1. Sistemes basats en aplicacions de visió a
l'automòbil
Marcos Pastor, Adrià.
Electrònica a l’automòbil. Enginyeria en Automàtica i Electrònica Industrial.
Escola Tècnica Superior d’Enginyeria. Universitat Rovira i Virgili, Tarragona. Abril 2011
adria.marcos@estudiants.urv.cat
RESUM un alt confort ha generat que els fabricants hagin
La introducció dels sistemes de visió artificial en desenvolupat programes informàtics que mitjançant
l’automòbil ha suposat una millora en aspectes de seguretat càmeres instal·lades a l’interior del vehicle, aquest
de la conducció i l’assistència del conductor al llarg del seu assisteixi al conductor mentre l’utilitza. És el cas, per
desplaçament. Mitjançant càmeres instal·lades a l’interior
exemple, dels sistemes de detecció de senyals de trànsit o
dels vehicles i de processadors es poden analitzar les imatges
obtingudes i reconèixer elements de l’entorn, així com bé regulació de les llums del vehicle en funció de l’estat
vianants, senyals de trànsit, les línies delimitadores dels de la via i dels altres usuaris de la carretera.
carrils, altres vehicles de la via i actuar en conseqüència. En aquest article es fa una descripció d’alguns dels
Aquesta actuació pot ser des d’un simple avís al conductor sistemes basats en aplicacions de visió artificial a
fins a una frenada d’emergència per evitar alguna col·lisió o l’automòbil. Es tracten diferents algoritmes de detecció
atropellament.
que s’han desenvolupat, s’enumeren productes comercials
que es poden trobar al mercat que utilitzen aquests
PARAULES CLAU algoritmes i finalment es presenten alguns exemples de
Aplicacions de sistemes de visió artificial, electrònica a
l’automòbil, reconeixement de l’entorn. models comercials de fabricants d’automòbils que porten
incorporats sistemes de visió artificial.
I. INTRODUCCIÓ
E
II. RECONEIXEMENT DE L’ENTORN
n els últims anys l’electrònica s’ha introduït en molts
dels àmbits quotidians que ens rodegen. Un clar A. Detecció de vianants
exemple és la indústria de l’automòbil que pretén millorar La detecció de vianants és una de les línies
el control dels subsistemes del vehicle, així com les d’investigació més recents en la indústria automobilística
prestacions de confort que ofereix. La introducció de i s’està convertint en un focus creixent d’interès dins de
sistemes formats per sensors, que aporten informació de l’àmbit de l’automòbil, ja que augmenta la seguretat vial
l’estat de la planta, són capaços de detectar des de simples dels elements més vulnerables de la carretera. Aquest
anomalies com falta de gasolina o un mal funcionament tipus d’aplicació és atractiva tant per fabricants com pels
d’algun component del vehicle a, fins i tot, activar el usuaris finals. Els primers estan interessats en vendre
control d’estabilitat quan es detecti que alguna de les productes amb un alt valor afegit mentre que els últims,
rodes del vehicle està lliscant sobre el sòl. Amb tot, el desitgen comprar vehicles més segurs.
gran camp que cada vegada pren més importància és el de Els sistemes de detecció de vianants són difícils
la seguretat, no tan sols la dels usuaris que es troben dins d’implementar a causa de les característiques dels propis
del propi vehicle, sinó també la dels aliens al mateix. elements que formen part de l’escena. Aquesta dificultat
radica en l’elevat número de formes que la forma humana
Tot i que els fabricants d’automòbils ja fa temps que
pot adoptar, en la diversitat d’entorns possibles i de la
incorporen sistemes de seguretat passius en els seus
complexitat dels mateixos i en les condicions de
productes, l’objectiu dels quals és reduir al màxim els il·luminació canviants i desconegudes. A més el temps en
danys en cas d’accident, la investigació en el camp de la què s’ha de realitzar la detecció imposa una restricció
seguretat aposta pel desenvolupament de sistemes actius molt severa, ja que aquest temps ha de ser el mínim
que permetin augmentar la prevenció dels accidents. En possible. Amb tot això s’evidencia la complexitat del
aquest sentit, l’evolució de l’enginyeria informàtica, en problema.
