Desarrollo de un sistema de reconocimiento de señales de tránsito que permita la navegación autónoma nivel 2 de un robot móvil tipo Ackerman mediante el uso de visión por computador

Vista sencilla de ítem
dc.contributor.advisorMaradey Lázaro, Jessica Gissella
dc.contributor.advisorGonzález Acuña, Hernán
dc.contributor.apolounabGonzález Acuña, Hernán [hernán-gonzález-acuña]spa
dc.contributor.apolounabMaradey Lázaro, Jessica Gissella [jessica-gissella-maradey-lazaro-2]spa
dc.contributor.authorCarvajal Reyes, Miguel Ricardo
dc.contributor.authorContreras Salcedos, Carlos Daniel
dc.contributor.cvlacGonzález Acuña, Hernán [0000774774]spa
dc.contributor.cvlacMaradey Lázaro, Jessica Gissella [0000040553]spa
dc.contributor.googlescholarGonzález Acuña, Hernán [es&oi=ao]spa
dc.contributor.linkedinMaradey Lázaro, Jessica Gissella [jessica-gissella-maradey-lazaro-b7831445]spa
dc.contributor.orcidGonzález Acuña, Hernán [0009-0001-0711-8170]spa
dc.contributor.orcidMaradey Lázaro, Jessica Gissella [000-0003-2319-1965]spa
dc.contributor.researchgateMaradey Lázaro, Jessica Gissella [Jessica_Maradey_Lazaro]spa
dc.coverage.campusUNAB Campus Bucaramangaspa
dc.coverage.spatialColombiaspa
dc.date.accessioned2025-10-22T20:46:48Z
dc.date.available2025-10-22T20:46:48Z
dc.date.issued2025-05-28
dc.degree.nameIngeniero Mecatrónicospa
dc.description.abstractActualmente, el programa de Ingeniería Mecatrónica de la UNAB carece de un vehículo autónomo con sistema de dirección Ackermann, lo cual limita significativamente la participación de sus estudiantes en competencias nacionales e internacionales como la competencia Bosch. Esta carencia reduce la oportunidad de aplicar conocimientos prácticos en áreas clave como la inteligencia artificial, la electrónica avanzada y la visión por computadora, todas ellas esenciales para enfrentar los desafíos de la industria 4.0. Este proyecto desarrolla un sistema de reconocimiento de señales de tránsito que permita la navegación autónoma nivel 2 de un robot móvil tipo Ackerman mediante el uso de visión por computador.spa
dc.description.abstractenglishCurrently, UNAB's Mechatronics Engineering program lacks an autonomous vehicle with an Ackermann steering system, which significantly limits its students' participation in national and international competitions such as the Bosch competition. This lack reduces the opportunity to apply practical knowledge in key areas such as artificial intelligence, advanced electronics, and computer vision, all of which are essential to addressing the challenges of Industry 4.0. This project develops a traffic sign recognition system that enables Level 2 autonomous navigation of an Ackermann-type mobile robot using computer vision.spa
dc.description.degreelevelPregradospa
dc.description.learningmodalityModalidad Presencialspa
dc.description.tableofcontents1. INTRODUCCIÓN 2. OBJETIVOS 2.1. OBJETIVO GENERAL 2.2. OBJETIVOS ESPECÍFICOS 3. ESTADO DEL ARTE 4. MARCO TEÓRICO 4.1. NIVELES DE CONDUCCIÓN AUTÓNOMA 4.2. ROBOTS MÓVILES 4.2.1 ROBOT MÓVIL TIPO ACKERMAN 4.3 VISIÓN POR COMPUTADOR EN ROBÓTICA MÓVIL 4.3.1 SOFTWARE VISIÓN POR COMPUTADOR – OPENCV 4.4. INTELIGENCIA ARTIFICIAL (IA): 4.4.1 APRENDIZAJE AUTOMÁTICO: 4.4.2 APRENDIZAJE PROFUNDO: 4.5. REDES NEURONALES ARTIFICIALES (RNA): 4.6. REDES NEURONALES CONVOLUCIONALES: 4.7. YOLO (YOU ONLY LOOK ONCE): 4.8. ALGORITMO A-STAR: 5. METODOLOGÍA 6. PRINCIPIO MECÁNICO DEL SISTEMA 6.1 CONFIGURACIÓN DEL CHASIS 6.2 CALCULO DEL ÁNGULO DE GIRO DEL CHASIS 7. DISEÑO ELECTRÓNICO