Aplicación para la Detección de Espacios en Parqueaderos con Drones y Smartphones
La Universidad del Norte dispone actualmente de 7 parqueaderos distribuidos a lo largo del campus. Dada dicha distribución, localizar lugares para parquear se vuelve una tarea que consume grandes cantidades de tiempo. Ante esta situación, se hace necesario el diseño de una solución que integre tecno...
- Autores:
-
Blanco Baines, Daniel Alberto
Cotes España, Ángel De Jesús
Triana Gogue, Carlos Andrés
- Tipo de recurso:
- Fecha de publicación:
- 2016
- Institución:
- Universidad del Norte
- Repositorio:
- Repositorio Uninorte
- Idioma:
- spa
- OAI Identifier:
- oai:manglar.uninorte.edu.co:10584/5861
- Acceso en línea:
- http://hdl.handle.net/10584/5861
- Palabra clave:
- Dron
parqueaderos
fotografía digital
HAAR Cascade
geolocalización
detección
OpenCV
Drone
Parking Lots
Digital photography
HAAR Cascade
Geolocation
detection
OpenCV
- Rights
- License
- Universidad del Norte
Summary: | La Universidad del Norte dispone actualmente de 7 parqueaderos distribuidos a lo largo del campus. Dada dicha distribución, localizar lugares para parquear se vuelve una tarea que consume grandes cantidades de tiempo. Ante esta situación, se hace necesario el diseño de una solución que integre tecnologías tales como drones, fotografía digital, teléfonos inteligentes, mapas digitales y geolocalización para poder brindar información sobre los espacios disponibles. Durante este proyecto, se desarrollaron dos aplicaciones encargadas de la solución del problema planteado. La primera fue diseñada para el control y comunicación con el dron y la segunda como herramienta de acceso a los usuarios finales para conocer la disponibilidad en los parqueaderos de la universidad. En la puesta en marcha de la aplicación se realizaron pruebas en 3 distintos escenarios: En el primer escenario, un caso ideal, se obtuvieron muy buenos resultados y logrando así, por medio de Canny Edges, detectar todos los automóviles capturados en la imagen. En el segundo caso los resultados no fueron los esperados dado que se trabajó con imágenes reales y variables como luz, variedad en los colores del terreno del lugar, árboles, entre otras; no se tuvieron en cuenta cuando se aplicó Canny Edges. Por último, se implementó Haar Cascade Trainer y los resultados fueron alentadores en todos los casos contemplados. A lo largo de la realización del proyecto se logró construir un prototipo de aplicación estable y funcional de acuerdo a lo planteado en los requerimientos del mismo. El desafío que más tuvo impacto durante el proceso de desarrollo fue la detección de los vehículos en las capturas realizadas en parqueaderos reales. Sin embargo, los resultados finales son contundentes y permiten apreciar un producto final que puede ser útil en la vida de las personas. |
---|