Sistema avanzado de asistencia a la conducción para entornos interurbanos

Resumen

Los Sistemas de Asistencia a la Conducción, conocidos como ADAS (Advanced Driver Assistant Systems), desde su aparición en el año 2000, han permitido que, a pesar del crecimiento sostenido en las últimas dos décadas del parque automotor en economías de alto ingreso, las cifras de muertes en accidentes de tráfico disminuyan hasta 8.7 por cada 100.000 habitantes, según la Organización Mundial de la Salud en su informe anual 2013. Dispositivos ADAS como la alerta por salida de carril, LDW (Lane Departure Warning), el asistente para mantenimiento de carril, LKA (Lane Keeping Assistance) o el asistente para cambio de carril, LCA (Lane Change Assistance), han hecho de la conducción una tarea cada vez más segura. El trabajo propuesto es un sistema ADAS diseñado para entornos de carretera tipo autopista interurbana, que clasifica carriles según la norma Epañola IC 8.2. La información visual se obtiene a través de una cámara estéreo, con la cual es posible auto-calibrar los parámetros extrínsecos en tiempo de aplicación para cambiar la perspectiva de las imágenes a vista superior o bird view. El funcionamiento del ADAS propuesto se basa en cuatro bloques principales. Primero se simplifica la imagen filtrando los objetos que cumplen las características propias de las marcas viales, restringiendo la búsqueda a la zona de la imagen coincidente con el plano tierra. En el segundo bloque, el procesamiento continúa con la detección de los elementos constitutivos de la carretera, las líneas de carril y los correspondientes carriles que se forman con ellas. Posteriormente, se realiza la detección parcial o total de la carretera, que corresponde con la búsqueda de carriles adyacentes en el espacio. Finalmente, en el cuarto bloque, con las detecciones parciales o totales de carretera, formadas por una cadena de carriles, se aplica un proceso de casamiento carril a carril, para actualizar en el tiempo una cadena final completa, que tendrá la cualidad de rechazar oclusiones y errores por sombras y cambios de iluminación. Finalmente, se presenta el estudio de cómo aplicar el aprendizaje de máquina en la estructura de ADAS desarrollada, logrando buenos resultados en la segmentación de marcas viales en carreteras donde las líneas se han degradado visualmente, y en la clasificación de carriles.