concret la de la visió artificial que realitza el processat de Altres sistemes de detecció de vianants, com podrien
imatges, ha estat un aspecte clau en els progressos ser sensors làser o radar, permeten obtenir mesures de
efectuats. S’han desenvolupat sistemes de visió artificial distàncies més directes però no proporcionen una
que analitzen l’entorn i detecten vianants, els vehicles de descripció més completa de l’entorn. La visió artificial té
la via i les línees delimitadores dels carrils de la via, entre l’avantatge que permet comprendre i predir els
d’altres. moviments dels subjectes, però té l’inconvenient que
A més, el fet que els conductors cada vegada sol·licitin l’anàlisi de les dades és més exhaustiu i complex.
que el vehicle ofereixi més prestacions, més comoditats i
1
2. Les càmeres instal·lades en equips mòbils que En la segona fase es procedeix a realitzar la detecció
s’acostumen a utilitzar per realitzar la detecció de dels vianants. De forma general els mètodes de detecció
vianants són càmeres estereoscòpiques. Les raons per de vianants basats en visió es poden classificar en tres
utilitzar visió estèreo són vàries. Quan es treballa amb grups. El primer nivell busca característiques senzilles
imatges obtingudes amb una càmera no estacionària, la que defineixen a una persona, però tenen l’inconvenient
majoria de les tècniques de segmentació clàssiques fallen que si una d’aquestes característiques no està
a causa del propi moviment de la càmera. Entre els suficientment present en la imatge, el vianant no es
avantatges que destaquen de la visió estèreo és que detecta. Un altre inconvenient que presenta és l’elevat
permet analitzar oclusions o forats, és robust a canvis número de falsos positius que genera. El tercer nivell de
d’il·luminació i permet detectar tant objectes en la classificació és totalment diferent del primer perquè
moviment com estàtics. acostuma a estar basat en xarxes neurals, les quals
requereixen d’algun tipus d’aprenentatge. Aquest és el
inconvenient principal del tercer nivell ja que
l’entrenament comporta una gran quantitat de temps
respecte el primer nivell. Entre els dos nivells anteriors es
troben les tècniques basades en models, desenvolupats
amb la intenció de quedar-se amb el millor de cada un
dels dos. En aquest mètode és habitual construir models o
patrons dels humans per aportar robustesa al sistema. Els
Fig. 1. Exemple de sistema de visió amb càmeres estereoscòpiques. patrons poden estar basats en el moviment de les
persones, en la seva forma, o una combinació d’ambdós.
La tendència generalitzada d’afrontar el problema de la Per portar a terme la detecció, les imatges es
detecció de vianants consisteix en dividir el problema en transformen en un altre espai amb l’objectiu de reduir la
dues etapes; seva dimensió i poder representar la informació de forma
• una primera, de detecció d’objectes d’interès, més compacta. El classificador aprèn el patró de l’objecte
per distingir els objectes propers respecte del desitjat i a continuació les regions d’interès es
que és el fons, i compararan amb els patrons. El resultat és el grau de
• una segona, de reconeixement de vianants per correlació entre el patró i la imatge analitzada. Els
separar els vianants de la resta d’objectes. classificadors habitualment utilitzats són els basats en
En la primera fase s’han de localitzar i extreure les PCA, wavelets o HOG.
zones de la imatge on poden situar-se els vianants.
Aquestes zones s’anomenen regions d’interès (Regions of
Interest, ROI). La visió estèreo permet construir un mapa
de disparitat de l’escena i d’aquesta manera filtrar les
parts de la imatge en funció de les mesures de distància.
Les zones que no estan a la distància desitjada s’eliminen
de la imatge i es realitzen la resta de càlculs a partir de la
imatge filtrada.
Fig. 3. Detecció de vianants en un pas zebra.
