[EN] Perception systems are the groundwork for all systems of self-driving cars. These
need to detect the environment and the driving scene to provide every information
needed to driving systems to solve every situation.
As ...[+]
[EN] Perception systems are the groundwork for all systems of self-driving cars. These
need to detect the environment and the driving scene to provide every information
needed to driving systems to solve every situation.
As perception systems, this work focuses on the usage of convolutional neural networks to process and analyze camera input data.
This work presents an in-depth scene understanding consisting of object detection
and a lane detection model. The object detection is realized as a semantic segmentation of the input map. A pixel-wise classification returns all information about
the scene.
The lane detection is based on a line detection model. The driving lane is concluded
by detecting the street lines and the road. This part combines the results with the
ones obtained by the segmentation. This returns a comprehensive understanding of
the current traffic scene.
Therefore this work compares different network structures and approaches to solve
this problem. An evaluation presents the best model suited for the usage in autonomous driving vehicles.
[-]
[ES] Los sistemas de percepción son la base para todos los sistemas de conducción
autónoma. Estos detectan el ambiente y la escena de conducción para proveer la
información necesaria para tomar decisiones frente a cada ...[+]
[ES] Los sistemas de percepción son la base para todos los sistemas de conducción
autónoma. Estos detectan el ambiente y la escena de conducción para proveer la
información necesaria para tomar decisiones frente a cada situación.
Este trabajo se enfoca en el uso de redes neuronales convolucionales para procesar
y analizar los datos de entrada de la cámara.
El presente trabajo exhibe una compresión profunda de la escena captada, basándose en modelos de detección de objetos y detección de los carriles vehiculares. La
detección de objetos se realiza como una segmentación semántica del mapa de entrada, es decir, una clasificación por píxeles la cual devuelve toda la información
sobre la escena.
La detección de carriles vehiculares se basa en un modelo de detección de líneas.
El carrill se calcula detectando las líneas de la calle y la forma de la carretera. Lo
anterior combinado con los resultados obtenidos por la segmentación, devuelve una
comprensión completa de la escena del tráfico actual.
Por otra parte, este trabajo compara diferentes estructuras de redes neuronales convolucionales y enfoques para resolver el problema planteado. Finalmente, basado en
las pruebas realizadas, se propone el mejor modelo para la utilización en vehículos
de conducción autónoma.
[-]
|