Show simple item record

dc.contributor.advisorCaesar, Matthewes-ES
dc.contributor.authorRodríguez Gómez, Rubénes-ES
dc.contributor.otherUniversidad Pontificia Comillas, Escuela Técnica Superior de Ingeniería (ICAI)es_ES
dc.date.accessioned2023-11-03T16:52:29Z
dc.date.available2023-11-03T16:52:29Z
dc.date.issued2024es_ES
dc.identifier.urihttp://hdl.handle.net/11531/84374
dc.descriptionGrado en Ingeniería en Tecnologías de Telecomunicación y Grado en Análisis de Negocios/Business Analyticses_ES
dc.description.abstractLa 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.abstractObject 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.mimetypeapplication/pdfes_ES
dc.language.isoes-ESes_ES
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United Stateses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/es_ES
dc.subject.otherKTT (GITT)es_ES
dc.titleDetección de objetos mediante el uso de ondas milimétricases_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses_ES
dc.keywordsondas milimétricas, precisión, PointNet, condiciones de visibilidad, Machine Learninges-ES
dc.keywordsmilimiter wave, accuracy, Visibility conditions, PointNet, Machine Learningen-GB


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivs 3.0 United States
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivs 3.0 United States