El diseño y desarrollo de vehículos inteligentes ha sido motivo de investigación durante
más de tres décadas mostrando un enorme progreso en los últimos años. La existencia
de proyectos a largo plazo impulsados por iniciativas gubernamentales en conjunto con
grupos de investigación de la industria automotriz y de la academia, ha permitido que
en algunos lugares del mundo los vehículos autónomos ya hayan demostrado con éxito
que pueden circular por las calles de una ciudad.
Para que un vehículo de este tipo pueda interactuar en forma segura con otros vehículos
conducidos por humanos es necesario que tenga la capacidad de percibir fielmente su
entorno, identificando al resto de los participantes del tráfico y los lugares por donde es
posible transitar. Actualmente, los proyectos más maduros se basan en modalidades de
sensado aún demasiado costosas como para permitir que un producto de este tipo tenga
un alcance masivo para la población. Siendo la visión el principal elemento de navegación
que utilizan los humanos para conducir un vehículo, resulta algo sorprendente que las
cámaras no sean aún protagonistas fundamentales de los actuales sistemas automáticos
para la percepción del ambiente, más aún si se tienen en cuenta su bajo costo y su bajo
requerimiento de energía para funcionar.
Uno de los problemas donde la visión sí ha permitido un gran avance es la detección
del camino por el que puede transitar un vehículo. Para ésto se suele utilizar el conocimiento
acerca de la apariencia y la forma geométrica del camino para proponer un
modelo que se ajustará en función de las características extraídas de una imagen. Las
técnicas modernas del filtrado estadístico son utilizadas para dar seguimiento al modelo
a través de tiempo aumentando el rechazo al ruido y las mediciones erróneas, y reduciendo
el costo computacional que implica calcular los parámetros. Estos enfoques han
permitido alcanzar soluciones con alto grado de robustez ante los cambios climáticos y
los cambios drásticos en la iluminación de la imagen. Sin embargo, estos sistemas fallan
cuando la forma del camino cambia de una manera tal que el modelo considerado pierde
validez. Para poder detectar automáticamente un cambio de este tipo hacen falta nuevas
estrategias con un mayor poder de abstracción y que permitan una mayor comprensión
de la escena.
Dada la enorme robustez del sistema visual humano y su eficiencia en la utilización
de los recursos de procesamiento, resulta de primordial interés aprender acerca de cómo
las personas resuelven este problema. Con este objetivo, esta tesis propone estudiar y
analizar los patrones de atención visual de las personas cuando reconocen diferentes
tipos de topologías como intersecciones, bifurcaciones y uniones de caminos, entre otras.
A lo largo de los capítulos se introducen los fundamentos necesarios para comprender el
tema abordado y se presentan resultados experimentales que dan soporte a las hipótesis
planteadas. Las evidencias encontradas sentarán la base para el desarrollo de nuevos
algoritmos para la detección automática de la topología del camino. / The design and development of intelligent vehicles has been an active research area
for more than 30 years, showing tremendous progress in the last few years. The existence
of long-term projects promoted by government initiatives in conjunction with research
groups of the automotive industry and academia, has allowed autonomous vehicles to
show in some places of the world successful results while driving across urban scenarios.
To be possible for a vehicle of this kind to safely interact with other human-driven cars
it is neccessary to have the ability to perceive accurately the environment, identifying
all other participants of the trafic and detecting the drivable areas. Currently, the most
mature projects are based on sensing modalities still too expensive to allow a product of
this type to massively reach the common users. While vision is the primary navigation
element that humans use to drive a vehicle, it remains quite surprising that cameras are
not yet essential for the current environment perception automatic systems, even more
taking into account their low cost and low power requirements for operation.
Road detection is one of the problems where vision has effectively had an important
impact. The knowledge about the road appearance and its shape is usually considered
to propose a road model that will be fitted according to the features extracted from the
image. Modern statistical filtering techniques are used to track the model through time,
increasing rejection to noise and erroneous measurements, and reducing the computational
cost involved in estimating its parameters. These approaches have achieved solutions
with a high degree of robustness to climate changes and drastic illumination variations
in the image intensity. However, these systems fail to adapt when road's shape changes
in a way that the considered model is no longer valid. New strategies with higher power
of abstraction that allow greater understanding of the scene are needed to detect this
type of changes.
Given the great robustness of human visual system and its e cient use of processing
resources, it results of primary interest to learn about how people solve this kind
of problem. To this end, this thesis proposes to study and analize people visual attention
patterns when recognizing dfferent types of topologies like road intersections, road
splits and road junctions, among others. Throughout the chapters the basics needed to
understand the topic addressed are introduced and experimental results that support
the hypotheses are presented. The evidence found will provide the foundations for the
development of new algorithms for the automatic detection of the topology of the road.
Identifer | oai:union.ndltd.org:uns.edu.ar/oai:repositorio.bc.uns.edu.ar:123456789/3124 |
Date | 27 June 2013 |
Creators | Moreyra, Marcelo Leandro |
Contributors | Masson, Favio Román |
Publisher | Universidad Nacional del Sur |
Source Sets | Universidad Nacional del Sur |
Language | Spanish |
Detected Language | Spanish |
Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0027 seconds