Un dels primers vehicles que disposaven de sistemes de
visió artificial per detectar vianants va ser desenvolupat al
Massachussets Institut of Technology. DaimlerChrysler
juntament amb la Universitat de Maryland han consolidat
el vehicle UTA orientat a assistència en la ciutat. Un altre
exemple és el de Robotics Institut de la Universitat
Carnegie Mellon que ha desenvolupat un mòdul per
assistència de conductors d’autobús. En els últims anys el
creixement ha estat exponencial i els fabricants de cotxes
han començat a introduir-los en els seus models
d’automòbil.
Fig. 2. [Dalt] Imatge obtinguda amb visió estèreo i el corresponent B. Detecció de línies delimitadores de carrils
mapa de disparitat. [Baix] Detall de la imatge gradient i la imatge
filtrada en funció de les mesures de distàncies. Un estudi portat a terme als Estats Units ha demostrat
que el 40% dels accidents ocorren durant un canvi de
2
3. carril. La falta d’atenció i l’endormiscament són algunes L’algoritme de la figura 5 utilitza mètodes
de les raons que justifiquen tals accidents. És per això que convencionals que es poden trobar en l’estat de l’art i la
s’estan desenvolupant aplicacions de visió artificial que teoria de la detecció de carrils i a més afegeix una millora
tenen la missió d’anar seguint l’evolució de la posició de en el sentit que combina un número de tècniques per
l’automòbil respecte les marques vials que delimiten els obtenir un tracking amb prestacions més robustes.
carrils de manera que en cas que la direcció del vehicle no El mòdul de detecció de l’algoritme utilitza tres
s’ajusti a la del carril per on va circulant, es notifica al operadors diferents que representen les diferents formes
conductor d’aquesta situació. L’avís pot ser acústic o bé que poden presentar les marques vials. Aquest mòdul s’ha
per vibració del seient. d’ajustar en funció de les marques que es volen detectar.
Per exemple en el cas de l’exemple es pretén detectar
marques amb certes direccions, formes i colors. Després
d’haver realitzat el filtratge en funció dels operadors
s’aplica la transformada de Hough per extreure les línies
de forma conjunta amb els angles i les seves longituds
dins de la imatge.
La transformada de Hough és la tècnica més
comunament utilitzada per la detecció de corbes regulars,
com per exemple rectes, cercles el·lipses, etc. La idea de
la transformada de Hough es basa esbrinar la línia o línies
que pot pertànyer cada punt amb un mode d’operació
estadístic. Aquest anàlisi es realitza per tots els punts de la
imatge. La transformada de Hough empra una
Fig. 4. Sistema d'avís en cas de desviació respecte les línies dels carrils
representació paramètrica de formes geomètriques. Per
La detecció de carrils és una àrea de visió per exemple es representa per un mòdul φ perpendicular a la
computador ben investigada en aplicacions de vehicles recta i que passa per l’origen (0,0) i l’angle ρ format
autònoms i sistemes d’ajuda al conductor. Tot i que respecte l’eix positiu de les abisses.
distingir marques clares sobre un camí fosc sembla una
tasca fàcil, les dificultats arriben quan apareixen ombres, cos ρ sin ρ φ
obstruccions visual per culpa d’altres vehicles, canvis en
Eq. 1. Equació que descriu una recta mitjançant l’aplicació de la
la textura de la superfície del camí i les diferents marques transformada de Hough.
dels carrils. Realitzar el seguiment o tracking en un
entorn real és una tasca complexa a causa del moviment i La verificació comporta l’eliminació de les marques
les vibracions a les que està sotmès el vehicle, pels candidates que no acompleixen amb les restriccions de
defectes que puguin presentar les marques vials, els l’angle imposats pel model geomètric de la carretera.
canvis de il·luminació i les condicions meteorològiques. Finalment de l’algoritme de seguiment de marques vials
Un algoritme genèric de seguiment de carril conté els es poden obtenir diferents resultats:
següents mòduls: un model de la carretera, per extracció • El tipus de marca vial reconegut.
de característiques, un post-processament per verificar la • Posició de la marca vial.
validesa dels resultats i un tracking. • Número de marques vials identificades.
• Posició relativa del vehicle dins del carril.
