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

Abstract

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.