semf imagenes y blue toot.pdf
TRANSCRIPT
-
PROYECTO FIN DE CARRERA
MEJORA DEL TRFICO EN UN CRUCE
REGULADO POR SEMFOROS,
MEDIANTE UN SISTEMA BASADO EN
VISIN ARTIFICIAL
AUTOR: ERNESTO DE LA ROCHA GMEZ
MADRID, JUNIO 2009
UNIVERSIDAD PONTIFICIA COMILLAS
ESCUELA TCNICA SUPERIOR DE INGENIERA (ICAI)
INGENIERO EN INFORMTICA
-
Autorizada la entrega del proyecto del alumno:
ERNESTO DE LA ROCHA GMEZ
El Co-Director del Proyecto
DAVID CONTRERAS BRCENA
Fdo.: .. Fecha: / /
El Co-Director del Proyecto
RAFAEL PALACIOS HIELSCHER
Fdo.: .. Fecha: / /
V B del Coordinador de Proyectos
DAVID CONTRERAS BRCENA
Fdo.: .. Fecha: / /
-
PROYECTO FIN DE CARRERA
MEJORA DEL TRFICO EN UN CRUCE
REGULADO POR SEMFOROS,
MEDIANTE UN SISTEMA BASADO EN
VISIN ARTIFICIAL
AUTOR: ERNESTO DE LA ROCHA GMEZ
CO-DIRECTOR: DAVID CONTRERAS BRCENA
CO-DIRECTOR: RAFAEL PALACIOS HIELSCHER
MADRID, JUNIO 2009
UNIVERSIDAD PONTIFICIA COMILLAS
ESCUELA TCNICA SUPERIOR DE INGENIERA (ICAI)
INGENIERO EN INFORMTICA
-
I
Nobody said it was easy,
No one ever said it would be this hard.
Take me back to the start.
Coldplay The scientist
-
II
AGRADECIMIENTOS
Desde aquel verano de 2005, cuando Jess Machuca y Fernando Gonzlez
queriendo o sin querer enunciaron las bases de este proyecto, una gran cantidad de
personas han colaborado de manera directa o indirecta en este proyecto y por
tanto deben ser mencionados en este pequeo espacio de agradecimientos.
Pequeo espacio es pues, se necesitara otro documento de la misma
extensin que esta memoria para poder mencionar a todos los que han hecho
posible transformar una simple idea en realidad.
Comenzando con la idea de aquella noche de 2005, a lo largo de estos
cuatro aos, el destino o tal vez la suerte, han ido dando forma a este proyecto.
Siguiendo la lnea del tiempo, a travs de la educacin ntegra que he recibido en el
ICAI, me ha hecho capaz de afrontar el difcil reto que supona este proyecto.
Otro momento importante para el desarrollo de este proyecto fue durante
mi ao Erasmus en University of Southampton, donde pude trabajar con gente
experta en el tema de tratamiento digital de imgenes y entonces fue cuando pude
saber que, an siendo una tarea muy complicada, podra llevarse a cabo.
Parte importante de culpa de la existencia de este proyecto es tambin
debida a mis directores de proyecto, tanto Rafael Palacios como David Contreras
han aportado su amplio conocimiento e increble experiencia para completar este
proyecto, y por tanto les estar eternamente agradecidos que me hayan guiado en
este difcil camino.
Por ltimo, debo agradecer y agradezco la colaboracin de toda esa gente,
tanto familia como amigos/as, que tambin han hecho posible llevar a cabo este
proyecto. Sin su particin, de una manera exhaustiva para realizar el punto crtico
de este proyecto, las pruebas en un entorno real, y sin su apoyo continuo no
hubiera sido posible realizar con ilusin tal difcil tarea.
-
III
RESUMEN
Este proyecto supone el desarrollo y pruebas experimentales de un sistema
inteligente que, a partir de cmaras IP y antenas Bluetooth instaladas en los
semforos, ejecute en tiempo real decisiones sobre los semforos para la
optimizacin del trfico en una interseccin.
El sistema, denominado TEA (Traffic Enhancement Application) tiene como
objetivos principales:
Reducir el tiempo medio de espera de los vehculos que circulan por la
interseccin.
Reducir el nmero de paradas/arranques que se producen. De esta manera
se reduce el gasto de combustible y tambin se reducen las emisiones
contaminantes.
Dotar de prioridad de paso al transporte pblico y a los equipos de
emergencia.
Reducir el nmero de accidentes potenciales que se pueden producir en una
interseccin cuando algn vehculo cruza la interseccin an estando su
semforo cerrado.
Tras un estudio del estado de arte en cuanto a los sensores para la deteccin
y conteo de vehculos, la manera de detectar los vehculos que se encuentran
parados en el semforo o que se aproximan a la interseccin, est basada en el
tratamiento digital de las imgenes tomadas mediante cmaras inalmbricas
montadas en el semforo. Para realizar dicho tratamiento digital de imgenes se
han desarrollado dos algoritmos, uno para la deteccin de vehculos de da y otro
para la deteccin de vehculos de noche. Los resultados de fiabilidad de estos
algoritmos, usando alrededor de 400 imgenes de prueba, son del 98.8% de
aciertos y del 95.5% de aciertos respectivamente. Adicionalmente, para la transicin
entre estos dos algoritmos se ha desarrollado un detector del entorno de luz
ambiente, tambin basado en tcnicas de tratamiento digital de imgenes.
-
IV
Como valor aadido de este proyecto, tambin gracias al tratamiento digital
de las imgenes, se ha desarrollado un algoritmo para la estimacin de la velocidad
de los vehculos que se aproximan a la interseccin. Esta informacin permite saber
si se puede llegar a producir una colisin de un vehculo con otro en la interseccin
en el caso de que alguno de ellos cruce la interseccin sin el permiso concedido
por los semforos.
Por otro lado, la manera de discrepar entre vehculos de emergencia,
transporte pblico y vehculos corrientes se realiza mediante tcnicas de
comunicacin Bluetooth, ya que las tcnicas de tratamiento digital de imgenes no
han resultado efectivas para discriminar vehculos prioritarios. Adems, se han
desarrollado prototipos de antenas unidireccionales Bluetooth, las recomendadas
para la deteccin unvoca del tipo de vehculo que se aproxima por cada va de la
interseccin.
Tanto los resultados de la deteccin de los vehculos que se aproximan a la
interseccin como los resultados de la comprobacin de la existencia de vehculos
prioritarios, son tratados en un sistema de toma de decisiones desarrollado en base
a reglas, con el fin de generar la decisin ptima de regulacin de los semforos y
que esta sea propagada, en tiempo real, a los semforos de la interseccin para su
implantacin.
Los tres mdulos anteriormente citados: deteccin y contabilizacin de
vehculos, deteccin de vehculos prioritarios y sistema de toma de decisiones, han
sido evaluados utilizando un entorno simulado y un entorno real.
Respecto a la evaluacin en un entorno simulado, se incluye en este
proyecto un simulador del trfico que fluye en una interseccin. Tras un proceso de
ajuste y parametrizacin del citado simulador, se han realizado simulaciones
durante 270 minutos, para las dos posibles formas de regulacin semafrica: por
patrones de tiempos fijos y mediante la regulacin inteligente propuesta por este
proyecto. Los resultados que se obtienen mediante simulacin son alentadores, el
control inteligente reduce los tiempos de espera un 74%, desde 20.849 segundos de
-
V
espera acumulados durante 270 minutos de simulacin a 5.430 segundos. Por otro
lado, el nmero de arranques se reducen en 70 arranques, de 1.903 arranques
sobre 3.240 vehculos servidos, a 1.820 arranques sobre 3.265 vehculos servidos.
Respecto a la evaluacin en un entorno real, se han realizado pruebas
experimentales utilizando semforos de obra para ejecutar las decisiones de
regulacin semafrica inteligente, sobre una interseccin real por donde circulan un
flujo medio de vehculos. Durante 30 minutos se tomaron medidas del trfico que
circulaba por dicha interseccin, en trminos de tiempos de espera, arranques
producidos y nmero de vehculos servidos. Seguidamente, durante otros 30
minutos se tomaron las mismas medidas pero esta vez siendo el trfico regulado
mediante la regulacin inteligente que propone este proyecto.
Los resultados de las pruebas experimentales son satisfactorios, reafirmando
las estimaciones realizadas mediante la ejecucin de este proyecto en entornos
simulados. Concretamente los resultados obtenidos durante las pruebas
experimentales fueron:
Reduccin de los tiempos de espera para cruzar la interseccin un 56.3%,
desde 2.217 segundos de espera acumulados durante los primeros 30
minutos, a 968 segundos de los siguientes 30 minutos.
Reduccin del nmero de arranques en 70, de 142 arranques sobre 252
vehculos servidos durante los primeros 30 minutos, a 72 arranques sobre
otros 252 vehculos servidos durante los siguientes 30 minutos.
