SlideShare una empresa de Scribd logo
1 de 17
Descargar para leer sin conexión
HANDS-ON IMAGE PROCESSING 2010 (HOIP’10)




                    Seguimiento de vehículos con visión
                         artificial estereoscópica



                                 Zamudio, 16 y 17 de Noviembre de 2010




                                                                    Josep Umbert

1
    Seguimiento de vehículos con Visión Artificial estereoscópica
Índice



                    1     Introducción

                    2     Visión estereoscópica

                    3     Comparación de la detección 2D y 3D

                    4     Características y calibración

                    5     Ventajas y caso práctico




2
    Seguimiento de vehículos con Visión Artificial estereoscópica
Introducción


         Objetivo
           Mejorar el seguimiento de vehículos para detectar
           situaciones de riesgo, calculando sus velocidades y
           distancias a ciertos puntos conflictivos.
           Cuando el vehículo todavía se encuentran a una distancia
           considerable y hay tiempo de reacción.
           Avisar al implicado y a terceros de las situaciones anómalas
           detectadas para evitar posibles accidentes.
         Características de la vía
           Inicialmente pensado para vías con un solo carril por
           sentido ya que presentan más posibilidades de accidente.
         Una propuesta
           Utilizar un sistema estereoscópico de cámaras que permita
           trabajar con suficiente precisión, a distancias más grandes
           que con las que trabajan los sistemas 2D.

3
    Seguimiento de vehículos con Visión Artificial estereoscópica
Introducción.


         ¿Qué son distancias grandes? Algunos datos.
           Tiempos y Distancias de Reacción.
                Se acepta comúnmente en tráfico que el tiempo de reacción
                medio ante señales de UNA PALABRA ronda los 2.6 segundos
                (Tiempo que le lleva al conductor reconocer la señal y responder).
                Para un vehículo a 160 km/h se traduce en una distancia
                recorrida, mientras el cerebro procesa la información, de 115 m.

           Distancia de Detención.
                Necesitamos aproximadamente 110 metros para detener un
                vehículo que circula a 160 km/h en buenas condiciones, es decir,
                con un coeficiente de adherencia cercano al 0.8.

           Distancia total Reacción + Detención
                A 160 Km/h          115 m + 110 m = 225 m del punto de riesgo
                A 120 Km/h           87 m + 83 m = 170 m
                A 100 Km/h           72 m + 70 m = 142 m

4
    Seguimiento de vehículos con Visión Artificial estereoscópica
Introducción.


         Instalación
           Una cámara a cada lado de la vía, enfocando en el mismo
           sentido de la marcha, para obtener una visión
           estereoscópica de la vía.
           Al pretender detectar adelantamientos, el área de visión
           de las cámaras abarca tanto el carril de los que se acercan
           como de los que se alejan.
           La cámara se coloca a una altura de entre 8 y 15 metros
           del suelo.
           A tener en cuenta que cuanta más altura de la cámara más
           afectan las vibraciones (viento, etc.)
           Cámaras motorizadas para facilitar el ajuste a distancia.
           Armario con PC industrial único a pie de cámaras.


5
    Seguimiento de vehículos con Visión Artificial estereoscópica
Visión estereoscópica




                                                                     ol
                                                                 ntr




                                                                                Tramo bajo control
                                                                          120




                                                               co
                                                              ajo
     Al abarcar con las cámaras los dos




                                                            ob
    carriles se contemplan los




                                                          am
    adelantamientos por el carril contrario




                                                        Tr
                                  CRUCE CERCANO
                          !    DISMINUYA LA VELOCIDAD




       Centro
         de
       Control




6
    Seguimiento de vehículos con Visión Artificial estereoscópica
Detección 2D


         Método de Detección caso 2D.
           Se extraen los vehículos     Elementos que cambian de un
           fondo calculado.
           Se determina la posición del vehículo a través de una matriz
           de calibración.
           Se buscan los mismos objetos en diferentes imágenes
           consecutivas, calculando el movimiento 2D.                                          f1
           Gracias a la calibración previa se aproxima la velocidad                                 t
           entre dos “frames consecutivos”.
                                                                                               f2

         Comentarios
           Un problema frecuente son las sombras y cambios de luminosidad            e1
           provocada por elementos externos a la carretera.
                                                                                          e2
                Movimiento de las sombras de nubes.
                Sombras de otros vehículos. Luces de otros vehículos.
                Pueden confundirse vehículos muy próximos entre sí.
           La falta de una tercera dimensión imposibilita cuantificar la distancia
           real a elementos que no estén sobre la carretera calibrada (pájaros).
           Mejor para distancias cortas.


