- -

Detección de obstáculos y espacios transitables en entornos urbanos para sistemas de ayuda a la conducción basados en algoritmos de visión estéreo implementados en GPU

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

Detección de obstáculos y espacios transitables en entornos urbanos para sistemas de ayuda a la conducción basados en algoritmos de visión estéreo implementados en GPU

Show simple item record

Files in this item

dc.contributor.author Musleh, B. es_ES
dc.contributor.author de la Escalera, A. es_ES
dc.contributor.author Armingol, J.M. es_ES
dc.date.accessioned 2020-05-27T06:14:54Z
dc.date.available 2020-05-27T06:14:54Z
dc.date.issued 2012-10-14
dc.identifier.issn 1697-7912
dc.identifier.uri http://hdl.handle.net/10251/144397
dc.description.abstract [ES] Tanto los sistemas avanzados de ayuda a la conducción (ADAS) aplicados a la mejora de la seguridad vial, como los sistemas de navegación autónoma de vehículos, demandan sensores y algoritmos cada vez más complejos, capaces de obtener e interpretar información del entorno vial. En concreto, las mayores dificultades surgen a la hora de analizar la información proveniente de los entornos urbanos, debido a la diversidad de elementos con distintas características que existen en áreas urbanas. Estos sistemas requieren, cada vez más, que la interpretación de la información se realice en tiempo real para mejorar la toma de decisiones. Por otra parte, la visión estéreo es ampliamente utilizada en sistemas de modelado, dada la gran cantidad de información que proporciona, pero al mismo tiempo, los algoritmos basados en esta técnica requieren de un elevado tiempo de cómputo que dificulta su implementación en aplicaciones de tiempo real. En este trabajo se presenta un algoritmo basado en visión estéreo para la detección tanto de obstáculos como de espacios transitables en entornos urbanos y que ha sido implementado principalmente en GPU (Unidad de Procesamiento Gráfico) para reducir el tiempo de cómputo y conseguir un funcionamiento en tiempo real. es_ES
dc.description.abstract [EN] Both advanced driver assistance systems (ADAS) applied to the improvement of road safety, and autonomous navigation vehicle systems require more and more complex sensors and algorithms capable of obtaining and interpreting the information of the road environment. The greatest difficulties arise in analysing the information of the urban environments, because of the large number of elements which have different characteristics in urban areas. These systems require to interpret the information in real time to improve the decision-making. On the other hand, the stereo vision is usable in modeling systems because of the great amount of information that it provides, but at the same time, the algorithms based on this technique have a high computation time which makes difficult its implementation in real time applications. This paper presents an algorithm based on stereo vision for detecting obstacles and free spaces in urban environments and it has been implemented principally in GPU (Graphic Processing Unit) to reduce the computation time and achieving that it works in real time. es_ES
dc.description.sponsorship Este trabajo ha sido subvencionado por la CICYT a través del proyecto FEDORA (TRA2010- 20225-C03-01) y el proyecto Driver Distraction Detector System (TRA2011-29454-C03-02) es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València 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 Computer Vision es_ES
dc.subject Autonomous Vehicles es_ES
dc.subject Detection Algorithms es_ES
dc.subject Real time systems es_ES
dc.subject Visión por Computador es_ES
dc.subject Vehículos Autónomos es_ES
dc.subject Algoritmos de Detección es_ES
dc.subject Sistemas de Tiempo Real es_ES
dc.title Detección de obstáculos y espacios transitables en entornos urbanos para sistemas de ayuda a la conducción basados en algoritmos de visión estéreo implementados en GPU es_ES
dc.title.alternative Obstacle detection and free spaces in urban environments for advanced driver assistance systems based on stereo vision algorithms implemented in GPU es_ES
dc.type Artículo es_ES
dc.identifier.doi 10.1016/j.riai.2012.09.013
dc.relation.projectID info:eu-repo/grantAgreement/MICINN//TRA2011-29454-C03-02/ES/DRIVER DISTRACTION DETECTOR SYSTEM/ es_ES