Reduccin del consumo medio de combustible en 0.564 litros, durante la
segunda media hora de pruebas experimentales.
Reduccin de 1.922,83 gramos de CO2, durante la segunda media hora de
pruebas experimentales.
En definitiva, se cubren satisfactoriamente los objetivos propuestos para
este proyecto, ya que se ha realizado un sistema inteligente para la regulacin del
trfico en funcin de una alta exigencia en los conceptos de calidad y coste del
proyecto.
-
VI
ABSTRACT
This project is based on creating and carrying out experimental tests of an
intelligent system that, using IP cameras and Bluetooth antennas installed on traffic
lights, executes in real-time generated decisions to traffic lights in order to optimize
traffic flows in a junction.
This intelligent system, also known as TEA (Traffic Enhancement
Application), has the following objectives:
Reducing queuing times for vehicles that are in a junction.
Reducing the number of stops/starts that occur in a traffic junction. Because
of this, fuel consumption and pollutant emissions are reduced also.
Giving priority to cross a junction to emergency equipment and public
transport.
Reducing potential vehicle crashes that could be caused by vehicles that
cross the junction despite the fact they are not allowed to.
After a state of the art study on vehicle detection and counting techniques
using sensors, the method used for detecting vehicles that are approaching the
junction is based on digital image processing technique. This technique is applied to
images retrieved by IP cameras installed on the top of traffic lights. In order to
implement this method two algorithms have been developed, one for detecting
vehicles under daytime conditions, and another for detecting vehicles under
nighttime conditions. Results of reliability tests of these algorithms, using over 400
images, show 98.8% and 95.5% effectiveness respectively. In addition, so as to use
daytime algorithm or nighttime algorithm, a time condition detector has also been
developed, using digital image processing techniques again.
As an added value to this project, an algorithm for estimating current vehicle
speed that is coming to the junction has been developed too. Using this data, it
could be known if a potential vehicle crash could happen by a vehicle that is trying
to cross the junction without the permission given by traffic lights.
-
VII
The way of identifying the kind of vehicle that is approaching, is based on
Bluetooth communication techniques. Thereby, public transport and emergency
equipment can be detected so as to give them priority to cross the junction. Results
using digital image processing so as to detect this kind of vehicle were unsuccessful,
that is why Bluetooth communication techniques are used. Moreover,
unidirectional Bluetooth antennas prototypes have been created, making clear
what kind of vehicle is approaching the junction.
Counting vehicles that are coming to the intersection and checking if any of
them belongs to emergency equipment, are results that must be processed by a
decision support system. That is why; a decision support system has been also
developed and included in this project. As a result, the best decision for that right
instant is generated in real-time so as to propagate it to intersections traffic lights.
Modules referenced above: detecting and counting vehicles, detecting
emergency equipment and decision support system, have been evaluated using
simulated and real environments.
In reference to this project evaluation on simulated environments, a traffic
flow simulator on intersection has been created and it is included in this project.
After an adjustment process for this simulator, two simulations have been done
during 270 minutes, testing two traffic regulation systems: using fixed periods of
time and using an intelligent regulation. Results are promising; on the one hand,
intelligent regulation reduces queuing times over a 74%, from 20.849 seconds of
accumulated waiting times for 270 minutes of simulation, to 5.430 seconds. On the
other hand, stops/starts events are also reduced by the intelligent regulation, from
1.903 stops/starts produced by 3.240 vehicles serve, to 1.820 stops/starts produced
by 3.265 vehicles served.
In reference to this project evaluation on real environments, experimental
tests have been carried out using temporary traffic lights to execute intelligent
decisions, generated by this project, to an intersection where real traffic flows.
-
VIII
During 30 minutes, traffic flows measures were taken in terms of queuing times,
stops/stars produced and number of vehicles that crossed the intersection. During
another period of time of 30 minutes, the same traffic flow measures were taken
but this time the traffic was being regulated by the intelligent system proposed on
this project.
Results from these experimental tests are quite successful, reassuring estimations
made by executing this intelligent system on simulated environments. More
precisely, results obtained during experimental tests were:
56.3% queuing times reduction. From 2.217 seconds of accumulated waiting
time over the first 30 minutes, to 968 seconds over the last 30 minutes.
70 stops/starts events are eliminated. From 142 stops/starts over 252
vehicles that crossed the junction during the first 30 minutes, to 72
stops/starts over 252 vehicles served during the last 30 minutes.
0.564 fuel consumption reduction over the last 30 minutes.
1.922,83 CO2 grams reduction over the last 30 minutes.
In a nutshell, objectives proposed for this project have been successfully met
because an intelligent traffic regulation system has been created in terms of high
quality and low cost.
-
IX
ndice
1. Motivacin ................................................................................................................ 1
2. Concepto principal ................................................................................................. 4
3. Estado del arte ......................................................................................................... 9
4. Objetivos .................................................................................................................. 13
5. Descripcin del sistema ...................................................................................... 15
5.1. Metodologa empleada........................................................................................... 17
6. Mdulo de tratamiento digital de imgenes ............................................. 18
6.1. Estudio de diferentes tcnicas ................................................................................ 19
6.1.1. Deteccin de vehculos basada en redes neuronales ......................................... 20
6.1.2. Deteccin de vehculos basada en movimiento ................................................ 22
6.1.3. Deteccin de vehculos basada en luminosidad ................................................ 23
6.1.4. Deteccin de vehculos basada en contraste ..................................................... 27
6.2. Deteccin de vehculos que se aproximan a la interseccin ................................... 32
6.3. Algoritmo de deteccin de vehculos de da ........................................................... 37
6.4. Evaluacin del algoritmo de deteccin de vehculos de da .................................... 55
6.5. Algoritmo de deteccin de vehculos de noche....................................................... 59
6.6. Evaluacin del algoritmo de deteccin de vehculos de noche ............................... 68
6.7. Estimacin de la velocidad de vehculos que se aproximan a la interseccin ......... 72
6.8. Algoritmo de estimacin de la velocidad de vehculos que se aproximan a la
interseccin ................................................................................................................... 78
6.9. Evaluacin del algoritmo de estimacin de la velocidad de vehculos que se
aproximan a la interseccin ........................................................................................... 87
7. Mdulo de deteccin de vehculos prioritarios ........................................ 90
7.1. Deteccin basada en tratamiento de imgenes ...................................................... 92
7.2. Deteccin basada en tecnologa Bluetooth............................................................. 94
7.2.1. Tipos de antenas............................................................................................... 94
7.2.2. Cdigos de identificacin .................................................................................. 95
-
X
7.3. Algoritmo de deteccin de vehculos de emergencia .............................................. 97
7.4. Conclusiones sobre el sistema de deteccin de vehculos con prioridad .............. 104
8. Sistema de toma de decisiones ..................................................................... 105
8.1. Estudio de diferentes tcnicas .............................................................................. 107
8.2. Captura del estado del trfico............................................................................... 108
8.2.1. Algoritmo de integracin con el sistema de toma de decisiones...................... 109
8.3. Verificacin contra accidentes .............................................................................. 115
8.4. Generacin de la decisin ptima ......................................................................... 117
8.4.1. Algoritmo de generacin de la decisin ptima .............................................. 118
8.5. Ejecucin de la decisin ptima ............................................................................ 126
9. Evaluacin del sistema ..................................................................................... 127
9.1. Pruebas en entorno simulado ............................................................................... 129
9.1.1. Simulacin del trfico ..................................................................................... 129
9.1.2. Ejecucin de la simulacin .............................................................................. 130
9.1.3. Comparacin de resultados ............................................................................ 131
9.2. Pruebas en entorno real ....................................................................................... 134
9.2.1. Pruebas realizadas .......................................................................................... 135
9.2.2. Resultados obtenidos ..................................................................................... 136
10. Conclusiones ...................................................................................................... 139
10.1. Trabajos futuros.................................................................................................. 141
10.2. Otras aplicaciones del sistema ............................................................................ 143
11. Planificacin ....................................................................................................... 145
12. Estimacin econmica .................................................................................... 149
13. Bibliografa .......................................................................................................... 151
Apndice I. Manual de instalacin .................................................................... 154
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 1 ~ Universidad Pontificia Comillas
Captulo 1
Motivacin
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 2 ~ Universidad Pontificia Comillas
1. Motivacin
La motivacin principal de este proyecto es la mejora de una accin cotidiana de la
sociedad actual. Esta accin es la de tener que cruzar una interseccin en un cruce
de trfico regulado por semforos. En innumerables ocasiones las siguientes
preguntas han sido lanzadas al aire sin respuesta obvia:
Por qu est el semforo en rojo y no puedo pasar aunque no haya otros
vehculos en la interseccin?
