Estimación de la Velocidad de Vehículos Cercanos con una Cámara a Bordo Única mediante Regresión de Kernel Suave

Área de la Ciencia:

• Visión por Computadora
• Robótica
• Ingeniería Automotriz

Sus antecedentes:

• La estimación de la velocidad del vehículo es crucial para los sistemas avanzados de asistencia al conductor (ADAS).
• Los métodos existentes a menudo dependen de suites de sensores costosas o complejas.
• Se necesita una solución en tiempo real, solo de cámara, para la rentabilidad y una adopción más amplia.

Objetivo del estudio:

• Desarrollar y evaluar un pipeline en tiempo real, solo de cámara, para estimar la velocidad relativa de vehículos cercanos.
• Proporcionar una alternativa o complemento de bajo costo a sensores activos como LiDAR o radar.
• Evaluar la precisión y las limitaciones del método propuesto.

Principales métodos:

• Detección y seguimiento de vehículos utilizando una Red Neuronal Convolucional (CNN), específicamente YOLOv8.
• Estimación de la distancia basada en el ancho angular del cuadro delimitador, priors dependientes de la clase y la intrínseca de la cámara.
• Suavizado de kernel de Nadaraya-Watson aplicado a la secuencia de distancia para estimar la velocidad relativa mediante diferenciación analítica.

Principales resultados:

• El sistema estima con éxito la distancia del vehículo y la velocidad relativa utilizando solo la entrada de la cámara monocular.
• La evaluación en datos sintéticos reveló un sesgo posicional lejos del centro de la imagen.
• Se observó una compensación entre la estabilidad y el retraso debido al kernel de suavizado.

Conclusiones:

• El pipeline propuesto, independiente del detector, estima eficazmente la velocidad del vehículo a partir de datos de cámara monocular.
• Este enfoque ofrece una solución viable y de bajo costo para aplicaciones de asistencia al conductor.
• Se necesita una validación adicional en escenarios del mundo real para abordar las limitaciones identificadas.