Localización SLAM en almacén con visión y LiDAR fusionados
Visión general
De qué trata este proyecto.
Implementa SLAM fusionando LiDAR y visión en ROS 2 para un almacén simulado. Evalúas precisión y recuperación. Obtienes un certificado verificable.
El Briefing
Lo que harás y lo que demostrarás.
Reducir el error de trayectoria absoluto en al menos 30% mediante fusión visual-inercial-LiDAR sobre un baseline LiDAR-only en escenarios de almacén con geometrías repetitivas.
Earning criteria — what you'll demonstrate
- Implementar y depurar SLAM visual, LiDAR y fusionado en ROS 2
- Diseñar benchmarks de estimación de estado con métricas estándar
- Diagnosticar deriva y fallos de loop closure en escenarios degenerados
- Comunicar resultados al equipo de producto con métricas accionables
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Alineación con asignaturas próximamente.
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 Computador
Trabajar con SLAM visual y odometría visual-inercial es la base del trabajo en visión 3D para robótica móvil.
Este proyecto afina
- slam
- visual-inertial-odometry
- state-estimation
Machine Learning Engineer
Diseñar benchmarks de estimación de estado y empaquetar pipelines fiables es ingeniería ML aplicada al edge robótico.
Este proyecto afina
- slam
- sensor-fusion
- ros
AI Engineer
Integrar sensores heterogéneos en un stack desplegable y justificar trade-offs es el rol AI Engineer en startups de AMRs.
Este proyecto afina
- sensor-fusion
- ros
- lidar-processing