Por qu los semforos duran siempre lo mismo si el nmero de vehculos que
entran por cada calle son siempre distintos y variables?
Este proyecto quiere responder a las anteriores preguntas enunciando que
los semforos actuales son elementos pasivos de las intersecciones ya que no
tienen en cuenta la situacin actual de la interseccin sino que actan en funcin de
reglas predefinidas o en funcin de patrones fijos de tiempo.
Por tanto, como motivacin principal de este proyecto est la comprobacin
de que la regulacin semafrica en funcin de patrones fijos de tiempo no es
efectiva. Adems se pretende verificar que hay soluciones para este problema.
Dicha comprobacin ser mediante la solucin de transformar los semforos
actuales en elementos activos de las intersecciones, que conozcan la situacin
actual de la interseccin para tomar las decisiones ms apropiadas en cada instante
con el fin de mejorar el flujo de trfico de las intersecciones reguladas por
semforos.
Existen otras dos realidades ms que, extrapolando los datos que exponen,
sirven como motivacin extra para la realizacin de este proyecto:
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 3 ~ Universidad Pontificia Comillas
Fuente: [DGT_07]
Fuente: [GRAD07]
Se puede considerar a este proyecto de ambicioso y de largo alcance,
ciertamente su motivacin es esa al intentar solucionar un problema que afecta a
toda a la poblacin de pases desarrollados y donde sus resultados pueden causar
altos beneficios para el desarrollo sostenible.
De forma paralela a toda la motivacin comentada, hay que aadir que el
desarrollo de este proyecto debe realizarse en unas condiciones de tiempo limitado
e intentando minimizar el coste.
A lo largo de esta memoria se van a ir realizando desarrollos y conclusiones
en funcin de la motivacin aqu recogida. Adems, en el captulo 7 se recogen
todas estas conclusiones conectadas, en cierta manera, con la motivacin
presentada.
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 4 ~ Universidad Pontificia Comillas
Captulo 2
Concepto principal
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 5 ~ Universidad Pontificia Comillas
2. Concepto principal
En la siguiente figura se puede observar una representacin de una interseccin de
trfico regulada por semforos. Est compuesta por cuatro vas que acceden a dicha
interseccin, cada una de estas vas con doble sentido de circulacin.
Figura 1. Ilustracin de una interseccin cualquiera
El concepto principal de este proyecto es la creacin de un sistema
inteligente para mejora del trfico, de aqu que este proyecto tambin se conozca
como TEA (Traffic Enhancement Application). Instalando cmaras IP y antenas
Bluetooth en la parte superior de estos semforos se puede conocer el estado del
trfico en un determinado instante para regular el trfico de la manera ms
adecuada y equitativa para ese determinado instante.
Los beneficios que pueden resultar de la aplicacin de este proyecto son
numerosos y hasta que una vez se simulen o se ponga en funcionamiento una
prueba real a gran escala no se pueden cuantificar con precisin. Sin embargo, a
modo de resumen se presenta la siguiente figura que enuncia los beneficios de
instalar cmaras IP y antenas Bluetooth en los semforos
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 6 ~ Universidad Pontificia Comillas
Figura 2. Esquema de beneficios que se obtienen al instalar cmaras IP y antenas Bluetooth
El siguiente paso al conocimiento del estado del trfico en cada instante
consiste en la toma de decisiones. La forma de generacin de la decisin ptima y
equitativa se realiza en los siguientes pasos:
Figura 3. Esquema de integracin de los distintos elementos de este proyecto
Semforos
Capturan una imagen de la va que regulan para un determinadoinstante, usando la cmara IP instalada.
Buscan si algn equipo de emergencia se aproxima por la va queregulan, usando la antena Bluetooth instalada.
Envan la imagen de la va que regulan y los datos de los equipos deemergencia que se aproximan (si existiesen) a un sistema, denominadocentro de control de interseccin.
Control de interseccin
Procesa las imgenes de todos los semforos para un determinadoinstante.
Procesa la informacin sobre equipos de emergencia que se aproximan ala interseccin (si existiesen).
A travs de su sistema de toma de decisiones y de los datos quemaneja, manda la decisin ptima a los semforos para que estos laejecuten y regulen el trfico acorde a la decisin tomada.
Semforos
Ejecutan la decisin tomada por el centro de control de interseccin.
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 7 ~ Universidad Pontificia Comillas
Este proceso se repite continuamente, siguiendo siempre los mismos pasos y
en el mismo estricto orden, caracterstica imprescindible para que la optimizacin
del trfico sea un proceso robusto que no dependa de otros condicionantes.
La siguiente figura, representa el proceso de generacin de la decisin
ptima y equitativa.
Figura 4. Esquema de intercomunicacin de los elementos de este proyecto
A modo de resumen, se describen los elementos que intervienen en este
proyecto y que deben ser instalados en las intersecciones para hacerlo funcionar.
Los modelos que se explican a continuacin son modelos ejemplo con los requisitos
mnimos, otros modelos con caractersticas parecidas pueden funcionar en las
mismas condiciones. Las caractersticas usadas para la realizacin de las pruebas en
un entorno real se encuentran en el apartado 9.2 del presente documento. Las
instrucciones de instalacin se encuentran en el Apndice I.
La siguiente figura muestra los elementos bsicos a instalar para el correcto
funcionamiento del sistema propuesto por este proyecto
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 8 ~ Universidad Pontificia Comillas
Figura 5. Conjunto de requisitos mnimos para el funcionamiento de este proyecto
El conexionado entre los elementos anteriores se realiza siguiendo las
siguientes tcnicas:
Sensor CMOS 640x480
Compatible con: DHCP, DNS y FTP
Servidor WEB integrado
Sistema de proteccin inalmbrica WPA/WPA2
Cmara IP WiFi Conceptronic CAM2
USB Dongle 100m
Antena unidireccional para cada va
Antena Bluetooth Unidireccional
Procesador Core 2 Duo de Intel a 2 GHz
1 GB de SDRAM DDR3 a 1.066 MHz
Disco duro Serial ATA de 120 GB
Cinco puertos USB 2.0
Conexiones inalmbricas Wi-Fi y Bluetooth
Equipo de interseccin Mac Mini
WiFi
USB
Figura 6. Esquema de ejemplo de conectividad entre elementos de este proyecto
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 9 ~ Universidad Pontificia Comillas
Captulo 3
Estado del arte
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 10 ~ Universidad Pontificia Comillas
3. Estado del arte
Los sistemas de regulacin inteligente de transporte (Intelligent Transportation
Systems) estn actualmente en auge. El problema del trfico est siendo estudiado
en todo el mundo, intentando buscar soluciones para los atascos y soluciones desde
un punto de vista sostenible. Cabe destacar los grandes esfuerzos de los pases de la
regin asitica, teniendo como ejemplos los estudios realizados en ciudades donde
el trfico experimenta un crecimiento muy destacado, como Bangkok y Pekn.
Ms concretamente, se van a enumerar una serie de sistemas que ya se
encuentran instalados, enumerando sus ventajas y sus inconvenientes.
Figura 7. Esquema de situacin del estado del arte
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 11 ~ Universidad Pontificia Comillas
No es necesaria la creacin de patrones ya que se tomar la decisin ptima para cada instante sin atender a otras
condiciones.
A modo de resumen se ha especificado una solucin, de las mltiples
existentes, para cada una de las tres alternativas de los sistemas de regulacin
inteligente de transporte. Este proyecto es parte de la alternativa de la generacin
de Decisiones Dinmicas Automticas y resuelve todos los problemas que tienen
las instalaciones especificadas. Los anteriores problemas han sido resueltos por este
proyecto debido a las siguientes razones:
No se discrepa entre horas punta y valle, no se basa en el nmero medio de vehculos que se aproximan. Se toma la decisin ptima,
en funcin de la afluencia de trfico medido en tiempo real.
La instalacin de espiras magnticas requiere cortar el pavimento para su instalacin, interrumpiendo la circulacin. Este proyecto
slo requiere de la instalacin de cmaras IP y antenas Bluetooth.
Usando espiras magnticas slo se puede detectar un vehculo por espira. Con las cmaras utilizadas para el desarrollo del proyecto se han contado hasta 8 vehculos en ensayos experimentales reales.
La necesidad de personal es un requerimiento que este proyecto salva generando la decisin automticamente gracias al Sistema de
Toma de Decisiones desarrollado.
Poblemas
Soluciones
Problemas
Figura 8. Esquema de ventajas de este proyecto frente a otros productos
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 12 ~ Universidad Pontificia Comillas
La implantacin de sistemas inteligentes para regular el trfico se basa en la
utilizacin de sensores que proporcionan informacin en tiempo real sobre el
estado del trfico. Dichos sensores estn basados en las siguientes tecnologas:
Espiras magnticas [GAJD01]: son precisas pero slo detectan la presencia
de un vehculo. Es necesario instalar un conjunto de espiras para poder
contar varios vehculos. Sin embargo su instalacin es cara e invasiva ya
que requiere instalar mucho cableado y cortar el trfico para su instalacin.