7
    Seguimiento de vehículos con Visión Artificial estereoscópica
Detección 3D. Distancia
                                                                           C


         Método de Detección caso 3D.
           A partir de dos imágenes del mismo
           instante temporal, se obtiene la distancia
           hasta cada objeto sin necesidad que estén en
           movimiento (vale para vehículos parados)          Z

           Se añade una dimensión. A las coordenadas
           “X” e “Y” de cada píxel se añade una
           coordenada “Z” de profundidad.             Y
           La coordenada “Z” se calcula como            Cámara izquierda           Cámara derecha

           intersección de las líneas discontinuas               X
           correspondientes al mismo punto en ambas
           imágenes.
           Dado que las líneas no se cortan
           exactamente, se aplica un algoritmo para
           determinar el punto C.
                                                                               d

8
    Seguimiento de vehículos con Visión Artificial estereoscópica
Detección 3D. Velocidad
                                                                               C


         Método de Detección caso 3D.
           Determinada la distancia Z en cada
           “frame”, el cálculo de velocidades
           es inmediato, partiendo del tiempo                    Z
           entre “frames”.
                        ∆Z
            Velocidad = ------
                                                        Y
                       ∆t                                   Cámara izquierda           Cámara derecha

           Mayor precisión si se puede usar                          X

           dos frames no consecutivos.
           Requiere sincronización de las dos
           cámaras para tratar parejas de
           imágenes realizadas en el mismo
           instante.
                                                                                   d

9
    Seguimiento de vehículos con Visión Artificial estereoscópica
Características


          Resumen de Características
            Cámaras:
                 Dos cámaras de alta resolución de 1600 x 1200 pixels.
                 Frame rate = 30 fps
                 Óptica motorizada con control de Iris, Zoom, Enfoque.
                 Conexión con Punto de Control: Gigabit-Ethernet.
                 Carcasas estancas con protección IP 66.
                 Colocación de la cámaras sobre poste, a los laterales de la
                 vía.
            Punto de Control
                 PC industrial.
                 Procesador: Intel Core2Duo.
            Comunicaciones con Centro control:
                 Conexión: Ethernet / FO.
                 Protocolos transporte y red: TCP/IP

10
     Seguimiento de vehículos con Visión Artificial estereoscópica
Calibración


          Calibración
              Etapa básica para el buen funcionamiento
              Calibración óptica (deformaciones de la lente)



              Calibración de perspectiva.



              Calibración de cámaras entre ellas:
                  Posición relativa.
                  Conjunto de puntos de referencia de la imagen que son el
                  mismo en las dos cámaras.


                                                Cámara izquierda   Cámara derecha


11
     Seguimiento de vehículos con Visión Artificial estereoscópica
Ventajas


          Ventajas del sistema 3D
            Da mayor robustez al sistema
            Aumenta la precisión en la medida de la velocidad con
            respecto a sistemas 2D.
            Aplicable para distancias más grandes (80-300 m).
            Posibilita el cálculo de distancias y velocidades de
            vehículos próximos entre si.
            Permite calcular:
                  La distancia entre vehículos.
                  El ancho del vehículo y la altura de gálibo.




12
     Seguimiento de vehículos con Visión Artificial estereoscópica
Caso práctico


          Proyecto
            Fondo Europeo de Desarrollo Regional y Ministerio de
            Fomento
            Estudia nuevas tecnologías para la mejora integral de la
            Seguridad Vial y el Diseño de Intersecciones
            Propone que entre la intersección y el inicio de la detección debe
            haber 185 m para coches circulando a 100 Km/h y 350 metros
            para vehículos articulados.
            Propone un sistema de detección y aviso a los conductores
            tanto al de la vía principal como a los que acceden a ella desde la
            intersección.




13
     Seguimiento de vehículos con Visión Artificial estereoscópica
Caso práctico


          Lugar
            En una vía en la que se pueda alcanzar una velocidad
            importante, antes de acceder a una intersección.


          Detección
            Sobre la vía principal se detecta:
                 La posición del vehículo.
                 La velocidad de aproximación.

            En el caso de tener control sobre la vía secundaria
                 Detectar si hay un vehículo que se incorpora (con independencia
                 de si ha realizado el stop).




14
     Seguimiento de vehículos con Visión Artificial estereoscópica
Caso práctico



          Avisos a los conductores
            Avisar al conductor que hay un vehículo en la vía
            secundaria el cual, probablemente, se incorporará a
            velocidad baja.
            Avisar a los vehículos que pretenden entrar en el cruce en
            sentido transversal que se aproxima uno a alta velocidad.

