Segmentación semántica de imágenes para navegación de vehículos autónomos en entornos estructurados

Abstract

[Resumen] El avance e inclusión de la Inteligencia Artificial en la sociedad ha permitido que tareas como la visión por computador puedan mejorar notablemente su desempeño y adaptabilidad a tareas de todo tipo. Cada vez más se encuentran soluciones basadas en IA que automatizan trabajos antes realizados por humanos. Sin embargo, labores sencillas para una persona como la comprensión del entorno que le rodea, identificando sus elementos, siguen siendo desafiantes para las computadoras, pero lograrlo tendría múltiples beneficios. Dado este planteamiento, el objetivo de este trabajo es el estudio del estado del arte actual sobre los métodos de segmentación semántica y desarrollar un sistema de visión artificial, que haga uso de los métodos analizados, para la navegación de un vehículo autónomo en un campus universitario. El sistema permitirá al vehículo conocer su entorno, planificar su movimiento y prever peligros, mejorando la seguridad y objetividad de la conducción. Además, se ha trabajado con una base de datos de imágenes en alta resolución del campus para probar y validar el sistema, logrando una mejor integración con el entorno real de operación.

[Abstract] The development and inclusion of AI in society has allowed tasks such as computer vision to significantly improve their performance and adaptability to tasks of all kinds. Increasingly, AI-based solutions are being found that automate jobs previouslyperformed by humans. However, simple tasks for a person such as understanding the surrounding environment, identifying its elements, remain challenging for computers, but achieving this would have multiple benefits. Given this approach, the objective of this work is to study the current state of the art on semantic segmentation methods and to develop a computer vision system, which makes use of the analyzed methods, for the navigation of an autonomous vehicle on a university campus. The system will allow the vehicle to know its environment, plan its movement and foresee dangers, improving the safety and objectivity of driving. In addition, we have worked with a database of high-resolution images of the campus to test and validate the system, achieving a better integration with the real operating environment.