El Diplomado en LiDAR/Vision SLAM y Localización de Precisión explora la aplicación de tecnologías de vanguardia en SLAM (Simultaneous Localization and Mapping) utilizando LiDAR y Visión Estéreo/Monocular. Se centra en el desarrollo de soluciones para navegación autónoma, robótica y realidad aumentada, integrando procesamiento de señales, geometría computacional y aprendizaje automático (Machine Learning) para la creación de mapas precisos y la localización de precisión en entornos complejos. Cubre la implementación de algoritmos SLAM robustos, la calibración de sensores, y la fusión de datos de múltiples fuentes para optimizar la precisión y fiabilidad en aplicaciones como vehículos autónomos, drones, y robótica móvil.
El programa ofrece experiencia práctica en el uso de ROS (Robot Operating System), PCL (Point Cloud Library) y bibliotecas de visión por computadora, preparando a los participantes para diseñar, implementar y evaluar sistemas de localización y mapeo de última generación. Se aborda el diseño de sistemas SLAM basados en filtros de Kalman, filtros de partículas, y redes neuronales convolucionales, enfatizando la importancia de la robustez, la eficiencia computacional, y la escalabilidad en diferentes escenarios de aplicación. Este diplomado capacita a profesionales como ingenieros de robótica, especialistas en visión artificial, desarrolladores de software de navegación y científicos de datos.
Palabras clave objetivo (naturales en el texto): LiDAR, Vision SLAM, Localización de Precisión, navegación autónoma, robótica, mapeo 3D, filtros de Kalman, ROS, PCL, vehículos autónomos.
1.099 €
2. Desentrañando LiDAR/Vision SLAM: Localización Precisa y Exploración de Aplicaciones
Aprenderás a integrar todo el proceso de desarrollo de producto desde la concepción del modelo hasta su validación final, aplicando metodologías centradas en el usuario. Desarrollarás competencias en diseño paramétrico, ergonomía, simulación, materiales sostenibles, visualización 3D y gestión de manufactura, garantizando soluciones eficientes, seguras y alineadas con los estándares industriales actuales.
Aprenderás a integrar todo el proceso de desarrollo de producto desde la concepción del modelo hasta su validación final, aplicando metodologías centradas en el usuario. Desarrollarás competencias en diseño paramétrico, ergonomía, simulación, materiales sostenibles, visualización 3D y gestión de manufactura, garantizando soluciones eficientes, seguras y alineadas con los estándares industriales actuales.
Requisitos Recomendados: Se recomienda una base sólida en aerodinámica, teoría de control, y conocimientos básicos de estructuras. Dominio del inglés y/o español a nivel B2+/C1 (se valorará el dominio de ambos). Se ofrecen opciones de cursos introductorios (bridging tracks) para fortalecer los conocimientos previos en áreas específicas.
