | |
dc.description | Grado en Ingeniería en Tecnologías de Telecomunicación y Grado en Análisis de Negocios/Business Analytics | es_ES |
dc.description.abstract | La detección de objetos es una tarea que se encarga de identificar entornos, personas u objetos mediante el uso de tecnologías que implementan sensores o cámaras. Tradicionalmente, esta labor se ha realizado mediante el uso de tecnologías que emplean el espectro visible (como cámaras de visión). Aún así, este tipo de tecnologías presenta limitaciones que hacen que su precisión se vea reducida de manera sustantiva. La principal limitación es que las tecnologías tradicionales no funcionan de manera óptima en condiciones de viabilidad reducida o nula. Es por ello por lo que este trabajo se enmarca en el desarrollo de un sistema de detección, mediante el empleo de tecnologías que utilicen sensores de detección de ondas milimétricas. Este tipo de tecnologías es capaz de funcionar con una alta precisión no solo en escenarios de visibilidad óptima, si no que se ha demostrado como una solución para escenarios en donde la visibilidad se ve reducida. En esta memoria, se desarrolla una metodología dividida en tres fases: una de escáner, otra de procesamiento de datos y otra de implementación de un modelo de Machine Learning que permita analizar de forma precisa el modelo desarrollado. En este trabajo, se explora concretamente sobre el modelo de PointNet, un modelo que se ha obtenido resultados de precisión esperanzadores en implementaciones de Point-Clouds o nubes de puntos. En adición, en este trabajo se explorarán las implicaciones éticas que tienen que ver con el desarrollo de tecnologías como la que se propone en este trabajo, además de mostrar futuros campos de investigación en donde el uso de ondas milimétricas podría resultar una solución (como en los ámbitos de la medicina, medioambiente y aplicaciones biométricas). | es-ES |
dc.description.abstract | Object detection is a task that involves identifying environments, people, or objects through the use of technologies that implement sensors or cameras. Traditionally, this task has been carried out using technologies that employ the visible spectrum (such as vision cameras). However, these types of technologies have limitations that significantly reduce their accuracy. The main limitation is that traditional technologies do not function optimally in conditions of reduced or no visibility. Therefore, this work focuses on the development of a detection system using technologies that utilize millimeter wave detection sensors. These technologies can operate with high precision not only in optimal visibility scenarios but have also proven to be a solution for scenarios where visibility is reduced.This report develops a methodology divided into three phases: a scanning phase, a data processing phase, and the implementation of a Machine Learning model that allows for precise analysis of the developed model. Specifically, this work explores the PointNet model, which has shown promising accuracy results in Point-Cloud implementations. Additionally, this work will explore the ethical implications associated with the development of technologies such as the one proposed here, as well as future fields of research where the use of millimeter waves could be a solution (such as in the fields of medicine, environment, and biometric applications). | en-GB |
dc.format.mimetype | application/pdf | es_ES |
dc.language.iso | es-ES | es_ES |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | es_ES |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | es_ES |
dc.subject.other | KTT (GITT) | es_ES |
dc.title | Detección de objetos mediante el uso de ondas milimétricas | es_ES |
dc.type | info:eu-repo/semantics/bachelorThesis | es_ES |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es_ES |
dc.keywords | ondas milimétricas, precisión, PointNet, condiciones de visibilidad, Machine Learning | es-ES |
dc.keywords | milimiter wave, accuracy, Visibility conditions, PointNet, Machine Learning | en-GB |