El reconocimiento de señales de tráfico ( TSR ) es una tecnología mediante la cual un vehículo es capaz de reconocer las señales de tráfico colocadas en la carretera, por ejemplo, "límite de velocidad" o "niños" o "girar hacia adelante". Esto es parte de las características denominadas colectivamente ADAS . La tecnología está siendo desarrollada por una variedad de proveedores automotrices. Utiliza técnicas de procesamiento de imágenes para detectar las señales de tráfico. Los métodos de detección se pueden dividir generalmente en métodos basados en colores, basados en formas y basados en aprendizaje.
Historia
La Convención de Viena sobre señales y señales viales es un tratado firmado en 1968 que ha logrado estandarizar las señales de tráfico en diferentes países. Cerca de 52 países han firmado este tratado, que incluye a 31 países de Europa. La convención ha clasificado ampliamente las señales de tráfico en siete categorías designadas con las letras A a H. Esta estandarización ha sido el principal impulso para ayudar al desarrollo de sistemas de reconocimiento de señales de tráfico que se pueden utilizar a nivel mundial.
El reconocimiento de señales de tráfico apareció por primera vez, en forma de reconocimiento de señales de límite de velocidad, en 2008 para el Vauxhall Insignia 2009 . [1] Más tarde, en 2009, aparecieron en el nuevo BMW Serie 7 y al año siguiente en el Mercedes-Benz S-Class . En ese momento, estos sistemas solo detectaban las señales redondas de límite de velocidad que se encuentran en toda Europa (por ejemplo, [2] ).
Los sistemas de segunda generación también pueden detectar restricciones de adelantamiento. Fue introducido en 2008 en el Opel Insignia , [3] seguido más tarde por el Opel Astra y el Saab 9-5 . Esta tecnología también está disponible en el Volkswagen Phaeton 2011 [4] y, desde 2012, en el Volvo S80 , V70 , XC70, XC60 , S60 , V60 y V40 , como una tecnología denominada Road Sign Information . [5] No pueden reconocer las señales de límite de la ciudad, que en la mayoría de los países europeos están asociadas con los límites de velocidad, ya que son demasiado similares a las señales de dirección.
Se espera que dichos sistemas sean obligatorios para los automóviles nuevos vendidos en la UE a partir de mayo de 2022. [6] [7]
Implementación
¿Cómo funciona un sistema de reconocimiento de señales de tráfico?
Las señales de tráfico se pueden analizar utilizando cámaras orientadas hacia adelante en muchos automóviles, vehículos y camiones modernos. Uno de los casos de uso básicos de un sistema de reconocimiento de señales de tráfico son los límites de velocidad. La mayoría de los datos del GPS obtendrían información de velocidad, pero también se pueden usar señales de tráfico de límite de velocidad adicionales para extraer información y mostrarla en el tablero del automóvil para alertar al conductor sobre la señal de tráfico. Esta es una función avanzada de asistencia al conductor disponible en la mayoría de los automóviles de alta gama, principalmente en los vehículos europeos.
Se están desarrollando sistemas modernos de reconocimiento de señales de tráfico utilizando redes neuronales convolucionales, impulsadas principalmente por los requisitos de los vehículos autónomos y los coches autónomos. En estos escenarios, el sistema de detección necesita identificar una variedad de señales de tráfico y no solo límites de velocidad. Aquí es donde viene a ayudar la Convención de Viena sobre señales y señales viales. Se puede entrenar una red neuronal convolucional para que asimile estas señales de tráfico predefinidas y 'aprenda' utilizando técnicas de aprendizaje profundo .
La red neuronal, a su vez, utiliza el procesamiento de imágenes y la visión por computadora para entrenar a la red con sus posibles resultados. La red neuronal entrenada se puede utilizar en tiempo real para detectar nuevas señales de tráfico en tiempo real. Las empresas de vehículos autónomos, incluidas Waymo y Uber, están generando y subcontratando conjuntos de datos de señales de tráfico junto con empresas de mapas y navegación como Tom Tom . [8] La visión por computadora avanzada y las técnicas de redes neuronales hacen que este objetivo sea altamente eficiente y alcanzable en tiempo real.
