Identificación de Objetos en Automóviles Inteligentes

Índice        

I. Introducción        2

        I.1. Titulo de la investigación        3

        I.2. Planteamiento del problema        3

        I.3. Justificación de la investigación        8

        I.4. Objetivos de la investigación        13

            I.4.1. Objetivo general        13

            I.4.2. Objetivos especificos        13

        I.5.         Hipótesis de la investigación        13

        I.6. Variables de la investigación        14

II. Marco Historico        15

        II.1. American Wonder: El pionero de los automóviles inteligentes        15

        II.2. Las carreteras inteligentes.        16

        II.3. La visión computarizada en automóviles        18

        II.4. Avances modernos        20

III. Marco Teorico.        22

        III.1. Estructura de un automóvil.        22

        III.2. Sistemas e innovaciones con electrónica.        31

        III.3. Aprendizaje profundo (Inteligencia artificial).        33

        III.4. Visión computarizada.        34

        III.5. Tecnologías para identificación de objetos.        37

        III.6. Identificación de objetos.        39

IV. Diseño de investigación.        41

        IV.1. Tipo de investigación.        41

        IV.2. Diseño de investigación.        41

        IV.3. Metodología para simulación de identificación de objetos.        45

V. Cronograma de actividades.        46

VI. Referencias        47

I. Introducción

Podemos considerar la identificación de objetos como un área de la visión computarizada y a su vez esta la podemos considerar como un área de la inteligencia artificial. Pero ¿Qué significa cada una de estas tecnologías y por que son tan relevantes en un coche automatizado? [1]

Los vehículos autónomos están dotados de sensores LIDAR (Laser Imaging Detection and Ranging), cámaras, radares, sistemas de visión computarizada, mapas 3D de alta definición, algoritmos para la localización y selección de rutas, así como una gran potencia de cálculo e informática para manejar estos datos.

Para visualizar su entorno, los autos de conducción autónoma requieren de mapas 3D. Dichos mapas comprenden todo lo que el "conductor virtual" sabe sobre el recorrido antes de que el automóvil empiece a moverse. Ya en marcha, el coche emplea su LIDAR, radar y sensores de la cámara para escanear de manera continua todo lo que hay a su alrededor y lo compara con el mapa en 3D.

Por otro lado, las cámaras identifican los objetos y leen las señales de tráfico en la calle, mientras que los radares, preparados para trabajar con lluvia, niebla o nieve, aumentan la capacidad de visión, ayudando a determinar el movimiento del objeto en comparación al auto. Todos estos datos de los sensores alimentan el "cerebro" del vehículo autónomo el cual es una inteligencia artificial que reside en servidores conocidos como “la nube”; el automóvil se conecta a ella por medio de internet, y esta se encarga de hacer decisiones para el vehículo.

Así como nuestro cerebro controla los músculos de las manos y los pies al manejar, a través de una red de señales electrónicas se transmiten los lineamientos para que lleguen a la dirección, frenos, acelerador y transmisión. Para asegurarse que todos los sistemas electrónicos y mecánicos funcionen debidamente, se necesita de una red similar al sistema nervioso de los seres humanos. [2]

I.1. Título de la investigación

Identificación de objetos en automóviles inteligentes.

I.2. Planteamiento del problema

Reconocimiento de objetos en automóviles inteligentes.
Los accidentes automovilísticos son una de las mayores causas de muerte a nivel mundial. De acuerdo con cifras de 2017 de la Organización Mundial de la Salud (OMS), cada año mueren en el mundo cerca de 1,3 millones de personas en accidentes de tránsito, y entre 20 y 50 millones padecen traumatismos no mortales causantes de discapacidad. Los accidentes viales, además, constituyen una de las principales causas de mortalidad en todos los grupos etarios, principalmente entre personas de entre 15 y 19 años. De acuerdo con datos del Instituto Nacional de Salud Pública (INSP), nuestro país ocupa el séptimo lugar a nivel mundial y el tercero en la región de Latinoamérica en muertes por siniestros viales, con 22 decesos de jóvenes de entre 15 y 29 años al día, y 24 mil decesos en promedio al año. Los siniestros viales constituyen la primera causa de muerte en jóvenes entre 5 y 29 años de edad y la quinta entre la población general.

