No.
TÍTULO IDIOMA OBJETIVOS
1 Vehicle detection, Inglés
counting and
classification in
various conditions
2 Convolutional Inglés
neural network for
vehicle detection
in low resolution
traffic videos
3 Real-time multiple Inglés
vehicle detection
and tracking from
a moving vehicle
RESULTADOS
Su objetivo es crear un sistema
que permita detectar vehículos,
contarlos y clasificarlos
extrayendo de cada imagen dos
características: la longitud del
vehículo y la correlación
computada de la matriz
ocurrencias sin tener
inconvenientes por variaciones
como la luz o variaciones
climatológicas.
Su objetivo es crear un sistema
similar a los de reconocimiento
facial, pero en este caso se
centrará en identificar vehículos
en fotos o fotogramas en baja
resolución por medio de la
implementación de una red
neuronal.
Desarrollar un sistema de visión
en tiempo real.
El sistema
utilizará una combinación de
información de color, borde y
movimiento para
reconocer y rastrear los límites de
la carretera, las marcas de los
carriles y
otros vehículos en la carretera.
Los coches se reconocen
haciendo coincidir
plantillas que se recortan de los
datos de entrada en línea y por
detectar características de la
escena de la carretera y evaluar
cómo
relacionarse entre sí.
OBSERVACIONES
Los vehículos clasificados fueron detectados en
base a su longitud, en conjunto con un dataset de
entrenamiento que permitió una precisión que
superó el treshhold del 0.3.
El sistema con el entrenamiento proporcionado
para la red neuronal obtuvo una precisión del
94.72%, esto fue conseguido al haber evaluado
100 fotogramas obtenidos por una cámara de
vigilancia vehicular, por lo cual se pudo
identificar que las horas en las cuales
condiciones idóneas para capturar imágenes son
a las 6AM y 2PM.
Se desarrolló e implementó una visión robusta
en tiempo real.
El sistema reconoce y rastrea carriles, límites de
carreteras, y varios vehículos en videos tomados
desde un automóvil en conducción en carreteras
alemanas y americanas. Su sistema funciona
en tiempo real con hardware simple y de bajo
costo.
Los resultados experimentales demuestran la
solidez del reconocimiento y el seguimiento del
coche en tiempo real a lo largo de miles de
fotogramas, a menos que el sistema
que el sistema se encuentre en condiciones poco
cooperativas.
El sistema fue desarrollado en Matlab y C++
La altura a la cual fue colocada la cámara jugó un
papel importante para la obtención de los
fotogramas.
El sistema logró encontrar momentos del día en
los cuales se puede obtener imágenes o
fotogramas sencillos de procesar.
La posición de la cámara permite obtener
fotogramas con menor o mayor ruido.
La resolución más baja que tuvo la cámara fue de
6fps.
Los algoritmos de visión emplean una
combinación de información de brillo, tono y
saturación para analizar la escena de la carretera.
En condiciones de visibilidad reducida, el
sistema funciona bien en carreteras nevadas, de
noche, cuando el
el fondo es uniformemente oscuro y en ciertos
túneles.
Sin embargo, por la noche en las autopistas de la
ciudad, cuando hay muchas luces de fondo, el
sistema tiene problemas para encontrar
contornos de vehículos y distinguir los vehículos
en la carretera de
obstáculos en el fondo.
4 Model Based Inglés Este documento describe el El enfoque ha demostrado ser confiable, La noción de punto de ancla introducida les
Vehicle Detection módulo de detección y eficiente y capaz de manejar el tráfico permite modelar correctamente la forma frente a
and Tracking for seguimiento de vehículos en desafiante. la ambigüedad del movimiento, previamente no
Autonomous movimiento que desarrollamos abordado en
Urban para nuestro robot de conducciónComo resultado, la detección y el seguimiento literatura de seguimiento de vehículos. Esto
Driving autónoma “Junior”. de vehículos no tienen obstáculos, por bordillos reduce la incertidumbre del movimiento, y
y follaje corto presente en entornos urbanos, o mejora la estimación de la dinámica del vehículo.
El módulo proporciona detección incluso
y seguimiento confiables de rocas pequeñas y características rugosas en Se introdujo un modelo de medición directa para
vehículos en movimiento desde entornos completamente todoterreno. escaneos de rango, este enfoque elimina la
una plataforma en movimiento de necesidad de segmentación de datos y pasos de
alta velocidad usando láser asociación.
buscadores de rango
5
6