Estudio e implementación de un sistema de detección de la estructura de cruces de carretera utilizando CNNs y Deep Learning
Authors
Martínez de la Morena, AdriánDirector
Parra Alonso, IgnacioDate
2022Keywords
Aprendizaje profundo
Redes neuronales artificiales
Conducción autónoma
Segmentación semántica
Clasificación
Document type
info:eu-repo/semantics/bachelorThesis
Version
info:eu-repo/semantics/acceptedVersion
Rights
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Access rights
info:eu-repo/semantics/openAccess
Abstract
La automatización de los vehículos avanza a pasos agigantados. Más y más, empresas automovilísticas,
se están poniendo manos a la obra en el desarrollo de su tecnología para poder competir por la
última tecnología del mercado. Muchas han cambiado el equipo de I+D de los motores diésel por el
de vehículos eléctricos y su automatización.
Poco a poco los automóviles han ido incorporando sistemas que aumentan la seguridad, así como
el confort para la conducción. Gran parte de estos elementos se engloban en el concepto de Sistemas
Avanzados de Conducción (ADAS).
El grupo de investigación INVETT está desarrollando un prototipo de vehículo inteligente mediante
el empleo del Deep Learning para definir y desarrollar nuevos ADAS, con el objetivo de
acercarse al concepto del vehículo autónomo.
Este TFG se integra junto con el resto de trabajos del grupo de investigación INVETT para la
implementación de un sistema de detección de la estructura de cruces de carretera utilizando CNNs
y Deep Learning.
El alcance concreto de este TFG es la generación de una base de datos de imágenes MBEV mediante
nubes de puntos creadas por un LiDAR tras lo cual se usará esta base de datos para la realización
de diversos entrenamientos de redes neuronales con el fin de que éstas, tras ser entrenadas, consigan
discriminar entre siete intersecciones diferentes así como su análisis y posterior interpretación.
Para estos entrenamientos se hace uso de varias bases de datos, obtenidas de otros estudios
(KITTI y KITTI-360) y una base de datos complementaria que se ha creado con el vehículo del
grupo de investigación de la Universidad de Alcalá, INVETT. Automation in vehicles is growing fast now a days, almost all companies are investing in this topic.
Some of it has changed the investigation of the Diesel engines to automation and AI investigation.
Slowly, cars are implementing different systems that improve security and confortability for the
driver. All this systems are gather into one big group called Advanced driver-assistance systems
(ADAS)
This thesis cooperates with the investigation group INVETT in the implementation of intersection
detection system using deep learning and CNNs. The aim is to create an MBEV image dataset from
a LIDAR point cloudto make trainings of neuronal networks in order to get them to distinguish
all seven types of intersections. TO do so, the trainings are done with several databases (KITTI,
KITTI-360 and a small database created by UAH).
Files in this item
Files | Size | Format |
|
---|---|---|---|
TFG_Martinez_Morena_2022.pdf | 7.024Mb |
|
Files | Size | Format |
|
---|---|---|---|
TFG_Martinez_Morena_2022.pdf | 7.024Mb |
|