Simulador con visión computacional para detección, seguimiento y cálculo de distancia de objetos en movimiento

• Valderrama García, Leonardo ^[1]
  1. [1] Corporación Universitaria Minuto de Dios

     Corporación Universitaria Minuto de Dios

     Colombia

     
• Localización: epsir: European Public & Social Innovation Review, ISSN-e 2529-9824, Nº. 9, 20, 2024 (Ejemplar dedicado a: Innovando en tecnologías de vanguardia)
• Idioma: español
• Títulos paralelos:
  • Simulator with Computer Vision for Detection, Tracking, and Distance Calculation of Moving Objects
• Enlaces
  • Texto completo
• Resumen
  • español

    Introducción: En el marco de una investigación sobre sistemas de visión computacional para prevenir colisiones en motocicletas, se ha desarrollado un simulador digital que evalúa escenarios de tráfico relevantes. Metodología: El simulador analiza secuencias de video sintéticas de diversos entornos de tráfico mediante modelos de visión computacional. Utiliza el algoritmo YOLO, conocido por su velocidad y precisión en la detección de objetos, para identificar, clasificar y rastrear vehículos, peatones y otros objetos móviles. Resultados: El sistema es capaz de estimar la distancia euclidiana y proyectar la trayectoria de los elementos desde la perspectiva del piloto, replicando lo que captaría un sistema de visión en una motocicleta real. La adaptabilidad de YOLO permite su uso en múltiples contextos sin necesidad de reentrenamiento intensivo. Discusión: El simulador ofrece un ambiente controlado para evaluar el rendimiento de los algoritmos de detección de colisiones en escenarios críticos, permitiendo pruebas repetibles sin riesgos reales. Conclusiones: Este simulador facilita la validación de algoritmos de prevención de colisiones, proporcionando un entorno seguro y eficiente para probar su desempeño en situaciones de tráfico críticas.

  • English

    Introduction: In the framework of a research on computer vision systems for motorcycle collision prevention, a digital simulator has been developed that evaluates relevant traffic scenarios. Methodology: The simulator analyzes synthetic video sequences of various traffic environments using computer vision models. It uses the YOLO algorithm, known for its speed and accuracy in object detection, to identify, classify and track vehicles, pedestrians and other moving objects. Results: The system is able to estimate Euclidean distance and project the trajectory of items from the rider's perspective, replicating what would be captured by a vision system on a real motorcycle. The adaptability of YOLO allows its use in multiple contexts without the need for intensive retraining. Discussion: The simulator provides a controlled environment to evaluate the performance of collision detection algorithms in critical scenarios, allowing repeatable testing without real risks. Conclusions: This simulator facilitates the validation of collision avoidance algorithms, providing a safe and efficient environment to test their performance in critical traffic situations.