DEL ROBOT 7.1 RECONOCIMIENTO DE LOS ELEMENTOS DEL CHASIS 7.1.1 MOTORES JGB-520 7.1.2 SERVOMOTOR YB-P20M 7.2 SELECCIÓN DE LA TARJETA DE PROCESAMIENTO 7.3 SELECCIÓN MÓDULO CÁMARA 7.4 SELECCIÓN MICROCONTROLADOR 7.5 SELECCIÓN DRIVER 7.5.1 CRITERIOS DE SELECCIÓN 7.6 SELECCIÓN DE LA BATERÍA 7.6.1 BATERÍA ACTUADORES Y MICROCONTROLADOR 7.6.2 BATERÍA PARA RASPBERRY PI 5 7.7 DIAGRAMA DE CONEXIONES DEL CIRCUITO 8. DESARROLLO DEL ALGORITMO DE DETECCIÓN DE CARRIL 8.1 SELECCIÓN DEL SOFTWARE A UTILIZAR 8.2 LIBRERIAS NECESARIAS PARA LA DETECCIÓN DE CARRIL 8.3 DESARROLLO DEL ALGORITMO DE CARRIL 8.3.1 PROCESAMIENTO DE IMÁGENES 8.3.2 DETECCIÓN DE CARRIL 8.3.3 TRANSFORMADA DE HOUGH 8.4 ESTIMACIÓN DE GIRO DEL VEHÍCULO 9. DETECCIÓN DE SEÑALES DE TRANSITO 9.1 SELECCIÓN DEL ALGORITMO DE DETECCIÓN 9.1.1 ALGORITMO DE DETECCIÓN 10. RESULTADOS 10.1 MONTAJE DE CONEXIONES DEL CIRCUITO 10.2 REESTRUCTURACIÓN DE LA PISTA 11. ANÁLISIS DE LOS RESULTADOS OBTENIDOS 11.1 PRUEBAS PARA DETECCIÓN DE CARRIL 11.2 PRUEBAS PARA DETECCIÓN DE SEÑALES 12. CONCLUSIONES 13. BIBLIOGRAFÍA 14. ANEXOSspa
dc.format.mimetypeapplication/pdfspa
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.identifier.repourlrepourl:https://repository.unab.edu.cospa
dc.identifier.urihttp://hdl.handle.net/20.500.12749/31913
dc.language.isospaspa
dc.publisher.facultyFacultad Ingenieríaspa
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.publisher.programPregrado Ingeniería Mecatrónicaspa
dc.publisher.programidIMK-1789
dc.relation.referencesKILIYEN, N. A.; LEMNARIU, R. F.; MOIS, G. D.; CHEN, B. T.; MORRIS, Y.; MUNTEAN, I. The IEEE ITSS and Bosch Future Mobility Challenge: A hands-on start to autonomous driving [Technical activities]. IEEE Intelligent Transportation Systems Magazine, v. 13, n. 3, p. 276–282, sep. 2021. DOI: 10.1109/MITS.2021.3081939.spa
dc.relation.referencesIEEE. 2018 IEEE International Conference on Electro/Information Technology (EIT): 3-5 May 2018. 2018.spa
dc.relation.referencesIEEE. 2020 17th International Conference on Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology. 2020.spa
dc.relation.referencesFARKH, R.; QUASIM, M. T.; AL JALOUD, K.; ALHUWAIMEL, S.; SIDDIQUI, Y. S. T. Computer vision-control-based CNN-PID for mobile robot. Computers, Materials & Continua, v. 68, n. 1, p. 1065–1079, mar. 2021. DOI: 10.32604/cmc.2021.016600.spa
dc.relation.referencesSYNOPSYS. Los 6 niveles de autonomía del vehículo explicados. [en línea]. Disponible en: https://www.synopsys.com/blogs/chip-design/autonomous-driving-levels.html. Consultado: 29 ago. 2024.spa
dc.relation.referencesSHIVAYOGI, A. B.; DHARMENDRA, N. C. M.; RAMAKRISHNA, A. M.; SUBRAMANYA, K. N. Real-time traffic sign recognition using deep learning. Pertanika Journal of Science & Technology, v. 31, n. 1, p. 137–148, ene. 2023. DOI: 10.47836/pjst.31.1.09.spa
dc.relation.referencesBARAHONA, A.; RIOS, K.; GAVILANES, J.; GAVILANES, J. Development of an Ackermann-type mobile platform for the validation of autonomous navigation algorithms within the ESPOCH campus. ESPOCH Congresses: The Ecuadorian Journal of S.T.E.A.M., v. 2, n. 4, p. 160-1173–160–1173, ago. 2022. DOI: 10.18502/espoch.v2i4.11744.spa
dc.relation.referencesFARKH, R.; ALJALOUD, K. Vision navigation based PID control for line tracking robot. Intelligent Automation and Soft Computing, v. 35, n. 1, p. 901–911, 2023. DOI: 10.32604/iasc.2023.027614.spa
