Publication: Implementación y evaluación de algoritmos de detección de carril orientados a entornos de conducción asistida de vehículos
dc.contributor.advisor | Carvajal Barrera, Gonzalo Andrés (Profesor Guía) | |
dc.contributor.advisor | Vargas Parra, Francisco Javier (Profesor Correferente) | |
dc.contributor.author | Espejo Miranda, Ignacio Andrés | |
dc.contributor.department | Universidad Técnica Federico Santa María. Departamento de Electrónica | es_CL |
dc.coverage.spatial | Casa Central Valparaíso | es_CL |
dc.date.accessioned | 2023-04-27T13:14:34Z | |
dc.date.available | 2023-04-27T13:14:34Z | |
dc.date.issued | 2023-04 | |
dc.description.abstract | El 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.degree | INGENIERO CIVIL ELECTRÓNICO | es_CL |
dc.description.program | DEPARTAMENTO DE ELECTRÓNICA. INGENIERÍA CIVIL ELECTRÓNICA | es_CL |
dc.format.extent | 86 H. | es_CL |
dc.format.mimetype | application/pdf | |
dc.identifier.barcode | 194458738UTFSM | es_CL |
dc.identifier.uri | https://hdl.handle.net/11673/55566 | |
dc.rights.accessRights | A. Internet abierta repositorio.usm.cl y otros repositorios a que la USM se adscriba. | |
dc.subject | DETECTOR DE CARRIL | es_CL |
dc.subject | DEEP LEARNING | es_CL |
dc.subject | INTELIGENCIA ARTIFICIAL | es_CL |
dc.subject | VEHICULOS AUTONOMOS | es_CL |
dc.title | Implementación y evaluación de algoritmos de detección de carril orientados a entornos de conducción asistida de vehículos | es_CL |
dc.type | Tesis de Pregrado | |
dspace.entity.type | Publication |
Files
Original bundle
1 - 1 of 1
Loading...
- Name:
- m19445873-8.pdf
- Size:
- 17.88 MB
- Format:
- Adobe Portable Document Format
- Description: