Implementación de un filtro de Kalman de dos etapas para el seguimiento de palillos de batería en tiempo real

Autores
Ferraro, Joaquín Manuel; Costanza, Francisco; Huarita, Joaquín; Verrastro, Sebastián
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
En el presente trabajo se desarrolla un sistema capaz de calcular la posición a tiempo real de palillos de batería mediante la utilización de sensores y reconocimiento de imágenes. Para su ejecución, se plantea la utilización de sensores inerciales, conocidos como IMUs—tales como un acelerómetro, giroscopio y magnetómetro—y las imágenes en colores con mapa de profundidad (RGB-D) de una cámara Microsoft Kinect, analizadas mediante una única red neuronal convolucional (YOLO). Asimismo, para calcular la odometría de los palillos, se utilizarán técnicas de fusión de sensores a través distintos filtros de Kalman, dependiendo de lo que se requiera calcular. El objetivo final del mismo es poder emular el funcionamiento de una batería real.
In the present work, a system capable of calculating the real-time position of drumsticks is developed using sensors and image recognition. For its implementation, the use of inertial sensors, known as IMUs—such as an accelerometer, gyroscope, and magnetometer—is proposed, along with color images with depth maps (RGB-D) from a Microsoft Kinect camera, analyzed using a single convolutional neural network (YOLO). Likewise, to calculate the odometry of the drumsticks, sensor fusion techniques using various Kalman filters will be employed, depending on the required calculation. The goal is to emulate the functioning of a real drum set.
Fil: Ferraro, Joaquín Manuel. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina.
Fil: Costanza, Francisco. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina.
Fil: Huarita, Joaquín. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina.
Fil: Verrastro, Sebastián. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina.
Peer Reviewed
Fuente
Proyecciones, Vol 23, Nº 2, 01-20. (2025)
Materia
Imu
Rgb-d
Yolo
Filtro de kalman
Fusión
Imu
Rgb-d
Yolo
kalman’s filter
Fusion
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Attribution-NonCommercial-ShareAlike 4.0 International
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/13859

id RIAUTN_d7bdd67977189573969a6880a4160c60
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/13859
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Implementación de un filtro de Kalman de dos etapas para el seguimiento de palillos de batería en tiempo realFerraro, Joaquín ManuelCostanza, FranciscoHuarita, JoaquínVerrastro, SebastiánImuRgb-dYoloFiltro de kalmanFusiónImuRgb-dYolokalman’s filterFusionEn el presente trabajo se desarrolla un sistema capaz de calcular la posición a tiempo real de palillos de batería mediante la utilización de sensores y reconocimiento de imágenes. Para su ejecución, se plantea la utilización de sensores inerciales, conocidos como IMUs—tales como un acelerómetro, giroscopio y magnetómetro—y las imágenes en colores con mapa de profundidad (RGB-D) de una cámara Microsoft Kinect, analizadas mediante una única red neuronal convolucional (YOLO). Asimismo, para calcular la odometría de los palillos, se utilizarán técnicas de fusión de sensores a través distintos filtros de Kalman, dependiendo de lo que se requiera calcular. El objetivo final del mismo es poder emular el funcionamiento de una batería real.In the present work, a system capable of calculating the real-time position of drumsticks is developed using sensors and image recognition. For its implementation, the use of inertial sensors, known as IMUs—such as an accelerometer, gyroscope, and magnetometer—is proposed, along with color images with depth maps (RGB-D) from a Microsoft Kinect camera, analyzed using a single convolutional neural network (YOLO). Likewise, to calculate the odometry of the drumsticks, sensor fusion techniques using various Kalman filters will be employed, depending on the required calculation. The goal is to emulate the functioning of a real drum set.Fil: Ferraro, Joaquín Manuel. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina.Fil: Costanza, Francisco. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina.Fil: Huarita, Joaquín. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina.Fil: Verrastro, Sebastián. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina.Peer ReviewedFacultad Regional Buenos Aires2025-10-01T16:37:02Z2025-10-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articulopdfapplication/pdfProyecciones, Vol.23 Nº 21853-6352https://hdl.handle.net/20.500.12272/13859Proyecciones, Vol 23, Nº 2, 01-20. (2025)reponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacionalspainfo:eu-repo/semantics/openAccessAttribution-NonCommercial-ShareAlike 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-sa/4.0/Joaquín Manuel Ferraro, Francisco Costanza, Joaquín Huarita, Sebastián VerrastroLicencia Creative Commons Atribución- No Comercial2026-10-29T11:26:54Zoai:ria.utn.edu.ar:20.500.12272/13859instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-10-29 11:26:54.526Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Implementación de un filtro de Kalman de dos etapas para el seguimiento de palillos de batería en tiempo real