dc.relation.referencesCHANG, B. R.; TSAI, H. F.; HSIEH, Y. C. W. Accelerating the response of self-driving control by using rapid object detection and steering angle prediction. Electronics (Switzerland), v. 12, n. 10, may 2023. DOI: 10.3390/electronics12102161.spa
dc.relation.referencesEvaluación de rendimiento de YOLOv5 y algoritmos de seguimiento en una Jetson Nano 2GB.spa
dc.relation.referencesSILVA LOZADA, Brayan Ricardo. Diseño e implementación de un algoritmo para la segmentación del carril en carretera que permita el manejo autónomo de un robot móvil usando visión por computador. Bucaramanga: Universidad Autónoma de Bucaramanga, 2024.spa
dc.relation.referencesZhang, Y., & Wang, Q. (2018). Advances in Vision-Based Lane Detection: Algorithms, Integration, and Evaluation. IEEE/CAA Journal of Automatica Sinica, 5(3), 485–497.spa
dc.relation.referencesM. Benidir, A. Ayoub y B. Bouzouane, "Design of a Smart Car with Traffic Signal Recognition and Vehicle Control", International Journal of Advanced Computer Science and Applications (IJACSA), vol. 10, no. 8, pp. 387-392, 2019.spa
dc.relation.referencesSOLANA, P. Las máquinas toman el control: efectos neurocognitivos de la conducción automatizada sobre la atención y cómo hacerles frente. 2021. DOI: 10.5281/zenodo.4515246.spa
dc.relation.referencesDÍEZ RAMÍREZ, A. Conducción autónoma: estudio del estado del arte, impacto sobre la movilidad y desarrollo de simulador de tráfico. 2018.spa
dc.relation.referencesVÍCTOR, R.; BARRIENTOS, S.; JOSÉ, R.; GARCÍA, S.; RAMÓN, S.; ORTIGOZA. Robots móviles: evolución y estado del arte. Polibits, 2007.spa
dc.relation.referencesYESID, A.; ARDILA, M.; FRANCISCO, W. Sistema de reconocimiento autónomo de maduración de frutos de cacao mediante la técnica de visión artificial. Bucaramanga, 2019.spa
dc.relation.referencesENCISO SALAS, Luis Miguel. Diseño de un sistema de navegación autónomo para robots móviles usando fusión de sensores y controladores neuro difusos. Lima: Pontificia Universidad Católica del Perú, 2015. (Maestría en Ingeniería de Control y Automatización).spa
dc.relation.referencesPÉREZ PÉREZ, J. Fernando; POR, A.; ODILIO, I. B.; MÉNDEZ, A. Diseño e implementación de un prototipo de vehículo autónomo desarrollado a partir de algoritmo de visión computarizada, redes neuronales y sensores. Guatemala, jul. 2021.spa
dc.relation.referencesEDUTOOLS. OpenCV. [en línea]. Disponible en: https://edutools.tec.mx/es/colecciones/tecnologias/opencv. Consultado: 28 ago. 2024.spa
dc.relation.referencesGOOGLE CLOUD. ¿Qué es el aprendizaje automático? Tipos y usos. [en línea]. Disponible en: https://cloud.google.com/learn/what-is-machine-learning?hl=es-419. Consultado: 29 ago. 2024.spa
dc.relation.referencesCIENCIA COGNITIVA. En qué consiste el aprendizaje automático (machine learning) y qué está aportando a la neurociencia cognitiva. [en línea]. Disponible en: https://www.cienciacognitiva.org/?p=1697. Consultado: 29 ago. 2024.spa
dc.relation.referencesJHAN, G.; ARTEAGA, P. R. Aplicación del aprendizaje profundo (‘deep learning’) al procesamiento de señales digitales. Santiago de Cali: Universidad Autónoma de Occidente, Facultad de Ingeniería, Departamento de Automática y Electrónica, Programa de Ingeniería Mecatrónica, 2015.spa
dc.relation.referencesMICROSOFT AZURE. ¿Qué es el aprendizaje profundo? [en línea]. Disponible en: https://azure.microsoft.com/es-es/resources/cloud-computing-dictionary/what-is-deep-learning. Consultado: 29 ago. 2024.spa
dc.relation.referencesPILOTO RODRÍGUEZ, R. Redes neuronales artificiales. Conceptos básicos y algunas aplicaciones en energía. 2017.spa
