- -

Detección de Automóviles en Escenarios Urbanos Escaneados por un Lidar

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

Detección de Automóviles en Escenarios Urbanos Escaneados por un Lidar

Show simple item record

Files in this item

dc.contributor.author Ramírez Pedraza, Alfonso es_ES
dc.contributor.author González Barbosa, José Joel es_ES
dc.contributor.author Ornelas Rodríguez, Francisco Javier es_ES
dc.contributor.author García Moreno, Ángel Iván es_ES
dc.contributor.author Salazar Garibay, Adan es_ES
dc.contributor.author González Barbosa, Erick Alejandro es_ES
dc.date.accessioned 2020-05-20T07:20:13Z
dc.date.available 2020-05-20T07:20:13Z
dc.date.issued 2015-04-12
dc.identifier.issn 1697-7912
dc.identifier.uri http://hdl.handle.net/10251/143818
dc.description.abstract [ES] En este trabajo se desarrollaron algoritmos computacionales los cuales permiten segmentar y detectar los automóviles que se encuentran dentro de una nube de puntos 3D pertenecientes a un entorno urbano. Las nubes son adquiridas con el sistema LIDAR velodyne HDL-64E, el cual es capaz de reconstruir objetos que se encuentran a una distancia de 3 a 120 metros. El desarrollo del trabajo está dividido en dos etapas: la segmentación de objetos 3D y la indexación. Se considera que el ambiente es semi estructurado debido a que objetos como las fachadas de los edificios y el suelo pueden ser modelados por planos. La segmentación está compuesta por tres módulos: el primero consiste en la extracción del plano principal o suelo; en el segundo módulo se extraen los planos perpendiculares al suelo, los cuales son segmentados por una adaptación al método de Hough; y en el último módulo se aplica una segmentación a los objetos restantes usando el método MeanShift. La indexación está dividida en dos módulos: en el primero, los objetos segmentados son modelados por histogramas usando las direcciones de las normales de los puntos 3D de los objetos; en el segundo módulo, los histogramas son usados para comparar con una biblioteca de datos previamente construida. En este trabajo hemos usado el análisis ROC para optimizar los umbrales empleados. Se utilizan dos bases de datos: la primera es de entrenamiento y está compuesta por 4500 objetos; mientras que la segunda corresponde a la de prueba, la cual está compuesta por 3000 objetos y fue usada para verificar los resultados de entrenamiento. La aportación de este trabajo es presentar un nuevo sistema para detectar automóviles utilizando puntos 3D. es_ES
dc.description.abstract [EN] Detection of vehicles on 3D point clouds is performed by using the algorithm presented in this work. Point clouds correspond to urban environments and were acquired with the LIDAR Velodyne HDL-64E. The environment is considered semi-structured so that can be modeled using planes.Vehicle detection is carried out on to stages, segmentation and indexation. First stage is at the same time composed of three sub-stages. In the first one the principal plane (in this case the floor) is extracted, in the second sub-stage secondary planes are extracted using a tailored version of Hough's method, secondary planes are those perpendicular to the main plane. Finally in the third sub-stage and using MeanShift method, the remaining objects are segmented.Indexation on its side is divided into two sub-stages, in the first one, last segmented objects using MeanShift method are modeled using histograms according to the direction of the object's 3D points normal; in the second stage histograms are compared to those previously stored on a database of object's histograms. Optimizing of detection thresholds was carried out through ROC analysis. Two databases were used during the experiments, the first DB have 4500 objects and was used for ROC analysis training; the second one contained 3000 objects and was used for verification. es_ES
dc.description.sponsorship Los autores desean agradecer el apoyo financiero recibido durante el desarrollo de este trabajo al Consejo Nacional de Ciencia y Tecnología (CONACYT) a través del proyecto SEP- 2005-O1-51004 / 25293 y el numero de CVU 348861 y al Instituto Politécnico Nacional a través del proyecto SIP-20144623. es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.relation CONACYT/SEP- 2005-O1-51004 / 25293/CVU 348861 es_ES
dc.relation IPN/SIP-20144623 es_ES
dc.relation.ispartof Revista Iberoamericana de Automática e Informática industrial es_ES
dc.rights Reconocimiento - No comercial - Sin obra derivada (by-nc-nd) es_ES
dc.subject 3D point cloud es_ES
dc.subject LIDAR es_ES
dc.subject 3D Segmentation es_ES
dc.subject Nube de Puntos 3D es_ES
dc.subject Segmentación 3D es_ES
dc.title Detección de Automóviles en Escenarios Urbanos Escaneados por un Lidar es_ES
dc.title.alternative Vehicle Detection in Urban Environments Scanned by a Lidar es_ES
dc.type Artículo es_ES
dc.identifier.doi 10.1016/j.riai.2015.03.003
dc.rights.accessRights Abierto es_ES
dc.description.bibliographicCitation Ramírez Pedraza, A.; González Barbosa, JJ.; Ornelas Rodríguez, FJ.; García Moreno, ÁI.; Salazar Garibay, A.; González Barbosa, EA. (2015). Detección de Automóviles en Escenarios Urbanos Escaneados por un Lidar. Revista Iberoamericana de Automática e Informática industrial. 12(2):189-198. https://doi.org/10.1016/j.riai.2015.03.003 es_ES
dc.description.accrualMethod OJS es_ES
dc.relation.publisherversion https://doi.org/10.1016/j.riai.2015.03.003 es_ES
dc.description.upvformatpinicio 189 es_ES
dc.description.upvformatpfin 198 es_ES
dc.type.version info:eu-repo/semantics/publishedVersion es_ES
dc.description.volume 12 es_ES
dc.description.issue 2 es_ES
dc.identifier.eissn 1697-7920
dc.relation.pasarela OJS\9392 es_ES
dc.contributor.funder Consejo Nacional de Ciencia y Tecnología, México es_ES
dc.contributor.funder Instituto Politécnico Nacional, México es_ES


This item appears in the following Collection(s)

Show simple item record