Sensores de microondas [WANG92]: de bajo coste de instalacin pero no
son fiables ante vehculos parados. Se considera crtico este apartado ya
que en intersecciones priman los vehculos parados.
Sensores de ultrasonidos [CARU01]: tambin de bajo coste e instalacin
sencilla pero no son capaces de detectar vehculos a larga distancia y por
tanto no pueden detectar los vehculos cuando se estn aproximando y
tomar la decisin ptima para los prximos instantes.
Sensores de infrarrojos [ANDR02]: pueden ser la eleccin perfecta para la
deteccin de vehculos pero pierden efectividad en entornos de ruido
como puede ser su instalacin en entornos reales.
La utilizacin de cmaras IP solventa los problemas citados anteriormente. Se
consigue un sistema ms verstil con respuestas en tiempo real, capacidad de
monitorizar zonas mucho ms amplias [KAST01] y procedimientos de instalacin
sencillos y econmicos. Adems cabe destacar la completa eliminacin de cables de
interconexin. La nica pega sera el desarrollo de algoritmos sofisticados de
tratamiento de imgenes, que han sido creados en este proyecto.
A lo largo de esta memoria se encuentra el estudio del estado del arte
especfico de las tcnicas de procesado digital de imgenes para la deteccin de
vehculos y su posterior conteo. Anlogamente tambin se describe el estado del
arte en cuanto a los diferentes tcnicas de deteccin de vehculos prioritarios y de
sistemas de toma de decisiones.
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 13 ~ Universidad Pontificia Comillas
Captulo 4
Objetivos
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 14 ~ Universidad Pontificia Comillas
4. Objetivos
Los objetivos principales de este proyecto son los que se muestran en el siguiente
diagrama. Estos objetivos sern transformados en funcionalidades o caractersticas
de este proyecto, tal y como se indica en los siguientes apartados de esta memoria.
Minimizar tiempos de espera
Vehculos que entran a una interseccin vaca, tienen que pasar sin esperas.
Vehculos que entran primero deben salir primero.
Tiempo medio de espera de los vehculos en una interseccin debe ser equitativo sin depender de la va en la que se encuentren.
Minimizar emisiones contaminantes
Al reducir tiempos de espera, se reducen las emisiones contaminantes.
Paradas y arranques de vehculos deben ser minimizadas tambin ya que son las actividades ms contaminantes.
Reduccin del nmero de accidentes
Conocer en todo momento si hay algn vehculo atravesando la interseccin despus del cambio a rojo, para retrasar el cambio a verde de las dems vas de la interseccin.
Facilitar la coordinacin del trfico en interseccines de escasa/nula visibilidad.
Prioridad a equipos de emergencia
Los vehculos de emergencia tienen prioridad absoluta de paso, el sistema puede regular los semforos para facilitar el paso.
Entre estos, tienen mayor prioridad los que lleguen primero a la interseccin.
Desarrollo low-cost
El coste del desarrollo del proyecto debe ser lo ms ajustado posible.
Los elementos necesarios para su desarrollo deben ajustarse a los requerimientos mnimos.
Los costes de instalacin deben ser mnimos, aunque esto requiera un coste de desarrollo ms elevado.
El proceso de instalacin debe ser lo menos invasible posible.
Figura 9. Esquema de objetivos a cubrir por este proyecto
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 15 ~ Universidad Pontificia Comillas
Captulo 5
Descripcin del sistema
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 16 ~ Universidad Pontificia Comillas
5. Descripcin del sistema
El sistema desarrollado en este proyecto, denominado como TEA (Traffic
Enhancement Application), se encuentra dividido en los siguientes tres subsistemas:
mdulo de tratamiento digital de imgenes (captulo 6), mdulo de deteccin de
vehculos prioritarios (captulo 7) y el sistema de toma de decisiones (captulo 8).
En la figura se muestra la disposicin de estos subsistemas, siendo el mdulo de
tratamiento digital de imgenes, componente esencial del sistema de toma de
decisiones, y este a su vez es tambin componente esencial del mdulo que ejecuta
la decisin.
Estos subsistemas y sus mdulos correspondientes van a ser descritos a lo largo de
los siguientes captulos.
Figura 10. Esquema de subsistemas de este proyecto
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 17 ~ Universidad Pontificia Comillas
5.1 Metodologa empleada
De las mltiples metodologas de ingeniera de desarrollo de software existentes, se
ha seleccionado Extreme Programming [BECK99], tambin conocida como XP, para
ser empleada en la realizacin de este proyecto.
Las razones de esta eleccin son mltiples pero principalmente se encuentra
la caracterstica de no continuar con la siguiente fase mientras no se haya
confirmado la anterior. Otra caracterstica clave son las pruebas unitarias, pieza
base de este proyecto ya que se divide en tres subsistemas y cada subsistema ha
sido verificado por separado antes de ser integrados en un solo sistema.
A grandes rasgos, la metodologa Extreme Programming se basa en las
siguientes etapas que siguen un ciclo reiterativo:
Anlisis y descripcin informal: requisitos y objetivos a cubrir han sido
fusionados para alcanzar un grado de compromiso entre ellos.
Planificacin y diseo: todo lo desarrollado ha sido antes planificado, con o
sin desviaciones posteriores.
Desarrollo y pruebas: realizando pruebas unitarias para liberar de errores a
los mdulos que se han ido desarrollando, antes de proceder a desarrollar
otros mdulos.
Implementacin y pruebas: las pruebas del sistema integrado han sido
realizadas tanto en entorno simulado como en entorno real. Ambas pruebas
estn explicadas en el captulo 9 de este documento.
Documentacin: realizada de manera simultnea al desarrollo de todas las
componentes de este proyecto.
Otro aspecto de vital importancia son las constantes reuniones del equipo
de proyecto para comentar mejoras, solventar errores e informar del estado del
desarrollo. Estas reuniones han sido llevadas a cabo semanalmente, tal y como
muestra la planificacin de este proyecto explicada en el captulo 8 de esta
memoria.
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 18 ~ Universidad Pontificia Comillas
Captulo 6
Mdulo de tratamiento
digital de imgenes
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 19 ~ Universidad Pontificia Comillas
6. Mdulo de tratamiento digital de imgenes
El mdulo de tratamiento digital de imgenes tiene por objeto identificar y contar
los vehculos que se encuentran en una va, con el fin de proporcionar estos
resultados al sistema de toma de decisiones para generar la decisin ptima en
tiempo real.
El subsistema de tratamiento digital de imgenes tiene como mdulos
internos la deteccin de los vehculos que aparecen en cada imagen as como hacer
una estimacin de la velocidad de estos a partir de las imgenes de entrada, estos
dos elementos son medidas en tiempo real sobre el estado del trfico que se
obtienen, gracias a las cmaras IP instaladas en la parte superior de los semforos.
A lo largo de este captulo se describe en profundidad la creacin, desarrollo
y puesta en funcionamiento de este mdulo de tratamiento de imgenes en el
contexto en el que este proyecto se sita.
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 20 ~ Universidad Pontificia Comillas
6.1 Estudio de diferentes tcnicas
En las ltimas dcadas se han desarrollado teoras y tcnicas con el fin de discernir
caractersticas a partir de imgenes. Para este proyecto se han estudiado varias de
estas tcnicas. En este documento se recogen y se explican las ventajas/desventajas
de cada tcnica respecto al contexto y a los objetivos de este proyecto. Como
requisitos indispensables se encuentran la rapidez de proceso y sobre todo la
fiabilidad de los resultados que se obtienen al aplicar estos procedimientos.
6.1.1. Deteccin de vehculos basada en redes neuronales
Mediante el concepto de redes neuronales [ENGH08] y [PAPA00] se puede resolver
el problema de deteccin de vehculos en una imagen. La tcnica consiste
bsicamente en la introduccin de una serie de patrones, los tipos de vehculos a
detectar, para que estos sean detectados en las imgenes de entrada.
Como ventaja de esta tcnica se encuentra la robustez de sus resultados,
una vez que se ha introducido un gran nmero de patrones, la red neuronal puede
reconocer los vehculos.
Por otro lado, se encuentra la desventaja de que el nmero de patrones que
siguen los vehculos es muy amplio y deben ser todos introducidos en un
procedimiento de aprendizaje. Adems hay que aadir el problema del enfoque de
las cmaras ya que los patrones no pueden ser cualesquiera, deben coincidir con el
punto de vista que posean las cmaras del sistema instalado.
