Fusion Sensor Cámara + LiDAR para Inspección Autónoma en Curitiba
Visión general
De qué trata este proyecto.
Recibes un dataset propio (40.000 frames sincronizados cámara + LiDAR de patios industriales) con etiquetas 3D. Implementa dos enfoques: fusión tardía (detectores independientes con merging) y fusión temprana (proyección de puntos LiDAR a features de imagen). Evalúa con mAP 3D y compara contra baseline solo-cámara. Reporta mejora estratificada por luz y por densidad de puntos LiDAR.
El Briefing
Lo que harás y lo que demostrarás.
Demostrar que la fusión cámara+LiDAR mejora mAP 3D en al menos 12 puntos en condiciones adversas vs baseline solo-cámara.
Earning criteria — what you'll demonstrate
- Implementar fusión sensor temprana y tardía
- Aplicar calibración extrínseca cámara-LiDAR
- Evaluar detectores 3D con métricas estándar
- Comunicar trade-offs entre arquitecturas de fusión
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosIngeniero de Visión por Computadora
Fusión sensor cámara+LiDAR es trabajo central del CV engineer en robótica y AV.
Este proyecto afina
- sensor-fusion
- lidar-processing
- deep-learning
Ingeniero de Aprendizaje Automático
Implementar dos arquitecturas y comparar honestamente es el músculo del MLE en sistemas multimodales.
Este proyecto afina
- pytorch
- model-evaluation
- sensor-fusion
Científico de IA Aplicada
Traducir mejora cuantitativa en una recomendación de arquitectura es exactamente el rol del applied AI scientist.
Este proyecto afina
- sensor-fusion
- model-evaluation
- calibration