Detección de carriles en vías no señalizadas mediante LIDAR y deep learning para mejorar la seguridad vial

Las causas principales de los accidentes de tráfico se pueden atribuir principalmente a errores humanos como la falta de atención, mal comportamiento o distracción. Para abordar este problema, muchas empresas han desarrollado técnicas para mejorar la seguridad en la conducción y reducir los siniestr...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Vázquez, Raimundo, Torre, Carlos, Marighetti, Jorge, Gramajo, Sergio Daniel, Sanchez, Alberto Robeldo
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2024
Materias:
Ciencias Informáticas
detector de carril
asistencia al conductor
seguridad vial
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/178810
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-178810
record_format dspace
spelling I19-R120-10915-1788102025-05-08T20:07:54Z http://sedici.unlp.edu.ar/handle/10915/178810 Detección de carriles en vías no señalizadas mediante LIDAR y deep learning para mejorar la seguridad vial Vázquez, Raimundo Torre, Carlos Marighetti, Jorge Gramajo, Sergio Daniel Sanchez, Alberto Robeldo 2024-08 2024 2025-05-08T12:42:41Z es Ciencias Informáticas detector de carril asistencia al conductor seguridad vial Las causas principales de los accidentes de tráfico se pueden atribuir principalmente a errores humanos como la falta de atención, mal comportamiento o distracción. Para abordar este problema, muchas empresas han desarrollado técnicas para mejorar la seguridad en la conducción y reducir los siniestros viales. Este trabajo presenta un procedimiento para detectar carriles en vías no señalizadas utilizando un sensor LIDAR montado en la parte superior de un vehículo. El escáner láser captura imágenes del entorno del conductor, que luego se procesan para identificar tres regiones dentro de la distancia de frenado del vehículo: izquierda, central y derecha de la calle. Los datos recopilados se utilizan para crear conjuntos de entrenamiento y test, que se analizan mediante bibliotecas de Deep Learning para extraer patrones y construir un modelo de detección de carriles. La efectividad de este modelo se evalúa utilizando la curva ROC. Esta propuesta ofrece una solución integral para estimar la ubicación del carril del vehículo, integrando tecnología LIDAR y técnicas de Deep Learning. Sociedad Argentina de Informática e Investigación Operativa Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 44-52
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
detector de carril
asistencia al conductor
seguridad vial
spellingShingle Ciencias Informáticas
detector de carril
asistencia al conductor
seguridad vial
Vázquez, Raimundo
Torre, Carlos
Marighetti, Jorge
Gramajo, Sergio Daniel
Sanchez, Alberto Robeldo
Detección de carriles en vías no señalizadas mediante LIDAR y deep learning para mejorar la seguridad vial
topic_facet Ciencias Informáticas
detector de carril
asistencia al conductor
seguridad vial
description Las causas principales de los accidentes de tráfico se pueden atribuir principalmente a errores humanos como la falta de atención, mal comportamiento o distracción. Para abordar este problema, muchas empresas han desarrollado técnicas para mejorar la seguridad en la conducción y reducir los siniestros viales. Este trabajo presenta un procedimiento para detectar carriles en vías no señalizadas utilizando un sensor LIDAR montado en la parte superior de un vehículo. El escáner láser captura imágenes del entorno del conductor, que luego se procesan para identificar tres regiones dentro de la distancia de frenado del vehículo: izquierda, central y derecha de la calle. Los datos recopilados se utilizan para crear conjuntos de entrenamiento y test, que se analizan mediante bibliotecas de Deep Learning para extraer patrones y construir un modelo de detección de carriles. La efectividad de este modelo se evalúa utilizando la curva ROC. Esta propuesta ofrece una solución integral para estimar la ubicación del carril del vehículo, integrando tecnología LIDAR y técnicas de Deep Learning.
format Objeto de conferencia
Objeto de conferencia
author Vázquez, Raimundo
Torre, Carlos
Marighetti, Jorge
Gramajo, Sergio Daniel
Sanchez, Alberto Robeldo
author_facet Vázquez, Raimundo
Torre, Carlos
Marighetti, Jorge
Gramajo, Sergio Daniel
Sanchez, Alberto Robeldo
author_sort Vázquez, Raimundo
title Detección de carriles en vías no señalizadas mediante LIDAR y deep learning para mejorar la seguridad vial
title_short Detección de carriles en vías no señalizadas mediante LIDAR y deep learning para mejorar la seguridad vial
title_full Detección de carriles en vías no señalizadas mediante LIDAR y deep learning para mejorar la seguridad vial
title_fullStr Detección de carriles en vías no señalizadas mediante LIDAR y deep learning para mejorar la seguridad vial
title_full_unstemmed Detección de carriles en vías no señalizadas mediante LIDAR y deep learning para mejorar la seguridad vial
title_sort detección de carriles en vías no señalizadas mediante lidar y deep learning para mejorar la seguridad vial
publishDate 2024
url http://sedici.unlp.edu.ar/handle/10915/178810
work_keys_str_mv AT vazquezraimundo detecciondecarrilesenviasnosenalizadasmediantelidarydeeplearningparamejorarlaseguridadvial
AT torrecarlos detecciondecarrilesenviasnosenalizadasmediantelidarydeeplearningparamejorarlaseguridadvial
AT marighettijorge detecciondecarrilesenviasnosenalizadasmediantelidarydeeplearningparamejorarlaseguridadvial
AT gramajosergiodaniel detecciondecarrilesenviasnosenalizadasmediantelidarydeeplearningparamejorarlaseguridadvial
AT sanchezalbertorobeldo detecciondecarrilesenviasnosenalizadasmediantelidarydeeplearningparamejorarlaseguridadvial
_version_ 1847925377996947456

Ejemplares similares