logo móvil
Contáctanos

Sistema de detección de objetos 3D en entorno de medio dispersante

Autores: Ono, Seiya; Kim, Hyun-Woo; Cho, Myungjin; Lee, Min-Chul

Idioma: Inglés

Editor: MDPI

Año: 2024

Descargar PDF

Acceso abierto

Artículo científico
2024

Sistema de detección de objetos 3D en entorno de medio dispersante


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Tecnología
Peplografía
Medios dispersos
Detección de objetos
Información 3D
Automatización del sistema

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 34

Citaciones: Sin citaciones


Descripción
La peplografía es una tecnología para eliminar medios dispersantes como la niebla y el humo. Sin embargo, la peplografía solo elimina medios dispersantes, y las decisiones sobre las imágenes las toman los humanos. Por lo tanto, todavía hay muchas mejoras por hacer en términos de automatización del sistema. En este documento, combinamos la peplografía con You Only Look Once (YOLO) para intentar la detección de objetos en condiciones de medios dispersantes. Además, las imágenes reconstruidas por la peplografía tienen características diferentes a las imágenes normales. Por lo tanto, al aplicar la peplografía a las imágenes de entrenamiento, intentamos aprender las características de imagen de la peplografía y mejorar la precisión de detección. Además, al considerar la conducción autónoma en condiciones de niebla o sistemas de rescate en la escena de un incendio, la información tridimensional (3D) como la distancia al vehículo de adelante y a la persona que necesita rescate también es necesaria. Además, aplicamos una cámara estéreo a este algoritmo para lograr la posición tridimensional del objeto y la detección de distancia en condiciones de medios dispersantes. Además, al estimar el medio dispersante en la peplografía, es importante especificar el área de procesamiento, de lo contrario, el medio dispersante no se eliminará adecuadamente. Por lo tanto, construimos un sistema que mejora continuamente el procesamiento al estimar el tamaño del objeto en la detección de objetos y cambiar sucesivamente el rango de área utilizando el valor estimado. Como resultado, el resultado de PSNR de nuestro método propuesto es mejor que el de PSNR por el proceso convencional de peplografía. La estimación de distancia y la detección de objetos también se verifican como precisas, registrando valores de 0.989 para precisión y 0.573 para recuperación. Cuando se aplica el sistema propuesto, se espera que tenga un impacto significativo en la estabilidad de la tecnología de conducción autónoma y la seguridad del rescate en escenas de incendios.

Otros recursos que podrían interesarte

Temas Virtualpro