• Coordenades de la carretera.
Fig. 6. Detecció final de marques vials.
Altres algoritmes apliquen filtres per detecció de
contorns i en fan una posterior extracció dels contorns
obtinguts. A continuació s’apliquen tècniques d’anàlisi de
Fig. 5. Algoritme de detecció de marques vials. característiques principals i es classifiquen les diferents
regions en funció de la longitud del contorn i només
s’inclouen les que són suficientment llargues com per
3
4. assegurar que es tracta d’una marca vial. Posteriorment Fourier Transform) entre plantilles models de formes
s’aplica la transformada de Hough de la mateixa manera concretes (rectangulars, circulars, octogonals, etc.) amb
que en el cas de l’exemple. les ROI obtingudes abans. El resultat obtingut de
l’aplicació de la correlació FFT permet determinar la
localització de la plantilla buscada. Es pot veure l’efecte
C. Detecció de senyals de trànsit
del filtrat de color i una posterior correlació de tipus FFT
Els mètodes utilitzats pel reconeixement de senyals de en la figura 8.
trànsit es poden classificar en diversos grups: per color
base, per la forma base i altres. El desafiament en aquest
tipus de detecció tornen a ser les ja comentades
anteriorment en les altres aplicacions de visió en
l’automòbil. Les escenes reals del trànsit, el moviment del
mateix vehicle, les condicions d’il·luminació, l’efecte del
desenfocament, la distorsió de la imatge, la obstrucció de
la senyal per altres objectes o la pròpies limitacions del
sensor utilitzat, són els punts crítics del problema.
Un exemple d’algoritme que resolgui la detecció de
senyals de trànsit és el que es presenta en la imatge de la
figura 7. Aquest utilitza una coordenada espacial de
referència, a partir de l’algoritme que segueix les marques
vials que delimiten el carril, per aconseguir una reducció
cost computacional necessari, així com una reducció dels
falsos positius que podrien existir després del filtratge per
color. Aquest analitza determinades regions d’interès que
són els laterals de la via.
Fig. 7. Algoritme de detecció de senyals de trànsit.
Després de extreure la regió d’interès, s’aplica un Fig. 8. [De dalt a baix] Imatge original. Resultat de filtrar el color.
filtratge de color. Els colors de major interès són el Resultat d’aplicar una correlació FFT amb una plantilla rectangular
vermell el groc i el negre ja que són colors relacionats mostrant un focus o un pic d’intensitat en la localització de la senyal de
límit de velocitat.
amb aspectes de seguretat, com poden ser les senyals de
STOP, pas de vianants o bé senyals de límit de velocitat. Tot seguit s’aplica un llindar mínim al resultat obtingut
La identificació entre aquestes senyals és relativament i es pot localitzar la posició que ocupa la senyal. És difícil
fàcil per la diferència que existeix en la seva forma. En que apareguin falsos positius en la imatge d’aplicar el
canvi pel cas dels límits de velocitat per la identificació llindar mínim. En el cas dels límits de velocitat s’ha de
del límit apareixen diversos candidats. diferenciar el límit escrit en la senyal, per tant és necessari
El següent pas posterior al filtratge per color, com que un classificador de senyals per diferenciar-les. Aquest
els contorns resultants no són gaire nítids s’apliquen classificador acostuma a ser una xarxa neural que ha de
operacions morfològiques, dilatacions o erosions, per tal ser entrenada prèviament amb cada senyal per separat
de corregir les formes amb estructures lineals o circulars. amb un conjunt d’imatges reals de senyals del mateix
El següent pas comporta una correlació1 FFT (Fast tipus.
1
La correlació es una operació matemàtica molt semblant a la
convolució.
4
5. D. Detecció de vehicles
1) Vehicles en angles morts
A vegades davant d’una maniobra de gir o un canvi de
carril, es produeixen accidents per col·lisions contra
vehicles que circulen prop del lateral del vehicle que
realitza la maniobra. Aquestes col·lisions sovint es
produeixen pel fet que el vehicle que rep el cop està fora
del camp de visió dels miralls retrovisors del conductor
que provoca el cop. Aquesta situació es dóna amb molta
freqüència en vehicles de menor tamany com poden ser
motocicletes, ciclomotors o bicicletes.
