Detección de calzada para un vehículo autónomo

Abstract

El objetivo de este trabajo de memoria es diseñar e implementar un sistema de visión para el reconocimiento de caminos no pavimentados para la conducción autónoma de un automóvil. Este trabajo está inmerso en el proyecto Vehículo Autónomo, del Advanced Mining Technology Center, que tiene como objetivo la construcción de un vehículo capaz de ser conducido por caminos no pavimentados de manera autónoma. Tras la revisión del estado del arte, se diseña una solución para el problema que contempla una segmentación adaptativa de calzada basada en color y una detección geométrica del camino, basada en el algoritmo RANSAC. Para representar el color del camino se utiliza un histograma en el espacio RGB, el cual es actualizado en cada imagen a partir de una región que se establece previamente como camino, y que es utilizado por un clasificador bayesiano para determinar si un pixel dado corresponde o no a camino. El modelo geométrico se define a partir de los bordes del camino y los aproxima por líneas rectas. Para verificar que las líneas corresponden a un modelo válido de camino se exige que el modelo final del camino cumpla con un conjunto de reglas. Para obtener una medición cuantitativa del desempeño del sistema, se genera una base de datos de imágenes de caminos, con respecto a la cual se compara el sistema implementado. Los resultados de estos experimentos muestran que el sistema tiene una tasa de detección de un 90%, que la retroalimentación obtenida de la detección geométrica de camino mejora el rendimiento y que el sistema puede ser utilizado para toma de decisiones, ya que los resultados de esta toma de decisiones son similares a los obtenidos considerando una segmentación perfecta. Se concluye que el diseño generado soluciona efectivamente los requerimientos exigidos para esta aplicación, entregando al sistema de conducción autónomo una medida confiable de la ubicación y forma del camino frente al vehículo.