Figura 11. Patrones introducidos a la red para su aprendizaje
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 21 ~ Universidad Pontificia Comillas
Tras comprobar su funcionamiento mediante utilidades gratuitas disponibles
para MATLAB, se descarta esta teora por no satisfacer las necesidades de este
proyecto. Las siguientes figuran muestran la ejecucin de dichas utilidades con los
resultados correspondientes.
Figura 12. Resultado 1 de uso de red neuronal. Tiempo de proceso = 147,61 segundos.
Figura 13. Resultado 2 de uso de red neuronal. Tiempo de proceso = 57,87 segundos.
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 22 ~ Universidad Pontificia Comillas
6.1.2. Deteccin de vehculos basada en movimiento
Esta tcnica se basa en el estudio de una secuencia de imgenes separadas entre s
por muy poco tiempo, del orden de milisegundos, con el fin de detectar si ha habido
cambios entre unas y otras capturas para conocer si han entrado o han salido
vehculos en la interseccin [PORN08].
Como ventaja de este procedimiento est la facilidad de desarrollo e
implementacin pero como desventaja se encuentra la escasa fiabilidad de este
proceso ya que si hay retraso significativo entre las secuencias de imgenes, los
resultados que devuelve no son fiables. Adems esa probabilidad de retraso entre la
llegada de imgenes es muy alta debido a la conectividad Wireless entre las
cmaras y el centro de interseccin donde se procesan las fotos.
En un proceso anlogo al caso de las redes neuronales, se han realizado
pruebas de fiabilidad de esta tcnica. En las siguientes figuras se puede comprobar
cmo puede llegar a detectar un vehculo debido al movimiento. El resto de los
vehculos no son detectados porque su desplazamiento es casi nulo debido a la
perspectiva de la imagen.
Figura 14. Resultado 1 de uso de deteccin de movimiento.
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 23 ~ Universidad Pontificia Comillas
Figura 15. Resultado 2 de uso de deteccin de movimiento.
6.1.3. Deteccin de vehculos basada en luminosidad
Este proyecto adapt en primera opcin el estudio de la luminosidad de los
componentes de las imgenes como tcnica para la deteccin de vehculos. El
objetivo es detectar vehculos en la imagen debido al cambio de luminosidad que se
produce entre el carril donde se encuentran y el propio vehculo.
Este procedimiento se basa en el estudio de los componentes que superan
un cierto umbral de luminosidad en una imagen. Una vez discrepados estos
elementos, se estudian sus caractersticas principales, sobre todo su morfologa
para diferenciar entre vehculos y no vehculos.
A la hora de realizar las pruebas de fiabilidad de este procedimiento se han
descubierto las siguientes debilidades. Cada debilidad identificada se muestra con
un ejemplo elaborado usando MATLAB como herramienta de tratamiento digital de
imgenes. A la izquierda se muestra la imagen original y a la derecha la imagen tras
haber sido procesada digitalmente con esta tcnica.
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 24 ~ Universidad Pontificia Comillas
Problemas de deteccin de vehculos oscuros, tales como vehculo de
colores negro o similar. No se distingue el vehculo de la calzada, slo
aparecen algunos elementos del vehculo en la imagen procesada.
Figura 16. Resultado 1 de usar deteccin por discrepancia de luminosidad
Consideracin como vehculo de zonas donde se produce un contraste de
sol y sombra. En esta imagen se pone de manifiesto tambin la debilidad
anterior ya que vehculos oscuros como los que aparecen a la derecha de la
imagen no son identificados por esta tcnica. Tambin se puede comprobar
que las zonas donde no hay sombra producida por los rboles, se crean
manchas de sol donde la luminosidad supera el umbral establecido y por
tanto lo identifica como regin de inters.
Figura 17. Resultado 2 de usar deteccin por discrepancia de luminosidad.
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 25 ~ Universidad Pontificia Comillas
Como resultado de las pruebas de fiabilidad realizadas a este procedimiento,
se ha obtenido la siguiente grfica, de donde se muestra la cantidad de aciertos y de
errores de esta tcnica ante 66 de imgenes de pruebas.
En esta grfica se representa el nivel de discrepancia entre el nmero de
vehculos detectados en la imagen y el nmero de vehculos que realmente hay. En
la mayora de los casos el resultado es correcto (discrepancia 0), sin embargo en
bastantes casos hay errores: se detecta un vehculo adicional en 30% de los casos y
uno o dos menos en 25% de los casos.
En contraposicin a los resultados anteriormente expuestos, esta tcnica es
completamente vlida para la deteccin de vehculos durante condiciones donde no
existe luz natural o es muy escasa. Ajustando el umbral de corte adecuadamente se
pueden discrepar perfectamente los faros de los vehculos, cuya luminosidad es
elevada.
Como resultado de esta conclusin, el mdulo de deteccin de vehculos
debe precederse de la comprobacin del grado de luz natural existente a la hora de
0
5
10
15
20
25
30
-5 -4 -3 -2 -1 0 1 2 3 4 5
Can
tid
ad d
e ej
emp
los
Evaluacin de deteccin por discrepancia de luminosidad
Cantidad de ejemplos
Figura 18. Grfica de errores de la deteccin de vehculos mediante discrepancia por luminosidad
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 26 ~ Universidad Pontificia Comillas
tomar la imagen. En funcin de este grado se usa la tcnica de deteccin por
discrepancia de contraste, expuesta en el siguiente apartado de este documento, o
bien se usa la expuesta en este apartado del documento para localizar los faros de
los vehculos.
Como verificacin de la bondad de la tcnica de discrepancia de luminosidad
para una situacin donde no exista luz natural, se muestra el siguiente ejemplo. La
imagen superior es la imagen original, tomada durante la fase de pruebas en
entorno real que se describe en el captulo 6.2 del presente documento. La imagen
inferior es el resultado tras el tratamiento digital usando el mtodo de discrepancia
por luminosidad. Como se puede comprobar slo aparecen los faros del vehculo y
por tanto se puede concluir que hay un vehculo en ese carril en ese instante.
Figura 19. Resultado de ejecutar la tcnica de discrepancia de luminosidad en un entorno con escasa luz
natural.
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 27 ~ Universidad Pontificia Comillas
6.1.4. Deteccin de vehculos basada en contraste
En este apartado se va a describir la tcnica de deteccin de zonas de inters en
imgenes utilizando una medida discrepancia de contraste de todos los elementos
de una imagen.
El mtodo de la deteccin de vehculos mediante contraste se basa en la
tcnica de deteccin de bordes. Esta forma de detectar bordes est constituida por
el clculo de la entropa de los elementos que aparecen en una imagen. A grandes
rasgos, la entropa es el contraste que existe entre dos o ms elementos de una
imagen. La deteccin de los elementos que se encuentran en la calzada se realiza
fcilmente mediante esta tcnica ya que existe un alto contraste entre el pavimento
de la calzada con los vehculos que circulan por ella.
Una grfica que muestra la fiabilidad de este mtodo es la siguiente. Se han
usado en total 481 imgenes de muestra (entre imgenes de noche e imgenes de
da), tomadas con cmaras IP instaladas en semforos en una interseccin real.
Figura 20. Grfica de fiabilidad de la deteccin de vehculos mediante discrepancia por contraste
Con esta tcnica se resuelven todos los problemas enunciados en el
apartado anterior sobre la tcnica de deteccin de vehculos usando discrepancia
por luminosidad. Adems los siguientes factores son resueltos por esta tcnica:
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 28 ~ Universidad Pontificia Comillas
No son necesarios valores fijos de binarizacin. Valores que son
obligatorios a la hora de hacer una discrepancia por luminosidad para
separar los elementos pertenecientes a las zonas de inters y los elementos
que no son importantes.
o Se ahorran por tanto valores de configuracin a la hora de instalar
este proyecto, creando una solucin ms robusta para ms tipo de
situaciones.
Los problemas de deteccin de vehculos oscuros son solucionados. Esto es
debido al contraste existe entre el vehculo y la calzada. La siguiente figura
muestra la comparacin con el mtodo de discrepancia por luminosidad. Se
puede comprobar que la deteccin de bordes funciona mejor, teniendo ms
forma de vehculo, que la deteccin usando discrepancia por luminosidad.
Figura 21. Comparacin de tcnicas de deteccin de vehculos. (a) Imagen original, (b) discrepancia por
luminosidad y (c) discrepancia por contraste.
(a) (b)
(c)
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 29 ~ Universidad Pontificia Comillas
Problemas en zonas de sol y sombra son solucionados. En este caso, el
contraste entre las zonas de sol y sombra se produce de manera gradual en
nivel de entropa demasiado bajo como para que pertenezca a una zona de
inters a estudiar. La siguiente figura muestra la comparacin con el mtodo
de discrepancia por luminosidad. Se puede comprobar que la deteccin de
bordes funciona mejor, no detectando como regin de inters la zona donde
se produce la transicin de sol y sombra. Los pequeos puntos que se
detectan en la zona de carril no tienen importancia ya que son filtrados en
un proceso posterior que estudia la morfologa del los elementos detectados
para comprobar si son vehculos o no.