Fig. 10. Exemple de detecció en angle mort en una seqüència de
imatges. L'indicador de dalt a la dreta canvi de color verd a blau quan es
detecta algun vehicle.
2) Adaptació de les llums del vehicle en funció
d’altres vehicles de la via
Les estadístiques demostren que més del 80% dels
accidents es produeixen durant la nit. És per això que la
temàtica de la visió artificial també pot abordar els
Fig. 9. Situació dels angles morts en un automòbil. aspectes d’assistència al conductor quan aquest realitza
desplaçaments durant les hores nocturnes. La detecció
Els sistemes actuals de detecció d’angles morts estan dels vehicles que circulen per la mateixa via pot ajustar de
basats fonamentalment en tres tecnologies: processat forma automàtica la direcció i intensitat de la llum emesa.
d’imatges, radars de curt/mig rang a 24 GHz i utilització Aquest tipus de regulació podria evitar enlluernaments.
de sensors làser. Un altre avantatge que ofereix la primera
respecte les altres dues és que les càmeres són sensors
passius i barats que no emeten senyals de cap tipus. Tant
el radar com els làsers poden causar interferències entre
altres vehicles que estiguin equipats amb els mateixos
dispositius.
Per la detecció dels vehicles en els angles morts
mitjançant visió artificial, les imatges són analitzades amb
tècniques de flux òptic per tal de detectar píxels que es
mouen en la mateixa direcció. Els píxels que produeixen
moviment s’agrupen seguint tècniques de clustering. Als
clústers obtinguts se’ls aplica un mecanisme de detecció
de dues fases per dotar robustesa a l’algoritme de detecció
de vehicles. La primera fase és un sistema de pre-detecció
que computa el centre de masses dels clústers i determina
si es tracta d’un potencial vehicle en funció del tamany
dels píxels detectats. La segona fase és un altre detector Fig. 11. Regulació de la il·luminació de l'automòbil mitjançant la
que identifica la part frontal del vehicle. Qualsevol detecció de vehicles dins de la via.
objecte que mantingui una similitud amb la part frontal
d’un vehicle es considerarà que es tracta d’un potencial Un component clau d’aquest sistema és un software de
vehicle i sinó en qualsevol cas el pre-detector dispara un visió artificial capaç de distingir blobs produïts des de la
senyal de pre-alerta. part frontal dels vehicles i la part posterior, de la llum
La posició del vehicle en el pla de la imatge es computa emesa per faroles o bé elements reflectants, com poden
i se’n fa l’anàlisi de la seva evolució espacial utilitzant actuar, segons les condicions, les senyals de trànsit.
filtres de Kalman per predir la seva posició. El tracking Alguns algoritmes que s’han desenvolupat en aquest
continua fins que el vehicle desapareix de l’escena. Un sentit utilitzen classificadors que prenen decisions a partir
senyal d’alarma avisa al conductor de l’existència d’un de l’extracció de característiques dels blobs analitzats
vehicle dins de l’angle mort fins que es deixa de detectar. centrant-se en la intensitat i la forma. Es parla de
classificadors entrenats amb un conjunt de blobs que
supera els 60.000.
5
6. L’inconvenient més problemàtic a salvar d’aquest tipus que calculen el temps que cal que transcorri per tal que el
de detecció és l’anàlisi de blobs dèbils i petits que vehicle assoleixi la posició del vehicle que el precedeix.
corresponen a vehicles molt llunyans que apareixen i
reapareixen. Per abordar el problema del seguiment dels
blobs s’han:
• d’obtenir mesures més característiques dels
blobs al llarg de la seva trajectòria;
• calcular les seves característiques de
moviment que es considerin rellevants per la
classificació i,
• d’acomplir amb la consistència temporal.
Fig. 13. Diagrama del sistema d'avís automàtic d'accident per visió
artificial.