dc.relation.projectID info:eu-repo/grantAgreement/MICINN//TRA2010-20225-C03-01/ES/FUSION SENSORIAL PARA EL ANALISIS DE MANIOBRAS EN ENTORNOS URBANOS PARA ADAS/ es_ES
dc.rights.accessRights Abierto es_ES
dc.description.bibliographicCitation Musleh, B.; De La Escalera, A.; Armingol, J. (2012). Detección de obstáculos y espacios transitables en entornos urbanos para sistemas de ayuda a la conducción basados en algoritmos de visión estéreo implementados en GPU. Revista Iberoamericana de Automática e Informática industrial. 9(4):462-473. https://doi.org/10.1016/j.riai.2012.09.013 es_ES
dc.description.accrualMethod OJS es_ES
dc.relation.publisherversion https://doi.org/10.1016/j.riai.2012.09.013 es_ES
dc.description.upvformatpinicio 462 es_ES
dc.description.upvformatpfin 473 es_ES
dc.type.version info:eu-repo/semantics/publishedVersion es_ES
dc.description.volume 9 es_ES
dc.description.issue 4 es_ES
dc.identifier.eissn 1697-7920
dc.relation.pasarela OJS\9585 es_ES
dc.contributor.funder Ministerio de Ciencia e Innovación es_ES
dc.description.references Armingol, J. M., de la Escalera, A., Hilario, C., Collado, J. M., Carrasco, J. P., Flores, M. J., … Rodríguez, F. J. (2007). IVVI: Intelligent vehicle based on visual information. Robotics and Autonomous Systems, 55(12), 904-916. doi:10.1016/j.robot.2007.09.004 es_ES
dc.description.references Broggi, A., Cappalunga, A., Caraffi, C., Cattani, S., Ghidoni, S., Grisleri, P., Porta, P., Posterli, M., Zani, P., Beck, J., 2008. The passive sensing suite of the terramax autonomous vehicle. In: Intelligent Vehicles Symposium, 2008 IEEE. IEEE, pp. 769-774. es_ES
dc.description.references Broggi, A., Caraffi, C., Fedriga, R., Grisleri, P., 2005. Obstacle detection with stereo vision for off-road vehicle navigation. In: Computer Vision and Pat- tern Recognition-Workshops, 2005. CVPR Workshops. IEEE Computer So- ciety Conference on. IEEE, pp. 65-65. es_ES
dc.description.references Brown, M. Z., Burschka, D., & Hager, G. D. (2003). Advances in computational stereo. IEEE Transactions on Pattern Analysis and Machine Intelligence, 25(8), 993-1008. doi:10.1109/tpami.2003.1217603 es_ES
dc.description.references Cabani, I., Toulminet, G., Bensrhair, A., 2006. A color stereo vision system for extraction of 3d edges of obstacle. In: Intelligent Transportation Systems Conference, 2006. ITSC’06. IEEE. IEEE, pp. 307-312. es_ES
dc.description.references Faugeras, O., Viéville, T., Theron, E., Vuillemin, J., Hotz, B., Zhang, Z., Moll, L., Bertin, P., Mathieu, H., Fua, P., et al., 1993. Real-time correlation-based stereo: algorithm, implementations and applications. es_ES
dc.description.references Flores, M. J., M., J. M. A., & de la Escalera, A. (2011). Sistema Avanzado de Asistencia a la Conducción para la Detección de la Somnolencia. Revista Iberoamericana de Automática e Informática Industrial RIAI, 8(3), 216-228. doi:10.1016/j.riai.2011.06.009 es_ES
dc.description.references Guo, C., Mita, S., McAllester, D., 2009. Drivable road region detection using homography estimation and efficient belief propagation with coordinate des- cent optimization. In: Intelligent Vehicles Symposium, 2009 IEEE. IEEE, pp. 317-323. es_ES
dc.description.references Hautiére, N., Labayrade, R., Perrollaz, M., Aubert, D., 2006. Road scene analy- sis by stereovision: a robust and quasi-dense approach. In: Control, Automa- tion, Robotics and Vision, 2006. ICARCV’06. 9th International Conference on. IEEE, pp. 1-6. es_ES
dc.description.references Hirschmüller, H., Innocent, P. R., & Garibaldi, J. (2002). International Journal of Computer Vision, 47(1/3), 229-246. doi:10.1023/a:1014554110407 es_ES
dc.description.references Hirschmuller, H., Scharstein, D., 2007. Evaluation of cost functions for stereo matching. In: Computer Vision and Pattern Recognition, 2007. CVPR’07. IEEE Conference on. IEEE, pp. 1-8. es_ES
dc.description.references Hu, Z., Lamosa, F., Uchimura, K., 2005. A complete uv-disparity study for stereovision based 3d driving environment analysis. In: 3-D Digital Imaging and Modeling, 2005. 3DIM 2005. Fifth International Conference on. IEEE, pp. 204-211. es_ES
dc.description.references Hu, Z., Uchimura, K., 2005. Uv-disparity: an efficient algorithm for stereovi- sion based scene analysis. In: Intelligent Vehicles Symposium, 2005. Pro- ceedings. IEEE. IEEE, pp. 48-54. es_ES
