stringtranslate.com

Reconocimiento de señales de tráfico

Reconocimiento de señales de tráfico (límite de velocidad)

El reconocimiento de señales de tráfico ( TSR ) es una tecnología mediante la cual un vehículo puede reconocer las señales de tráfico que se encuentran en la carretera, por ejemplo, "límite de velocidad", "niños" o "gire a continuación". Esto forma parte de las funciones denominadas colectivamente ADAS . Esta tecnología está siendo desarrollada por diversos proveedores de automoción para mejorar la seguridad de los vehículos. Utiliza técnicas de procesamiento de imágenes para detectar las señales de tráfico. Los métodos de detección se pueden dividir en métodos basados ​​en el color, en la forma y en el aprendizaje.

Historia

La Convención de Viena sobre Señales Viales es un tratado firmado en 1968 que ha permitido estandarizar las señales de tráfico en diferentes países. Alrededor de 52 países han firmado este tratado, entre ellos 31 países de Europa. La convención ha clasificado a grandes rasgos las señales de tráfico en siete categorías designadas con las letras A a H. Esta estandarización ha sido el principal impulso para ayudar al desarrollo de sistemas de reconocimiento de señales de tráfico que se puedan utilizar a nivel mundial.

Una señal de límite de velocidad en Estados Unidos

El reconocimiento de señales de tráfico apareció por primera vez, en forma de reconocimiento de señales de límite de velocidad, en 2008 para el Vauxhall Insignia 2009. [1] Más tarde, en 2009, aparecieron en el nuevo BMW Serie 7 y, al año siguiente, en el Mercedes-Benz Clase S. En ese momento, estos sistemas solo detectaban las señales de límite de velocidad redondas que se encontraban en toda Europa (por ejemplo, [2] ).

Los sistemas de segunda generación también pueden detectar restricciones de adelantamiento. Se introdujo en 2008 en el Opel Insignia , [3] seguido posteriormente por el Opel Astra y el Saab 9-5 . Esta tecnología también está disponible en el Volkswagen Phaeton de 2011 [4] y, desde 2012, en los Volvo S80 , V70 , XC70, XC60 , S60 , V60 y V40 , como una tecnología denominada Road Sign Information . [5] No son capaces de reconocer las señales de límite de ciudad, que en la mayoría de países europeos se asocian a los límites de velocidad, ya que son demasiado similares a las señales de dirección.

Se espera que estos sistemas sean obligatorios en los automóviles nuevos vendidos en la UE a partir de mayo de 2022 [6] [7], que debería aplicar el Reglamento 2021/1958 a partir del 23 de junio de 2021. [8]

Implementación

Las señales de tráfico se pueden analizar mediante cámaras frontales en muchos automóviles, vehículos y camiones modernos. Uno de los usos básicos de un sistema de reconocimiento de señales de tráfico es el de los límites de velocidad. La mayoría de los datos del GPS obtendrían información sobre la velocidad, pero también se pueden utilizar señales de tráfico con límites de velocidad adicionales para extraer información y mostrarla en el tablero del automóvil para alertar al conductor sobre la señal de tráfico. Se trata de una función avanzada de asistencia al conductor disponible en la mayoría de los automóviles de alta gama, principalmente en los vehículos europeos.

Un algoritmo de ejemplo para la detección de señales de tráfico

Los sistemas de reconocimiento de señales de tráfico modernos se están desarrollando utilizando redes neuronales convolucionales, impulsadas principalmente por los requisitos de los vehículos autónomos y los automóviles que se conducen solos . En estos escenarios, el sistema de detección debe identificar una variedad de señales de tráfico y no solo límites de velocidad. Aquí es donde la Convención de Viena sobre Señales Viales entra en juego. Una red neuronal convolucional se puede entrenar para que tome estas señales de tráfico predefinidas y "aprenda" utilizando técnicas de aprendizaje profundo .

La red neuronal, a su vez, utiliza procesamiento de imágenes y visión artificial para entrenar la red con sus resultados potenciales. La red neuronal entrenada puede entonces utilizarse en tiempo real para detectar nuevas señales de tráfico en tiempo real. Las empresas de coches autónomos, como Waymo y Uber, están generando y subcontratando conjuntos de datos de señales de tráfico junto con empresas de mapas y navegación como Tom Tom . [9] Las técnicas avanzadas de visión artificial y redes neuronales hacen que este objetivo sea muy eficiente y alcanzable en tiempo real.

