TY - JOUR 
A1 - Laencina Escobar, Rubén
T1 - Design of a computer vision based TTC (Time-To-Collision) ADAS (Advanced Driver Assistance System)

Y1 - 2016
UR - http://hdl.handle.net/10317/6129
AB - [SPA]A lo largo de las últimas décadas los accidentes de tráfico han demostrado ser una de las causas más habituales de la pérdida de vidas humanas, contando estas por millones. En consecuencia, la seguridad de los vehículos ha crecido continuamente a lo largo de los años, principalmente gracias a avances en sistemas de seguridad pasivos, como cinturones de seguridad o airbags, incluidos actualmente en prácticamente todos los vehículos comerciales. Sin embargo, los sistemas de seguridad más actuales están diseñados no solo para minimizar las posibles lesiones en caso de accidente, sino para en primera instancia evitar que estos sucedan. Los Sistemas Avanzados de Asistencia al Conductor, conocidos como ADAS por sus siglas en inglés (Advanced Driver Assistance Systems) son sistemas que como su propio nombre indica proporcionan asistencia al conductor cuando éste se encuentra en carretera, mejorando así su experiencia de conducción, siendo su función principal garantizar la seguridad del vehículo propio y otros vehículos en la carretera, así como la del conductor y peatones o ciclistas. La demanda de Sistemas ADAS ha experimentado un gran auge a lo largo de los últimos años consecuencia del deseo generalizado de construir vehículos y carreteras más seguras con el fin de reducir al mínimo el número de muertes en éstas. Para funcionar de forma fiable, los sistemas ADAS deben ser capaces de reconocer objetos, señales de tráfico, la propia carretera así como cualquier otro tipo vehículos en movimiento en ésta con el fin de poder tomar decisiones en tiempo real, ya sea para advertir al conductor o para directamente actuar en nombre de éste. De este modo, a fin de garantizar sistemas robustos y de confianza, los sistemas ADAS comerciales normalmente combinan diferentes tecnologías como radar, LIDAR, cámaras, o dispositivos de visión nocturna, que aseguren la integridad y seguridad del vehículo, conductor, pasajeros, y peatones. Los sistemas ADAS actuales representan la antesala de los vehículos autónomos del futuro. El objetivo principal del presente Trabajo de Fin de Máster consiste en el diseño de uno de dichos sistemas Sistema ADAS, y más en concreto de un sistema TTC (Time-To-Collision) capaz de predecir el tiempo restante para producirse un posible impacto entre el vehículo propio y otros presentes en la carretera, a partir de imágenes adquiridas en tiempo real procedentes de una cámara instalada en el interior del vehículo mediante el empleo de técnicas de Visión Artificial. En última instancia, el sistema propuesto podría formar parte real de un sistema anticolisiones CAS (Collision-Avoidance System) capaz de evitar potenciales situaciones de riesgo directo de accidente en es escenarios de tráfico reales donde la integridad de vidas humanas podría verse comprometida. A tal fin el sistema diseñado propone un modulo de Detección de Vehículos basado en Filtrado de Gabor y clasificación SVM para caracterización y clasificación de vehículos. Posteriormente, seguimiento espacio-temporal de los resultados obtenidos es llevado a cabo mediante Filtrado de Kalman, condición necesaria que permite en última instancia acometer la estimación del Tiempo-de-Colisión (TTC) que este proyecto persigue. Los resultados obtenidos en este punto dependen en gran medida de los resultados obtenidos en las etapas anteriores. Diferentes métodos tanto cuantitativos como cualitativos han sido considerados a lo largo del proyecto para evaluación del sistema propuesto. [ENG]During the past few decades, road accidents have proven to be one of the most common causes for the loss of human lives, counting them by millions. Consequently, vehicle safety has steadily improved over the years, mainly because of the advances of passive safety systems (e.g., seat belts, airbags or improvements in their crashworthiness for passengers and pedestrians) that have been included in almost all commercial vehicles. However, today’s safety systems are designed to help vehicle passengers not only escape injury during an accident, but actually help prevent the accident in the first place.
Advanced Driver Assistance Systems (ADAS) are systems that provide assistance to the driver and improve driving experience, being its primary function to ensure safety of the vehicle and other vehicles on the road, the driver, and the pedestrians or bikers. And so, demand for ADAS in recent years caused by desire to build safer vehicles and roads in order to reduce the number of road fatalities has been greatly increased. To function reliably, ADAS must be able to recognize objects, signs, road surface, and moving objects on the road and to make decisions whether to warn or act on behalf of a driver in real time. Therefore, in order to guarantee robust and reliable systems, commercial ADAS normally combine different technologies such radar, LIDAR, ultrasonic, photonic mixer device (PMD), cameras, and night vision devices, since it’s proven sensor fusion achieves higher system performance than independent systems in order to ensure vehicle, driver, passengers and pedestrians safety. Modern ADAS systems are precursors of the autonomous vehicles of the future.
Furthermore, since technological breakthroughs allowed the incorporation of cheap, low consumption systems with high processing speeds in vehicles, it became apparent that complex computer vision techniques could be used to reliably assist drivers in navigating their vehicles. In this direction, this thesis focuses on the design of a Computer Vision based Advance Driver Assistance System, for the more specific implementation of a Time-To-Collision (TTC) System, able to predict the remaining time to a potential impact taking place between the ego-vehicle and others present on the road, from images acquired in real time from an on-vehicle mounted front camera. Integrated in a Pre-crash System or in combination with an Emergency Breaking System (EBS) the proposed system might lead to the implementation of a real vehicle Collision-Avoidance System (CAS) that would eventually allow to avoiding potential dangerous situations of real risk of traffic accidents on the road within real driving scenarios involving human lives.
To say more, the system presented in this thesis proposes a Preceding Vehicle Detection (PVD) module, more specifically focused in the Hypothesis Verification (HV) stage, based on Gabor Filtering, for target description, in combination with Support Vector Machines (SVM) for vehicle classification purposes, aiming robustness to changes of illumination, weather conditions, and diverse driving environments. Additionally spatiotemporal tracking of detected results is implemented via Kalman Filtering and template-matching techniques, in order to eventually address the main challenge of real-time Time-To-Collision (TTC) estimation this thesis stands for. Several experiments and both quantitative and qualitative methods were considered to evaluate the proposed system.
KW - Teoría de la Señal y las Comunicaciones
KW - Inteligencia artificial
KW - Artificial intelligence
KW - Vehículos automotores
KW - Motor vehicles
KW - 1203.04 Inteligencia Artificial
KW - 3324.07 Control de Vehículos
LA - spa
ER -