FRRE - Producción de Investigación

Permanent URI for this communityhttp://48.217.138.120/handle/20.500.12272/498

Browse

Author: search.filters.author.Gramajo, Sergio

Search Results

Now showing 1 - 10 of 30
  • Thumbnail Image
    Item
    Predicción de intenciones de conductores en rotondas no estructuradas mediante detección de vehículos con YOLO y análisis estadístico
    (Facultad de Ciencias Exactas y Naturales y Agrimensura (FACENA). Universidad Nacional del Nordeste (UNNE), 2024-12-02) Vázquez, Raimundo; Torres, Carlos; Marighetti, Jorge Omar; Gramajo, Sergio; Robledo Sanchez, Alberto Andrés
    Este estudio aborda la complejidad de predecir las intenciones de los conductores en intersecciones no estructuradas, como rotondas sin señales de tráfico sin marcaciones viales. Estas situaciones presentan desafíos únicos para los sistemas avanzados de asistencia al conductor (ADAS) y los vehículos autónomos. A diferencia de autopistas con carriles y semáforos claramente definidos, las rotondas no reguladas exigen un análisis más sofisticado del comportamiento vehicular. El enfoque propuesto utiliza el modelo de detección de objetos YOLO para detectar vehículos en una rotonda y focaliza la detección en áreas específicas como las entradas y salidas, en lugar de analizar toda la escena, lo que mejora la precisión y eficiencia. Además, se aplica un sistema de seguimiento basado en centroides para evitar contar el mismo vehículo varias veces. Se definen seis zonas en la rotonda: tres para predecir el comportamiento de los conductores y tres para contar los vehículos que realmente toman una salida específica. El sistema también mide el tiempo de congestión en la rotonda cuando los vehículos permanecen inmóviles durante un tiempo determinado, proporcionando información clave para la gestión del tráfico. Los resultados muestran una tasa de acierto significativa en la predicción de las trayectorias vehiculares, aunque existen casos en los que la predicción no coincide con los movimientos reales de los vehículos, lo que sugiere la necesidad de mejoras en la precisión del algoritmo. El estudio también sugiere que la integración futura de modelos de aprendizaje automático podría mejorar notablemente el rendimiento del sistema. Finalmente, el trabajo ofrece un enfoque novedoso para mejorar la seguridad y eficiencia del tráfico en rotondas, a pesar de las limitaciones encontradas, como el ángulo de captura de video.
  • Thumbnail Image
    Item
    Metodología integrada para la implementación y visualización de datos LiDAR en vehículos autónomos mediante ROS y Jetson Nano
    (Facultad de Ciencias Exactas y Naturales y Agrimensura (FACENA). Universidad Nacional del Nordeste (UNNE), 2024-12-02) Vázquez, Raimundo; Torres, Carlos; Marighetti, Jorge Omar; Gramajo, Sergio; Robledo Sanchez, Alberto Andrés
    Este trabajo presenta una metodología clara y replicable para el uso de sensores LiDAR en proyectos relacionados con vehículos autónomos y sistemas avanzados de asistencia al conductor (ADAS). Se enfoca en superar las limitaciones de herramientas propietarias, como las ofrecidas por los fabricantes de sensores, proporcionando una alternativa flexible y personalizable mediante el Sistema Operativo Robótico (ROS) y herramientas como RVIZ. Se detalla el uso del sensor SICK S3000 junto con el hardware Jetson Nano, destacando su capacidad para manejar librerías avanzadas como OpenCV, YOLO, y sick_scan. La metodología incluye pasos para la configuración, captura y almacenamiento de datos en archivos ROS Bag, así como su conversión a formatos más manejables como CSV, facilitando el análisis off-line y la reproducibilidad de experimentos. Por último, se presentan ejemplos prácticos de visualización de datos y resultados en un contexto vehicular, junto con propuestas de configuración eléctrica para asegurar el correcto funcionamiento del sensor y el hardware complementario. Este trabajo contribuye significativamente al avance en la integración y uso de sensores LiDAR, brindando herramientas accesibles para estudiantes e investigadores
  • Thumbnail Image
    Item
    Una experiencia en la formación por competencias mediante aula invertida, Agile Driven Education, ABP y ludificación
    (7° Congreso Argentino de Ingeniería - 13° Congreso Argentino de Enseñanza de Ingeniería - CADI-CAEDI 2024, 2025-09-04) Cuenca Pletsch, Liliana Raquel; Roa, Jorge; Gramajo, Sergio; Vigil, Rodrigo
    Una de las características de la Sociedad basada en el Conocimiento es la utilización y aplicación masiva y eficiente del conocimiento global. En este contexto, se requieren nuevas competencias y habilidades, no solamente relacionadas con la alfabetización digital sino también con el desempeño en una sociedad digitalizada y en red. Este trabajo presenta una experiencia educativa en la asignatura Sistemas Operativos (Ingeniería en Sistemas de Información, UTN-FRRe), que incorpora la formación por competencias a través de estrategias como Aula Invertida, Ludificación, Aprendizaje Basado en Proyectos y Técnicas Ágiles. Se destacan los resultados positivos en términos de aprendizaje y desempeño académico, así como la valoración de los estudiantes hacia un rol docente más flexible y facilitador.