title Implementación de un filtro de Kalman de dos etapas para el seguimiento de palillos de batería en tiempo real
spellingShingle Implementación de un filtro de Kalman de dos etapas para el seguimiento de palillos de batería en tiempo real
Ferraro, Joaquín Manuel
Imu
Rgb-d
Yolo
Filtro de kalman
Fusión
Imu
Rgb-d
Yolo
kalman’s filter
Fusion
title_short Implementación de un filtro de Kalman de dos etapas para el seguimiento de palillos de batería en tiempo real
title_full Implementación de un filtro de Kalman de dos etapas para el seguimiento de palillos de batería en tiempo real
title_fullStr Implementación de un filtro de Kalman de dos etapas para el seguimiento de palillos de batería en tiempo real
title_full_unstemmed Implementación de un filtro de Kalman de dos etapas para el seguimiento de palillos de batería en tiempo real
title_sort Implementación de un filtro de Kalman de dos etapas para el seguimiento de palillos de batería en tiempo real
dc.creator.none.fl_str_mv Ferraro, Joaquín Manuel
Costanza, Francisco
Huarita, Joaquín
Verrastro, Sebastián
author Ferraro, Joaquín Manuel
author_facet Ferraro, Joaquín Manuel
Costanza, Francisco
Huarita, Joaquín
Verrastro, Sebastián
author_role author
author2 Costanza, Francisco
Huarita, Joaquín
Verrastro, Sebastián
author2_role author
author
author
dc.subject.none.fl_str_mv Imu
Rgb-d
Yolo
Filtro de kalman
Fusión
Imu
Rgb-d
Yolo
kalman’s filter
Fusion
topic Imu
Rgb-d
Yolo
Filtro de kalman
Fusión
Imu
Rgb-d
Yolo
kalman’s filter
Fusion
dc.description.none.fl_txt_mv En el presente trabajo se desarrolla un sistema capaz de calcular la posición a tiempo real de palillos de batería mediante la utilización de sensores y reconocimiento de imágenes. Para su ejecución, se plantea la utilización de sensores inerciales, conocidos como IMUs—tales como un acelerómetro, giroscopio y magnetómetro—y las imágenes en colores con mapa de profundidad (RGB-D) de una cámara Microsoft Kinect, analizadas mediante una única red neuronal convolucional (YOLO). Asimismo, para calcular la odometría de los palillos, se utilizarán técnicas de fusión de sensores a través distintos filtros de Kalman, dependiendo de lo que se requiera calcular. El objetivo final del mismo es poder emular el funcionamiento de una batería real.
In the present work, a system capable of calculating the real-time position of drumsticks is developed using sensors and image recognition. For its implementation, the use of inertial sensors, known as IMUs—such as an accelerometer, gyroscope, and magnetometer—is proposed, along with color images with depth maps (RGB-D) from a Microsoft Kinect camera, analyzed using a single convolutional neural network (YOLO). Likewise, to calculate the odometry of the drumsticks, sensor fusion techniques using various Kalman filters will be employed, depending on the required calculation. The goal is to emulate the functioning of a real drum set.
Fil: Ferraro, Joaquín Manuel. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina.
Fil: Costanza, Francisco. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina.
Fil: Huarita, Joaquín. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina.
Fil: Verrastro, Sebastián. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina.
Peer Reviewed
description En el presente trabajo se desarrolla un sistema capaz de calcular la posición a tiempo real de palillos de batería mediante la utilización de sensores y reconocimiento de imágenes. Para su ejecución, se plantea la utilización de sensores inerciales, conocidos como IMUs—tales como un acelerómetro, giroscopio y magnetómetro—y las imágenes en colores con mapa de profundidad (RGB-D) de una cámara Microsoft Kinect, analizadas mediante una única red neuronal convolucional (YOLO). Asimismo, para calcular la odometría de los palillos, se utilizarán técnicas de fusión de sensores a través distintos filtros de Kalman, dependiendo de lo que se requiera calcular. El objetivo final del mismo es poder emular el funcionamiento de una batería real.
publishDate 2025
dc.date.none.fl_str_mv 2025-10-01T16:37:02Z
2025-10-01
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv Proyecciones, Vol.23 Nº 2
1853-6352
https://hdl.handle.net/20.500.12272/13859
identifier_str_mv Proyecciones, Vol.23 Nº 2
1853-6352
url https://hdl.handle.net/20.500.12272/13859
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
Attribution-NonCommercial-ShareAlike 4.0 International
http://creativecommons.org/licenses/by-nc-sa/4.0/
Joaquín Manuel Ferraro, Francisco Costanza, Joaquín Huarita, Sebastián Verrastro
Licencia Creative Commons Atribución- No Comercial
eu_rights_str_mv openAccess
rights_invalid_str_mv Attribution-NonCommercial-ShareAlike 4.0 International
http://creativecommons.org/licenses/by-nc-sa/4.0/
Joaquín Manuel Ferraro, Francisco Costanza, Joaquín Huarita, Sebastián Verrastro
Licencia Creative Commons Atribución- No Comercial
dc.format.none.fl_str_mv pdf
application/pdf
dc.publisher.none.fl_str_mv Facultad Regional Buenos Aires
publisher.none.fl_str_mv Facultad Regional Buenos Aires
dc.source.none.fl_str_mv Proyecciones, Vol 23, Nº 2, 01-20. (2025)
reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1880396314395541504
score 13.334379