Sistema de visión inteligente para el guiado de un vehículo autónomo en un entorno urbano

Abstract

[ES] Este Trabajo Fin de Grado tiene como objetivo la implementación mediante técnicas de visión por computador y redes neuronales convolucionales la simulación de un vehículo capaz de desplazarse de manera autónoma por un entorno urbano. Para poder realizar dicho trabajo se utilizarán dos programas de manera simultánea tales como Coppelia Sim y Matlab para simular el entorno y controlar el vehículo respectivamente. Para ello, se incorporará al vehículo una cámara frontal para poder realizar la identificación de las señales de tráfico que aparezcan a lo largo del recorrido y consecuentemente tomar las decisiones oportunas. Esta identificación se realiza mediante la creación de una red neuronal convolucional que deberá ser entrenada con un data set lo suficientemente grande como para evitar falsos positivos en un tema tan delicado como este. Finalmente, y con el fin de elegir la opción más eficiente, se han utilizado distintas técnicas de identificación para poder compararlas y elegir posteriormente la que mejor se adecue no solo a este modelo, sino a una futura escalabilidad en entornos más complejos o inciertos. Por otra parte, se generará un sistema complejo de visión inteligente en el cual se detecte con total claridad cada componente del escenario, cielo, edificios, arcén, césped y poder así segmentar el carril que debe seguir el vehículo en todo momento. Sin embargo, no solo será suficiente con detectar el carril sino que se creará un algoritmo inteligente mediante el cual teniendo en cuenta los ángulos de las líneas del carril se cambie la orientación del vehículo para corregir su dirección. Cabe destacar, la adaptabilidad de este algoritmo para lograr no solo incorporarse a un carril o seguir este sino tomar posibles curvas que aparezcan a lo largo de la simulación independientemente de su sentido de giro o del ángulo de giro. Para finalizar, se han puesto en común los distintos apartados de visión para conseguir una ejecución correcta de todas sus partes en conjunto mediante la utilización de funciones tanto para lo anteriormente mencionado como para la conexión y la transmisión de imágenes en tiempo real entre ambos programas. El desarrollo de vehículos autónomos es uno de los campos de investigación más activos en la actualidad y estos métodos de simulación permiten trabajar de manera mucho más barata y rápida en estos aspectos. Además, este modelo de simulación también cuenta con una gran utilidad a la hora de divulgar las últimas técnicas de visión artificial en centros educativos sin la necesidad, ni los costes que conllevaría, el recrear este escenario y dotar al robot de toda la tecnología necesaria para su correcta implementación

[EN] The objective of this Final Degree Project is the implementation, using computer vision techniques and convolutional neural networks, of the simulation of a vehicle capable of moving autonomously in an urban environment. In order to carry out this work, two programs such as Coppelia Sim and Matlab will be used simultaneously to simulate the environment and control the vehicle respectively. For this purpose, a front camera will be incorporated to the vehicle in order to be able to identify the traffic signs that appear along the route and consequently take the appropriate decisions. This identification is done through the creation of a convolutional neural network that must be trained with a data set large enough to avoid false positives in such a sensitive issue as this. Finally, in order to choose the most efficient option, different identification techniques have been used to compare them and then choose the one that best suits not only this model, but also a future scalability in more complex or uncertain environments. On the other hand, a complex intelligent vision system will be generated in which each component of the scenario, sky, buildings, shoulder, lawn, etc., will be detected with total clarity and thus be able to segment the lane to be followed by the vehicle at all times. However, it will not only be enough to detect the lane, but an intelligent algorithm will be created by which, taking into account the angles of the lane lines, the orientation of the vehicle will be changed to correct its direction. It should be noted the adaptability of this algorithm to achieve not only to join a lane or follow it but also to take possible curves that appear throughout the simulation regardless of its direction of rotation or the angle of rotation. Finally, the different vision sections have been put together to achieve a correct execution of all their parts as a whole through the use of functions both for the aforementioned and for the connection and transmission of images in real time between both programs. The development of autonomous vehicles is one of the most active fields of research at present and these simulation methods allow much cheaper and faster work on these aspects. In addition, this simulation model also has a great utility when it comes to disseminating the latest computer vision techniques in educational centers without the need, or the costs that would entail, to recreate this scenario and provide the robot with all the necessary technology for its proper implementation.