Módulo 1 — Introducción a LiDAR/Vision SLAM
1.1 Fundamentos de LiDAR y Visión
1.2 Introducción a SLAM: conceptos y algoritmos
1.3 Sensores LiDAR y cámaras: tipos y características
1.4 Sistemas SLAM basados en LiDAR: funcionamiento y componentes
1.5 Sistemas SLAM basados en visión: funcionamiento y componentes
1.6 Comparación LiDAR vs Visión: ventajas y desventajas
1.7 Aplicaciones iniciales de LiDAR/Vision SLAM
1.8 El proceso de Localización: estimación de la pose del robot
1.9 El proceso de Mapeo: construcción del mapa del entorno
1.10 Consideraciones iniciales sobre el uso de LiDAR/Vision SLAM
2.2 Introducción a LiDAR/Vision SLAM: Fundamentos y Conceptos Clave
2.2 Sensores LiDAR y Cámaras: Tipos, Características y Selección
2.3 Principios de Localización Visual: Características y Métodos
2.4 Mapeo Simultáneo y Localización (SLAM): El Proceso Paso a Paso
2.5 Algoritmos SLAM: Comparación y Evaluación
2.6 Preprocesamiento de Datos LiDAR y Visuales
2.7 Estimación de Trayectoria y Construcción de Mapas
2.8 Calibración de Sensores: LiDAR y Cámaras
2.9 Métricas de Evaluación de Rendimiento SLAM
2.20 Aplicaciones Iniciales y Ejemplos Prácticos
3.3 Introducción a LiDAR y Vision SLAM: Conceptos Fundamentales
3.2 Sensores LiDAR y Cámaras: Tipos y Características
3.3 Principios de Funcionamiento de SLAM: Estimación de la Pose y Mapeo
3.4 Algoritmos de SLAM: Técnicas de Filtrado y Optimización
3.5 Preprocesamiento de Datos: Filtrado y Limpieza de Ruido
3.6 Localización con LiDAR: Extracción de Características y Registro
3.7 Localización con Visión: Detección y Descripción de Características
3.8 Integración LiDAR-Visión: Fusión de Datos y Beneficios
3.9 Implementación Práctica: Configuración y Calibración de Sistemas SLAM
3.30 Evaluación del Rendimiento: Métricas y Análisis de Resultados
4.4 Fundamentos de LiDAR y Visión: Sensores y Principios Básicos
4.2 SLAM: Teoría y Algoritmos Clave
4.3 Preprocesamiento de Datos LiDAR y Visión
4.4 Estimación de la Pose: Filtrado de Kalman y Técnicas Avanzadas
4.5 Construcción de Mapas: Representaciones y Estructuras de Datos
4.6 Implementación Práctica: Configuración y Calibración de Sistemas
4.7 Desarrollo de Algoritmos SLAM: Implementación y Optimización
4.8 Integración de LiDAR y Visión: Fusión de Datos y Mejora de la Precisión
4.9 Evaluación del Rendimiento: Métricas y Análisis de Resultados
4.40 Casos de Estudio: Aplicaciones Reales y Desafíos
5.5 Introducción a LiDAR: Principios y funcionamiento
5.5 Introducción a SLAM: Conceptos clave y algoritmos
5.3 Componentes de un sistema LiDAR/SLAM
5.4 Aplicaciones básicas de LiDAR/SLAM en robótica y navegación
5.5 Sensores LiDAR: Tipos y características
5.6 Sensores de visión: Cámaras y procesamiento de imágenes
5.7 Integración de sensores: LiDAR y visión
5.8 Calibración de sensores y sincronización de datos
5.9 Introducción a la programación para LiDAR/SLAM
5.50 Casos de estudio: Ejemplos de aplicaciones básicas
5.5 Principios de LiDAR: Medición de distancias y creación de mapas
5.5 Principios de Vision SLAM: Estimación de la pose y mapeo
5.3 Algoritmos clave de SLAM: Filtro de Kalman, filtros de partículas
5.4 Técnicas de Correspondencia de Puntos: ICP y sus variantes
5.5 Extracción de Características: Puntos, líneas y planos
5.6 Representaciones de Mapas: Mapas de puntos, mapas basados en características
5.7 Estimación de la Pose: Técnicas de odometría y corrección de errores
5.8 Técnicas de Optimización: Ajuste de bucles y optimización global
5.9 Evaluación del rendimiento: Métricas y análisis de errores
5.50 Análisis comparativo: LiDAR SLAM vs. Vision SLAM
3.5 Aplicaciones en robótica móvil: Navegación autónoma
3.5 Aplicaciones en vehículos autónomos: Sistemas de asistencia al conductor
3.3 Aplicaciones en mapeo 3D: Creación de modelos detallados
3.4 Aplicaciones en inspección industrial: Automatización y control de calidad
