DISEÑO DE UN ALGORITMO DE SEGMENTACIÓN DE OBJETOS Y CARRETERAS, ENFOCADO A SISTEMAS DE ASISTENCIA VEHICULAR

Juan Luis Burgos Bonilla, Luis Alberto Morales Rosales, Ignacio Algredo Badillo

Resumen


Los sistemas avanzados de asistencia al conductor (ADAS) son sistemas encargados de asistir al piloto en el proceso de conducción. Investigaciones recientes han demostrado que estos sistemas pueden prevenir hasta el 42% de los accidentes. Estos sistemas son desarrollados principalmente con visión artificial porque permite emular el comportamiento humano para analizar el entorno. Uno de los principales problemas para utilizar la visión por computadora es la segmentación, debido a que la carretera es un ambiente dinámico en el cual no se pueden aplicar técnicas tradicionales como la segmentación bimodal y obtener excelentes resultados. En este trabajo se presenta un algoritmo de segmentación de objetos en carretera, el cual consta de extracción de todas las regiones de la escena y análisis de muestras de la imagen para separar la carretera de todos los posibles objetos de interés, donde se demuestra que el principal inconveniente para la segmentación son las sombras. El algoritmo propuesto se pone a prueba en diferentes escenarios, donde presenta un 81.89% de segmentaciones correctas de la carretera en distintas superficies y diferentes situaciones de iluminación.


Texto completo:

1153-1171 PDF

Referencias


Y. Xia, M. Huang, W. Cui, F. Wang, X. Chen, “A Novel On-Road Object Detection Approach Based on Vision”. 2009 International Conference on Measuring Technology and Mechatronics Automation. Abril 2009. Pp. 440 – 443.

Y. Wang, W. Deng, S.Zhang, Y. Zhang, “A lane departure warning system developed under a virtual environment”. Informative and Cybernetics for Computational Social Systems. Octubre 2014. Pp. 63 – 67.

M. Hammond, G. Qu, O. A. Rawashdeh, “Deploying and Scheduling Vision Based Advanced Driver Assistance Systems (ADAS) on Heterogeneous Multicore Embedded Platform”. 2015 Ninth International Conference on Frontier of Computer Science and Technology. Agosto 2015. Pp. 172 – 177.

F. Garcia, A. Ponz, D. Martin, A. de la Escalera, J. M. Armingol, “Computer vision and laser scanner road environment perception”. IWSSIP 2014 Proceedings. Mayo 2014. Pp. 63 – 66.

Y. Deng, H. Liang, Z. Wang, J. Huang, “An integrated forward collision warning system based on monocular vision”. Robotics and Biomimetics (ROBIO). Diciembre 2014. Pp. 1219 – 1223.

Z. Wan-zhi, W. Zeng-cai, “Rural Road Detection of Color Image in Complicated Environment”. International Journal of Signal Processing, Image Processing and Pattern Recognition. Vol. 6. No. 6. 2013. Pp. 161 – 168.

J. M. Álvarez Álvarez, A. M. López, “Road Detection Based on Illuminant Invariance”. IEEE Transactions on Intelligent Transportation Systems. Vol. 12. Octubre 2010. Pp. 184 – 193.

S. Graovac, A. Goma, “Detection of Road Image Borders Based on Texture Classification”. International Journal of Advanced Robotic Systems. Vol. 9. Octubre 2012. Pp. 242.

S. Zhou, J. Gong, G. Xiong, H. Chen, K. Iagnemma, “Road detection using support vector machine based on online learning and evaluation”. Intelligent Vehicles Symposium (IV). Junio 2010. Pp. 256 – 261.

R. Chen, H. Xiao, X. Dou, W. Hou, “Research on Recognition Methods of Bus Front Road Condition Based on Video”. Image and Graphics (ICIG), 2013 Seventh International Conference. Julio 2013. Pp. 439 – 442.

M. A. Sotelo, J. Nuevo, L. M. Bergasa, M. Ocana, I. Parra, D. Fernandez, “Road Vehicle Recognition in Monocular Images”. Proceedings of the IEEE International Symposium on Industrial Electronics. ISIE 2005. Junio 2005. Pp. 1471 – 1476.

B. Wang, V. Frémont, “Fast road detection from color images”. Intelligent Vehicles Symposium (IV). Junio 2013. Pp. 1209 – 1214.

J. Fritsch, T. Kuehnl, A. Geiger, “A New Performance Measure and Evaluation Benchmark for Road Detection Algorithms”. International Conference on Intelligent Transportation Systems (ITSC). 2013.

Aria Etemad, euroFOT study demonstrates how driver assistance systems can increase safety and fuel efficiency. 2012.


Enlaces refback

  • No hay ningún enlace refback.




URL de la licencia: https://creativecommons.org/licenses/by/3.0/deed.es

Licencia Creative Commons    Esta revista está bajo una Licencia Creative Commons Atribución 3.0 No portada.