1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Morelos
4. Centro Nacional de Investigación y Desarrollo Tecnológico
5. Tesis CENIDET
6. Tesis de Maestría
7. Tesis de Maestría en Computación

Title:	Análisis de Algoritmos de Visión por Computadora para un Asistente de Mantenimiento de Carril
Authors:	Álvarez Silva, Sergio
metadata.dc.subject.other:	ADAS, visión por computadora, detección de carril, asistencia en mantenimiento de carril.
Issue Date:	2025-02-28
Publisher:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Centro Nacional de Investigación y Desarrollo Tecnológico
Description:	Esta tesis aborda el análisis y comparación de algoritmos de visión por computadora aplicados a un Asistente de Mantenimiento de Carril (SAMC). El estudio se centra en evaluar el desempeño de métodos tradicionales y técnicas de aprendizaje profundo basadas en redes neuronales convolucionales (CNN), bajo diversas condiciones de conducción. Para ello, se utilizaron tanto bases de datos de referencia ampliamente reconocidas en el estado del arte como pruebas en entornos reales y simulados. En los experimentos realizados, los algoritmos fueron sometidos a escenarios adversos que incluyeron lluvia de distintas intensidades (leve, moderada y fuerte), exposición a luz solar directa, deslumbramiento solar, sombras, curvas de diferentes grados (suaves y pronunciadas), y conducción nocturna, tanto con iluminación artificial como en su ausencia, empleando únicamente los faros del vehículo. Asimismo, en los entornos simulados se evaluaron condiciones de neblina recreando distintos escenarios: neblina uniforme, heterogénea, nublada y combinaciones de estas. Los resultados obtenidos revelan que los métodos tradicionales son efectivos en condiciones de conducción controladas, pero su rendimiento disminuye significativamente en situaciones más complejas, como lluvia intensa, curvas pronunciadas, sombras y condiciones de iluminación adversa. Por otro lado, los algoritmos basados en redes neuronales convolucionales, como SCNN y VGG16, demostraron una mayor adaptabilidad y robustez en estos escenarios desafiantes, destacando especialmente en situaciones de deslumbramiento solar, sombras en la carretera y conducción nocturna.
metadata.dc.type:	info:eu-repo/semantics/masterThesis
Appears in Collections:	Tesis de Maestría en Computación

This item is protected by original copyright View License

This item is licensed under a Creative Commons License