3.5 Aplicaciones en agricultura: Mapeo de campos y análisis de cultivos
3.6 Aplicaciones en construcción: Modelado de estructuras y planificación
3.7 Aplicaciones en realidad aumentada y virtual: Interacción en entornos 3D
3.8 Aplicaciones en seguridad y vigilancia: Monitoreo y detección de intrusos
3.9 Estudio de casos: Ejemplos prácticos y desafíos
3.50 Tendencias futuras: Nuevas aplicaciones y desarrollos
4.5 Selección de hardware: LiDAR, cámaras y unidades de procesamiento
4.5 Configuración de sistemas: Conexión y calibración de sensores
4.3 Software y bibliotecas: ROS, OpenCV, PCL
4.4 Desarrollo de controladores de sensores: Implementación y personalización
4.5 Procesamiento de datos LiDAR: Filtros y preprocesamiento
4.6 Procesamiento de datos de visión: Detección y descripción de características
4.7 Implementación de algoritmos SLAM: Desarrollo y adaptación
4.8 Integración y sincronización: Combinación de datos LiDAR y visión
4.9 Pruebas y calibración: Evaluación del rendimiento en entornos reales
4.50 Resolución de problemas: Errores comunes y soluciones
5.5 Técnicas avanzadas de localización: Filtros de fusión de datos
5.5 Estimación de la pose global: Alineación de mapas y corrección de deriva
5.3 Corrección de errores: Detección y mitigación de bucles
5.4 Localización en tiempo real: Optimización y paralelización
5.5 Técnicas de mapeo: Representaciones avanzadas y optimización
5.6 Análisis de precisión: Evaluación de la incertidumbre y el error
5.7 Diseño de sistemas: Consideraciones de escalabilidad y robustez
5.8 Planificación de la trayectoria: Generación de rutas óptimas
5.9 Implementación de sistemas: Pruebas y validación en entornos complejos
5.50 Casos de estudio: Localización precisa en diferentes escenarios
6.5 Diseño e implementación de un sistema SLAM completo
6.5 Programación en C++ para el desarrollo de algoritmos
6.3 Utilización de bibliotecas: ROS, PCL y OpenCV
6.4 Experimentación y ajuste de parámetros: Optimización del rendimiento
6.5 Desarrollo de algoritmos personalizados: Adaptación a entornos específicos
6.6 Resolución de problemas: Análisis de errores y depuración
6.7 Diseño de experimentos: Evaluación del rendimiento del sistema
6.8 Trabajo en equipo: Colaboración y gestión de proyectos
6.9 Presentación de resultados: Comunicación efectiva de hallazgos
6.50 Desarrollo de un proyecto práctico: Implementación y evaluación
7.5 Desarrollo de aplicaciones en robótica industrial
7.5 Implementación de sistemas en vehículos autónomos terrestres y aéreos
7.3 Diseño de sistemas de inspección automatizada
7.4 Creación de modelos 3D para la construcción y arquitectura
7.5 Desarrollo de aplicaciones en realidad aumentada para navegación
7.6 Diseño de sistemas de seguridad y vigilancia inteligente
7.7 Integración con inteligencia artificial: Reconocimiento de objetos y escenas
7.8 Diseño de soluciones personalizadas: Adaptación a las necesidades del cliente
7.9 Gestión de proyectos: Planificación, ejecución y evaluación
7.50 Presentación de un proyecto innovador: Demostración y evaluación
8.5 Desafíos en entornos dinámicos: Objetos en movimiento y cambios ambientales
8.5 Desafíos en entornos con baja visibilidad: Niebla, lluvia y oscuridad
8.3 Desafíos en entornos con múltiples sensores: Fusión de datos
8.4 Adaptación a entornos con GPS deficiente: Compensación de errores
8.5 Robustez del sistema: Diseño para la confiabilidad y seguridad
8.6 Escalabilidad del sistema: Adaptación a diferentes tamaños y complejidad
8.7 Diseño de sistemas para exteriores: Resistencia a condiciones climáticas adversas
8.8 Optimización de rendimiento: Balance entre precisión y velocidad
8.9 Implementación en entornos complejos: Pruebas y validación
8.50 Casos de estudio: Análisis de aplicaciones en entornos extremos
6.6 Introducción a LiDAR y visión: Fundamentos y conceptos clave.
6.2 SLAM: Definición, historia y evolución.