          Señalización de los Avisos
          Los avisos se realizan a través de:
            Paneles de mensajes variables en la vía principal
            Paneles “ocultos” en la vía secundaria



15
     Seguimiento de vehículos con Visión Artificial estereoscópica
HANDS-ON IMAGE PROCESSING 2010 (HOIP’10)




                           Gracias por su atención

                      Seguimiento de vehículos con visión
                           artificial estereoscópica




16
     Seguimiento de vehículos con Visión Artificial estereoscópica
Visión estereoscópica




                                                             ol
                                                         ntr




                                                                        Tramo bajo control
                                                                  120




                                                       co
                                                      ajo
                                                    ob
       Al abarcar con las cámaras los dos




                                                  am
      carriles se contemplan los




                                                Tr
      adelantamientos por el carril contrario




                 160 Km/h. CRUCE CERCANO
          !      DISMINUYA LA VELOCIDAD




       Centro
         de
       Control




17
     Seguimiento de vehículos con Visión Artificial estereoscópica

Más contenido relacionado

Similar a Hoip10 presentacion seguimiento de vehículos con visión artificial estereostópica_sice

Sensores y actuadores - Parte 1.pptx
Sensores y actuadores - Parte 1.pptxSensores y actuadores - Parte 1.pptx
Sensores y actuadores - Parte 1.pptxRicardoIribarren1
 
Carrito seguidor de línea final 2
Carrito seguidor de línea final 2Carrito seguidor de línea final 2
Carrito seguidor de línea final 2dani
 
Detección de Objetos y Reconocimiento Esquelético utilizado por KINECT
Detección de Objetos y Reconocimiento Esquelético utilizado por KINECTDetección de Objetos y Reconocimiento Esquelético utilizado por KINECT
Detección de Objetos y Reconocimiento Esquelético utilizado por KINECTAndrés Paute
 
Vehiculos henrry
Vehiculos henrry Vehiculos henrry
Vehiculos henrry hyaipen7
 
Vehiculos henrry
Vehiculos henrry Vehiculos henrry
Vehiculos henrry hyaipen7
 
Carrito seguidor de línea final
Carrito seguidor de línea finalCarrito seguidor de línea final
Carrito seguidor de línea finaldani
 
Cinematica Vehiculos
Cinematica VehiculosCinematica Vehiculos
Cinematica VehiculosOmar Sanchez
 
Detección de defectos en carrocerías de vehículos basado
Detección de defectos en carrocerías de vehículos basadoDetección de defectos en carrocerías de vehículos basado
Detección de defectos en carrocerías de vehículos basadoviisonartificial2012
 

Similar a Hoip10 presentacion seguimiento de vehículos con visión artificial estereostópica_sice (14)

Reconocimiento del iris
Reconocimiento del irisReconocimiento del iris
Reconocimiento del iris
 
Paper Ia
Paper IaPaper Ia
Paper Ia
 
Sensores y actuadores - Parte 1.pptx
Sensores y actuadores - Parte 1.pptxSensores y actuadores - Parte 1.pptx
Sensores y actuadores - Parte 1.pptx
 
Reporte
ReporteReporte
Reporte
 
Carrito seguidor de línea final 2
Carrito seguidor de línea final 2Carrito seguidor de línea final 2
Carrito seguidor de línea final 2
 
Detección de Objetos y Reconocimiento Esquelético utilizado por KINECT
Detección de Objetos y Reconocimiento Esquelético utilizado por KINECTDetección de Objetos y Reconocimiento Esquelético utilizado por KINECT
Detección de Objetos y Reconocimiento Esquelético utilizado por KINECT
 
Vehiculos henrry
Vehiculos henrry Vehiculos henrry
Vehiculos henrry
 
Vehiculos henrry
Vehiculos henrry Vehiculos henrry
Vehiculos henrry
 
Carrito seguidor de línea final
Carrito seguidor de línea finalCarrito seguidor de línea final
Carrito seguidor de línea final
 
Controladores y confort electronico
Controladores y confort electronicoControladores y confort electronico
Controladores y confort electronico
 
Cinematica Vehiculos
Cinematica VehiculosCinematica Vehiculos
Cinematica Vehiculos
 
Quiroptero
QuiropteroQuiroptero
Quiroptero
 
Detección de defectos en carrocerías de vehículos basado
Detección de defectos en carrocerías de vehículos basadoDetección de defectos en carrocerías de vehículos basado
Detección de defectos en carrocerías de vehículos basado
 
AFA - corrección - v1
AFA - corrección - v1AFA - corrección - v1
AFA - corrección - v1
 

