Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Argüello Fuentes, HenryLópez Durán, Jhon Edinson2023-02-172023-02-172023-02-172023-02-17https://noesis.uis.edu.co/handle/20.500.14071/12262La estimación de la profundidad es esencial para la comprensión de escenas, la conducción autónoma, la robótica y otras áreas. Sin embargo, la estimación de la profundidad sigue siendo un reto debido a la pérdida de información 3D durante el proceso de captura de imágenes RGB. A lo largo de los años, se han propuesto diferentes arquitecturas ópticas para capturar las escenas, desde una sola cámara hasta múltiples cámaras con iluminación activa o pasiva. También hay que desarrollar arquitecturas y métodos para la estimación de la profundidad en cualquier entorno. En este sentido, la adquisición de imágenes estereoscópicas es una arquitectura de adquisición eficiente, ya que imita el sistema de visión humano y estima la profundidad mediante estereopsis. Aunque las redes neuronales profundas mejoran el rendimiento de la estimación de la profundidad, sigue habiendo dificultades para predecir la profundidad absoluta y generalizar fuera de un entorno predeterminado. Por ello, recientemente se ha propuesto un enfoque denominado óptica profunda, que diseña elementos ópticos, como máscaras de fase y lentes difractivas, junto con el algoritmo de procesamiento de imágenes de forma integral. Por lo tanto, este trabajo propone utilizar el paradigma de la óptica profunda en la estimación de profundidad estereoscópica mediante el diseño de aperturas codificadas bajo un enfoque de optimización de extremo a extremo. El enfoque profundo propuesto se evalúa utilizando un conjunto de datos de última generación y, además, el método propuesto se valida en una configuración óptica real.application/pdfenginfo:eu-repo/semantics/openAccessEstimación de la profundidadOptimización de extremo a extremoVisión estereoscópicaUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - MaestríaUniversidad Industrial de Santanderhttps://noesis.uis.edu.coDepth EstimationEnd-to-End OptimizationStereoscopic Visionhttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)