Resumen

Se presenta un sistema híbrido visión-mapa para resolver el problema de detección de carreteras en escenarios urbanos. El uso estandarizado de técnicas de aprendizaje automático en problemas de clasificación se ha fusionado con información de mapas digitales de navegación para aumentar la robustez del sistema. El objetivo de este trabajo es crear un nuevo método de percepción del entorno para detectar la carretera en entornos urbanos, fusionando la visión estéreo con los mapas digitales mediante la detección de la apariencia de la carretera y los límites de la misma, como marcas de carril o bordillos. Los enfoques de aprendizaje profundo hacen que el sistema esté fuertemente acoplado al conjunto de entrenamiento. Aunque nuestro enfoque se basa en técnicas de aprendizaje automático, las características se calculan a partir de diferentes fuentes (GPS, mapa, bordillos, etc.), lo que hace que nuestro sistema dependa menos del conjunto de entrenamiento.

• Materias:Transporte urbano Señales de control de tráfico Accidentes de transito Planificación de ruta Capacidad de tráfico
• Subjects:Urban transport Traffic control signs Traffic accidents Path planning Traffic capacity
• Palabras claves:conjunto de entrenamiento, información de mapa de navegación digital, nuevo método de percepción del entorno, enfoques de aprendizaje profundo, problema de detección de carreteras, bordillos, máquina, sistema, técnicas, problemas de clasificación.
• Keywords:training set, digital navigation map information, new environment perception method, deep learning approaches, road detection problem, curbs, machine, system, techniques, classification problems