dc.description.references Kim, J., Hwangbo, M., Kanade, T., 2009. Parallel algorithms to a parallel hard- ware: Designing vision algorithms for a gpu. In: Computer Vision Works- hops (ICCV Workshops), 2009 IEEE 12th International Conference on. IEEE, pp. 862-869. es_ES
dc.description.references Labayrade, R., Aubert, D., 2003a. In-vehicle obstacles detection and characteri- zation by stereovision. Proc. IEEE In-Vehicle Cognitive Comput. Vis. Syst, 1-3. es_ES
dc.description.references Labayrade, R., Aubert, D., 2003b. A single framework for vehicle roll, pitch, yaw estimation and obstacles detection by stereovision. In: Intelligent Vehi- cles Symposium, 2003. Proceedings. IEEE. IEEE, pp. 31-36. es_ES
dc.description.references Labayrade, R., Aubert, D., Tarel, J., 2002. Real time obstacle detection in ste- reovision on non flat road geometry through v-disparity representation. In: Intelligent Vehicle Symposium, 2002. IEEE. Vol. 2. IEEE, pp. 646-651. es_ES
dc.description.references Lee, C., Lim, Y., Kwon, S., Lee, J., 2008. Obstacle localization with a binarized v-disparity map using local maximum frequency values in stereo vision. In: Signals, Circuits and Systems, 2008. SCS 2008. 2nd International Conferen- ce on. IEEE, pp. 1-4. es_ES
dc.description.references Ling, B., Zeifman, M., Gibson, D., 2007. Multiple pedestrian detection using ir led stereo camera. In: Proceedings of SPIE. Vol. 6764. p. 67640A. es_ES
dc.description.references Musleh, B., García, F., Otamendi, J., Armingol, J. M., & De la Escalera, A. (2010). Identifying and Tracking Pedestrians Based on Sensor Fusion and Motion Stability Predictions. Sensors, 10(9), 8028-8053. doi:10.3390/s100908028 es_ES
dc.description.references Nvidia, C., 2008. Programming guide. es_ES
dc.description.references NVIDIA, C., 2009. C programming best practices guide. Cuda Toolkit 2. es_ES
dc.description.references Olmeda, D., de la Escalera, A., & Armingol, J. M. (2010). Far infrared pedestrian detection and tracking for night driving. Robotica, 29(4), 495-505. doi:10.1017/s0263574710000299 es_ES
dc.description.references Petrovskaya, A., & Thrun, S. (2009). Model based vehicle detection and tracking for autonomous urban driving. Autonomous Robots, 26(2-3), 123-139. doi:10.1007/s10514-009-9115-1 es_ES
dc.description.references Premebida, C., Ludwig, O., Nunes, U., 2009. Exploiting lidar-based features on pedestrian detection in urban scenarios. In: Intelligent Transportation Sys- tems, 2009. ITSC’09. 12th International IEEE Conference on. IEEE, pp. 1-6. es_ES
dc.description.references Scharstein, D., & Szeliski, R. (2002). International Journal of Computer Vision, 47(1/3), 7-42. doi:10.1023/a:1014573219977 es_ES
dc.description.references Soquet, N., Aubert, D., Perrollaz, M., et al., 2007. Free space estimation for autonomous navigation. es_ES
dc.description.references Stam, J., 2008. Stereo imaging with cuda. OpenVIDIA, january. es_ES
dc.description.references Zehang Sun, Bebis, G., & Miller, R. (2006). Monocular precrash vehicle detection: features and classifiers. IEEE Transactions on Image Processing, 15(7), 2019-2034. doi:10.1109/tip.2006.877062 es_ES
dc.description.references Taylor, T., Geva, S., Boles, W., 2004. Monocular vision as a range sensor. Inter- national Conference on Computational Intelligence for Modelling, Control and Automation. es_ES
dc.description.references Thrun, S. (2003). Autonomous Robots, 15(2), 111-127. doi:10.1023/a:1025584807625 es_ES
dc.description.references Wang, L., Gong, M., Gong, M., Yang, R., 2006. How far can we go with local optimization in real-time stereo matching. In: 3D Data Processing, Visua- lization, and Transmission, Third International Symposium on. IEEE, pp.129-136. es_ES
dc.description.references Xu, Y., Zhao, M., Wang, X., Zhang, Y., Peng, Y., Yuan, Y., Liu, H., 2009. A method of stereo obstacle detection based on image symmetrical move. In: Intelligent Vehicles Symposium, 2009 IEEE. IEEE, pp. 36-41. es_ES
dc.description.references Zhao, J., Whitty, M., Katupitiya, J., 2009. Detection of non flat ground surfaces using v disparity images. In: Intelligent Robots and Systems, 2009. IROS. [2009] IEEE/RSJ International Conference on. IEEE, pp. 4584-4589. es_ES


This item appears in the following Collection(s)

Show simple item record