Implementación de sistemas de detección de peatones para vehículos utilizando sensores LIDAR y deep learning

dc.creatorVázquez, Raimundo
dc.creatorGramajo, Sergio
dc.creatorMariguetti, Jorge Omar
dc.creatorTorres, Carlos
dc.creatorRobledo Sanchez, Alberto
dc.date.accessioned2024-12-02T20:44:12Z
dc.date.issued2024-09-10
dc.description.abstractEl 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.
dc.description.affiliationVázquez, Raimundo. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Grupo Universitario de Automatización; Argentina.
dc.description.affiliationGramajo, Sergio. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Centro de Investigación Aplicada en Tecnologías de la Información y Comunicación; Argentina.
dc.description.affiliationMariguetti, Jorge Omar. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Grupo Universitario de Automatización; Argentina.
dc.description.affiliationTorres, Carlos. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Grupo Universitario de Automatización; Argentina.
dc.description.affiliationRobledo Sanchez, Alberto. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Grupo Universitario de Automatización; Argentina.
dc.formatpdf
dc.identifier.citation7° Congreso Argentino de Ingeniería (CADI)
dc.identifier.urihttps://ria.utn.edu.ar/handle/20.500.12272/11731
dc.language.isoes
dc.relation.projectidCCECARE0008396TC
dc.relation.projectidPredicción de la intención acción de automovilistas antes de ingresar a una glorieta utilizando sensores inteligentes
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAttribution-NonCommercial-ShareAlike 4.0 Internationalen
dc.rights.embargoEnd2024-09-26
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.useAcceso abierto
dc.subjectDetección de peatones
dc.subjectSensores LIDAR
dc.subjectDeep learning
dc.titleImplementación de sistemas de detección de peatones para vehículos utilizando sensores LIDAR y deep learning
dc.typeinfo:eu-repo/semantics/conferenceObject
dc.type.versionacceptedVersion

Files

Original bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
Vázquez et al., CADI 2024.pdf
Size:
367.33 KB
Format:
Adobe Portable Document Format

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
3.63 KB
Format:
Item-specific license agreed upon to submission
Description: