Desarrollo de algoritmos de visión por computador para la detección, localización y orientación de un vehículo no tripulado

Abstract

Se ha instalado en la Raspberry Pi 3 B+ el sistema operativo Raspbian con el que se han desarrollado los algoritmos en Python sobre Spyder3. Se han instalado en Matlab las librerías Computer Vision y la app Image Labeler, con las que se trabajará. Se han desarrollado algoritmos de almacenamiento y creación de datasets con imágenes para el entrenamiento de los detectores usados en Python. Se han creado mediante la app Image Labeler tablas que contienen las bounding boxes con la información necesaria para crear un clasificador mediante un entrenamiento automático en cascada. Se han creado detectores mediante entrenamiento en cascada para Python mediante la app Cascade Trainer GUI, con la que posteriormente se han testeado estos clasificadores. Se han comparado las detecciones realizadas con los algoritmos en Python y en Matlab. Se han desarrollado algoritmos de análisis de imágenes, así como de aplicación de detectores sobre las mismas. Se han desarrollado algoritmos de análisis de archivos de vídeo y de vídeos en streaming para la detección de objetos mediante los detectores entrenados. Se han desarrollado algoritmos de detección de umbral de color para hacer más robustas las detecciones de los clasificadores. Se han aplicado, sobre los algoritmos de detección, una serie de operaciones que permiten entregar al usuario final la posición y el ángulo del Segway detectado.

The operative system Raspbian has been installed on the Raspberry Pi 3 B+, where most of the algorithms have been developed on Python, helped by Spyder3. Computer Vision packages and Image Labeler app have been installed on Matlab, both of which will be used later on. Images dataset’s storaging and creation algorithms have been developed to train the classifiers used on Python. Tables containing bounding boxes information have been created through Image Labeler to create a classifier through an automatic cascade training. Classifiers for Python have been created through cascade training using Cascade Trainer GUI, where later on, Those classifiers will be tested. Detections made by Matlab’s and Python’s algorithms have been compared. Image analysis algorithms have been developed, as well as algorithms that apply this classifiers on those images. Video and streaming video analysis algorithms have been developed in order to detect ítems through the trained classifiers. Color threshold detection algorithms have been developed to make detections even stronger. Operations have been applied over detection algorithms that allows them to deliver to the user information about the position and the angle of the detected Segway.