Más de TECNALIA Research & Innovation

HIGH TEMPERATURE AND HIGH PRESSURE CORROSION TESTING AUTOCLAVES
HIGH TEMPERATURE AND HIGH PRESSURE CORROSION TESTING AUTOCLAVESHIGH TEMPERATURE AND HIGH PRESSURE CORROSION TESTING AUTOCLAVES
HIGH TEMPERATURE AND HIGH PRESSURE CORROSION TESTING AUTOCLAVESTECNALIA Research & Innovation
 
Wearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laboralesWearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laboralesTECNALIA Research & Innovation
 
Wearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laboralesWearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laboralesTECNALIA Research & Innovation
 
Wearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laboralesWearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laboralesTECNALIA Research & Innovation
 
Wearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laboralesWearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laboralesTECNALIA Research & Innovation
 
Wearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laboralesWearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laboralesTECNALIA Research & Innovation
 
Wearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laboralesWearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laboralesTECNALIA Research & Innovation
 
Wearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laboralesWearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laboralesTECNALIA Research & Innovation
 

Más de TECNALIA Research & Innovation (20)

All is change. TECNALIA.
All is change. TECNALIA.All is change. TECNALIA.
All is change. TECNALIA.
 
Dena da aldaketa. TECNALIA.
Dena da aldaketa. TECNALIA.Dena da aldaketa. TECNALIA.
Dena da aldaketa. TECNALIA.
 
Tout est changement. TECNALIA.
Tout est changement. TECNALIA.Tout est changement. TECNALIA.
Tout est changement. TECNALIA.
 
Todo es cambio. TECNALIA
Todo es cambio. TECNALIATodo es cambio. TECNALIA
Todo es cambio. TECNALIA
 
HIGH TEMPERATURE AND HIGH PRESSURE CORROSION TESTING AUTOCLAVES
HIGH TEMPERATURE AND HIGH PRESSURE CORROSION TESTING AUTOCLAVESHIGH TEMPERATURE AND HIGH PRESSURE CORROSION TESTING AUTOCLAVES
HIGH TEMPERATURE AND HIGH PRESSURE CORROSION TESTING AUTOCLAVES
 
Todo es cambio. TECNALIA
Todo es cambio. TECNALIATodo es cambio. TECNALIA
Todo es cambio. TECNALIA
 
All is change. TECNALIA.
All is change. TECNALIA.All is change. TECNALIA.
All is change. TECNALIA.
 
Dena da aldaketa. TECNALIA.
Dena da aldaketa. TECNALIA.Dena da aldaketa. TECNALIA.
Dena da aldaketa. TECNALIA.
 
Tout est changement. TECNALIA.
Tout est changement. TECNALIA.Tout est changement. TECNALIA.
Tout est changement. TECNALIA.
 
Tout est changement. TECNALIA.
Tout est changement. TECNALIA.Tout est changement. TECNALIA.
Tout est changement. TECNALIA.
 
Dena da aldaketa. TECNALIA.
Dena da aldaketa. TECNALIA.Dena da aldaketa. TECNALIA.
Dena da aldaketa. TECNALIA.
 
All is change. TECNALIA.
All is change. TECNALIA.All is change. TECNALIA.
All is change. TECNALIA.
 
Todo es cambio. TECNALIA.
Todo es cambio. TECNALIA.Todo es cambio. TECNALIA.
Todo es cambio. TECNALIA.
 
Wearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laboralesWearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laborales
 
Wearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laboralesWearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laborales
 
Wearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laboralesWearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laborales
 
Wearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laboralesWearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laborales
 
Wearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laboralesWearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laborales
 
Wearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laboralesWearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laborales
 
Wearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laboralesWearables para la salud y prevención de riesgos laborales
Wearables para la salud y prevención de riesgos laborales
 

Último

R1600G CAT Variables de cargadores en mina
R1600G CAT Variables de cargadores en minaR1600G CAT Variables de cargadores en mina
R1600G CAT Variables de cargadores en minaarkananubis
 
El uso de las tic en la vida ,lo importante que son
El uso de las tic en la vida ,lo importante  que sonEl uso de las tic en la vida ,lo importante  que son
El uso de las tic en la vida ,lo importante que son241514984
 
Medidas de formas, coeficiente de asimetría y coeficiente de curtosis.pptx
Medidas de formas, coeficiente de asimetría y coeficiente de curtosis.pptxMedidas de formas, coeficiente de asimetría y coeficiente de curtosis.pptx
Medidas de formas, coeficiente de asimetría y coeficiente de curtosis.pptxaylincamaho
 
Cortes-24-de-abril-Tungurahua-3 año 2024
Cortes-24-de-abril-Tungurahua-3 año 2024Cortes-24-de-abril-Tungurahua-3 año 2024
Cortes-24-de-abril-Tungurahua-3 año 2024GiovanniJavierHidalg
 