Un ejemplo de implementación de los pasos de preprocesamiento de imágenes en un algoritmo de detección de señales de tráfico

Existen diversos algoritmos para el reconocimiento de señales de tráfico. Los más comunes son los que se basan en la forma del cartel. Las formas típicas de los carteles, como hexágonos, círculos y rectángulos, definen diferentes tipos de señales, que se pueden utilizar para la clasificación. Otros algoritmos importantes para el reconocimiento de caracteres incluyen características similares a Haar , código de cadena Freeman , detección AdaBoost y métodos de redes neuronales de aprendizaje profundo . Las características similares a Haar se pueden utilizar para crear clasificadores en cascada que luego pueden ayudar a detectar los caracteres del cartel.

El aprendizaje profundo se puede incorporar a la detección de señales de tráfico. La aproximación poligonal de curvas digitales mediante el algoritmo Ramer-Douglas-Peucker se puede utilizar para detectar la forma de los carteles y se han utilizado métodos como las máquinas de vectores de soporte y Byte-MCT con un clasificador AdaBoost en uno de los métodos para detectar señales de tráfico. [10]

La identificación de las señales de límite de velocidad también debe tener en cuenta las unidades utilizadas en una zona determinada. Por ejemplo, un vehículo que viaja de Irlanda del Norte a Irlanda debería poder diferenciar la señalización de límite de velocidad en km/h de Irlanda de la señalización de límite de velocidad en mph que todavía se utiliza en Irlanda del Norte, lo que es especialmente importante cuando el reconocimiento de señales de tráfico está vinculado a sistemas de asistencia de velocidad inteligente . La geolocalización y la referencia a bases de datos de navegación en línea pueden utilizarse como una pista para el algoritmo para identificar qué unidades es probable que se utilicen. [11]

Uso

La información recopilada de las señales de tráfico por una cámara frontal se utiliza en los sistemas de control de crucero con reconocimiento del tráfico y dirección automática de Tesla para detener el vehículo si se detecta una señal de pare. [12] Después de una reciente actualización de software, muchos vehículos Tesla cargan los datos de límite de velocidad recopilados por sus cámaras al software de navegación de Tesla para que los utilicen todos los demás vehículos.

Fabricantes de automóviles y vehículos

Algunos coches con este sistema son fabricados por Audi , BMW , Citroën , Ford , Honda , Infiniti , Jaguar , Jeep , Land Rover , Lexus , Mercedes , Nissan , Opel , Peugeot , Porsche , Renault , Toyota , Volkswagen , Tesla y Volvo .

Por ejemplo:

Véase también

Referencias

  1. ^ "Vauxhall Insignia leerá las señales de límite de velocidad". Business Car . 18 de junio de 2008 . Consultado el 2 de abril de 2019 .
  2. ^ Eichner, M.; Breckon, T. (2008). "Detección y reconocimiento integrados de límites de velocidad a partir de video en tiempo real" (PDF) . Simposio sobre vehículos inteligentes del IEEE de 2008. págs. 626–631. doi :10.1109/IVS.2008.4621285. ISBN. 978-1-4244-2568-6.S2CID12477544  .​
  3. ^ "Assistenzsystem von Opel - Das magische Auge". 18 de junio de 2008 . Consultado el 17 de diciembre de 2010 .
  4. ^ "El Phaeton debuta con nuevo diseño y nuevas tecnologías". Archivado desde el original el 20 de julio de 2011. Consultado el 22 de abril de 2010 .
  5. ^ "Información sobre señales de tráfico" . Consultado el 19 de febrero de 2013 .
  6. ^ "EUR-Lex - 2018_145 - ES - EUR-Lex". eur-lex.europa.eu . Consultado el 30 de agosto de 2020 .
  7. ^ "Informe: Asistencia Inteligente de Velocidad (ISA) | ETSC". etsc.eu . Consultado el 30 de agosto de 2020 .
  8. ^ "L_2021409FR.01000101.XML".
  9. ^ "Quien posea los mapas, poseerá el futuro de los vehículos autónomos". Julio de 2016.
  10. ^ Lim, K.; Hong, Y.; Choi, Y.; Byun, H. (2017). "Lim K, Hong Y, Choi Y, Byun H (2017) Reconocimiento de señales de tráfico en tiempo real basado en una GPU de propósito general y aprendizaje profundo. PLoS ONE 12(3): e0173317". PLOS ONE . ​​12 (3): e0173317. doi : 10.1371/journal.pone.0173317 . PMC 5338798 . PMID  28264011. 
  11. ^ "Los límites de velocidad del mapa ADAS mejoran la asistencia de velocidad inteligente obligatoria y las calificaciones de seguridad del vehículo" (PDF) .
  12. ^ "Guía del usuario del piloto automático del Tesla Model 3".