Existen diversos algoritmos para el reconocimiento de señales de tráfico. Los más comunes son los que se basan en la forma del letrero. Las formas típicas de los letreros, como hexágonos, círculos y rectángulos, definen diferentes tipos de letreros, que se pueden utilizar para la clasificación. Otros algoritmos importantes para el reconocimiento de caracteres incluyen funciones similares a Haar , código Freeman Chain , detección de AdaBoost y métodos de redes neuronales de aprendizaje profundo . Se pueden usar características similares a las de Haar para crear clasificadores en cascada que luego pueden ayudar a detectar los caracteres del letrero.
El aprendizaje profundo se puede incorporar a la detección de señales de tráfico. La aproximación poligonal de curvas digitales mediante el algoritmo Ramer-Douglas-Peucker se puede utilizar para detectar la forma de los letreros y métodos como Support Vector Machines y Byte-MCT con un clasificador AdaBoost se han utilizado en uno de los métodos para detectar señales de tráfico. [9]
Uso
La información puede ser relevante para ser utilizada en la asistencia de velocidad inteligente .
Fabricantes de automóviles y vehículos
Algunos coches con dicho sistema son fabricados por Audi , BMW , Citroën , Ford , Honda , Infiniti , Jaguar , JEEP , Land Rover , Lexus , Mercedes , Nissan , Opel , Peugeot , Porsche , Renault , Toyota , Volkswagen y Volvo .
Por ejemplo:
- Audi: Audi A8
- BMW: BMW Serie 7 , BMW Serie 5 Gran Turismo , BMW Serie 5
- Mercedes: Mercedes-Benz Clase E , Mercedes-Benz Clase S
- Opel: Opel Insignia , Opel Corsa
- Saab 9-5
- Volkswagen Phaeton
- Lexus: Lexus GS , Lexus LS
Ver también
- Adaptación de velocidad inteligente
- Coche inteligente
Referencias
- ^ "Vauxhall Insignia para leer las señales de límite de velocidad" . Coche de negocios . 18 de junio de 2008 . Consultado el 2 de abril de 2019 .
- ^ Eichner, M .; Breckon, T. (2008). "Detección y reconocimiento de límites de velocidad integrados a partir de video en tiempo real" (PDF) . Simposio internacional de vehículos inteligentes IEEE : 626–631. doi : 10.1109 / IVS.2008.4621285 . ISBN 978-1-4244-2568-6. S2CID 12477544 .
- ^ "Assistenzsystem von Opel - Das magische Auge" . Consultado el 17 de diciembre de 2010 .
- ^ Phaeton debuta con nuevo diseño y nuevas tecnologías ” . Consultado el 22 de abril de 2010 .
- ^ "Información de señales de tráfico" . Consultado el 19 de febrero de 2013 .
- ^ "EUR-Lex - 2018_145 - ES - EUR-Lex" . eur-lex.europa.eu . Consultado el 30 de agosto de 2020 .
- ^ "Briefing: Asistencia de velocidad inteligente (ISA) | ETSC" . etsc.eu . Consultado el 30 de agosto de 2020 .
- ^ "Quien posee los mapas posee el futuro de los coches autónomos" .
- ^ Lim, K .; Hong, Y .; Choi, Y .; Byun, H. (2017). "Lim K, Hong Y, Choi Y, Byun H (2017) Reconocimiento de señales de tráfico en tiempo real basado en una GPU de uso general y aprendizaje profundo. PLoS ONE 12 (3): e0173317" . PLOS ONE . 12 (3): e0173317. doi : 10.1371 / journal.pone.0173317 . PMC 5338798 . PMID 28264011 .