  • Thumbnail Image
    Item
    Memorias técnicas : Centro de Investigación Aplicada en TIC (CInApTIC) - 2024
    (Universidad Tecnológica Nacional, Facultad Regional Resistencia. Centro de Investigación Aplicada en TIC (CInApTIC), 2025-02-01) Bollati, Verónica Andrea; Pinto, Noelia; Cuenca Pletsch, Liliana Raquel; Gramajo, Sergio; Bolatti, Diego; Roa, Jorge; Tomaselli, Gabriela; Acuña, César Javier
    El Centro de Investigación Aplicada a las Tecnologías de la Información y la Comunicación (CInApTIC) se dedica a la investigación, desarrollo e innovación en el ámbito de las TIC, con el objetivo de impulsar el avance tecnológico y su aplicación práctica en diversos sectores. Este informe de memoria técnica recoge los logros y avances obtenidos por el CInApTIC durante el último año, destacando las iniciativas y proyectos más relevantes que han contribuido a la mejora y aplicación de las TIC en la sociedad.
  • Thumbnail Image
    Item
    Diseño de modelos inteligentes de IoT aplicados a salud y ambiente (DiMIASA)
    (XXVI Workshop de Investigadores en Ciencias de la Computación (WICC 2024), 2024-05-01) Gramajo, Sergio; Scappini, Reinaldo; Bolatti, Diego; Roa, Jorge; Montiel, Raúl
    En los últimos años, principalmente influenciado por la pandemia, se ha experimentado en el mundo una necesidad creciente de satisfacer demandas de tecnologías orientadas a la salud y al ambiente y se espera que esa necesidad siga creciendo en los próximos años. En este sentido, la integración inicial de las Tecnologías de Información y de Comunicación (TICs), la Internet de las Cosas (IoT) y la Ciencia de Datos, han promovido modelos de solución a diferentes problemas en estas áreas. En este tipo de aplicaciones de IoT diferentes dispositivos se conectan a internet y entre sí con interacción humana mínima y ayudan a resolver problemas, obtener conocimiento, ejecutar acciones, monitorear variables de interés o ayudar a tomar decisiones basadas en información analítica. Hoy en día existen numerosas aplicaciones de IoT como ser hogar inteligente, ciudad inteligente, almacén inteligente, salud inteligente, sistemas de hospitales inteligentes, etc. El principal objetivo de este proyecto es diseñar modelos que integren técnicas de ciencia de datos, telecomunicaciones, sensores y sistemas para dar soporte a problemas en áreas como salud y medio ambiente. Y que, a su vez, esas soluciones puedan ser transferidas al medio local mediante transferencias de conocimiento ya que el principal problema que afrontan las demandas de áreas de salud y ambiente regionales está relacionado a falta de estudios y modelos para ser implementados con éxito y cuyos resultados puedan validarse académicamente.
  • Thumbnail Image
    Item
    Desarrollo de una arquitectura de ciberseguridad en redes IoT, aplicada a un ecosistema Zigbee basado en SDN
    (30° Congreso Argentino de Ciencias de la Computación - CACIC 2024, 2025-10-07) Scappini, Reinaldo; Bolatti, Diego; Gramajo, Sergio; Roa, Jorge; Montiel, Raúl
    Este trabajo propone el desarrollo de arquitectura de ciberseguridad para sistemas basados en IoT, mostrando un ejemplo aplicado a un entorno Zigbee. Para ello se presenta una arquitectura de ciberseguridad innovadora basada en SDN para proteger de manera efectiva las redes IoT. La propuesta centraliza la gestión de políticas de seguridad en un controlador SDN, permitiendo un control granular del tráfico a través de conmutadores OpenFlow. Al aprovechar parámetros de los dispositivos IoT, como identificadores únicos y niveles de batería, se establecen políticas de acceso y priorización personalizadas. La arquitectura se valida en un entorno real utilizando una red Zigbee, demostrando su eficacia en la detección y mitigación de amenazas. Los resultados obtenidos respaldan la viabilidad de esta solución para asegurar la creciente diversidad de dispositivos IoT y garantizar la privacidad de los datos.
  • Thumbnail Image
    Item
    Contexto de tareas iniciales del proyecto desarrollar un marco de controles de ciberseguridad para gestión y control de funcionamiento de redes IoT
    (XXVI Workshop de Investigadores en Ciencias de la Computación (WICC 2024), 2024-05-01) Bolatti, Diego; Scappini, Reinaldo; Gramajo, Sergio; Roa, Jorge; Montiel, Raúl
    El objetivo principal de este artículo es presentar un panorama de las tareas preliminares para definir, arquitectura, parámetros, objetivos de control y controles; en el ámbito del proyecto “Desarrollar un Marco de controles de ciberseguridad para gestión y control de funcionamiento de redes IoT”; partiendo del estado del arte de la implementación de seguridad en ámbitos de redes de IoT.
  • Thumbnail Image
    Item
    Implementación de sistemas de detección de peatones para vehículos utilizando sensores LIDAR y deep learning
