Detección de objetos usando cámaras y sensores LIDAR

Abstract

“En los siguientes años para que los vehículos autónomos puedan operar exitosamente, necesitan estar al tanto de otros vehículos con tiempo suficiente para hacer planes seguros y estables. Dadas las velocidades cercanas entre dos vehículos, esto requiere la capacidad de detectar con precisión los vehículos cercanos y los distantes. Muchos detectores de objetos actuales basados en imágenes que utilizan redes neuronales convolucionales exhiben un excelente rendimiento en conjuntos de datos existentes como KITTI, este Dataset se utilizara para realizar el estudio con imágenes y datos reales de sensores LIDAR. La empresa automotriz Tesla por ejemplo no usa detección de objetos con sensores LIDAR solo usan cámaras y radares a comparación de muchas otras empresas dedicadas al desarrollo de autos autónomos donde su enfoque esta en usar sensores LIDAR como medio de visión. En este proyecto de estudio se propone lo siguiente: Usar aprendizaje profundo con redes neuronales profundas usando únicamente imágenes para la detección de objetos (clases disponibles en el conjunto de datos). Usar aprendizaje profundo con datos de los sensores LIDAR para detectar objetos (clases disponibles en el conjunto de datos). Metodología para comparar la eficiencia de detección de ambos dispositivos (Cámaras y LIDAR). De acuerdo a los parámetros de medición que nos brindan las redes neuronales.”