[Enciclopedia Online Gratuita] Diccionario de Internet y Tecnologías de la Información y la Comunicación (TIC):
ıllı Reconocimiento de señales de tráfico wiki: info, historia y vídeos
La información contenida en esta web debe ser considerada como información general, de carácter formativo, educativo o divulgativo, y no puede ser utilizada o interpretada como consejo o diagnótico médico, psicológico o de ningún otro tipo. Es posible que algunos datos mostrados no esten actualizados. Por ello, en caso de duda lo recomentable es consultar a un experto cualificado.
- Detalles
- Categoría: INTERNET
Reconocimiento de señales de tráfico
El reconocimiento de señales de tráfico es una tecnología aplicada a la nueva generación de turismos de tal forma que son capaces de identificar estas señales a lo largo de la circulación. El motivo de esta tecnología es asistir en la seguridad vial del conductor, en tanto que así si el conductor se halla fatigado o bien no ha sido capaz de fijarse en la señal, este sistema notifica al conductor de la velocidad máxima tolerada en aquella vía. Esta tecnología ha sido desarrollada por empresas como Ayonix y Continental. Apareció por vez primera a fines de dos mil ocho sobre el nuevo diseño del BMW siete-series, y el próximo año en el Mercedes-Benz S-Class. Hoy en día, estos sistemas solo advierten los límites de velocidad. Si bien los sistemas de la segunda generación ya advierten otras limitaciones, como es el caso del Volkswagen Phaeton dos mil once. El algoritmo se divide en 2 partes donde cada una de estas incluye un cierto número de pasos. La primera parte es la detección de la localización del centro de la señal (que se usa como punto de referencia). La segunda fase es la identificación de la señal buscando desde una imagen plantilla, ya guardada en una base de datos. El primer paso es hallar la zona de interés desde la segmentación. En un caso así la zona de interés es la una parte de la imagen que contiene la señal de tráfico. De este modo conseguimos una imagen en blanco y negro. Después de la segmentación de la imagen, se hace un algoritmo de adelgazamiento. El Objetivo de este proceso es la reducción del grosor de los bordes en la imagen binaria. De esta manera, logramos que los bordes tengan un grosor de un pixel. Esto implica que sea más simple para el algoritmo para la detección de líneas que se va a hacer más tarde y además de esto aumenta en velocidad (menos pixeles de interés). La zona de identificación es el cálculo desde abajo a la izquierda hasta arriba a la derecha de las coordenadas de los rectángulos que incluyen las zonas de interés. Así la busca se centra en esta zona. Entonces las zonas con un total de pixeles menores de un cierto valor son eliminados y no se examinan en los próximos pasos. A partir de la zona de interés (Return of Investment), se hace la detección de la línea para identificar la manera, así sea un triángulo, rectángulo, círculo o bien elipse. En el caso del triángulo y del rectángulo se emplea la transformada de Hough. Los ángulos entre las líneas ahora se pueden calcular, usando la línea de factores de dirección privada de la verificación precedente. Si aparecen 3 angulos entre o bien grados, entonces la manera es admitida como un triángulo. En el otro caso el algoritmo sigue con el paso de detección del elipse. Para la detección de la elipse el algoritmo usa un enfoque diferente de la Transformada de Hough, el RHT (Transformada de Hough Azarosa). Tras la detección de un elipse, el algoritmo ejecuta una comprobación de si esta es admisible o bien no, en función de su excentricidad y el número de puntos que pertenecen a la elipse. Desde este instante, la elipse se considera un círculo con un cierto radio. Es preciso el cálculo de las coordenadas del centro de gravedad y de los vértices, en tanto que en los pasos siguientes se va a aplicar en la comparación con las plantillas (patrones). En este punto la detección de la localización de la señal es completa. Este reconocimiento se realiza con el empleo de la relación cruzada entre la zona de interés encontrada en los pasos precedentes y también imágenes concretas de la plantilla. Para el proceso de coincidencia, las 2 imágenes deben tener exactamente la misma coordenada del sistema, de tal modo que desde las plantillas se efectúa la investigación en la imagen. Los 2 sistemas de coordenadas son diferentes por 2 componentes diferentes de la traducción paralela a cada eje, puede ser de rotación angular o bien factores de la escala. Los puntos comunes empleados para el cálculo de los factores de transformación son los vértices de la manera detectada. Sus coordenadas en el sistema de plantillas (patrones) son ya conocidas. Todas y cada una de las imágenes de la plantilla se convierten y las imágenes de nueva construcción tienen exactamente las mismas dimensiones con la busca de imagen. El patrón se halla en exactamente el mismo sitio que la señal detectada. En el caso de una señal en forma de círculo, solo hay un punto común, el centro, en consecuencia la transformación similar no se puede usar. Entonces se emplea una transformación por similitud. Se cree que los 2 sistemas son diferentes para un factor de escala (exactamente el mismo de X y también Y). La escala se calcula desde la relación entre el radio de la señal en las 2 imágenes. Los pixels fuera de la zona de interés no aportan información precisa, de ahí que que se dejan en negro. Lo que interesa son los pixeles del interior de la zona que incluye la señal de tráfico, entonces estos pixeles sostienen su color. En el caso del círculo, es simple determinar si un pixel pertenece o bien no. Todos y cada uno de los pixeles con una distancia mayor que el radio se establecen como fondo. Para cada pixel en la zona de interés, el factor de relación cruzada entre el patrón y la busca de imágenes, se calcula para cada canal de color (colorado, verde y azul).El factor final es la media de los 3 factores RGB. El patrón con el mayor factor corresponde a la señal registrado. Estos factores señalan que el umbral de color, un paso esencial para el proceso en conjunto, se ve muy perjudicada por los cambios de condición de luz. Una posible solución al inconveniente es la substitución de los valores umbral a lo largo de la adquisición de las imágenes, retratando una placa de metal construida con exactamente el mismo color que las señales con las condiciones de luz actuales y medición de los nuevos umbrales. Por otro lado, el sistema de color HSI puede ser empleado en vez del RGB. El modelo HSI (del inglés Hue, Saturation, Intensity:tonalidad, saturación, intensidad) es mucho menos sensible a cambios en condiciones de luz que el RGB. Otro procedimiento es el empleo de redes neuronales. Las redes neuronales son un procedimiento para el reconocimiento de patrones que últimamente empezó a ser investigado y se asocia con la Inteligencia Artificial. Se simula el sistema inquieto humano y emplea su capacidad de aprender para localizar identificables las formas y objetos en las imágenes. La programación es mucho más difícil, mas asimismo más eficiente y más veloz.Detección de la localización de la muestra de la imagen
Segmentación de umbral de la imagen
Adelgazamiento y detección de bordes
Región de identificación
Línea de detección
Comprobación de la forma
Transformada de Hough para la detección de la elipse
Cálculo de los vértices y del centro de gravedad (triángulos y rectángulos)
Reconocimiento de la señal
Transformación similar (triángulo, rectángulo)
Transformación por similitud (círculo)
Delimitación de la zona de búsqueda
Coincidencia de la relación cruzada