III. EMPRESES QUE INTEGREN SISTEMES DE
VISIÓ ARTIFICIAL ALS AUTOMÒBILS
Fins aquest punt s’ha presentant a nivell descriptiu el
funcionament d’alguns dels algoritmes i en aquest apartat
es procedeix a exposar algunes de les empreses que
existeixen actualment i els productes que ofereixen que
treballin amb visió artificial.
1) Empresa ITERIS®
Iteris® és una empresa que desenvolupa i integra
productes tecnològics per millorar la seguretat dels
mitjans de transport. No treballen únicament amb
processat d’imatges però entre els seus productes destaca
el que es basa en visió artificial que és el sistema d’avís
en cas de desviació respecte el traçat d el carril.
Fig. 12. Tracking dels blobs que es visualitzen.
3) Activació automàtica de les llums d’emergència
d’un automòbil en cas de possible accident
Hi ha projectes que treballen en sistemes de visió
artificial per l’activació automàtica de les llums
Fig. 14. Sistema AutoVue® Lane Departure Warning de Iteris®
d’emergència d’un automòbil en cas de possible accident.
Per detectar un possible accident s’efectua la mesura de la
2) Empresa Valeo®
distància i la velocitat relativa respecte els vehicles
Aquesta empresa disposa d’un sistema d’avís en cas
precedents mitjançant la utilització d’una càmera en
que es detecti que el vehicle no segueix el traçat del carril.
l’interior de l’automòbil. La imatge rebuda es processa en
Aquest sistema està format per una càmera situada a la
un sistema hardware a bord del vehicle. Com a resultat
part posterior del retrovisor central a l’interior del vehicle
del processament realitzat s’obté la distància existent
que envia les imatge a un software de processament
entre el vehicle propi i el vehicle precedent i la seva
d’imatge. L’anàlisi determina la trajectòria del vehicle
velocitat relativa. Si es detecta que aquesta velocitat
amb el suport del control d’estabilitat, sensors de mesura
canvia de forma brusca fins assolir el risc de col·lisió, es
de gir i acceleròmetres que determinen les forces
procedeix a avisar al conductor de la situació i es a
d’acceleració a les que el vehicle està sotmès. La càmera
realitzar l’activació automàtica de les llums d’emergència
pot detectar línies contínues i discontínues, blanques i
per avisar a altres conductors. El tipus d’algoritme
grogues, pot funcionar de nit i amb boira. Aquest
utilitzat és molt semblant al que s’utilitza pels sistemes
producte s’ha desenvolupat amb la col·laboració de
l’empresa Iteris®.
6
7. • Lane Departure Warning.
• Sistema que indica el temps que cal que
transcorri per tal que el vehicle assoleixi la
posició del vehicle que el precedeix (Headway
Monitoring and Warning, HMW). El temps
que es considera segur són un mínim de 2
segons.
Fig. 15. LaneVue® System de l'empresa Valeo®.
Un altre producte que Valeo® també disposa és el
sistema d’ajust automàtic de la intensitat de les llums en
funció dels vehicles que es detectin en la carretera.
S’anomena BeamAtic® Premium i utilitza la mateixa
càmera del sistema LaneVue®.
Fig. 18. La unitat d'indicació visual del producte C2-170 de
Mobileye®.
c) C2-270 Collision Prevention System
El sistema de prevenció a col·lisions integra les
següents funcionalitats:
• Forward Collision Warning.
Fig. 16. Exemple virtual del funcionament del sistema BeamAtic® • Lane Departure Warning
Premium. • Headway Monitoring and Warning.
• Sistema d’avís de col·lisions amb vianants
3) Empresa Mobileye® (Pedestrian Collision Warning, PCW).
Mobileye® està altament especialitzada en productes • Control de d’ajust de la il·luminació
de visó artificial i treballa amb fabricants d’automòbils intel·ligent (Intelligent High-beam Control,
com BMV, GM i Volvo. Disposa de 3 productes que IHBC).
ofereixen diferents prestacions.
a) AWS-2000
El producte que disposa de menys prestacions i l’avís
al conductor és únicament per so. Incorpora:
• Sistema d’avís per col·lisions frontals
(Forward Collision Warning, FCW). Fig. 19. Producte C2-270 de Mobileye®
• Sistema d’avís en cas de desviació respecte la
trajectòria del carril (Lane Departure
Warning, LDW). 4) Vision Automobile Electronics Industrial Co.
Empresa que subministra productes electrònics a
fabricants d’automòbils com Mitsubishi, Toyota, Mazda,
Ford, Suzuki, Honda, Hyundai, etc. Entre els seus
productes, el que utilitza tècniques de visó artificial és el
sistema d’avís en cas de desviació respecte la trajectòria
del carril (Lane Departure Warning).
Fig. 17. Únic component del producte AWS-2000 de l’empresa
Mobileye®.
b) C2-170 Driver Assistance System
El sistema d’assistència al conductor incorpora més
fucionalitats que el producte anterior.
• Forward Collision Warning.
7
8. 3) Citroën C4
Disposa de una càmera just sota de cada un dels
retrovisors laterals per analitzar i detectar vehicles en els
angles morts.
Fig. 20. VAE-710 Lane Departure Warning System de Vision
Automobile Electronics Industrial Co.
IV. VECHICLES COMERCIALS AMB SISTEMES
DE VISIÓ ARTIFICIAL
En aquest apartat es presenten alguns models
d’automòbils que incorporen sistemes de visió artificial.
Fig. 23. Citroën C4 2011.
1) Opel Insignia
Incorpora una càmera de reconeixement instal·lada
entre el parabrises i el retrovisor interior, i dues càmeres 4) Toyota Crown
més a la part inferior dels retrovisors laterals. Treballa dos Toyota ha incorporat en el seu model Crown un
aspectes: sistema de visó artificial nocturn que permet la detecció
• Reconeixement de senyals de trànsit. de vianants a la calçada, tot i que presenta certes
• Avís desviació respecte la direcció del carril. limitacions, com és el cas que únicament funciona si es
• Detector de vehicles en angles morts. condueix a una velocitat inferior als 65 km/h.
Fig. 21. Opel Insignia amb Opel Eye® Camera.
2) Infiniti M45X
Incorpora:
• El sistema BLIS® (Blind Spot Information
System), per control dels angles morts.
• Sistema d’avís desviació respecte la direcció Fig. 24. [Dalt] Vista del panell informatiu del sistema de Toyota.
del carril. [Baix] Toyota Crown.
5) Mercedes-Benz Clase-S
En la línia del cas de Toyota, Mercedes ha fusionat la
detecció de vianants a la calçada, amb una càmera de llum
infraroja per visió nocturna, i el control de la llum que
emet el vehicle. L’ha batejat amb el nom Active Night
View Assist Plus i consisteix en il·luminar el vianant una
vegada s’ha detectat mitjançant una llum especialment
dedicada que no enlluerna al subjecte i permet al
conductor rebassar-lo reduint el perill que presenta tal
Fig. 22. Infiniti M45X. situació.
8
9. V. CONCLUSIONS
Els sistemes de visió artificial estan demostrant la seva
viabilitat en el camp de la seguretat activa en la indústria
de l’automòbil, per tal de preveure i evitar possibles
accidents. Els sensors necessaris no presenten un elevat
cost i es tracta de sistemes passius que no emeten cap
tipus de senyal sobre l’entorn, el que comporta la no
interferència amb altres dispositius electrònics.
Els principals inconvenients que presenta el processat
de imatges que s’obtenen en ambients exteriors són els
canvis de la il·luminació, les vibracions i moviment del
propi vehicle, la velocitat de processament que es
requereix, les condicions meteorològiques, la obstrucció
visual dels elements objectius com senyals, vianants, etc. i
les limitacions que presenti el propi sensor. Tot i les
Fig. 25. Active Night View Assist Plus. dificultats que es donen, s’han desenvolupat algoritmes
que aconsegueixen acomplir amb la seva missió i a més
El Mercedes Classe-S a més ofereix els sistemes de : amb un alt percentatge d’efectivitat. No són sistemes
• Reconeixement de senyals de trànsit. infalibles perquè són sensibles a moltes condicions que no
• Sistema d’avís desviació respecte la direcció es poden controlar, però s’estan aconseguint bons
del carril. resultats fins al punt d’introduir-los en models
d’automòbils que es troben en el mercat.