Presentación inteligencia artificial en la actualidad
Presentación inteligencia artificial en la actualidadPresentación inteligencia artificial en la actualidad
Presentación inteligencia artificial en la actualidadMiguelAngelVillanuev48
 
Plan de aula informatica segundo periodo.docx
Plan de aula informatica segundo periodo.docxPlan de aula informatica segundo periodo.docx
Plan de aula informatica segundo periodo.docxpabonheidy28
 
La era de la educación digital y sus desafios
La era de la educación digital y sus desafiosLa era de la educación digital y sus desafios
La era de la educación digital y sus desafiosFundación YOD YOD
 
ATAJOS DE WINDOWS. Los diferentes atajos para utilizar en windows y ser más e...
ATAJOS DE WINDOWS. Los diferentes atajos para utilizar en windows y ser más e...ATAJOS DE WINDOWS. Los diferentes atajos para utilizar en windows y ser más e...
ATAJOS DE WINDOWS. Los diferentes atajos para utilizar en windows y ser más e...FacuMeza2
 
GonzalezGonzalez_Karina_M1S3AI6... .pptx
GonzalezGonzalez_Karina_M1S3AI6... .pptxGonzalezGonzalez_Karina_M1S3AI6... .pptx
GonzalezGonzalez_Karina_M1S3AI6... .pptx241523733
 
El uso delas tic en la vida cotidiana MFEL
El uso delas tic en la vida cotidiana MFELEl uso delas tic en la vida cotidiana MFEL
El uso delas tic en la vida cotidiana MFELmaryfer27m
 
El uso de las TIC's en la vida cotidiana.
El uso de las TIC's en la vida cotidiana.El uso de las TIC's en la vida cotidiana.
El uso de las TIC's en la vida cotidiana.241514949
 
dokumen.tips_36274588-sistema-heui-eui.ppt
dokumen.tips_36274588-sistema-heui-eui.pptdokumen.tips_36274588-sistema-heui-eui.ppt
dokumen.tips_36274588-sistema-heui-eui.pptMiguelAtencio10
 
trabajotecologiaisabella-240424003133-8f126965.pdf
trabajotecologiaisabella-240424003133-8f126965.pdftrabajotecologiaisabella-240424003133-8f126965.pdf
trabajotecologiaisabella-240424003133-8f126965.pdfIsabellaMontaomurill
 
Arenas Camacho-Practica tarea Sesión 12.pptx
Arenas Camacho-Practica tarea Sesión 12.pptxArenas Camacho-Practica tarea Sesión 12.pptx
Arenas Camacho-Practica tarea Sesión 12.pptxJOSEFERNANDOARENASCA
 
Actividad integradora 6 CREAR UN RECURSO MULTIMEDIA
Actividad integradora 6    CREAR UN RECURSO MULTIMEDIAActividad integradora 6    CREAR UN RECURSO MULTIMEDIA
Actividad integradora 6 CREAR UN RECURSO MULTIMEDIA241531640
 
PARTES DE UN OSCILOSCOPIO ANALOGICO .pdf
PARTES DE UN OSCILOSCOPIO ANALOGICO .pdfPARTES DE UN OSCILOSCOPIO ANALOGICO .pdf
PARTES DE UN OSCILOSCOPIO ANALOGICO .pdfSergioMendoza354770
 
Crear un recurso multimedia. Maricela_Ponce_DomingoM1S3AI6-1.pptx
Crear un recurso multimedia. Maricela_Ponce_DomingoM1S3AI6-1.pptxCrear un recurso multimedia. Maricela_Ponce_DomingoM1S3AI6-1.pptx
Crear un recurso multimedia. Maricela_Ponce_DomingoM1S3AI6-1.pptxNombre Apellidos
 
definicion segun autores de matemáticas educativa
definicion segun autores de matemáticas  educativadefinicion segun autores de matemáticas  educativa
definicion segun autores de matemáticas educativaAdrianaMartnez618894
 
tics en la vida cotidiana prepa en linea modulo 1.pptx
tics en la vida cotidiana prepa en linea modulo 1.pptxtics en la vida cotidiana prepa en linea modulo 1.pptx
tics en la vida cotidiana prepa en linea modulo 1.pptxazmysanros90
 
FloresMorales_Montserrath_M1S3AI6 (1).pptx
FloresMorales_Montserrath_M1S3AI6 (1).pptxFloresMorales_Montserrath_M1S3AI6 (1).pptx
FloresMorales_Montserrath_M1S3AI6 (1).pptx241522327
 

Último (20)

R1600G CAT Variables de cargadores en mina
R1600G CAT Variables de cargadores en minaR1600G CAT Variables de cargadores en mina
R1600G CAT Variables de cargadores en mina
 
