Breve revisión sobre inventario automatizado de señalética con drones

• Satama Bermeo, Geovanny ^[1] ; Caballero Martín, Daniel ; Affou, Hicham ^[1] ; Ramos-Hernanz, Josean ^[1] ; Aramendia, Iñigo ^[1] ; Lopez Guede, Jose ^[1]
  1. [1] Universidad del País Vasco/Euskal Herriko Unibertsitatea

     Universidad del País Vasco/Euskal Herriko Unibertsitatea

     Leioa, España

     
• Localización: Jornadas de Automática, ISSN-e 3045-4093, Nº. 45, 2024
• Idioma: español
• Enlaces
  • Texto completo
• Resumen
  • español

    Este artículo presenta una breve revisión sobre la generación automatizada de inventarios de señalización vial mediante drones y aprendizaje profundo, utilizando la metodología PRISMA. Se analizaron 30 artículos de bases de datos académicas como Google Scholar, Science Direct y Web of Science. Los estudios revisados destacan las ventajas del uso de drones para la captura de imágenes y datos Lidar, así como la aplicación de algoritmos de inteligencia artificial para el procesamiento y análisis de datos. La literatura muestra que estas tecnologías permiten una gestión más eficiente y precisa de la señalización vial, mejorando la seguridad y la planificación urbana. También se identifican desafíos y futuras líneas de investigación, como la integración de diferentes tipos de sensores y el desarrollo de modelos más robustos para la detección y clasificación de señalización.

  • English

    This article presents a brief review on the automated generation of road sign age inventories using drones and deep learning, employing the PRISMA methodology. Thirty articles from academic databases such as Google Scholar, Science Direct, and Web of Science were analyzed. The reviewed studies highlight the advantages of using drones for capturing images and Lidar data,as well as the application of artificial intelligence algorithms for data processing and analysis. The literature shows that these technologies enable more efficient and accurate management of road signage, enhancing safety and urban planning. Challenges and future research directions are also identified, including the integration of different sensor types and the development of more robust models for signage detection and classification.