En molts casos, de moment, els sistemes de visió
artificial només actuen com sistemes d’assistència al
conductor, el qual segueix sent l’últim esglaó en la cadena
de presa de decisions durant la conducció. És per això que
s’avança cap a una direcció on les persones cada vegada
tinguin menys importància dins del control del moviment
del vehicle i s’intenta dirigir cap a sistemes totalment
guiats i controlats per computadors. El problema d’aquest
avenç tecnològic és que la societat actualment no està
Fig. 26. Merdeces-Benz Classe-S preparada per acceptar aquest tipus de tecnologia, ni la
tecnologia està desenvolupada suficientment com per
implantar-se de forma tan imminent. Per tant, s’ha de
6) Volvo XC60, XC70 i S80 seguir treballant per poder introduir sistemes de visió
La casa Volvo ofereix en els seus models XC60, XC70 artificial de forma progressiva i segura.
i S80 ofereix el sistema BLIS® per control dels angles
morts. REFERÈNCIES
1) Articles
[1] C Hilario, J M Collado, J Mª Armingol, A de la
Escalera. Detección de peatones para vehículos
inteligentes basada en modelos de contornos activos y
visión estéreo. Leganés: Universidad Carlos III de
Madrid; 2005.
[2] MA Sotelo, J Barriga. Blind spot detection using
visión for automotive applications. Alcalá de Henares:
Universidad de Alcalá; 2008.
[3] P Boyaz, X Yang, Sathyanarayana, J Hansen.
Computer visión systems for “context-aware”. Active
vehicle safety and driver assistance. Richardson:
University of Texas at Dallas, Department of Electrical
Engineering; 2009.
Fig. 27. [Dalt] Càmera situada sota el retrovisor lateral. [Baix] Volvo
XC60.
9
10. [4] T Birdal, A Erçil. Real-time automated road, lane
and car detection for autonomous driving. Orhanli:
Sabanci University; 2008.
2) Tesi doctoral
[5] C Hilaro. Detección de Peatones en el Espectro
Visible e Infrarrojo para un Sistema Avanzado de
Asistencia a la Conducción [tesi]. Leganés: Universidad
Carlos III de Madrid; 2008.
3) Pàgines web
[6] Avanced Driver Assistace Systems Group.
[consultat: 5 abr 2011]. Disponible: a:
http://www.cvc.uab.es/adas/index.php?section=projects_i
ntelligentheadlights/.
[7] Citroen. [consultat: 3 abr 2011]. Disponible a:
http://www.citroen.es/.
[8] Infinity. [consultat: 3 abr 2011]. Disponible a:
http://www.infiniti.es/.
[9] Inventos patentados en España. [consultat: 4 abr
2011]. Disponible a:
http://patentados.com/invento/sistema-de-vision-artificial-
para-la-activacion-automatica-de-las-luce.html/.
[10] Iteris. Innovation for better mobility. [consultat: 4
abr 2011]. Disponible a:
http://www.iteris.com/.
[11] Mercedes Benz. [consultat: 3 abr 2011].
Disponible a: http://www.mercedes-benz.es/.
[12] Mobile. Our vision your safety. [consultat: 5 abr
2011]. Disponible a:
http://www.mobileye.com/es.
Opel. [consultat: 3 abr 2011]. Disponible a:
http://www.opel.es/.
Toyota . [consultat: 3 abr 2011]. Disponible a:
http:// www.toyota.es/.
Valeo. [consultat: 4 abr 2011]. Disponible a:
http://www.valeo.com/.
Vision security. [consultat: 5 abr 2011]. Disponible a:
http://www.visionsecurity.com.tw/.
Volvo. [consultat: 4 abr 2011]. Disponible a:
http://www.volvocars.com/.
10