Método heterogêneo de detecção de faixas de trânsito em tempo real para sistemas embarcados
Arquivos
Data
Autores
Silva, Guilherme Brandão da
Título da Revista
ISSN da Revista
Título de Volume
Editor
Resumo
Resumo: A detecção e análise de faixas sobre as vias de trânsito destaca-se como uma das tecnolo gias fundamentais na implementação de veículos inteligentes e são essenciais em sistemas que auxiliam motoristas e veículos autônomos a dirigirem com segurança A queda no custo asso ciado ao aumento no desempenho das comodities da eletrônica, tais como sensores de visão e chips gráficos integrados, impulsionaram pesquisas e aplicações de direção autônoma e semi autônoma, onde a detecção de faixas de trânsito é uma das tecnologias fundamentais Este trabalho propõe a implementação heterogênea otimizada de um sistema de detecção de faixas em tempo real capaz de analisar e estimar as características geométricas e espaciais das faixas centrais observadas O sistema proposto, baseado em imagens de uma câmera monocular, fun ciona em uma sequência temporal de imagens Os quadros são pré-processados para a obtenção de uma imagem integrada em perspectiva aérea, onde características das sinalizações de faixa são extraídas para a formação de mapas de evidências Estes mapas combinados geram uma imagem binária robusta que contêm as marcações das faixas A estimativa final da faixa é modelada por um polinômio e é detectada via método de janelas deslizantes Para avaliação e validação do sistema proposto, o algoritmo foi implementado em um sistema embarcado con vencional, NVIDIA Jetson Nano, com um SoC Tegra X1 dotado de um processador ARM A57 e um chip gráfico NVIDIA com 128 núcleos CUDA São utilizadas e imagens reais de uma base de dados convencional para o problema de detecção de faixas de trânsito Foram analisadas métricas de acurácia, taxa de detecção e tempo de execução para diferentes cenários de vias Ademais, o método se mostrou eficiente para detectar as faixas de trânsito em diversos cená rios como estradas e rodovias, em diferentes condições, horários e trânsito O desempenho do método variou de 92,3% a 99,% de acurácia no melhor subconjunto, detectando até 97,9% das faixas centrais disponíveis com 8% dos pontos detectados válidos A implementação paralela otimizada foi capaz de executar, respectivamente, 14 vezes e 25 vezes mais rápido que a sua versão serial e híbrida, performando a uma taxa de 3 quadros por segundo, ultrapassando em dez vezes os requisitos de execução em tempo real
Descrição
Palavras-chave
Sistemas embarcados, Faixas de trânsito, Detecção, Veículos inteligentes, Implementação, Embedded systems, Traffic lanes - Detection, Intelligent vehicles - Implementation