UNITesi

Sensor-driven autonomous inspections and CNN-based Automatic Target Recognition strategies towards underwater full autonomy

ZACCHINI, LEONARDO
2022
2022
Inglese
Autonomous Underwater Vehicles; Mobile robotics; Informative Path Planning; Automatic Target Recognition; Autonomous Inspections;
156
Università degli Studi di Firenze
File in questo prodotto:
File Dimensione Formato  
Phd_Thesis_ZacchiniLeonardo_compressed.pdf

accesso aperto

Dimensione 1.71 MB
Formato Adobe PDF
Visualizza/Apri
1.71 MB Adobe PDF Visualizza/Apri

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14242/184892
Il codice NBN di questa tesi è URN:NBN:IT:UNIFI-184892