El uso de las tic en la vida ,lo importante que son
El uso de las tic en la vida ,lo importante  que sonEl uso de las tic en la vida ,lo importante  que son
El uso de las tic en la vida ,lo importante que son
 
Medidas de formas, coeficiente de asimetría y coeficiente de curtosis.pptx
Medidas de formas, coeficiente de asimetría y coeficiente de curtosis.pptxMedidas de formas, coeficiente de asimetría y coeficiente de curtosis.pptx
Medidas de formas, coeficiente de asimetría y coeficiente de curtosis.pptx
 
Cortes-24-de-abril-Tungurahua-3 año 2024
Cortes-24-de-abril-Tungurahua-3 año 2024Cortes-24-de-abril-Tungurahua-3 año 2024
Cortes-24-de-abril-Tungurahua-3 año 2024
 
Presentación inteligencia artificial en la actualidad
Presentación inteligencia artificial en la actualidadPresentación inteligencia artificial en la actualidad
Presentación inteligencia artificial en la actualidad
 
Plan de aula informatica segundo periodo.docx
Plan de aula informatica segundo periodo.docxPlan de aula informatica segundo periodo.docx
Plan de aula informatica segundo periodo.docx
 
La era de la educación digital y sus desafios
La era de la educación digital y sus desafiosLa era de la educación digital y sus desafios
La era de la educación digital y sus desafios
 
ATAJOS DE WINDOWS. Los diferentes atajos para utilizar en windows y ser más e...
ATAJOS DE WINDOWS. Los diferentes atajos para utilizar en windows y ser más e...ATAJOS DE WINDOWS. Los diferentes atajos para utilizar en windows y ser más e...
ATAJOS DE WINDOWS. Los diferentes atajos para utilizar en windows y ser más e...
 
GonzalezGonzalez_Karina_M1S3AI6... .pptx
GonzalezGonzalez_Karina_M1S3AI6... .pptxGonzalezGonzalez_Karina_M1S3AI6... .pptx
GonzalezGonzalez_Karina_M1S3AI6... .pptx
 
El uso delas tic en la vida cotidiana MFEL
El uso delas tic en la vida cotidiana MFELEl uso delas tic en la vida cotidiana MFEL
El uso delas tic en la vida cotidiana MFEL
 
El uso de las TIC's en la vida cotidiana.
El uso de las TIC's en la vida cotidiana.El uso de las TIC's en la vida cotidiana.
El uso de las TIC's en la vida cotidiana.
 
dokumen.tips_36274588-sistema-heui-eui.ppt
dokumen.tips_36274588-sistema-heui-eui.pptdokumen.tips_36274588-sistema-heui-eui.ppt
dokumen.tips_36274588-sistema-heui-eui.ppt
 
trabajotecologiaisabella-240424003133-8f126965.pdf
trabajotecologiaisabella-240424003133-8f126965.pdftrabajotecologiaisabella-240424003133-8f126965.pdf
trabajotecologiaisabella-240424003133-8f126965.pdf
 
Arenas Camacho-Practica tarea Sesión 12.pptx
Arenas Camacho-Practica tarea Sesión 12.pptxArenas Camacho-Practica tarea Sesión 12.pptx
Arenas Camacho-Practica tarea Sesión 12.pptx
 
Actividad integradora 6 CREAR UN RECURSO MULTIMEDIA
Actividad integradora 6    CREAR UN RECURSO MULTIMEDIAActividad integradora 6    CREAR UN RECURSO MULTIMEDIA
Actividad integradora 6 CREAR UN RECURSO MULTIMEDIA
 
PARTES DE UN OSCILOSCOPIO ANALOGICO .pdf
PARTES DE UN OSCILOSCOPIO ANALOGICO .pdfPARTES DE UN OSCILOSCOPIO ANALOGICO .pdf
PARTES DE UN OSCILOSCOPIO ANALOGICO .pdf
 
Crear un recurso multimedia. Maricela_Ponce_DomingoM1S3AI6-1.pptx
Crear un recurso multimedia. Maricela_Ponce_DomingoM1S3AI6-1.pptxCrear un recurso multimedia. Maricela_Ponce_DomingoM1S3AI6-1.pptx
Crear un recurso multimedia. Maricela_Ponce_DomingoM1S3AI6-1.pptx
 
definicion segun autores de matemáticas educativa
definicion segun autores de matemáticas  educativadefinicion segun autores de matemáticas  educativa
definicion segun autores de matemáticas educativa
 
tics en la vida cotidiana prepa en linea modulo 1.pptx
tics en la vida cotidiana prepa en linea modulo 1.pptxtics en la vida cotidiana prepa en linea modulo 1.pptx
tics en la vida cotidiana prepa en linea modulo 1.pptx
 
