Estimación de la velocidad de navegación segura para vehículos autónomos utilizando técnicas de visión por computadora

Abstract

Este trabajo aborda el desarrollo de un simulador para la estimación de la velocidad de navegación segura para vehículos autónomos mediante técnicas recientes de visión por computadora. Se utilizan imágenes adquiridas con un sistema de visión estéreo para calcular la profundidad de los objetos en el entorno del vehículo. La propuesta incluye modelar las maniobras de detención y evasión de obstáculos, determinando la velocidad de navegación segura con el fin de evitar colisiones con los obstáculos detectados a diferentes distancias. Durante el desarrollo del simulador se implementa un método que combina la percepción visual con algoritmos de aprendizaje profundo, como los modelos Realtime Detection Transformer (RT-DETRv2) y You Only Look Once (YOLOv11) para la detección de objetos y el algoritmo Neural Markov Random Field (NMRF) para la estimación de los mapas de disparidad posteriormente convertidos en mapas de profundidad. Se consideran factores críticos como el tiempo de percepción, el tiempo de latencia y las características geométricas del vehículo para calcular la velocidad de navegación. El simulador propuesto se valida como una herramienta útil para evaluar decisiones de navegación en escenarios controlados. Los resultados muestran la velocidad de navegación segura de los vehículos autónomos para operar de forma segura optimizando las decisiones de navegación, los estados de conducción y prevención de colisiones.