Montiel Ariza, HolmanRey Ducuara, NicolásCamayo Guegue, Horacio Enrique2024-10-022024-10-022023-10-12http://hdl.handle.net/11349/41137En la robótica industrial uno de los aspectos clave es la detección de objetos, en especial para robots móviles, muchas áreas logísticas de la industria tienen un alto flujo de operarios, por lo que es fundamental que estos robots puedan detectarlos para garantizar su seguridad, por otro lado, la detección de peatones sigue siendo un reto debido a la cantidad de variables a analizar, la velocidad de inferencia, oclusión ambiental, entre otros, por tanto, en el siguiente trabajo se presenta la implementación del algoritmo YOLOv8 en la plataforma robótica Turtlebot3 para la detección de peatones y de la señal de tráfico STOP en un entorno controlado, que puede ser aplicado en robots móviles de carga, así como robots multipropósito a nivel logístico. Se obtuvo un sistema autónomo que detecta en tiempo real peatones en un entorno controlado, así como una señal de tráfico de “stop”, se implementó además la librería Nav de ROS para la navegación autónoma del robot capaz de fijar destinos, trazar rutas y esquivar obstáculos. Se seleccionó el algoritmo YOLOv8 para la detección dado su velocidad de inferencia y precisión, se ofrece una explicación detallada del proceso de implementación y desarrollo a través de la plataforma y el uso del entorno ROS. El sistema logra una detección en tiempo real con video de 15 FPS a 480p y una velocidad de inferencia de 10ms con el modelo Yolov8n.In industrial robotics one of the key aspects is the detection of objects, especially for mobile robots, many logistics areas of the industry have a high flow of operators, so it is essential that these robots can detect them to guarantee their safety, for example. On the other hand, pedestrian detection continues to be a challenge due to the number of variables to be analyzed, the speed of inference, environmental occlusion, among others. Therefore, the following work presents the implementation of the YOLOv8 algorithm on the Turtlebot3 robotic platform. . for the detection of pedestrians and the STOP traffic sign in a controlled environment, which can be applied in mobile cargo robots, as well as multipurpose robots at a logistics level. An autonomous system was obtained that detects pedestrians in real time in a controlled environment, as well as a “stop” traffic sign; the ROS Nav library was also implemented for the autonomous navigation of the robot capable of setting destinations, tracing routes and avoiding . obstacles. The YOLOv8 algorithm was selected for detection given its inference speed and accuracy, a detailed explanation of the implementation and development process is offered through the platform and the use of the ROS environment. The system achieves real-time detection with 15 FPS video at 480p and an inference speed of 10ms with the Yolov8n model.pdfspaAttribution-NonCommercial-NoDerivatives 4.0 InternacionalAttribution-NonCommercial-NoDerivatives 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/Detección de objetosProcesamiento de imágenesRobóticaRobots móvilesVisión artificialROSbachelorThesisTecnología en Electrónica -- Tesis y disertaciones académicasRobóticaRobots industrialesAutomatizaciónOpenAccessObject detectionImage processingRoboticsMobile robotsComputer visionROSAbierto (Texto Completo)