Los traumatismos causados por el tránsito, sin embargo, pueden ser prevenidos. Entre las intervenciones eficaces, la OMS destaca la incorporación de las características de la seguridad vial en la utilización de la tierra, la planificación urbana y la planificación del transporte; el diseño de carreteras más seguras y la exigencia de auditorías independientes en materia de seguridad vial para los nuevos proyectos de construcción; el mejoramiento de las características de seguridad de los vehículos; el fomento del transporte público; el control eficaz de la velocidad a cargo de la policía y mediante el uso de medidas de descongestión del tráfico; el establecimiento y observancia de leyes armonizadas a escala internacional que exijan el uso del cinturón de seguridad, del casco y de los sistemas de retención para niños; la fijación e imposición de límites de alcoholemia a los conductores; y el mejoramiento de la atención que reciben las víctimas de los accidentes de tránsito. [1]

Además de estas medidas podemos contar en un futuro próximo con la inteligencia artificial, para ser más precisos el aprendizaje automatizado y profundo. Dentro de sus aplicaciones tecnológicas tenemos los sensores y la visión computarizada con los cuales podemos enseñar a los vehículos a reconocer patrones y objetos en carretera con el fin de reducir el riesgo de que ocurra un accidente. Con esto se podrían automatizar muchos procesos que el conductor hace manualmente y que es propenso a fallar en la ejecución como, por ejemplo, identificar si un peatón se sitúa frente al vehículo en movimiento; el tiempo de reacción debe de ser casi inmediato para frenar y evitar un accidente. Implementando una inteligencia artificial esta problemática se vería reducida drásticamente ya que el automóvil en cuestión tomaría control sobre los mecanismos. [2]

Un vehículo automatizado necesita detectar con precisión una serie de objetos como carros, peatones, ciclistas, señales de tránsito y demás en tiempo real para hacer las decisiones correctas en el momento adecuado y en cuestión de segundos con el fin de evitar una catástrofe.
A pesar de que actualmente existen algoritmos capaces de identificar objetos en imágenes y/o videos con una precisión extraordinaria, es totalmente distinto tratar de hacerlo en tiempo real pues para los casos anterior mencionados el sistema repite a base de prueba y error la información proporcionada; sin embargo al hacerlo en tiempo real el sistema a detectar los objetos se tendrá que basar en su propio aprendizaje.

La detección de objetos es crucial en vehículos automatizados, pero al tratarse de un sistema complejo la tecnología a emplearse sufre una gran barrera de obstáculos técnicos. Las cuales son:

1. Precisión
   El detector de objetos debe de ser lo mas cercano al 100% de precisión en modelos para evitar abstracciones.
2. Velocidad
   El detector debe de ser en tiempo real y responder casi de forma inmediata en caso de algún riesgo que atente la vida del conductor o de peatones.
3. Modelos de automóviles chicos

Entre mas chico el modelo del vehículo sea, menos energía requerirá para moverse la cual puede ser empleada para la implementación correcta de la inteligencia artificial sin el riesgo de sobrecalentar el sistema.

1. Energía eléctrica eficiente
   Computadores de casa o servidores tienen el lujo de consumir hasta 250W de potencia al momento de entrenar redes neuronales para una inteligencia artificial, pero en un procesador implementado para automóviles es diferente pues tienen que correr a energías eléctricas menores y en escala pequeña. Lo cual trae consigo una rama de dificultades mayores.

Sin la resolución adecuada de estas problemáticas tecnológicas no será posible alimentar adecuadamente las redes neuronales profundas necesarias para la conducción autónoma. [3]

Por otra parte, los vehículos automatizados y/o inteligentes son tema de evaluaciones e investigaciones legislativas, éticas y sociales. Pros y contras son tema de discusiones intensivas por el impacto que tendría en el comportamiento humano, nuestra cultura y hábitos en el tránsito vehicular. Al sistematizar un medio de transporte de forma autodidacta el conductor puede llegar a presentar un grado de confianza excesivo y en caso de fallar la maquinaria en cuestión, elevar más las probabilidades de un accidente que las que tendría al estar controlando de forma manual el vehículo en cuestión.

...