FloresMorales_Montserrath_M1S3AI6 (1).pptx
FloresMorales_Montserrath_M1S3AI6 (1).pptxFloresMorales_Montserrath_M1S3AI6 (1).pptx
FloresMorales_Montserrath_M1S3AI6 (1).pptx
 

Hoip10 presentacion seguimiento de vehículos con visión artificial estereostópica_sice

  • 1. HANDS-ON IMAGE PROCESSING 2010 (HOIP’10) Seguimiento de vehículos con visión artificial estereoscópica Zamudio, 16 y 17 de Noviembre de 2010 Josep Umbert 1 Seguimiento de vehículos con Visión Artificial estereoscópica
  • 2. Índice 1 Introducción 2 Visión estereoscópica 3 Comparación de la detección 2D y 3D 4 Características y calibración 5 Ventajas y caso práctico 2 Seguimiento de vehículos con Visión Artificial estereoscópica
  • 3. Introducción Objetivo Mejorar el seguimiento de vehículos para detectar situaciones de riesgo, calculando sus velocidades y distancias a ciertos puntos conflictivos. Cuando el vehículo todavía se encuentran a una distancia considerable y hay tiempo de reacción. Avisar al implicado y a terceros de las situaciones anómalas detectadas para evitar posibles accidentes. Características de la vía Inicialmente pensado para vías con un solo carril por sentido ya que presentan más posibilidades de accidente. Una propuesta Utilizar un sistema estereoscópico de cámaras que permita trabajar con suficiente precisión, a distancias más grandes que con las que trabajan los sistemas 2D. 3 Seguimiento de vehículos con Visión Artificial estereoscópica
  • 4. Introducción. ¿Qué son distancias grandes? Algunos datos. Tiempos y Distancias de Reacción. Se acepta comúnmente en tráfico que el tiempo de reacción medio ante señales de UNA PALABRA ronda los 2.6 segundos (Tiempo que le lleva al conductor reconocer la señal y responder). Para un vehículo a 160 km/h se traduce en una distancia recorrida, mientras el cerebro procesa la información, de 115 m. Distancia de Detención. Necesitamos aproximadamente 110 metros para detener un vehículo que circula a 160 km/h en buenas condiciones, es decir, con un coeficiente de adherencia cercano al 0.8. Distancia total Reacción + Detención A 160 Km/h 115 m + 110 m = 225 m del punto de riesgo A 120 Km/h 87 m + 83 m = 170 m A 100 Km/h 72 m + 70 m = 142 m 4 Seguimiento de vehículos con Visión Artificial estereoscópica
  • 5. Introducción. Instalación Una cámara a cada lado de la vía, enfocando en el mismo sentido de la marcha, para obtener una visión estereoscópica de la vía. Al pretender detectar adelantamientos, el área de visión de las cámaras abarca tanto el carril de los que se acercan como de los que se alejan. La cámara se coloca a una altura de entre 8 y 15 metros del suelo. A tener en cuenta que cuanta más altura de la cámara más afectan las vibraciones (viento, etc.) Cámaras motorizadas para facilitar el ajuste a distancia. Armario con PC industrial único a pie de cámaras. 5 Seguimiento de vehículos con Visión Artificial estereoscópica
  • 6. Visión estereoscópica ol ntr Tramo bajo control 120 co ajo Al abarcar con las cámaras los dos ob carriles se contemplan los am adelantamientos por el carril contrario Tr CRUCE CERCANO ! DISMINUYA LA VELOCIDAD Centro de Control 6 Seguimiento de vehículos con Visión Artificial estereoscópica
  • 7. Detección 2D Método de Detección caso 2D. Se extraen los vehículos Elementos que cambian de un fondo calculado. Se determina la posición del vehículo a través de una matriz de calibración. Se buscan los mismos objetos en diferentes imágenes consecutivas, calculando el movimiento 2D. f1 Gracias a la calibración previa se aproxima la velocidad t entre dos “frames consecutivos”. f2 Comentarios Un problema frecuente son las sombras y cambios de luminosidad e1 provocada por elementos externos a la carretera. e2 Movimiento de las sombras de nubes. Sombras de otros vehículos. Luces de otros vehículos. Pueden confundirse vehículos muy próximos entre sí. La falta de una tercera dimensión imposibilita cuantificar la distancia real a elementos que no estén sobre la carretera calibrada (pájaros). Mejor para distancias cortas. 7 Seguimiento de vehículos con Visión Artificial estereoscópica