dc.relation.referencesGÓMEZ SILVA, Leidy Daniela. Implementación de un sistema de visión artificial de detección y. Bucaramanga: Universidad Autónoma de Bucaramanga, 2023.spa
dc.relation.referencesSAÚL, D.; RANEROS, R.; ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA DE TELECOMUNICACIÓN. Universidad de Valladolid: estudio de la arquitectura YOLO para la detección de objetos mediante deep learning.spa
dc.relation.referencesTECNOLOGÍA EDUCATIVA UNAN – MANAGUA. Algoritmo A estrellas (A*). [en línea]. Disponible en: https://aeia.home.blog/algoritmo-a-estrellas-a/. Consultado: 29 ago. 2024.spa
dc.relation.referencesA. Ollero, Robótica manipuladores y robots móviles, Primera edición. 2001.spa
dc.relation.references“Kit de chasis de coche inteligente con rueda Mecanum y brazo robótico para robot ROS”. Yahboom. Accedido el 5 de mayo de 2025.spa
dc.relation.referencesA. Fezari, "Introducing the Raspberry Pi 5: A Leap in Performance and Capabilities," Hackster.io, Oct. 02, 2023.spa
dc.relation.referencesA. Süzen, B. Duman, y B. Şen, “Benchmark Analysis of Jetson TX2, Jetson Nano and Raspberry PI using Deep-CNN”, Isparta, 2020.spa
dc.relation.referencesOpenCV, “Smoothing Images”, OpenCV documentation . Consultado: el 11 de marzo de 2023.spa
dc.relation.referencesX. Cao, D. Liu, y X. Ren, “Detection method for auto guide vehicle’s walking deviation based on image thinning and Hough transform”, Measurement and 102 Control (United Kingdom), vol. 52, núm. 3–4, pp. 252–261, mar. 2019.spa
dc.relation.referencesP. Viola and M. Jones, “Rapid object detection using a boosted cascade of simple features,” in Proc. IEEE Computer Society Conf. Computer Vision and Pattern Recognition (CVPR), 2001.spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.subject.keywordsMechatronicspa
dc.subject.keywordsRaspberry pispa
dc.subject.keywordsAckermanspa
dc.subject.keywordsSelf driving carspa
dc.subject.keywordssignal recognitionspa
dc.subject.keywordsTechnological innovationsspa
dc.subject.keywordsPrototype developmentspa
dc.subject.keywordsProgramming (Electronic Computers)spa
dc.subject.keywordsEmbedded computer systemsspa
dc.subject.keywordsCooperating objects (Computer systems)spa
dc.subject.lembMecatrónicaspa
dc.subject.lembInnovaciones tecnológicasspa
dc.subject.lembDesarrollo de prototiposspa
dc.subject.lembProgramación (Computadores electrónicos)spa
dc.subject.lembSistemas de computador embebidosspa
dc.subject.lembObjetos cooperantes (Sistemas de computador)spa
dc.subject.proposalCarro Autónomospa
dc.subject.proposalReconocimiento de señalesspa
dc.titleDesarrollo de un sistema de reconocimiento de señales de tránsito que permita la navegación autónoma nivel 2 de un robot móvil tipo Ackerman mediante el uso de visión por computadorspa
dc.title.translatedDevelopment of a traffic sign recognition system that enables level 2 autonomous navigation of an Ackerman-type mobile robot through the use of computer visionspa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.type.localTrabajo de Gradospa
dc.type.redcolhttp://purl.org/redcol/resource_type/TP

Archivos

Bloque original

Mostrando 1 - 2 de 2
Miniatura
Nombre:
LIBRO_FINAL.pdf
Tamaño:
1.35 MB
Formato:
Adobe Portable Document Format
Descripción:
Tesis
Descargar
Miniatura
Nombre:
Licencia.pdf
Tamaño:
447.25 KB
Formato:
Adobe Portable Document Format
Descripción:
Licencia
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
829 B
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Pregrado Ingeniería Mecatrónica