Nuevo algoritmo para evitar atropellos del coche autónomo

Nuevo algoritmo para evitar atropellos del coche autónomo

7 marzo, 2016

La Universidad de California ha presentado un sistema de detección de peatones que, gracias a un nuevo algoritmo, funciona de forma mucho más rápida y precisa que los actuales. Este nuevo desarrollo sería de gran utilidad para los futuros coches autónomos.

Unos investigadores de la Universidad de California, en San Diego, han desarrollado un sistema de detección de peatones que, según ellos, realiza las operaciones en tiempo casi real y con una precisión muy superior a los sistemas existentes. Los investigadores creen que este nuevo algoritmo y su tecnología podrán ser utilizados en los futuros coches autónomos.

El objetivo de la investigación era que el sistema fuera capaz de reconocer y clasificar en tiempo real los distintos objetos que aparecen a su alrededor, especialmente seres humanos, en condiciones normales de conducción urbana. Esto permitiría a los coches autónomos detectar y evitar atropellos, así como los potenciales conflictos derivados de una deficiente detección de objetos y seres humanos.

La mayoría de los sistemas de detección de peatones toman una imagen, la cual dividen en pequeñas secciones, denominadas ventanas, que posteriormente son procesadas por un programa para determinar la presencia o no de una forma humana en cada una de ellas. Este tipo de sistemas necesitan procesar de 5 a 30 imágenes por segundo para detectar a los peatones. Esto supone una enorme labor de procesamiento, porque, como decíamos anteriormente, cada imagen se divide en múltiples ventanas.

Pues bien, el dispositivo ideado por la Universidad de California funciona, básicamente, de la misma forma, pero es más rápido, ya que el algoritmo empleado descarta inmediatamente las ventanas que no tienen posibilidad alguna de contener una forma humana. De esta forma, las ventanas que contengan, por ejemplo, el cielo se ignoran y el sistema se centra en las que muestran una mayor ocupación.

En una segunda etapa, el sistema archiva las ventanas que tienen objetos similares en forma o variación de colores a un ser humano, aunque no sean peatones (árboles, arbustos, otros vehículos…). Finalmente, en una observación más detallada, el sistema se queda únicamente con las ventanas que contienen a viandantes y descarta el resto.

Tradicionalmente, los sistemas de detección en ventanas usan unos clasificadores sencillos. Sin embargo, la novedad del dispositivo de la Universidad de California es que utiliza un clasificador de “aprendizaje profundo”, por lo que la detección de peatones es cada vez más sofisticada y rápida. Esta es la diferencia clave del nuevo algoritmo frente a los actuales.

El “aprendizaje profundo” trata de imitar el funcionamiento del cerebro. De esta forma, el sistema aprende de sus errores y, progresivamente, va mejorando su funcionamiento y, por lo tanto, la experiencia del usuario. Este tipo de algoritmo se está comenzando a utilizar en multitud de dispositivos. Por ejemplo, Google consiguió reducir hasta un 25% los errores de su sistema de reconocimiento de voz al utilizarlo.

De momento, la detección de peatones de la Universidad de California funciona solo en tareas de detección binaria (si/no), pero el equipo de investigadores espera ampliar sus capacidades para detectar múltiples tipos de objetos simultáneamente.

En cualquier caso, los primeros resultados han sido satisfactorios, ya que, según han informado los investigadores, el sistema solo necesita de 2 a 4 imágenes por segundo para detectar peatones, por lo que lo hace casi en el mismo tiempo que un ser humano.

Comparte este artículo

Suscríbete a nuestra newsletter

Recibirás en tu email las últimas noticias, novedades y pruebas del mundo del motor

Te puede interesar...

Comenta este artículo

* He leído la Política de privacidad

Ir arriba