Slam, Intelligenza Artificiale e Robotica per la mappatura di ambienti affollati

Autori

  • Eleonora Maset
  • Lorenzo Scalera

Parole chiave:

slam, robotica, lidar, rete neurale, intelligenza artificiale

Abstract

Contamination between photogrammetry and computers vision is a process which began at least a decade ago and yes is now in a mature stage, though not yet complete. Also, we are currently assisting at the entrance of technologies arising from robotics in the field of topography, such as i portable mapping systems mobile (MMS – Mobile Mapping Systems).

Riferimenti bibliografici

Adán, A., Quintana, B., Prieto, S. A., 2019. Autonomous mobile scanning systems for the digitization of buildings: A review. Remote Sensing, 11(3), 306.

Tiozzo Fasiolo, D., Maset, E., Scalera, L., Macaulay, S. O., Gasparetto, A., Fusiello, A. (2022). Combining LiDAR SLAM and deep learning-based people detection for autonomous indoor mapping in a crowded environment. The International Archives of Photogrammetry, Remote

Sensing and Spatial Information Sciences, 43, 447-452.

Maset, E., Scalera, L., Beinat, A., Visintini, D., Gasparetto, A. (2022). Performance

investigation and repeatability assessment of a mobile robotic system for 3D mapping. Robotics, 11(3), 54.

GEOmedia 6 2022 è un numero dedicato all'automazione nel mondo geospatial

##submission.downloads##

Pubblicato

2023-03-28

Come citare

Maset, E., & Scalera, L. (2023). Slam, Intelligenza Artificiale e Robotica per la mappatura di ambienti affollati. GEOmedia, 26(6). Recuperato da https://mediageo.it/ojs/index.php/GEOmedia/article/view/1908

Fascicolo

V. 26 N. 6 (2022): GEOmedia 6-2022

Sezione

REPORT

Licenza

Creative Commons License

Questo lavoro è fornito con la licenza Creative Commons Attribuzione - Non commerciale - Condividi allo stesso modo 4.0 Internazionale.

Gli autori che pubblicano su questa rivista accettano le seguenti condizioni:

  1. Gli autori mantengono i diritti sulla loro opera e cedono alla rivista il diritto di prima pubblicazione dell'opera, contemporaneamente licenziata sotto una Licenza Creative Commons - Attribuzione che permette ad altri di condividere l'opera indicando la paternità  intellettuale e la prima pubblicazione su questa rivista.
     
  2. Gli autori possono aderire ad altri accordi di licenza non esclusiva per la distribuzione della versione dell'opera pubblicata (es. depositarla in un archivio istituzionale o pubblicarla in una monografia), a patto di indicare che la prima pubblicazione è avvenuta su questa rivista.
     
  3. Gli autori possono diffondere la loro opera online (es. in repository istituzionali o nel loro sito web) prima e durante il processo di submission, poiché può portare a scambi produttivi e aumentare le citazioni dell'opera pubblicata (Vedi The Effect of Open Access).