Analyzing downloaded data from road side units

En el contexto de las redes vehiculares, analizamos una aplicación de descarga de mapas, donde cada vehículo descarga datos de mapas relevantes según su posición. Entre las estrategias propuestas está la de utilizar las redes con infraestructura (I2V) además de las redes vehículo a vehículo (V2V). En este trabajo comparamos dos métodos de fragmentación de archivos, para el segmento I2V; los métodos son Random Sort Strategy (RSS) y Network Coding (NC). Encontramos que: cuando se utiliza NC la distribución de los diferentes fragmentos recibidos es independiente del tamaño del archivo. Cuando se utiliza RSS, la media y la desviación estándar dependen del tamaño del archivo. Estos resultados serán utilizados para el análisis del segmento V2V de la red.

Implementación de un detector de coral utilizando filtros Gabor Wavelets y máquinas de aprendizaje

Este trabajo se enfoca en la implementación de un detector de arrecife de coral de desempeño rápido que se utiliza para un vehículo autónomo submarino (Autonomous Underwater Vehicle, AUV, por sus siglas en inglés). Una detección rápida de la presencia de coral asegura la estabilización del AUV frente al arrecife en el menor tiempo posible, evitando colisiones con el coral. La detección de coral se hace en una imagen que captura la escena que percibe la cámara del AUV. Se realiza una clasificación píxel por píxel entre dos clases: arrecife de coral y el plano de fondo que no es coral. A cada píxel de la imagen se le asigna un vector característico, el mismo que se genera mediante el uso de filtros Gabor Wavelets. Éstos son implementados en C++ y la librería OpenCV. Los vectores característicos son clasificados a través de nueve algoritmos de máquinas de aprendizaje. El desempeño de cada algoritmo se compara mediante la precisión y el tiempo de ejecución. El algoritmo de Árboles de Decisión resultó ser el más rápido y preciso de entre todos los algoritmos. Se creó una base de datos de 621 imágenes de corales de Belice (110 imágenes de entrenamiento y 511 imágenes de prueba).

Bioleta Mata: una planta que interactúa por medio de realidad aumentada

Este documento describe una planta real dotada de un vehículo inteligente que le permite navegar por ambientes de interiores, responder a estímulos del ambiente, interactuar con seres humanos a través de realidad aumentada, detectar la presencia de fuego y solicitar ayuda por medio de Twitter. Los experimentos muestran que no hay falsos positivos en la detección de fuego, y que la detección de fuego es superior al 50% de las lecturas del sensor en distancias menores a 5 m, con línea de visión entre el sensor y la llama. La comunicación por radios XBee en ambientes de interiores es efectiva hasta por lo menos 25m de distancia entre los radios.