Computer vision techniques for autonomous vehicles applied to urban underground railway

Resum

Ibilgailu autonomoen presentzia errealitate bihurtzen ari da egunerokoan, errepidean gidatze autonomoko autoak, trenbideko GOA3-GOA4 trenak edo industriaeremuko ibilgailu automatizatuak direla eta. Sistema autonomo horiek, ataza konplexuak burutu behar dituzte ingurunea hautemateko eta erabakiak hartzeko (giza elkarreragin mugatuarekin edo interakziorik gabe). Hori horrela izanik, lokalizazioa eta mugimenduaren estimazioa eginkizun kritikoak dira ibilgailu autonomo batek egin beharreko eragiketetarako. Posizioari buruzko informazioa funtsezkoa da, ibilgailuaren testuingurua eta ingurunea identifikatzeko, eta horren arabera mugitzeko edo jarduteko. Ikusmen Artifizialean (IA) oinarritutako ikuspuntuek emaitza oparoak erakutsi dituzte robotika mugikorrean, droneetan edo auto autonomoetan. Hala ere, IAean oinarritutako irtenbideen aplikazioa eta ebaluazioa mugatuagoak dira trenbide-eremuan, batez ere, erronka bisual bat aurkezten duten inguruneetan. Ikerketa honetan, Visual Odometry (VO) eta Visual SLAM (vSLAM) algoritmoen uneko egoera (SOTA) egiten da. SOTAn, aztertutako VO/vSLAM algoritmoak, kanpoko agertokietan ebaluatu ohi dira, eta ez dituzte kontuan hartzen hiriko lurpeko trenbide-agertokietan aurki daitezkeen erronka bereizgarriak. Hala nola, tuneletan aurkitzen diren argiztapen baxuko baldintzak, testurarik gabeko eremuak eta tunel-geltokien arteko argiztapen aldaketa nabarmenaktuneletan argiztapen baxuko baldintzekin eta testurarik gabeko eremuekin eta tunelen eta trenbide-geltokien arteko argiztapen-aldaketa nabarmenekin. Gainera, VO/vSLAM komunitatean ez dago ezaugarri horiek dituen erreferentziazko datu baserik, eta horrek berezko datu base bat egiteko beharra sortu du. Lurpeko agertokietan GPS seinalerik ez dagoela kontuan hartuta, irudi eta posizio datu base bat sortzeko metodo bat proposatzen da, lurpeko hiri-trenbide-ingurunean egiaztatutako datuekin. Sortze-prozesua, koordenatu geodesikoen sinkronizazioan, radar-sentsoreetatik eta kodifikatzaileetatik erregistratutako trenaren ATP datuetan, eta tren-azpiegituraren administratzaileak hornitutako trenbide-gradientearen mapan oinarritzen da. Punta-puntako bi VO/vSLAM algoritmo probatu dira (ORBSLAM2 eta DF-VO) sortutako datu baseetan. Algoritmo horiek, errendimendu ona lortu dute KITTI bezalako dataset estandarretan, eta bi algoritmo mota ordezkatzen dituzte: geometrikoak eta ikaskuntzan oinarritutakoak. Hala ere, emaitzek erakutsi dute ingurunearen argiztapen-ezaugarriek nabarmen eragiten diotela VO/vSLAM algoritmoen errendimenduari. Lurpeko trenbidearen argiztapen-baldintza zailei aurre egiteko, datuak hobetzeko teknika bat (EnlightenGAN) aplikatzea erabaki da. Kalibrazioa VO/vSLAM algoritmo geometrikoetarako funtsezkoa denez, EnlightenGAN-ek kameraren kalibrazioparametroetan duen eragina ere aztertu da. Emaitzek erakusten dute EnlightenGANek ez diela nabarmen eragiten parametro horiei. Gainera, bi VO/vSLAM algoritmoen errendimendua hobetzen du argiztapen egoera zailetan.