Sistema de detección de peatones mediante visión estereoscópica para la asistencia a la conducción

Resumen

En el presente trabajo de tesis doctoral se aborda el diseño y desarrollo de un sistema de detección de peatones, basado en visión estereoscópica de espectro visible, embarcado en un vehículo inteligente, con la finalidad de incrementar la seguridad de los usuarios más vulnerables de la carretera. Mediante el uso de dos cámaras convenientemente instaladas y calibradas es posible obtener información 3D del entorno con precisión aceptable y sin restricciones asociadas a los sistemas monoculares. A partir de la geometría epipolar y un proceso robusto de búsqueda de correspondencias sobre puntos de Canny, obtenidos mediante umbrales adaptativos a la magnitud del gradiente, se obtienen mapas 3D no densos, con una resolución en profundidad limitada a las características de resolución de imagen y distancia entre las cámaras. Mediante un proceso supervisado, a partir de patrones clásicos de calibración de diferente tamaño, se obtienen los parámetros intrínsecos y extrínsecos de las cámaras, así como la altura y el ángulo de inclinación respecto del suelo. Dicho ángulo será estimado de forma dinámica en cada instante, gracias a la información geométrica del entorno, para establecer una distinción precisa entre los puntos pertenecientes al suelo y los pertenecientes a los objetos. Los candidatos se generan mediante el uso novedoso de la técnica de segmentación Subtractive Clustering, que se adapta a la naturaleza de los datos 3D obtenidos a partir de las técnicas de reconstrucción estéreo aplicadas. Mediante esta técnica se reduce el número y la tipología de los candidatos generados, reduciéndose así la complejidad de las tareas de aprendizaje posteriores. Se han creado diferentes bases de datos con miles de muestras de peatones y no peatones para abordar los diversos estudios llevados a cabo en la etapa de clasificación, que está basada en el algoritmo de aprendizaje supervisado SVM. Mediante el uso de curva ROC para la visualización de resultados se establece: el kernel óptimo para la detección de peatones, diferencias entre los enfoques holístico/por componentes, método de integración de componentes en una segunda etapa de clasificación análisis del funcionamiento para diferentes descriptores, conveniencia del uso de múltiples modelos según condiciones de iluminación y distancia del candidato, combinación óptima de características por componentes, y finalmente, el estudio de la precisión en el encuadre 2D de los candidatos. Una vez definida la mejor estrategia de clasificación posible tras los análisis anteriores, se diseñan las etapas de seguimiento, utilizando para ello un filtro de Kalman, de asociación de datos, basada en la distancia de Mahalanobis y correlación espacial 2D, y un último módulo de validación temporal a partir de un enfoque probabilístico. Finalmente, el sistema completo se ha implementado en diversas plataformas HW e integrado en diferentes vehículos comerciales, para su uso en circuitos privados, donde se han llevado a cabo múltiples experimentos para aplicaciones de mitigación y evitación de atropellos. Así también se han realizado varias demostraciones a nivel internacional, obteniéndose unos resultados prometedores.