6.3 Sensores LiDAR y visión: Tipos, características y funcionamiento.
6.4 Sistemas de coordenadas y transformaciones.
6.5 Software y herramientas para LiDAR/Vision SLAM.
2.6 Fundamentos matemáticos: Álgebra lineal y cálculo.
2.2 Estimación de estado: Filtro de Kalman y filtros de partículas.
2.3 Localización: Matching de características y odometría visual.
2.4 Mapeo: Construcción y actualización de mapas.
2.5 Integración de sensores: Fusión de datos LiDAR y visión.
3.6 Robótica móvil: Navegación autónoma y mapeo.
3.2 Vehículos autónomos: Sistemas de asistencia al conductor (ADAS).
3.3 Drones y vehículos aéreos no tripulados (UAVs): Mapeo y exploración.
3.4 Realidad aumentada y virtual: Posicionamiento y registro de objetos.
3.5 Aplicaciones industriales: Inspección y monitoreo.
4.6 Configuración y calibración de sensores LiDAR/visión.
4.2 Selección de algoritmos SLAM: Comparación y evaluación.
4.3 Implementación en tiempo real: Consideraciones de rendimiento.
4.4 Optimización de código y flujo de trabajo.
4.5 Pruebas y validación: Evaluación de la precisión y robustez.
5.6 Técnicas de localización: Filtros de partículas, odometría visual y filtrado.
5.2 Ajuste de mapas: Loop closure y corrección de errores.
5.3 Evaluación de la precisión: Métricas y análisis de errores.
5.4 Calibración de sensores y sincronización.
5.5 Diseño y optimización de sistemas de localización.
6.6 SLAM visual: Técnicas avanzadas, como SLAM basado en estructura desde movimiento.
6.2 SLAM con aprendizaje profundo: Redes neuronales para la percepción y el mapeo.
6.3 SLAM en entornos dinámicos: Manejo de objetos en movimiento.
6.4 SLAM en tiempo real: Arquitecturas y optimizaciones.
6.5 Desarrollo de algoritmos personalizados.
7.6 Proyectos de mapeo de interiores y exteriores a gran escala.
7.2 Aplicaciones en agricultura de precisión: Mapeo de terrenos y cultivos.
7.3 Sistemas de navegación para personas con discapacidad visual.
7.4 Robótica de servicio: Robots móviles para entrega y limpieza.
7.5 Desarrollo de prototipos y demostración de conceptos.
8.6 Desafíos en entornos urbanos: Oclusión, iluminación variable y dinámica.
8.2 SLAM en condiciones extremas: Niebla, lluvia y nieve.
8.3 Aplicaciones submarinas: Navegación y mapeo en entornos acuáticos.
8.4 Implementación en hardware embebido: Plataformas de bajo consumo.
8.5 Evaluación y mitigación de riesgos.
7.7 Introducción a LiDAR y SLAM: conceptos clave
7.2 Sensores LiDAR: tipos, funcionamiento y características
7.3 Fundamentos de SLAM: localización y mapeo simultáneo
7.4 Arquitecturas de SLAM: front-end y back-end
7.7 Aplicaciones básicas de LiDAR/SLAM: robótica y mapeo 3D
7.6 Calibración de sensores LiDAR
7.7 Preprocesamiento de datos LiDAR: filtrado y limpieza
7.8 Software y herramientas para LiDAR/SLAM
7.9 Ejemplos prácticos de aplicaciones iniciales
7.70 Tendencias futuras en LiDAR/SLAM
2.7 Principios de funcionamiento de LiDAR: medición de distancia
2.2 Fundamentos de visión: cámaras y sistemas de visión
2.3 Integración LiDAR y visión: la fusión de datos
2.4 Estimación de pose: algoritmos y métodos
2.7 Representación del entorno: mapas y modelos
2.6 Métodos de filtrado en SLAM: filtro de Kalman y filtro de partículas
2.7 Técnicas de optimización en SLAM: gráficos de optimización
2.8 Diseño de sistemas SLAM: hardware y software
2.9 Desafíos en la implementación de SLAM
2.70 El futuro de la integración LiDAR/Visión
3.7 Mapeo 3D con LiDAR: creación de modelos detallados
3.2 Navegación autónoma: robótica móvil y vehículos autónomos
3.3 Inspección industrial: automatización y control de calidad
3.4 Aplicaciones en la agricultura: mapeo y análisis de terrenos
3.7 Diseño de ciudades inteligentes: modelado 3D y planificación urbana
3.6 Aplicaciones en la realidad virtual y aumentada
3.7 LiDAR/SLAM en la exploración espacial
3.8 Casos de estudio: ejemplos reales de éxito
