Resumen

La seguridad ha sido uno de los puntos claves en el diseño vehicular, por lo que uno de los principales objetivos es implementar sistemas de alerta para notificar al conductor sobre algún proceso inadecuado o atípico en su conducción, con el finde evitar accidentes que afecten a sus ocupantes, así como a terceros; un ejemplo, de esto se observa en el auge de los vehículos autónomos. De acuerdo con la Organización Mundial de la Salud, en el 2016 se presentaron 1.35 millones de muertes relacionadas con accidentes de tráfico, por ello, actualmente se crean más sistemas para monitorizar el ambiente alrededor del vehículo de modo que se garantice una conducción segura en todo momento. Esta investigación presenta el primer sistema de asistencia a la conducción desarrollado para Colombia, el sistema detecta y reconoce señales de tránsito preventivas y reglamentarias basado en clasificadores Haar, lo cual permite que su precisión no se afecte debido a las rotaciones y escala de las señales presentes en un viaje sobre un trayecto real. El sistema reconoce salidas de carril, estimación de la dirección de la curva y detección de obstáculos que sobresalen en la carretera utilizando algoritmos de visión por computadora convirtiéndolo en un sistema de bajo costo computacional. Además, esta investigación proporciona los primeros clasificadores en cascada resultantes para la detección de señales reglamentarias y preventivas colombianas. El sistema es probado en ambientes reales de carreteras colombianas obteniendo una precisión superior al 90%. La investigación demuestra que métodos basados en visión por computadora son competitivos frente a propuestas actuales como las redes neuronales profundas.

I. INTRODUCCIÓN

De acuerdo con la Organización Mundial de la Salud, en el 2016 se presentaron 1.35 millones de muertes relacionadas con accidentes de tráfico [1], esto evidencia que la accidentalidad vehicular es un problema de interés mundial; de tal modo que evitar accidentes, disminuir la congestión vial y mejorar la experiencia de usuario en la conducción son temas de interés internacional [2]. En años recientes se ha incrementado la inclusión de diversos tipos de sensores en los vehículos, buscando monitorizar el ambiente alrededor y proporcionando al conductor información que ayude a mejorar la experiencia de conducción y la seguridad de los ocupantes. Investigaciones preliminares han propuesto diversos métodos y técnicas para ayudar en las tareas que debería realizar un asistente vehicular para garantizar una conducción segura [2, 3, 4, 5, 6, 7, 8, 9].

Dichas propuestas se basan en el uso de tecnologías de adquisición de imágenes mediante radar, las cuales se obtienen con sensores de alta resolución o sensores con diseños especiales para las tareas requeridas, así como, la utilización de complejos algoritmos computacionales como las redes neuronales profundas [4, 10, 11].

• Materias:Aprendizaje electrónico Vehículos eléctricos Señales de control de tráfico Control electrónico
• Subjects:E-learning Electric vehicles Traffic control signs Electronic control
• Palabras claves:Aprendizaje máquina; Clasificadores haar; Seguridad vial; Señales de tránsito; Visión por computadora.
• Keywords:Computer vision; Haar classifier; Machine learning; Road safety; Traffic sign