    (2024-09-10) Vázquez, Raimundo; Gramajo, Sergio; Marighetti, Jorge Omar; Torres, Carlos; Robledo Sanchez, Alberto Andrés
    El desarrollo de sistemas de detección de peatones para vehículos representa un avance crucial en la seguridad vial y la integración de tecnologías de vanguardia en la industria automotriz. Este trabajo propone una solución innovadora que combina la capacidad del sensor LIDAR con archivos del tipo bag, con el objetivo de detectar peatones y diferenciar entre zonas de peligro y no peligro para el vehículo. La integración de datos obtenidos del sensor LIDAR con archivos bag abre nuevas posibilidades para mejorar la precisión y eficacia de los sistemas de detección de peatones. La utilización de archivos bag permite capturar datos en tiempo real en diversas condiciones de conducción, lo que facilita la recopilación de información relevante para el desarrollo y entrenamiento de modelos de detección. Mediante una serie de mediciones, se establecen situaciones de peligro y no peligro, donde se demuestra que los peatones en la vereda no representan una amenaza para el vehículo en movimiento, mientras que aquellos que cruzan la trayectoria del automóvil sí lo son. Los datos recopilados se transforman en archivos csv y se utilizan para entrenar un modelo de clasificación basado en redes neuronales del tipo Deep Learning. La evaluación de la efectividad del predictor se realiza mediante el análisis de la curva ROC, lo que proporciona una medida objetiva del rendimiento del sistema de detección propuesto. Los resultados obtenidos demuestran la viabilidad y eficacia del enfoque propuesto, destacando su potencial para mejorar la seguridad vial y reducir los accidentes relacionados con peatones.
  • Thumbnail Image
    Item
    Detección de carriles en vías no señalizadas mediante LIDAR y deep learning para mejorar la seguridad vial
    (Sociedad Argentina de Informática (SADIO), 2024-10-24) Vázquez, Raimundo; Torres, Carlos; Marighetti, Jorge Omar; Gramajo, Sergio; Robledo Sanchez, Alberto Andrés
    Las causas principales de los accidentes de tráfico se pueden atribuir principalmente a errores humanos como la falta de atención, mal comportamiento o distracción. Para abordar este problema, muchas empresas han desarrollado técnicas para mejorar la seguridad en la conducción y reducir los siniestros viales. Este trabajo presenta un procedimiento para detectar carriles en vías no señalizadas utilizando un sensor LIDAR montado en la parte superior de un vehículo. El escáner láser captura imágenes del entorno del conductor, que luego se procesan para identificar tres regiones dentro de la distancia de frenado del vehículo: izquierda, central y derecha de la calle. Los datos recopilados se utilizan para crear conjuntos de entrenamiento y test, que se analizan mediante bibliotecas de Deep Learning para extraer patrones y construir un modelo de detección de carriles. La efectividad de este modelo se evalúa utilizando la curva ROC. Esta propuesta ofrece una solución integral para estimar la ubicación del carril del vehículo, integrando tecnología LIDAR y técnicas de Deep Learning.
  • Thumbnail Image
    Item
    Desarrollo de un procedimiento para detectar carriles en vías no señalizadas utilizando visión artificial
    (Sociedad Argentina de Informática (SADIO), 2023-12-01) Vázquez, Raimundo; Torres, Carlos; Marighetti, Jorge Omar; Gramajo, Sergio; Robledo Sanchez, Alberto Andrés
    Los accidentes de tráfico son causados principalmente por errores humanos como la falta de atención, mal comportamiento o distracción. Muchas empresas han desarrollado técnicas para mejorar la seguridad en la conducción y reducción de siniestros viales. El contexto del tráfico es el principal estímulo para la intención del conductor y puede ser utilizado para predecir una acción futura. Este trabajo desarrolla un procedimiento que permite detectar el carril en vías no señalizadas empleando visión artificial. Se utiliza una cámara de video en un vehículo para obtener imágenes del campo visual del conductor. En los fotogramas obtenidos se establecen cinco regiones comprendidas dentro de la distancia de frenado del vehículo. La primera región se encuentra a la izquierda del automóvil. Las tres siguientes en el centro y la última a la derecha. Luego, se incorporan librerías de deep learning encargadas de analizar estas imágenes. Se utiliza el operador de divergencia en histogramas para cuantificar texturas entre regiones. Los valores obtenidos permitieron clasificar semejanzas entre regiones. Por ejemplo, en el caso donde el automóvil viaja en el carril central se obtienen cinco texturas semejantes. En los casos de traslado en el carril derecho o izquierdo la divergencia aumentaba respecto a las regiones centrales. De esta manera se propone estimar la ubicación del carril del vehículo utilizando como base de comparación los valores de la divergencia entre regiones. Este trabajo realiza un aporte a las tecnologías relacionadas a la percepción del tráfico donde se incluyen la detección de obstáculos, estructura viales y detección de carril.