Figura 22. Segunda comparacin de tcnicas de deteccin de vehculos. (a) Imagen original, (b)
discrepancia por luminosidad y (c) discrepancia por contraste.
(a) (b)
(c)
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 30 ~ Universidad Pontificia Comillas
Mejora en la deteccin del volumen de los vehculos. Ya que la deteccin
de bordes devuelve un permetro fidedigno de los elementos que detecta, se
concluye que este mtodo presenta una mejora a la hora de estimar el
volumen de los vehculos que el sistema detecta y por tanto se pueden dar
valores ms fiables de nmero de vehculos que se aproximan hacia la
interseccin. En la siguiente figura, se muestra una comparacin entre los
mtodos de discrepancia por luminosidad y el mtodo de deteccin de
bordes en el contexto de esta situacin.
Figura 23. Tercera comparacin de tcnicas de deteccin de vehculos. (a) Imagen original, (b)
discrepancia por luminosidad y (c) discrepancia por contraste.
(a) (b)
(c)
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 31 ~ Universidad Pontificia Comillas
Mejora en la deteccin de varios vehculos que se encuentren bastante
lejanos. Como se puede comprobar en la siguiente figura, cuando se
encuentran varios vehculos juntos y algunos de ellos no son bien detectados
se puede llegar a confundir la manera de contar el nmero de vehculos.
Gracias a la tcnica de deteccin de bordes se puede individualizar cada
vehculo para ser procesado de manera independiente.
Figura 24. Cuarta comparacin de tcnicas de deteccin de vehculos. (a) Imagen original, (b) discrepancia
por luminosidad y (c) discrepancia por contraste.
Como resultado de todo lo enunciado en este apartado, esta tcnica de
deteccin de vehculos usando discrepancia por contraste es la utilizada por este
proyecto para el conteo de vehculos. La forma de implementar este mtodo se
encuentra en el apartado 6.3 de esta memoria.
(a) (b)
(c)
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 32 ~ Universidad Pontificia Comillas
6.2 Deteccin de vehculos que se aproximan a la
interseccin
Dado el anterior estudio de las diferentes tcnicas de deteccin de vehculos
mediante tratamiento digital de imgenes se realiza el siguiente desarrollo para
ello. Este primer componente del proyecto es la parte que ha requerido de ms
investigacin y tiempo de desarrollo, debido a su complejidad. Sin embargo es el
componente que mayor beneficio aporta en cuanto al objetivo de reduccin de
coste del sistema final.
Como se ha concluido en apartados anteriores, hay que aplicar una tcnica
diferente segn las condiciones de luz que tenga la imagen de estudio. De esta
manera queda como parmetro necesario, entre otros, el algoritmo a utilizar segn
el estudio de la luz natural de las imgenes.
Un esquema que muestra las entradas, los parmetros de configuracin y las
salidas de este mdulo es el siguiente:
Imagen de entrada
MATLABImage Processing ToolboxParmetros:
-Posicin del carril de estudio
- Algoritmo a usar- Imagen del carril sin
vehculos
Nmero de vehculos detectadosCarril paracorrelacin
Imagen resultado
Figura 25. Esquema de funcionamiento del mdulo de deteccin de vehculos que se aproximan a la
interseccin
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 33 ~ Universidad Pontificia Comillas
Como resultados se encuentran:
Carril de correlacin: es la lnea que describe el movimiento del vehculo
dentro del carril. Este resultado va a ser usado en el apartado 6.8 de esta
memoria para estimar la velocidad de los vehculos que se encuentran en el
carril de estudio.
Imagen resultado: usada para mostrar los resultados en el sistema de toma
de decisiones explicado en el captulo 8.
Por otro lado, los parmetros necesarios para la ejecucin de este algoritmo
y que indica la figura anterior son los siguientes:
Posicin del carril de estudio: utilizando este parmetro slo se procesa el
carril donde se encuentran los vehculos. Como ventajas de realizar esta
reduccin del problema estn las siguientes:
o Menor tiempo de proceso. A menos pxeles de la imagen a procesar,
menos tiempo necesario para procesar la imagen completa. A baja
escala las diferencias son mnimas pero a larga escala el ahorro es
significativo.
o Solucin de errores de deteccin. Sin recortar el carril, hay
elementos que pueden ser detectados como regiones de inters
pero que estn fueras de las zonas por donde circulan los vehculos.
Por esta razn la deteccin de esos elementos es evitada si se
recorta el carril. Por ejemplo evita contar vehculos estacionados y
adems evita confundir los vehculos que se alejan del cruce, de los
que se aproximan a este.
o Tratamiento especial a carriles. En vas de varios carriles permite
contabilizar cada carril independientemente, permitiendo realizar un
tratamiento especial a los carriles de giro obligatorio.
En las siguientes imgenes se puede comprobar la deteccin de elementos
que no deben ser tenidos en cuenta en este proyecto, como por ejemplo los
vehculos aparcados a los laterales de los carriles de estudio. Al recortar el
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 34 ~ Universidad Pontificia Comillas
carril no se detectan estos y se obtienen solamente los datos necesarios
para la toma de decisiones.
Figura 26. Ejemplo de beneficio al recortar el carril para no detectar vehculos aparcados
En este otro caso, al recortar el carril no se tienen en cuenta vehculos que
ya han cruzado la interseccin, o que no van en direccin a la interseccin y
por tanto no deben ser contabilizados para la toma de decisiones.
Figura 27. Ejemplo de beneficio al recortar el carril para no detectar vehculos que no intervienen en la
interseccin
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 35 ~ Universidad Pontificia Comillas
Seleccin automtica del algoritmo a usar: tal y como se ha concluido en los
anteriormente en esta memoria, es necesario utilizar distintos algoritmos
segn la luminosidad que se ha ido observando en las ltimas imgenes
procesados. De esta manera los porcentajes de fiabilidad que se alcanza
giran en torno al 95%. En las siguientes imgenes se puede comprobar las
distintas luminosidades medias de cada imagen, por tanto se puede inferir
que algoritmo a utilizar segn estos valores.
Figura 28. Imgenes que muestran los distintos rangos de luminosidades medias
La manera en que se toma la decisin de qu algoritmo utilizar, no se
basa exclusivamente en la luminosidad de la imagen sino en la progresin a
lo largo del tiempo. El algoritmo ser descrito en el apartado 6.8 de este
documento con el cdigo desarrollado explicado en amplio detalle.
Imagen del carril sin vehculos: es completamente normal que existan
elementos en los carriles de estudio que se encuentren de manera
constante y esttica. Estos elementos pueden ser flechas de direccin,
limitadores de velocidad imprimidos en el pavimento y lneas divisoras de
carril. Todos estos elementos se encuentran en el carril de estudio y al
ejecutar el algoritmo pueden ser detectados y clasificados como vehculos,
siendo errores de contabilizacin que intervienen en el sistema de toma de
decisiones como una desviacin. Para contrarrestar esta desviacin es
necesario una imagen del carril de estudio sin vehculos en l, para
identificar estas zonas de inters estacionarias para no tenerlas en cuenta y
Amanecer
Luminosidad
media = 37.4
Atardecer
Luminosidad
media = 90.7
Medioda
Luminosidad
media = 114.5
Noche
Luminosidad
media = 35.5
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 36 ~ Universidad Pontificia Comillas
discreparlas de las zonas de inters verdaderamente identificadas como
vehculos.
Figura 29. Conjunto de imgenes que muestran los elementos que no deben ser contabilizados
En el siguiente apartado, se detalla exhaustivamente como es utilizada esta
imagen del carril sin vehculos para no contabilizar elementos estacionarios en los
carriles de estudio.
La funcin general para detectar y contabilizar el nmero de vehculos en la
llegada a una interseccin, se ha denominado TEA. Esta funcin realiza el anlisis de
la imagen adquirida por las cmaras IP, de acuerdo al algoritmo de deteccin de da
o de noche y devuelve el nmero de vehculos y una imagen relacionada con el
proceso de clculo. Los detalles de la funcin se presentan en el siguiente apartado.
Imagen a procesar
Imagen sin vehculos
Elementos que
no deben ser
contabilizados
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 37 ~ Universidad Pontificia Comillas
6.3 Algoritmo de deteccin de vehculos de da
A continuacin se muestra el cdigo fuente en entorno de desarrollo MATLAB para
la deteccin de vehculos durante la existencia de luz natural. De forma paralela, se
aaden un conjunto de imgenes de ejemplo para ilustrar el proceso. Tal y como se
ha explicado en apartados anteriores de esta memoria, este algoritmo se basa en la
discrepancia por contrastes usando tcnicas de deteccin de bordes.
