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
.jpg)
- Institución
- Universidad Tecnológica Nacional
- OAI Identificador
- oai:ria.utn.edu.ar:20.500.12272/13859
Ver los metadatos del registro completo
| 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 |