Control escalable de coches tipo Scalextric en circuitos grandes mediante visión por computador

Abstract

[Resumen]: Este trabajo busca desarrollar un sistema de control completamente autónomo y adaptable para coches de Scalextric en circuitos de mayor extensión y complejidad, mejorando la robustez, la autonomía y la escalabilidad del sistema. Partiendo de la base establecida en el TFG sobre seguimiento visual de un coche realizado el año pasado, se ha cambiado el enfoque original que empleaba una única cámara fija, por una nueva versión en la cual se despliega una red de cámaras con campos de visión solapados o no, que cubren la totalidad del trazado, permitiendo el seguimiento continuo de los vehículos a lo largo de todo el circuito. La detección automática de los coches y del recorrido se realiza mediante segmentación por color, eliminando la necesidad de configurar manualmente los tramos, las metas o los propios coches. Además, el sistema modula de forma independiente la tensión aplicada a cada carril mediante señales USB-PWM, ajustando dinámicamente la velocidad de cada vehículo en función de su posición, velocidad y comportamiento, incluyendo situaciones de pérdida de adherencia o trayectorias anómalas. Para ello, se han desarrollado algoritmos capaces de procesar múltiples flujos de vídeo en paralelo y de registrar de forma continua las trayectorias seguidas, optimizando el rendimiento en tiempo real. La propuesta incluye asimismo el rediseño de la interfaz de usuario, organizada en paneles claros y estructurados, de tal forma que se evita la congestión de información en una sola ventana, facilitando su uso tanto en pruebas como para la experiencia del usuario final. Todo el código y recursos han sido documentados, estructurados y se encuentran disponibles para favorecer su reutilización y expansión futura. De esta manera, se deja abierta la posibilidad de evolucionar hacia un sistema distribuido, en el que varios vehículos se comuniquen y cooperen, o incluso hacia esquemas de control más avanzados como el aprendizaje por refuerzo.

[Abstract]: This project aims to develop a fully autonomous and adaptable control system for Scalextric cars on larger and more complex tracks, enhancing the system’s robustness, autonomy, and scalability. Building on last year’s bachelor’s thesis on visual tracking of a single car, the original approach, which used a single fixed camera, has been replaced by a new version deploying a network of cameras, with overlapping or non-overlapping fields of view, that cover the entire layout and enable continuous vehicle tracking around the circuit. Vehicle and track segment detection is performed automatically using color segmentation, eliminating the need for manual configuration of track sections, finish lines, or the vehicles themselves. Additionally, the system independently modulates the voltage applied to each lane via USB-PWM signals, dynamically adjusting the speed of each vehicle based on its position, velocity, and behavior, including situations such as loss of traction or anomalous trajectories. To achieve this, algorithms have been developed to process multiple video streams in parallel and continuously record the paths followed, optimizing real-time performance. The project also includes a redesigned user interface, structured into clear panels that prevent information overload in a single window, facilitating both testing and end-user experience. All code and resources have been thoroughly documented, structured, and made available to support future reuse and further development. This opens the door to evolving the system into a distributed architecture, where multiple vehicles communicate and cooperate, or to exploring more advanced control strategies such as reinforcement learning.