An Obstacle Detection Scheme for Vehicles in an Intelligent Transportation System

Abstract

Abstract-Road obstacles cause serious accidents that have a severe impact on driver safety, traffic flow efficiency and damage of the vehicle. Detecting obstacles are important to prevent or to reduce such kind of the accidents and fatalities. However, it is difficult and becomes tricky because of some problems like presence of shadow, environmental changes or a sudden action of any moving things (e.g., car overtaking, animal coming) and many more. Thereby, this paper aims to design an obstacle detection technique based on (i) moving cameras and (ii) moving objects. These methods are applied to obstacle detection phase, in order to identify the different obstacles (e.g., potholes, animals, stop sign, obstacles, bumps, road cracks) by considering road dimensions. A new technique is introduced for detecting obstacles from moving camera and moving objects which overcomes several limitations over stationary cameras and moving/stationary objects. Further, paper reviews recent research trends to detect obstacles for moving cameras and moving objects with discussion of key points and limitations of each approach. Finally, the results show that the proposed method is more robust and reliable than the previous approaches based on the stationary cameras.

Shortcomings of Ultrasonic Obstacle Detection for Vehicle Driver Assistance and Profiling

“…Other obstacle detection approaches used image processing, for instance [15][16][17]. In such cases, cameras are used for obstacle data collection as opposed to proximity sensors.…”

Una Revisión Sistemática de Métodos para Localizar Automáticamente Objetos en Imágenes

“…Existen varias propuestas que emplean sensores especializados, como Lidar (del inglés, LIght Detection And Ranging), que tienen como objetivo la conducción totalmente autónoma. No obstante, debido al alto coste de estos sistemas y la mejora en la detección de objetos mediante visión computacional, en la actualidad se han desarrollado más sistemas para la detección de objetos en vehículos automáticos mediante el análisis de imágenes basados en estrategias de ventana deslizante (Shah et al, 2018;Yi et al, 2018;Sepúlveda et al, 2017) y de aprendizaje profundo (Garnett et al, 2017;Levi et al, 2015a). Shah et al (2018) proponen una estrategia para la detección de obstáculos en la vía que utiliza una cámara de vídeo fijada al vehículo.…”

“…Además, la localización previa es fundamen-tal en el análisis automático de imágenes, cuyo objetivo puede ser la segmentación, que consiste en separar los objetos de interés del fondo, en el reconocimiento o recuperación de objetos (Saikia et al, 2017;García-Olalla et al, 2018), o en el análisis de la relación espacial entre los objetos contenidos en una imagen (Lampert et al, 2008). Actualmente, hay una gran cantidad de aplicaciones que requieren una localización precisa de los objetos, como es el caso de la necesidad que tienen los vehículos autónomos de localizar peatones (Dollár et al, 2009;Li et al, 2018;Du et al, 2017;Brazil et al, 2017;Wang et al, 2018) u obstáculos (Shah et al, 2018;Yi et al, 2018;Garnett et al, 2017;Sepúlveda et al, 2017), la localización de vehículos en sistemas de control de tráfico, se encuentren o no en imágenesáereas (Zhong et al, 2017;Ammour et al, 2017;Tang et al, 2017;Xu et al, 2017a;Lee et al, 2017), la localización de lesiones o anormalidades en tejidos que usan los sistemas de diagnóstico clínico asistido por computador (He et al, 2018;Ma et al, 2017;Jiamin et al, 2017;Sa et al, 2017;Heo et al, 2017), la detección de objetos para el control de calidad que requieren los sistemas de inspección visual (Cao et al, 2018;Chen et al, 2018;Shi et al, 2017;Ferguson et al, 2017), o la localización de obstáculos que tienen que realizar los sistemas de navegación de robots (Lee et al, 2015;Luo et al, 2017), entre otras. Sin embargo, la correcta localización de objetos es difícil debido a múltiples factores, entre los que destacan la falta de calidad de la imagen, condiciones de iluminación cambiantes, objetos con forma no rígida o los cambios en la apariencia de los objetos a localizar (Felzenszwalb et al, 2010;…”

A Survey on Monitoring Quality Assessment for Wireless Visual Sensor Networks

“…Visual sensors-based networks may achieve a deeper perception of the monitored environment, leveraging the particularities of several monitoring applications [4], especially when they are operating over the Internet. Examples of such applications are surveillance [5], Industry 4.0 automation and control [6], smart street lighting [7], smart homes [8], smart grids [9], traffic and pedestrian control [10], living assistance [11], driving assistance [12], waste collection [13], emergency detection [14], among many others. For all those applications, it is fundamental to fulfill the quality requirement associated with the monitoring tasks performance.…”