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

Simple item page
dc.contributor.advisorRueda Chacon, Hoover Fabian
dc.contributor.authorAvila Chacon, Ramiro Santiago
dc.contributor.evaluatorGalvis Carreño, Laura Viviana
dc.contributor.evaluatorGarcia Arenas, Hans Yecid
dc.date.accessioned2025-05-20T20:09:38Z
dc.date.available2025-05-20T20:09:38Z
dc.date.created2025-05-05
dc.date.issued2024-02-05
dc.description.abstractEste 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.
dc.description.abstractenglishThis work addresses the development of a simulator for estimating the safe navigation speed for autonomous vehicles using recent computer vision techniques. Images acquired with a stereo vision system are used to calculate the depth of objects in the vehicle's environment. The proposal includes modeling stopping and obstacle avoidance maneuvers, and determining the safe navigation speed in order to avoid collisions with obstacles detected at different distances. During the development of the simulator, a method is implemented that combines visual perception with deep learning algorithms, such as the Realtime Detection Transformer (RT-DETRv2) and You Only Look Once (YOLOv11) models for object detection and the Neural Markov Random Field (NMRF) algorithm for estimating disparity maps subsequently converted into depth maps. Critical factors such as perception time, latency time, and vehicle geometric characteristics are considered to calculate navigation speed. The proposed simulator is validated as a useful tool for evaluating navigation decisions in controlled scenarios. The results show the safe navigation speed of autonomous vehicles for safe operation by optimizing navigation decisions, driving states, and collision avoidance.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero de Sistemas
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/45543
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programIngeniería de Sistemas
dc.publisher.schoolEscuela de Ingeniería de Sistemas e Informática
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAtribución-SinDerivadas 2.5 Colombia (CC BY-ND 2.5 CO)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectVisión estéreo
dc.subjectVehículos autónomos
dc.subjectRedes neuronales
dc.subjectEstimación de profundidad
dc.subjectDetección de objetos
dc.subjectVelocidad de navegación segura
dc.subject.keywordStereo vision
dc.subject.keywordAutonomous vehicles
dc.subject.keywordNeural networks
dc.subject.keywordDepth estimation
dc.subject.keywordObject detection
dc.subject.keywordSafe navigation speed
dc.titleEstimación de la velocidad de navegación segura para vehículos autónomos utilizando técnicas de visión por computadora
dc.title.englishSafe navigation speed estimation for autonomous vehicles using computer vision techniques
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
83.56 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
126.04 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
21.74 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.18 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Ingeniería de Sistemas