Un sistema optimizado de servocontrol visual cualitativo basado en HOG en tiempo real para sillas de ruedas autónomas

Área de la Ciencia:

• Robótica
• Visión por Computadora
• Tecnología Asistencial

Sus antecedentes:

• El rendimiento en tiempo real es crucial para los sistemas de movilidad autónoma.
• Los métodos de servocontrol visual existentes a menudo luchan con las demandas computacionales en hardware de baja potencia.
• La movilidad asistida requiere una navegación confiable y precisa.

Objetivo del estudio:

• Presentar un enfoque de servocontrol visual (QHOGVS) basado en histograma de gradientes orientados (HOG) computacionalmente efectivo para la navegación de sillas de ruedas autónomas.
• Lograr un rendimiento en tiempo real en hardware de baja potencia manteniendo la precisión de la navegación.
• Abordar las compensaciones entre la eficiencia computacional y la precisión de la navegación en sistemas integrados.

Principales métodos:

• Se desarrolló un algoritmo de servocontrol visual (QHOGVS) basado en histograma de gradientes orientados (HOG) cualitativo.
• Se optimizó el pipeline de servocontrol visual utilizando la vectorización de Python.
• Se incorporó una función de activación adaptativa para modular la convergencia del error.

Principales resultados:

• Se logró una mejora de velocidad de 68 veces (de 0.08 FPS a 5.5 FPS) en una Raspberry Pi.
• Se demostró un seguimiento de trayectoria estable durante la navegación.
• Se validó la funcionalidad del sistema en una plataforma de silla de ruedas física a través de tareas del mundo real.

Conclusiones:

• El enfoque QHOGVS permite la navegación de sillas de ruedas autónomas en tiempo real en sistemas integrados de baja potencia.
• El método equilibra con éxito la eficiencia computacional con la precisión de la navegación.
• Este trabajo proporciona una solución factible para la tecnología asistencial práctica y abre vías para la investigación en navegación visual adaptativa.