Percepción multimodal de carreteras con adaptación de la iluminación en vehículos autónomos

Área de la Ciencia:

• Sistemas de conducción autónoma
• Visión por computadora y fusión de sensores
• Inteligencia artificial para el transporte

Sus antecedentes:

• La percepción de la conducción autónoma falla con poca luz (lluvia, niebla, noche).
• Los métodos de fusión multimodales existentes son estáticos y tienen dificultades con la iluminación variable.
• La evaluación robusta de la transitabilidad de la carretera es crucial para la navegación autónoma segura.

Objetivo del estudio:

• Desarrollar un marco de percepción multimodal adaptativo a la iluminación para la conducción autónoma.
• Mejorar la robustez de la percepción en condiciones adversas de poca luz.
• Mejorar el reconocimiento de regiones críticas para la seguridad y la evaluación de la transitabilidad de la carretera.

Principales métodos:

• Se propuso SafeDrive-Fusion: un marco de percepción multimodal adaptativo a la iluminación.
• Se implementó una fusión dinámica de atención intermodal con priorización de regiones críticas para la seguridad.
• Se introdujo un mecanismo de ponderación adaptativa para integrar dinámicamente datos visuales y de radar.

Principales resultados:

• Mantuvo una precisión del 87,5 % en condiciones de muy poca luz (degradación del 6,1 %).
• Logró una puntuación F1 de 0,82 para el reconocimiento de situaciones peligrosas (0,40 más que los valores de referencia).
• Demostró un ajuste dinámico del peso modal: el peso del radar aumentó del 25 % al 62 % a medida que disminuía la iluminación.

Conclusiones:

• SafeDrive-Fusion mejora significativamente la percepción de la conducción autónoma en entornos de poca luz.
• El marco de fusión y priorización adaptativa mejora la seguridad y la fiabilidad.
• El sistema cumple con los requisitos en tiempo real con una latencia de 45 ms.