Sistema inteligente de visión artificial aplicado a la detección de señales de tráfico para su aplicación en vehículos

Resumen

En el presente trabajo de tesis se aborda el problema de diseño y desarrollo de un sistema de reconocimiento de las señales de tráfico vérticales más importantes, tanto circulares de prohibición y obligación como triangulares de advertencia de peligro, además de la señal de ceda el paso. El trabajo está basado en un sistema de visión monocular con una cámara monocromática, que embarcada en un vehículo, sea capaz de funcionar tanto de día como de noche y ante diferentes condiciones metereológicas. Un sistema de reconocimiento de señales completo se divide en tres etapas: detección, seguimiento y clasificación. En este trabajo se propone una etapa de detección basada en el análisis de formas. A partir de la codificación de los contornos obtenidos al aplicar en cada imagen el operador de Canny con umbrales adaptativos a la magnitud del gradiente, se aplica una técnica novedosa de selección de figuras circulares y triangulares mediante la búsqueda de secuencias características de direcciones del gradiente, que permite salvar en gran medida la oclusión parcial o la unión de contornos. La detección se realiza finalmente al aplicar la transformada de Hough a los contornos seleccionados, para círculos si son señales circulares y para rectas si son señales triangulares. Al aplicar la transformada se estiman los parámetros de búsqueda de las figuras, lo que reduce considerablemente el tiempo de proceso. Para la realización de la etapa de clasificación se ha propuesto el uso de dos máquinas de vector soporte para clasificar señales circulares y triangulares respectivamente. La base de datos de entrenamiento se ha generado a partir de señales patrón artificiales a las que se han aplicado distintas transformaciones: rotaciones, traslaciones, cambios de escala, etc, además de añadir distintos tipos de ruidos para simular todo el abanico de posibilidades que se pueden presentar en una situación real de circulación. Mediante el uso de curvas ROC, habitualmente empleadas para la visualización y comparación de resultados, se ha determinado tanto el mejor modelo de entrenamiento como el kernel y la función de coste óptima. Para diseñar la etapa de seguimiento se han utilizado filtros recursivos, similares al filtro de Kalman, asociados a cada candidato a señal, que facilita la validación espacial. Por último se propone un módulo de validación temporal a partir de un enfoque probabilístico. Finalmente, el sistema se ha probado en condiciones de circulación real en diferentes condiciones de iluminación, obteniéndose buenos resultados. Además este trabajo se ha utilizado como base en un sistema comercial de auscultación de señales de tráfico durante miles de kilómetros con excelentes resultados.