La funcin que se presenta a lo largo de este apartado es llamada por otra
funcin MATLAB que se presenta en el apartado 6.8 del presente documento. Dicha
funcin es la encargada de hacer el estudio de correlacin para la estimacin de la
velocidad y por tanto necesita de la siguiente funcin, que es llamada TEA con el fin
de simplificar.
function [carrilCorrelacion, vehiculosDetectados, imagenResultado] = TEA (imagen, 1
algoritmo, carrilCoordX, carrilCoordY) 2
La declaracin de la funcin es la correspondiente al esquema presentado en la
figura 26. Como resultados de ejecutar este algoritmo deben estar: el carril para
el estudio de correlacin con las imgenes anteriores (matriz lgica), el nmero
de vehculos detectados (entero) y la imagen resultado para que esta sea
mostrada en el sistema de toma de decisiones de este proyecto (matriz 3D de
enteros en RGB). Anlogamente como argumentos a esta funcin se encuentran:
la propia imagen a ser procesada (matriz de enteros en escala de grises), una
cadena de caracteres indicando el algoritmo a seguir, sea de da o de noche y
las coordenadas del eje de abscisas y de ordenadas para poder recortar el carril
haciendo que este algoritmo sea lo ms efectivo posible (matrices de enteros).
coordenadasCarril = roipoly(imagen,carrilCoordX,carrilCoordY); 3
imagen(~coordenadasCarril) = NaN; 4
carril = imagen; 5
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 38 ~ Universidad Pontificia Comillas
Como primer paso, se encuentra el recorte de la imagen de entrada para
solamente quedarse con el carril por donde circulan los vehculos potenciales que
se quieren detectar. La funcin roipoly recibe la imagen de entrada y las
coordenadas sobre los ejes de abscisas y ordenadas para crear una mscara. Esta
mscara es usada en la lnea 4 y elimina toda la informacin que no pertenece al
carril. Por ltimo la imagen pasa a llamarse carril para su posterior proceso, con el
algoritmo de da o de noche.
Figura 30. Pareja de imgenes que demuestran cmo se extrae el carril. Imagen original a la izquierda y
carril extrado a la derecha
A continuacin se describen los detalles de la deteccin en condiciones de da,
dentro de la funcin general denominada como TEA.
if(strcmp(algoritmo,'Dia')) 6
carrilSobel = edge(carril,'sobel', 0.08); 7
carrilMediaSobel = edge(carrilMedia,'sobel', 0.08); 8
Tras la comprobacin de cul algoritmo hay que ejecutar en funcin de la
luminosidad de la imagen, al pertenecer la imagen al algoritmo de da se procede
a aplicar la discrepancia por contraste utilizando la tcnica de deteccin de
bordes. La funcin edge recibe la imagen a procesar en escala de grises, el
mtodo a aplicar que en este caso es Sobel y un valor de threshold para que slo
devuelva aquellos bordes ms fuertes que el valor indicado de 0.08. La eleccin
del mtodo de Sobel y de ese valor de threshold no son casuales, tras un
exhaustivo proceso de prueba y verificacin de resultados se concluye que Sobel
era el mtodo cuyos resultados son ms simples y claros y que ese valor de
threshold era suficiente para no perder bordes dbiles y para eliminar bordes que
no intervienen a la hora de discrepar entre vehculos.
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 39 ~ Universidad Pontificia Comillas
Figura 31. Imgenes que representan la aplicacin del mtodo de Sobel sobre el carril con vehculos
(arriba) y sobre el carril sin vehculos (abajo)
carrilSobelCorrelacion = edge(carril, 'sobel', 0.08, 'horizontal'); 9
Como caso particular de la aplicacin del mtodo de deteccin de bordes, se
encuentra la aplicacin de dicho mtodo a la hora de obtener el carril que se usa
para el estudio de correlacin. Las anteriores aplicaciones del mtodo de Sobel
detectan bordes tanto de manera horizontal como vertical, pero para el estudio
de correlaciones es necesario que los bordes verticales no aparezcan. La razn de
este proceder es que los bordes verticales pueden inducir errores a la hora de
realizar el estudio de correlacin tal y como se explica en el apartado 6.8 de este
documento.
Figura 32. Imgenes que muestran como es la aplicacin del mtodo de Sobel pero slo de manera
horizontal
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 40 ~ Universidad Pontificia Comillas
coordenadasCarrilDilatadas = imerode(coordenadasCarril,strel('disk',2)); 10
carrilSobelSinBordes = carrilSobel; 11
carrilMediaSobelSinBordes = carrilMediaSobel; 12
carrilSobelCorrelacionSinBordes = carrilSobelCorrelacion; 13
carrilSobelSinBordes(~coordenadasCarrilDilatadas) = 0; 14
carrilMediaSobelSinBordes(~coordenadasCarrilDilatadas) = 0; 15
carrilSobelCorrelacionSinBordes(~coordenadasCarrilDilatadas) = 0; 16
carrilCorrelacion = carrilSobelCorrelacion; 17
Al aplicar la deteccin de bordes, obviamente se introduce otro borde propio
alrededor del carril que se extrae ya que existe un contraste muy pronunciado
entre el carril y el fondo negro que se crea al extraer el carril. Las anteriores lneas
se encargan de eliminar este borde usando la funcin imerode que se encarga de
eliminar ese borde indicndole como argumentos las coordenadas del carril y una
estructura de disk de radio 2 pxeles para eliminar ese borde extra que se
introduce y sus alrededores. Un conjunto de imgenes que ilustra lo anterior se
presenta a continuacin.
Figura 33. Resultado tras eliminar el borde extra que se introduce al recortar el carril en cada una de las
imgenes anteriores.
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 41 ~ Universidad Pontificia Comillas
carrilDilatado = imdilate(carrilSobelSinBordes,strel('disk',3)); 18
carrilMediaDilatado = imdilate(carrilMediaSobelSinBordes,strel('disk',3)); 19
Una vez preparado el carril con los bordes de los vehculos ya detectados, se
procede a dilatar los bordes (usando imdilate) para llegar a unir bordes difusos
que no se han detectado e intentar conseguir crear elementos lo ms completos
posibles.
Figura 34. Pareja de imgenes donde se puede comprobar la ganancia al dilatar los bordes encontrados
carrilClosed = imclose(carrilDilatado,strel('disk',3)); 20
carrilMediaClosed = imclose(carrilMediaDilatado,strel('disk',3)); 21
carrilFilled = imfill(carrilClosed,'holes'); 22
carrilMediaFilled = imfill(carrilMediaClosed,'holes'); 23
El siguiente paso sirve para cerrar los bordes que se encuentran cercanos (usando
imclose) as como para rellenar los huecos que existen entre los bordes
(mediante imfill). Gracias a estos dos procedimientos se consigue, hasta cierto
grado, la morfologa completa del vehculo que se detecta. En la siguiente pareja
de imgenes se comprueba que el vehculo que se encuentra en la parte de arriba
se ha detectado de manera casi perfecta su morfologa. En cambio en el vehculo
en la parte de abajo, an estando ms cerca, su morfologa no se detecta en su
totalidad. Esto es debido a que los bordes detectados no se encuentran
suficientemente cercanos para que sean unidos, y que la seleccin de carril
recorta el vehculo a la mitad. An as, ya que el nmero de pxeles que se
detectan para el vehculo que se encuentra abajo y adems su tamao
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 42 ~ Universidad Pontificia Comillas
corresponden con los de un vehculo, en posteriores pasos de clasificacin es
contabilizado como vehculo. Queda latente que con imgenes tomadas desde
una parte ms superior del carril, la deteccin sera mucho ms fiable.
Figura 35. Pareja de imgenes que muestra el proceso de las funciones imclose e imfill
carrilFinal = bwareaopen(carrilFilled,1500); 24
carrilMediaFinal = bwareaopen(carrilMediaFilled,1500); 25
El ltimo paso es limpiar los resultados de elementos que claramente no son
vehculos. Los grupos de pxeles que no superan 1500 pxeles son eliminados
(mediante la funcin bwareaopen) para reducir el nmero de zonas de inters de
estudio as como para eliminar posibles casos errneos. En el siguiente par de
imgenes se muestra como se eliminan algunos conjuntos de pxeles ya que no
superan este lmite de 1500 pxeles, lmite que est fijado para imgenes de
640x480 ya que son las imgenes que suele devolver una cmara IP.
Figura 36. Imgenes que muestran el proceso de limpieza de elementos que no superan el tamao mnimo
en pxeles de un vehculo
[labelled,nComponents] = bwlabel(carrilFinal); 26
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 43 ~ Universidad Pontificia Comillas
Mediante la funcin bwlabel se separan definitivamente los elementos que se
han detectado antes de pasar a la clasificacin e identificacin como vehculos. En
las siguientes imgenes se comprueba como los dos elementos son coloreados
con distintos tonos para diferenciarlos.
