En esta investigación se presenta un algoritmo para la autocalibración de los parámetros ex-trínsecos de una cámara estereoscópica mediante el uso de la infraestructura vial y un algoritmometaheurístico, para estimar la altura y los ángulos de cabeceo, balanceo y guiñada. Este algoritmoestá constituido por tres etapas; la primera es la extracción de la información visual de la infraes-tructura vial capturada por el sistema de visión estereoscópica. La segunda etapa es la extensióndel modelo de Collado et al (Collado, Hilario, de la Escalera, y Armingol, 2006), a partir delcual, se obtienen las ecuaciones no lineales que relacionan la altura y los ángulos. Finalmente serealiza la implementación de una metaheurística basada en el algoritmo de optimización colonia de hormigas para solucionar el modelo matemático mundo-cámara usando las líneas de la carretera. Los resultados experimentales muestran la correcta estimación de los cuatro parámetros, obteniéndose un error global del 8% en escenarios de laboratorio y del 9% en escenarios reales de carretera.
Este artículo presenta un prototipo de un sistema embarcado en un vehículo para la detección de señales de tránsito (SDST). Por lo tanto, un nuevo enfoque para la construcción de un SDST se presenta usando las siguientes innovaciones, i) un método eficiente de segmentación por color para la generación de regiones de interés (ROI) basado en los algoritmos k-NN, con Km-means, ii) una nueva versión del descriptor HOG para la extracción de características, y iii) el entrenamiento del algoritmo SVM no-lineal para multiclasificación. El enfoque propuesto ha sido probado sobre un subconjunto de las señales de tránsito ecuatorianas de regulación (Pare, Ceda el paso y Velocidad). Varios experimentos han sido desarrollados en condiciones reales de conducción en varias ciudades ecuatorianas, bajo tres condiciones de iluminación: normal, soleado y nublado. Este sistema ha mostrado un desempeño global del 98,7 % para la segmentación, 99,49 % para la clasificación y una precisión global del 96 % en la detección.
En el mundo y en el Ecuador, las altas tasas de accidentes de tráfico son generadas, principalmente, por la falta de respeto a la normativa vial por parte de los usuarios viales, generando costos humanos y materiales de importancia. En este sentido, la localización y el reconocimiento de las señales de tráfico es esencial para la construcción de dispositivos capaces de prevenir situaciones que puedan generar accidentes de tráfico. Por lo tanto, en este trabajo se presenta un nuevo enfoque para la construcción de un sistema para la detección de señales de tráfico, usando las siguientes innovaciones, i) un método de segmentación por color para la generación de regiones de interés (ROIs) basado en los algoritmos 𝑘−𝑁𝑁, con 𝐾𝑚−𝑚𝑒𝑎𝑛𝑠, ii) una nueva versión del descriptor HOG (Histograms of oriented gradients) para la extracción de características, y iii) el entrenamiento del algoritmo SVM no-lineal para multi-clasificación. El enfoque propuesto ha sido probado sobre las señales de tráfico ecuatorianas de Pare y Ceda el Paso. Un sinnúmero de experimentos han sido desarrollados sobre varias secuencias de videos capturadas con vehículo experimental en condiciones reales de conducción en varias ciudades ecuatorianas, bajo diferentes condiciones de iluminación como son normal, soleado y nublado. Este sistema ha mostrado un rendimiento de 98.7% para la segmentación, 99.49% para la clasificación y una precisión del 96% para la detección.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.