Hispanopedia Wiki
Articulo de referencia

Reconocimiento de señales de tráfico

Reconocimiento de señales de tráfico (límite de velocidad) El reconocimiento de señales de tráfico ( TSR , por sus siglas en inglés) es una tecnología que permite a un vehículo ...

Hispanopedia WikiContenido en espanolLectura gratuita

Reconocimiento de señales de tráfico (límite de velocidad)

El reconocimiento de señales de tráfico ( TSR , por sus siglas en inglés) es una tecnología que permite a un vehículo reconocer las señales de tráfico colocadas en la carretera, como "límite de velocidad", "niños" o "gire más adelante". Esta función forma parte del conjunto de características conocidas como ADAS ( Sistemas Avanzados de Asistencia al Conductor). Diversos proveedores de la industria automotriz están desarrollando esta tecnología 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 clasificar generalmente en métodos basados ​​en color, en forma y en aprendizaje automático.

Historia

La Convención de Viena sobre Señales de Tráfico, un tratado firmado en 1968, ha permitido estandarizar las señales de tráfico en distintos países. Alrededor de 52 países, 31 de ellos europeos, han firmado este tratado. La convención clasifica las señales de tráfico en siete categorías, identificadas con las letras de la A a la H. Esta estandarización ha sido fundamental para el desarrollo de sistemas de reconocimiento de señales de tráfico de uso global.

Una señal de límite de velocidad en los 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 redondas de límite de velocidad que se encuentran 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 llamada Información de Señales de Tráfico . [ 5 ] No pueden reconocer las señales de límite de ciudad, que en la mayoría de los países europeos están asociadas con límites de velocidad, ya que son demasiado similares a las señales de dirección.

Se espera que dichos sistemas sean obligatorios en los coches nuevos vendidos en la UE a partir de mayo de 2022 [ 6 ] [ 7 ] que deberían aplicar el reglamento 2021/1958 a partir del 23 de junio de 2021. [ 8 ]

Implementación

En muchos coches, vehículos y camiones modernos, las señales de tráfico se pueden analizar mediante cámaras frontales. Uno de los usos básicos de un sistema de reconocimiento de señales de tráfico es el control de los límites de velocidad. Si bien la mayor parte de la información de velocidad se obtiene mediante datos GPS , las señales de límite de velocidad también pueden utilizarse para extraer información adicional y mostrarla en el panel de instrumentos del vehículo, alertando así al conductor. Esta es una función avanzada de asistencia al conductor disponible en la mayoría de los coches de gama alta, principalmente en vehículos europeos.

Un ejemplo de algoritmo para la detección de señales de tráfico

Los sistemas modernos de reconocimiento de señales de tráfico se están desarrollando mediante redes neuronales convolucionales, impulsados ​​principalmente por las exigencias de los vehículos autónomos . En estos casos, el sistema de detección debe identificar una variedad de señales de tráfico, no solo los límites de velocidad. Aquí es donde entra en juego la Convención de Viena sobre Señales de Tráfico . Una red neuronal convolucional puede entrenarse para procesar estas señales de tráfico predefinidas y aprender mediante técnicas de aprendizaje profundo .

La red neuronal, a su vez, utiliza procesamiento de imágenes y visión artificial para entrenarse con sus posibles resultados. La red neuronal entrenada puede utilizarse en tiempo real para detectar nuevas señales de tráfico. Empresas de vehículos autónomos como Waymo y Uber generan y subcontratan conjuntos de datos de señales de tráfico junto con empresas de mapas y navegación como TomTom . [ 9 ] Las técnicas avanzadas de visión artificial y redes neuronales hacen que este objetivo sea altamente eficiente y alcanzable en tiempo real.

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 se basan en la forma del letrero. Las formas típicas de los letreros, como hexágonos, círculos y rectángulos, definen diferentes tipos de señales, que pueden utilizarse para su clasificación. Otros algoritmos importantes para el reconocimiento de caracteres incluyen características tipo Haar , código de cadena de Freeman , detección AdaBoost y métodos de redes neuronales de aprendizaje profundo . Las características tipo Haar pueden utilizarse para crear clasificadores en cascada que, a su vez, ayudan a detectar los caracteres del letrero.

El aprendizaje profundo puede incorporarse a la detección de señales de tráfico. La aproximación poligonal de curvas digitales mediante el algoritmo de Ramer-Douglas-Peucker puede utilizarse para detectar la forma de los letreros, y métodos como las máquinas de vectores de soporte y Byte-MCT con un clasificador AdaBoost se han utilizado 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 viaje de Irlanda del Norte a Irlanda tendría que 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 cual es especialmente importante cuando el reconocimiento de señales de tráfico está vinculado a sistemas inteligentes de asistencia a la velocidad . La geolocalización y la consulta de bases de datos de navegación en línea pueden servir como pista para que el algoritmo identifique 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 Autosteer y Traffic-aware Cruise Control de Tesla para detener el vehículo si se detecta una señal de stop. [ 12 ] Tras una reciente actualización de software, muchos vehículos Tesla suben 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 , Mazda , Mercedes , Nissan , Opel , Peugeot , Porsche , Renault , Toyota , Volkswagen , Tesla y Volvo .

Por ejemplo:

Véase también

Referencias

  1. ↑ "El 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 vídeo en tiempo real" (PDF) . Simposio IEEE de Vehículos Inteligentes de 2008. págs. 626–631 . doi : 10.1109/IVS.2008.4621285 . ISBN  978-1-4244-2568-6. S2CID 12477544 . 
  3. ↑ «Assistenzsystem von Opel – Das magische Auge» . 18 de junio de 2008 . Consultado el 17 de diciembre de 2010 .
  4. ↑ "Phaeton debuta con nuevo diseño y nuevas tecnologías" . Archivado del 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. ↑ Procedimiento 2018/0145/COD
  7. ↑ "Informe: Asistencia Inteligente de Velocidad (ISA) | ETSC" . etsc.eu. 27 de septiembre de 2017. Consultado el 30 de agosto de 2020 .
  8. ↑ Reglamento Delegado (UE) 2021/1958 de la Comisión, de 23 de junio de 2021, por el que se complementa el Reglamento (UE) 2019/2144 del Parlamento Europeo y del Consejo, estableciendo normas detalladas relativas a los procedimientos de ensayo específicos y a los requisitos técnicos para la homologación de vehículos de motor en lo que respecta a sus sistemas inteligentes de asistencia a la velocidad y para la homologación de dichos sistemas como unidades técnicas independientes, y por el que se modifica el anexo II de dicho Reglamento (texto consolidado).
  9. ↑ "Quien posee los mapas posee el futuro de los coches 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 en los mapas ADAS mejoran la asistencia inteligente de velocidad obligatoria y las calificaciones de seguridad de los vehículos" (PDF) .
  12. ↑ "Guía del usuario del piloto automático del Tesla Model 3" .