|
Resumen:
|
[ES] La conducción autónoma es una tecnología actualmente en auge. Ya son muchos los proyectos de coches con sistemas de conducción automática. Aunque la mayoría de estos desarrollos no son coches con una autonomía total, ...[+]
[ES] La conducción autónoma es una tecnología actualmente en auge. Ya son muchos los proyectos de coches con sistemas de conducción automática. Aunque la mayoría de estos desarrollos no son coches con una autonomía total, ya hay varias flotas de coches totalmente autónomos, que están a prueba en diversas ciudades del mundo.
Los beneficios para la sociedad que los coches autónomos brindan son muchos, desde la comodidad y accesibilidad a personas con diversas discapacidades, hasta la seguridad vial y la reducción de la tasa de mortalidad en las carreteras. Por eso, es importante que la comunidad de ingenieros siga aportando en este ámbito y ayudando en el crecimiento de esta tecnología.
Este proyecto se centra en el desarrollo de un sistema de detección de señales de tráfico, un módulo esencial en todo sistema de conducción autónoma. Para ello, se utiliza un pequeño coche robótico equipado con una Raspberry Pi y una unidad de procesamiento tensorial. Partiendo de un modelo de detección de objetos preentrenado que ofrece la API de detección de objetos de TensorFlow y usando el entorno de programación Google Colab, se consigue entrenar un modelo de aprendizaje profundo que detecta un conjunto estipulado de señales de tráfico a miniatura.
Finalmente, mediante la ejecución de un programa de conducción Python, se consigue inferir el modelo entrenado y accionar el robot para interpretar las señales de tráfico en un entorno a pequeña escala y controlado. Como resultado de las pruebas realizadas, el robot es capaz de detectar todas las señales de tráfico que se encuentra, consiguiendo interpretarlas correctamente y recorriendo el circuito completamente sin salirse. Estos resultados se ven ligeramente alterados cuando las condiciones de luminosidad son adversas.
[-]
[EN] The emergence of autonomous driving has caused the increase of many projects with self-driving systems. Although most of these developments are not fully autonomous cars, there are already several fleets of fully ...[+]
[EN] The emergence of autonomous driving has caused the increase of many projects with self-driving systems. Although most of these developments are not fully autonomous cars, there are already several fleets of fully automatic cars being tested in various cities around the world.
This has contributed many benefits to society, as comfort and accessibility to people with various disabilities, to road safety and the reduction of the death rate on roads. For this reason, it is important that the engineering community continues contributing in this area and helping in the growth of this technology.
This project focuses on the development of a traffic signs detection system, an essential module in any autonomous driving system. It uses a small robotic car equipped with a Raspberry Pi and a tensor processing unit. Starting from a pre-trained object detection model provided by the TensorFlow object detection API and using the Google Colab programming environment, a deep learning model is trained to detect a stipulated set of miniature traffic signs.
Finally, by running a Python driver program, the trained model is inferred and the robot is actuated to interpret the traffic signals in a small-scale and controlled environment. As a result of the tests carried out, the robot is capable of detecting all the traffic signs it encounters, interpreting them correctly and traveling the circuit completely without going off. These results are slightly altered when lighting conditions are adverse.
[-]
[CA] La conducció autònoma és una tecnologia actualment en auge. Ja són molts els projectes de cotxes amb sistemes de conducció automàtica. Encara que la majoria d’aquests
desenvolupaments no són cotxes amb una autonomia ...[+]
[CA] La conducció autònoma és una tecnologia actualment en auge. Ja són molts els projectes de cotxes amb sistemes de conducció automàtica. Encara que la majoria d’aquests
desenvolupaments no són cotxes amb una autonomia total, ja hi ha diverses flotes de cotxes totalment autònoms, que estan a prova a diverses ciutats del món.
Els beneficis per a la societat que els cotxes autònoms brinden són molts, des de la
comoditat i accessibilitat a persones amb diverses discapacitats, fins a la seguretat vial
i la reducció de la taxa de mortalitat a les carreteres. Per això, és important que la comunitat d’enginyers seguixca aportant en aquest àmbit i ajudant al creixement d’aquesta
tecnologia.
Aquest projecte es centra en el desenvolupament d’un sistema de detecció de senyals
de trànsit, un mòdul essencial en tot sistema de conducció autònoma. Per tal d’aconseguirho, s’utilitza un petit cotxe robòtic equipat amb una Raspberry Pi i una unitat de processament tensorial. Partint d’un model de detecció d’objectes preentrenat que facilita l’API
de detecció d’objectes de TensorFlow y utilitzant l’entorn de programació Google Colab,
s’aconsegueix entrenar un model d’aprenentatge profund que detecta un conjunt estipulat
de senyals de trànsit a miniatura.
Finalment, mitjançant l’execució d’un programa de conducció Python, s’aconsegueix
inferir el model entrenat i accionar el robot per tal d’interpretar les senyals de trànsit en
un entorn a petita escala i controlat. Fruit de les proves realitzades, el robot és capaç de
detectar totes les senyals de trànsit que es troba, aconseguint interpretar-les correctament
i recorrent el circuit completament sense eixir-se’n. Aquests resultats es veuen lleugerament alterats quan les condicions de lluminositat son adverses.
[-]
|