  • 8. Detección 3D. Distancia C Método de Detección caso 3D. A partir de dos imágenes del mismo instante temporal, se obtiene la distancia hasta cada objeto sin necesidad que estén en movimiento (vale para vehículos parados) Z Se añade una dimensión. A las coordenadas “X” e “Y” de cada píxel se añade una coordenada “Z” de profundidad. Y La coordenada “Z” se calcula como Cámara izquierda Cámara derecha intersección de las líneas discontinuas X correspondientes al mismo punto en ambas imágenes. Dado que las líneas no se cortan exactamente, se aplica un algoritmo para determinar el punto C. d 8 Seguimiento de vehículos con Visión Artificial estereoscópica
  • 9. Detección 3D. Velocidad C Método de Detección caso 3D. Determinada la distancia Z en cada “frame”, el cálculo de velocidades es inmediato, partiendo del tiempo Z entre “frames”. ∆Z Velocidad = ------ Y ∆t Cámara izquierda Cámara derecha Mayor precisión si se puede usar X dos frames no consecutivos. Requiere sincronización de las dos cámaras para tratar parejas de imágenes realizadas en el mismo instante. d 9 Seguimiento de vehículos con Visión Artificial estereoscópica
  • 10. Características Resumen de Características Cámaras: Dos cámaras de alta resolución de 1600 x 1200 pixels. Frame rate = 30 fps Óptica motorizada con control de Iris, Zoom, Enfoque. Conexión con Punto de Control: Gigabit-Ethernet. Carcasas estancas con protección IP 66. Colocación de la cámaras sobre poste, a los laterales de la vía. Punto de Control PC industrial. Procesador: Intel Core2Duo. Comunicaciones con Centro control: Conexión: Ethernet / FO. Protocolos transporte y red: TCP/IP 10 Seguimiento de vehículos con Visión Artificial estereoscópica
  • 11. Calibración Calibración Etapa básica para el buen funcionamiento Calibración óptica (deformaciones de la lente) Calibración de perspectiva. Calibración de cámaras entre ellas: Posición relativa. Conjunto de puntos de referencia de la imagen que son el mismo en las dos cámaras. Cámara izquierda Cámara derecha 11 Seguimiento de vehículos con Visión Artificial estereoscópica
  • 12. Ventajas Ventajas del sistema 3D Da mayor robustez al sistema Aumenta la precisión en la medida de la velocidad con respecto a sistemas 2D. Aplicable para distancias más grandes (80-300 m). Posibilita el cálculo de distancias y velocidades de vehículos próximos entre si. Permite calcular: La distancia entre vehículos. El ancho del vehículo y la altura de gálibo. 12 Seguimiento de vehículos con Visión Artificial estereoscópica
  • 13. Caso práctico Proyecto Fondo Europeo de Desarrollo Regional y Ministerio de Fomento Estudia nuevas tecnologías para la mejora integral de la Seguridad Vial y el Diseño de Intersecciones Propone que entre la intersección y el inicio de la detección debe haber 185 m para coches circulando a 100 Km/h y 350 metros para vehículos articulados. Propone un sistema de detección y aviso a los conductores tanto al de la vía principal como a los que acceden a ella desde la intersección. 13 Seguimiento de vehículos con Visión Artificial estereoscópica
  • 14. Caso práctico Lugar En una vía en la que se pueda alcanzar una velocidad importante, antes de acceder a una intersección. Detección Sobre la vía principal se detecta: La posición del vehículo. La velocidad de aproximación. En el caso de tener control sobre la vía secundaria Detectar si hay un vehículo que se incorpora (con independencia de si ha realizado el stop). 14 Seguimiento de vehículos con Visión Artificial estereoscópica
  • 15. Caso práctico Avisos a los conductores Avisar al conductor que hay un vehículo en la vía secundaria el cual, probablemente, se incorporará a velocidad baja. Avisar a los vehículos que pretenden entrar en el cruce en sentido transversal que se aproxima uno a alta velocidad. Señalización de los Avisos Los avisos se realizan a través de: Paneles de mensajes variables en la vía principal Paneles “ocultos” en la vía secundaria 15 Seguimiento de vehículos con Visión Artificial estereoscópica
  • 16. HANDS-ON IMAGE PROCESSING 2010 (HOIP’10) Gracias por su atención Seguimiento de vehículos con visión artificial estereoscópica 16 Seguimiento de vehículos con Visión Artificial estereoscópica
  • 17. Visión estereoscópica ol ntr Tramo bajo control 120 co ajo ob Al abarcar con las cámaras los dos am carriles se contemplan los Tr adelantamientos por el carril contrario 160 Km/h. CRUCE CERCANO ! DISMINUYA LA VELOCIDAD Centro de Control 17 Seguimiento de vehículos con Visión Artificial estereoscópica