Figura 37. Imgenes donde se muestra como se pasa a identificar de manera separada a los dos
componentes.
caracRegion = regionprops(labelled,'basic'); 27
vehiculosEsperando = 0; 28
vehiculosEsperandoLongitud = 0; 29
arrayIndicesProcesados = zeros(nComponents,1) 30
for indice=1:nComponents 31
Una vez realizado todos los procesos anteriores, se obtienen una serie de
elementos que, en las siguientes lneas de cdigo, van a ser estudiados, uno por
uno, sobre su morfologa gracias a la funcin regionprops. Esta devuelve el
centroide del elemento y el rectngulo que mejor envuelve al elemento
(denominado minimum bounding box) facilitando el clculo de su morfologa.
Tambin se puede comprobar que en las lneas anteriores se inicializan las
variables para el conteo de vehculos.
if(arrayIndicesProcesados(indice) == 0) 32
[filasFirst, columFirst] = find(labelled == indice,1,'first'); 33
[filasLast, columLast] = find(labelled == indice,1,'last'); 34
filas = (filasFirst+filasLast)/2; 35
coordX = caracRegion(indice).Centroid(1); 36
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 44 ~ Universidad Pontificia Comillas
coordY = caracRegion(indice).Centroid(2); 37
volumen = 0; 38
longitud = 0; 39
arrayIndicesProcesados(indice) = 1; 40
41
for indiceCercano=indice:nComponents 42
if(arrayIndicesProcesados(indiceCercano) == 0) 43
coordXSiguiente = caracRegion(indiceCercano).Centroid(1); 44
coordYSiguiente = caracRegion(indiceCercano).Centroid(2); 45
46
if(coordY < 200) 47
separacionOKCoordX = 20; 48
separacionOKCoordY = 20; 49
elseif(coordY >= 200 && coordY < 300) 50
separacionOKCoordX = 35; 51
separacionOKCoordY = 60; 52
elseif(coordY >= 300 && coordY < 400) 53
separacionOKCoordX = 100; 54
separacionOKCoordY = 120; 55
elseif(coordY >= 400) 56
separacionOKCoordX = 120; 57
separacionOKCoordY = 150; 58
end 59
60
if( abs(coordXSiguiente - coordX) < separacionOKCoordX && 61
abs(coordYSiguiente - coordY) < separacionOKCoordY) 62
arrayIndicesProcesados(indiceCercano) = 1; 63
volumen = volumen + length(find(labelled == indiceCercano)); 64
[filasLastSiguiente, columLastSiguiente] = find(labelled == 65
indiceCercano,1,'last'); 66
if(filasLastSiguiente > filasLast || columLastSiguiente > columLast) 67
filasLast = filasLastSiguiente; 68
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 45 ~ Universidad Pontificia Comillas
columLast = columLastSiguiente; 69
coordX = caracRegion(indiceCercano).Centroid(1); 70
coordY = caracRegion(indiceCercano).Centroid(2); 71
end 72
73
longitudSiguiente = abs(filasLast - filasFirst); 74
75
if(longitudSiguiente > longitud) 76
longitud = longitudSiguiente; 77
end 78
end 79
end 80
end 81
En la parte de cdigo que precede se comparan los elementos entre s con el fin
de contabilizar alguno de ellos de manera conjunta. Tras numerosas pruebas se
concluye que este proceso es necesario ya que en algunos casos los vehculos
aparecen divididos en dos objetos muy prximos pero disjuntos. En la realizacin
de este proceso intervienen una serie de parmetros fijos, tales como la
separacin permitida entre elementos para ser unidos. Estos parmetros fijos han
sido calculados en funcin de pruebas, todas ellas en imgenes de tamao
640x480 pxeles que es el tamao estndar que devuelven las cmaras IP y el
recomendando para intentar detectar el mximo nmero de vehculos.
Figura 38. Imgenes donde se muestra como el vehculo que se muestra a la izquierda, es dividido en dos
elementos debido a un reflejo.
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 46 ~ Universidad Pontificia Comillas
volumen = volumen + length(find(labelled == indice)); 82
83
if(volumen > 20000) 84
pxNecesarios = 7000; 85
vehiculosEsperando = vehiculosEsperando + floor(volumen / 86
pxNecesarios); 87
88
elseif(filas >= 0 && filas < 135) 89
if(volumen > 1500) 90
pxNecesarios = 1500; 91
vehiculosEsperando = vehiculosEsperando + floor(volumen / 92
pxNecesarios); 93
elseif (volumen > 800) 94
vehiculosEsperando = vehiculosEsperando + 1; 95
end 96
97
elseif(filas >= 135 && filas < 200) 98
if(volumen > 2500) 99
pxNecesarios = 2500; 100
vehiculosEsperando = vehiculosEsperando + floor(volumen / 101
pxNecesarios); 102
elseif(volumen > 1000) 103
vehiculosEsperando = vehiculosEsperando + 1; 104
end 105
elseif(filas >= 200 && filas < 250) 106
if(volumen > 2800) %2500 107
pxNecesarios = 2800; % 2500 108
vehiculosEsperando = vehiculosEsperando + floor(volumen / 109
pxNecesarios); 110
elseif(volumen > 1000) 111
vehiculosEsperando = vehiculosEsperando + 1; 112
end 113
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 47 ~ Universidad Pontificia Comillas
elseif(filas >=250 && filas < 300) 114
if(volumen > 6500) 115
pxNecesarios = 6500; 116
vehiculosEsperando = vehiculosEsperando + floor(volumen / 117
pxNecesarios); 118
elseif(volumen > 2000) 119
vehiculosEsperando = vehiculosEsperando + 1; 120
end 121
122
elseif(filas >=300) 123
if(volumen > 9000) 124
pxNecesarios = 9000; 125
vehiculosEsperando = vehiculosEsperando + floor(volumen / 126
pxNecesarios); 127
elseif(volumen > 1000) 128
vehiculosEsperando = vehiculosEsperando + 1; 129
end 130
end 131
El proceso anterior realiza la primera aproximacin para contabilizar los vehculos
detectados. En primer lugar calcula el nmero de pxeles que tiene la
componente que se est estudiando en ese momento, de todas las que haya. Una
vez calculado el nmero de pxeles se hace una primera comprobacin con un
nmero de pxeles elevado, concretamente 20.000. Este valor es un valor
estimado de nmero de pxeles para un elemento de un tamao muy grande,
tales como autobuses o camiones largos.
En el caso de superar ese valor de 20.000, el nmero de pxeles detectados
es dividido entre 7.000, valor de nmero de pxeles medio de un vehculo
para transformar ese posible vehculo de gran tamao en varios vehculos de
tamao normal. De aqu se puede inferir la regla de que 1 camin equivale a
entre 2 y 3 vehculos de tamao normal a la hora de contabilizar vehculos
por este algoritmo.
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 48 ~ Universidad Pontificia Comillas
En caso contrario, el nmero de pxeles es estudiado en funcin de su
posicin ya que es muy importante la posicin en la que se encuentre la
componente que se est estudiando. No es lo mismo 3.000 pxeles en la
parte de alta (lejana) del carril, ya que podran ser dos vehculos, que 3.000
pxeles en la parte baja (cercana) del carril, ya que solamente puede ser un
vehculo de bajo tamao.
Figura 29. Imagen que muestra el volumen en pxeles de dos vehculos
longitudActual = caracRegion(indice).BoundingBox(4); 132
if(longitudActual > longitud) 133
longitud = longitudActual; 134
end 135
136
if(longitud > 550) 137
longNecesaria = 50; 138
vehiculosEsperandoLongitud = vehiculosEsperandoLongitud + 139
floor(longitud / longNecesaria); 140
141
elseif(filas >= 0 && filas < 135) 142
if(longitud >= 40) 143
longNecesaria = 30; 144
vehiculosEsperandoLongitud = vehiculosEsperandoLongitud + 145
floor(longitud / longNecesaria); 146
elseif (longitud > 20) 147
Volumen = 2.331 pxeles
Volumen = 9.769 pxeles
-
Mejora del trfico en un cruce regulado por semforos, mediante un sistema basado en visin artificial.
Ernesto de la Rocha Gmez ~ 49 ~ Universidad Pontificia Comillas
vehiculosEsperandoLongitud = vehiculosEsperandoLongitud + 1; 148
end 149
150
elseif(filas >= 135 && filas < 200) 151
if(longitud >= 55) 152
longNecesaria = 45; 153
vehiculosEsperandoLongitud = vehiculosEsperandoLongitud + 154
floor(longitud / longNecesaria); 155
elseif (longitud > 20) 156
vehiculosEsperandoLongitud = vehiculosEsperandoLongitud + 1; 157
end 158
159
elseif(filas >= 200 && filas < 250) 160