Publication:
Implementación y evaluación de algoritmos de detección de carril orientados a entornos de conducción asistida de vehículos

Simple item page
dc.contributor.advisorCarvajal Barrera, Gonzalo Andrés (Profesor Guía)
dc.contributor.advisorVargas Parra, Francisco Javier (Profesor Correferente)
dc.contributor.authorEspejo Miranda, Ignacio Andrés
dc.contributor.departmentUniversidad Técnica Federico Santa María. Departamento de Electrónicaes_CL
dc.coverage.spatialCasa Central Valparaísoes_CL
dc.date.accessioned2023-04-27T13:14:34Z
dc.date.available2023-04-27T13:14:34Z
dc.date.issued2023-04
dc.description.abstractEl desarrollo de vehículos autónomos ha capturado el interés de grandes empresas como Google y Tesla debido a los desafíos tecnológicos que presentan. Los vehículos autónomos requieren sensores y algoritmos capaces de percibir el ambiente en el cual se encuentran inmersos, y uno de los primeros desafíos es detectar las líneas que delimitan los carriles dentro de la carretera. El diseño de un detector de carriles es un problema desafiante, y existen alternativas de diseño basadas en utilizar uno o más sensores LiDAR o una cámara como sensor junto con algoritmos de visión por computadora. Los desafíos asociados con el desarrollo de sistemas de conducción autónoma y asistida incluyen altos costos económicos para probar el rendimiento de los algoritmos en vehículos reales. Una de las alternativas implica la evaluación del rendimiento de los algoritmos en modelos urbanos a escala junto con robots móviles de bajo costo, como es la plataforma a escala RUPU desarrollada por profesores y estudiantes del Departamento de Electrónica de la Universidad Técnica Federico Santa María. Esta memoria se enfoca en el estudio, implementación y evaluación de dos algoritmos de detección de carril (tradicional y basado en deep learning) para su utilización en una futura iteración de la plataforma RUPU. Se evaluó la capacidad de los algoritmos para detectar carriles y su latencia en diferentes escenarios. La capacidad de los algoritmos para detectar carriles se evalúa cualitativamente mediante visualizaciones de las salidas de los detectores en diferentes escenarios, debido a que recientemente las métricas cuantitativas comúnmente utilizadas para medir el rendimiento de los detectores de carriles han sido cuestionadas como no aptas para tareas orientadas a la conducción de vehículos. Los datos obtenidos muestran que actualmente el detector tradicional es preferible y se recomienda desarrollarlo en conjunto con la plataforma RUPU, utilizando una zona de interés para disminuir falsos positivos, líneas delimitadoras de carril de diferentes colores en la superficie de RUPU y robots móviles y obstáculos de colores diferentes a los utilizados en las líneas. El detector puede obtener valores de latencia en el orden de magnitud de 10 [ms] en una tarjeta Jetson TX2 sin utilizar unidades de procesamiento paralelo.es_CL
dc.description.degreeINGENIERO CIVIL ELECTRÓNICOes_CL
dc.description.programDEPARTAMENTO DE ELECTRÓNICA. INGENIERÍA CIVIL ELECTRÓNICAes_CL
dc.format.extent86 H.es_CL
dc.format.mimetypeapplication/pdf
dc.identifier.barcode194458738UTFSMes_CL
dc.identifier.urihttps://hdl.handle.net/11673/55566
dc.rights.accessRightsA. Internet abierta repositorio.usm.cl y otros repositorios a que la USM se adscriba.
dc.subjectDETECTOR DE CARRILes_CL
dc.subjectDEEP LEARNINGes_CL
dc.subjectINTELIGENCIA ARTIFICIALes_CL
dc.subjectVEHICULOS AUTONOMOSes_CL
dc.titleImplementación y evaluación de algoritmos de detección de carril orientados a entornos de conducción asistida de vehículoses_CL
dc.typeTesis de Pregrado
dspace.entity.typePublication
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
m19445873-8.pdf
Size:
17.88 MB
Format:
Adobe Portable Document Format
Description:
Download
Collections
TESIS de Pregrado de acceso ABIERTO