Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/11531/46400
Título : Lane Detection Model using Deep Learning Algorithms
Autor : López López, Álvaro Jesús
Singh, Tilak
Tello del Rosal, Juan Antolín
Universidad Pontificia Comillas, Escuela Técnica Superior de Ingeniería (ICAI)
Fecha de publicación : 2020
Resumen : Una de las partes más importantes y necesarias para conseguir un satisfactorio modelo de Conducción Autónoma y de sistemas de ayuda a la conducción es la detección de la carretera y sus límites. El objetivo de este proyecto consiste en la creación de un Modelo basado en Deep Neural Networks, el cual recibirá como entrada los fotogramas captados con una cámara localizada en el vehículo, y como salida la representación de la carretera y sus límites. Muchos modelos han sido propuestos para la detección de las líneas de la carretera y sus límites, pero la gran mayoría de ellos se basan en la detección de carretera en entornos urbanos y en autopistas, donde la calzada esta hecha de asfalto. El modelo propuesto desea poder detectar la carretera en ambientes más difíciles, capaz de detectar la carretera en calzadas no hechas de asfalto, como calzadas de adoquines. El modelo propuesto se basa en la segmentación semántica binaria de cada pixel de la imagen para distinguir cada pixel entre carretera y no carretera. La arquitectura elegida para el modelo es una Full Convolutional Neural Network, que no contiene ninguna capa conectada y basa su predicción en una sucesión de Convoluciones y Deconvoluciones para generar el mapa de píxeles final que será el resultado de la detección de la carretera. Los resultados obtenidos son consistentes, y el modelo es capaz de detectar la calzada del circuito en cualquier situación de una manera robusta y continua.
One of the most important and necessary parts to achieve a successful Autonomous Driving model and driving assistance systems is the detection of the road and its limits. The objective of this project is to create a Model based on Deep Neural Networks, which will receive as input the frames captured with a camera located in the vehicle, and as output the representation of the road and its limits. Many models have been proposed for the detection of road lines and their limits, but the vast majority of them are based on the detection of roads in urban environments and on highways, where the road is made of asphalt. The proposed model wants to be able to detect the road in more difficult environments, capable of detecting the road on non-asphalt driveways, such as cobblestone driveways. The proposed model is based on the binary semantic segmentation of each pixel of the image to distinguish each pixel between road and non-road. The architecture chosen for the model is a Full Convolutional Neural Network, which does not contain any connected layer and bases its prediction on a succession of Convolutions and Deconvolutions to generate the final pixel map that will be the result of road detection. The results obtained are consistent, and the model is capable of detecting the road surface of the circuit in any situation in a robust and continuous way.
Descripción : Máster Universitario en Ingeniería Industrial + Máster en Industria Conectada/ Master in Smart Industry
URI : http://hdl.handle.net/11531/46400
Aparece en las colecciones: H62-Trabajos Fin de Máster

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
TFM Tello Del Rosal Juan.pdfTrabajo Fin de Máster9,14 MBAdobe PDFVista previa
Visualizar/Abrir
Anexo I negro.pdfAutorización101,94 kBAdobe PDFVista previa
Visualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.