Week 10 - Mejora en la Detección del carríl

Mejora en la detección del carril

Se ha realizado una mejora significativa en el algoritmo de detección de carriles, enfocándose en la detección precisa de las líneas de demarcación de las vías. Esta mejora incluyó la capacidad de detectar tanto las líneas amarillas como las blancas, así como la mejora de los contrastes entre las transiciones de andén y calle, lo que ha resultado en una identificación más efectiva del carril.

Para la detección de los carriles, se implementó el método de ventanas deslizantes, una técnica ampliamente utilizada en visión por computadora. Además, se integró el concepto de radio de curvatura para distinguir entre tramos rectos y curvos. Esta clasificación se basó en el cálculo de la distancia entre el punto medio del carril y el punto medio del fotograma, convirtiendo estas medidas de píxeles a metros. Se considera que una diferencia mayor a un umbral de 0.5 metros indica un carril recto, mientras que una diferencia menor se interpreta como un carril curvo.

Entrenamiento de clasificación de curatura del carril

Para entrenar el modelo de detección de carriles, se construyó un conjunto de datos compuesto por 73,000 imágenes, cada una etiquetada con una de las dos clases: 0 para carriles rectos y 1 para carriles curvos. En el proceso de entrenamiento, se utilizó la función de pérdida “binary_crossentropy” para modelos de clasificación binaria, y se empleó la métrica de rendimiento “accuracy”, que evalúa la precisión del modelo en la clasificación de las imágenes de manera efectiva.