Centro de Desarrollo de Sensores, Instrumentación y Sistemas

Universitat Politècnica de Catalunya

Shaping light to your needs

Foto Foto Foto Foto
   

Actualidad

12/09/2022
volver

Deep Learning y fusión de sensores aplicado a medios dispersivos

Los vehículos no tripulados y semiautónomos necesitan una suite de sensores completa que, al menos, necesita cámaras, lidar y radar para cubrir sus requisitos de percepción. Mientras que el lado del hardware es hoy en día conocido en CD6, donde se integran cámaras lidar y hardware, toda la solución necesita un software mejorado de percepción, por ej. para la detección de peatones o amenazas a largas distancias. Dentro de este proyecto nosotros esperamos empezar una línea de trabajo en el CD6 en torno a aspectos basados en software de la percepción y la fusión de sensores de imágenes y nubes de puntos de alta densidad. El proyecto investigará el uso de una solución de cámara+lidar para la detección en medios dispersores como la niebla o el humo, que es un problema de evidente relevancia y que se puede abordar mediante el software utilizando enfoques basados en el aprendizaje profundo.

Los coches de conducción autónoma (ADC) son un campo de investigación en constante progreso que lleva hacia más que nunca hacia el gran público, según algunas predicciones oficiales, la mayoría de los coches se espera que sean totalmente autónomos en 2035. En este escenario, uno de los factores de seguridad en la ADC es la detección de peatones en diferentes condiciones meteorológicas y distintas circunstancias. Por ejemplo, un buen reconocimiento y detección de los peatones en las inmediaciones de la ADC es crucial para evitar posibles accidentes de tráfico. El objetivo del presente trabajo de investigación es investigar, analizar, proponer y desarrollar algoritmos de fusión de sensores que permitan integrar el procesamiento de imágenes de radares y cámaras en tiempo real, y la detección de luz y datos de rango basados en lidar. Además, los algoritmos propuestos deben ser capaces de detectar a peatones en ambientes con niebla y lluvia. A tal fin, la clasificación de los posibles peatones en las regiones con niebla y lluvia puede implementarse utilizando el estado del arte de los algoritmos de profundo aprendizaje.

Este proyecto ha recibido financiación del programa de investigación e innovación Horizon 2020 de la Unión Europea bajo el acuerdo de subvención Marie Sklodowska-Curie No 712949 (TECNIOspring PLUS), así como de la Agencia para la Competitividad de la Empresa de la Generalitat de Catalunya
Extranet
CD6 Centro de Desarrollo de Sensores, Instrumentación y Sistemas
Rambla de Sant Nebridi, 10  ·  08222  ·  Terrassa (Barcelona)