6-vison Reconocimiento De Riesgos Al Conducir



Uso de 6D-Vision en la detección de riesgos de colisión automovilísticos.

Escobar H. Jorge, Universidad Politécnica Salesiana.

jescobarh@est.ups.edu.ec

Abstract—This paper discusses the project "6D-vision" and how is used in the automotive industry for the prevention of car accidents by stereoscopic detection of objects, analyzes the principle on which to base the concept of 6D vision and explains the mainly points at which the project works when analyzing images in real time.

Index Terms- 6D vision, Optical Flow, Stereo Vision.

1 INTRODUCCIÓN

E

n la búsqueda de minimizar los accidentes de tránsito relativos al tiempo de respuesta que una persona tiene al volante, los investigadores Dr. Uwe Franke, Dr. Stefan Gehrig y Dr. Clemens Rabe de la compañía alemana Daimler AG (propietaria de marcas como Mercedes-Benz, Maybach y Smart) trabajan en un proyecto llamado “6D-vision”, este proyecto busca mediante la utilización de cámaras el reconocer posibles riesgos al momento en que el auto se encuentra desplazándose, estos riesgos podrían ser peatones ciclistas o bien otros vehículos; el sistema no solamente identifica objetos sino q también realiza una predicción del desplazamiento que pudiese desarrollar uno de ellos en las cercanías, de forma que cualquier incidente pueda ser evitado o en el peor de los casos minimizar los resultados adversos.

La principal ventaja del un sistema como este se presenta en situaciones adversas de manejo, tales como entornos urbanos congestionados y cuando se presentan situaciones climatológicas desfavorables, situaciones en las que los tiempos de respuesta de una persona no solo se ven reducidos sino que también pueden producir reacciones indeseadas.

2 VISIÓN EN 6D

Para comprender más claramente el concepto de visión en seis dimensiones podemos partir de un escenario de riesgo en el cual nos encontramos ante un eventual choque, para poder tomar cualquier decisión con el fin de evitarlo es necesario conocer la ubicación del objeto respecto a nosotros (estas serian las primeras tres dimensiones) y la magnitud dirección y sentido con que se está desplazando (serian las otras tres dimensiones), en base a estos datos una computadora puede realizar una advertencia al conductor, o como ya se está realizando en campos de prueba, una modificación del curso del vehículo evitando el incidente.

El mecanismo estereoscópico de captura de imagen permite que las tomas se realicen en tres dimensiones, de esta forma se puede disponer de la profundidad a la que se encuentran los objetos respecto a la fuente.

Para procesar la información se realiza un muestreo (10000 puntos por imagen o incluso más) de forma que se puede llegar a predecir con total efectividad la posición de un punto dentro de los siguientes 0.5 segundos.

El tiempo necesario para que una persona que conduce durante condiciones apropiadas reaccione ante un riesgo de colisión es de aproximadamente 500 milisegundos, mientras que el tiempo de reacción de un sistema de visión 6D es de aproximadamente 200 milisegundos, a esto se le debe sumar el hecho de que el ojo humano no se percata de lo que sucede en la totalidad de su campo visual sino que a diferencia de la cámara suele enfocarse en una zona más pequeña.

3 VISIÓN ESTEREOSCÓPICA

La visión estereoscópica (Stereo Vision) se basa en dos cámaras situadas una a la derecha y otra a la izquierda del vehículo pero a una misma altura (similar a un par de ojos), lo que se obtiene son dos imágenes con ligeras diferencia debido a las posiciones de las cámaras, esta diferencia se conoce como disparidad y es lo que mediante el uso de algoritmos nos permite calcular la profundidad a la que se encuentra un objeto, puesto a que esta diferencia es menor mientras más lejos se encuentra de las cámaras.

Los investigadores de Daimler utilizan un algoritmo estereoscópico llamado "Semi-Global Matching" (SGM) el cual utiliza la disparidad entre imágenes vecinas, por lo tanto, realiza un paso de optimización para determinar la profundidad. Este algoritmo determina la profundidad de casi todos los puntos de imagen en la escena con total precisión.

Fig 1. Vista estereoscópica. Se puede apreciar la diferencia entre las 2 tomas realizado por un conjunto estereoscópico; imagen superior, cámara izquierda; imagen inferior, cámara derecha. (http://www.6d-vision.com/home/stereovision)

El algoritmo ha sido optimizado y desarrollado con el fin de mantener un nivel de alto rendimiento por la noche y en condiciones meteorológicas adversas. En 2008, en la primera prueba en tiempo real del algoritmo SGM se logro procesar las imágenes estereoscópicas 25 veces por segundo. Con esta implementación, cualquier objeto de hasta 50 metros de distancia se podía detectar y medir. Si se tiene en cuenta que la capacidad de visión estéreo humana está entre 10-12m, se percibe una gran ayuda al detectar riesgos.

4 FLUJO ÓPTICO.

Fig 2. Flujo óptico. Vectores de desplazamiento de vehículos en una curva cerrada. (http://www.6d-vision.com/home/optischerfluss)

La percepción de movimiento de los objetos alrededor del vehículo es crucial para el concepto de 6D-Vision, por ello resulta necesario analizar con precisión y velocidad el llamado flujo óptico (Optical Flow), pues este representa el desplazamiento que tiene cada punto o pixel durante una secuencia de imágenes, el principal problema resultante del cálculo del flujo óptico se da en que alrededor del vehículo y en zonas como curvas los desplazamientos que se dan resultan más grandes, por lo se debió perfeccionar el algoritmo de tal forma que dichos desplazamientos puedan ser computados en tiempos relativamente bajos, a un bajo costo, con una alta velocidad del vehículo e incluso en condiciones climatológicas adversas, se logro con esto crear un sistema que indica los vectores de desplazamiento del cuerpo a base de colores, indicando los colores más cálidos (el rojo por ejemplo) la cercanía del objeto, y los más fríos (verde o azul) que el objeto se encuentra más lejano.

5 ESTIMACIÓN DE MOVIMIENTO PROPIO (EGO-MOTION).

La estimación de movimiento de un sistema de cámaras que se encuentra dentro de un vehículo resulta ser un problema a resolver al momento de realizar la digitalización de los datos capturados, pues en un trayecto se pueden presentar cambios bruscos en los ejes de rotación y traslación del automóvil debido a caminos en mal estado (baches) o deslizamientos que se puedan producir, estos cambios en los ejes del vehículo representan un cambio en los ejes de las cámaras (pues se encuentran

...