3.9 Consideraciones de rendimiento y escalabilidad
3.70 Desafíos específicos por aplicación
4.7 Selección de sensores LiDAR y cámaras: criterios y consideraciones
4.2 Diseño del sistema de adquisición de datos: hardware y sincronización
4.3 Implementación del algoritmo SLAM: software y bibliotecas
4.4 Calibración de la cámara y LiDAR: métodos y procedimientos
4.7 Optimización del rendimiento: técnicas y estrategias
4.6 Integración con otros sistemas: GPS, IMU, etc.
4.7 Pruebas y validación del sistema: métricas de rendimiento
4.8 Desarrollo de software para SLAM: buenas prácticas
4.9 Resolución de problemas comunes en la implementación
4.70 Documentación y mantenimiento del sistema
7.7 Estimación precisa de la posición: técnicas avanzadas
7.2 Refinamiento de mapas: mejora de la precisión y la consistencia
7.3 Localización en tiempo real: algoritmos y optimizaciones
7.4 Técnicas de fusión de sensores: combinación de datos LiDAR y visión
7.7 Manejo de errores y ruido en los datos
7.6 Calibración y ajuste fino del sistema
7.7 Compensación de movimiento y vibraciones
7.8 Técnicas de reducción de la incertidumbre
7.9 Evaluación del rendimiento de la localización
7.70 Aplicaciones específicas de localización precisa
6.7 Desarrollo de habilidades en programación: C++, Python y ROS
6.2 Diseño y desarrollo de algoritmos SLAM personalizados
6.3 Utilización de bibliotecas de SLAM: GMapping, Cartographer, etc.
6.4 Adaptación de algoritmos a diferentes entornos
6.7 Optimización del rendimiento de los algoritmos
6.6 Análisis y visualización de datos LiDAR
6.7 Resolución de problemas complejos
6.8 Experimentación con diferentes sensores y configuraciones
6.9 Colaboración y trabajo en equipo en proyectos SLAM
6.70 Presentación de resultados y comunicación técnica
7.7 Diseño y desarrollo de un robot autónomo
7.2 Creación de modelos 3D de entornos complejos
7.3 Aplicaciones en la industria 4.0
7.4 Desarrollo de sistemas de inspección automatizados
7.7 Aplicaciones en la realidad aumentada y virtual
7.6 Diseño de sistemas de mapeo aéreo con drones
7.7 Integración con sistemas de control y automatización
7.8 Desarrollo de aplicaciones para ciudades inteligentes
7.9 Creación de un prototipo de un sistema SLAM innovador
7.70 Presentación de proyectos y evaluación
8.7 Desafíos en entornos dinámicos: objetos en movimiento
8.2 Gestión de cambios en el entorno: adaptación al cambio
8.3 SLAM en condiciones de poca iluminación
8.4 Implementación en exteriores: condiciones climáticas adversas
8.7 Robustez y fiabilidad en entornos complejos
8.6 Integración con sistemas de navegación y control
8.7 Análisis de fallos y recuperación
8.8 Implementación de la seguridad en sistemas SLAM
8.9 Consideraciones éticas en la aplicación de SLAM
8.70 Tendencias futuras en LiDAR/SLAM para entornos complejos
8.8 Entornos complejos: desafíos y consideraciones clave
8.8 Sensores LiDAR y Vision SLAM: adaptación a condiciones adversas
8.3 Procesamiento de datos: técnicas para entornos ruidosos y dinámicos
8.4 Filtrado y fusión de datos: optimización de la precisión en escenarios difíciles
8.5 Estructuras complejas: mapeo y navegación en entornos urbanos y subterráneos
8.6 Ambientes dinámicos: seguimiento de objetos en movimiento y cambios ambientales
8.7 Condiciones de poca iluminación: optimización del rendimiento en escenarios oscuros
8.8 Obstáculos y oclusiones: estrategias para superar bloqueos y obstrucciones
8.8 Implementación práctica: estudios de caso y aplicaciones reales
8.80 Desafíos futuros: tendencias emergentes y soluciones innovadoras
Consulta “Calendario & convocatorias”, “Becas & ayudas” y “Tasas & financiación” en el mega-menú de SEIUM
Nuestro equipo está listo para ayudarte. Contáctanos y te responderemos lo antes posible.
SEIUM-UNIVERSIDAD INTERNACIONAL DE INGENIERÍA AVANZADA MULTIMODAL
Copyright © 2025 Seium, Todos los Derechos Reservados.