Sistema de seguimiento a operarios mediante cámara para vehículos autónomos

Resumen

La creciente automatización y el uso de robots en la industria plantean desafíos significativos en la interacción segura entre humanos y máquinas, lo que hace necesaria la implementación de soluciones avanzadas para prevenir accidentes y optimizar procesos. Por ello, este proyecto desarrolla un sistema que permite a vehículos autónomos, la detección y seguimiento de operarios mediante cámara. Concretamente, permitir que las barredoras puedan seguir a los barrenderos sin necesidad de conductor. El sistema pretende mejorar la seguridad y eficiencia en entornos donde es necesario seguir a personas con un vehículo, permitiendo un movimiento autónomo en tiempo real.

Para ello, se ha utilizado YOLOv8, un modelo avanzado de detección de objetos y ROS2 para la integración con el vehículo. Además, se ha diseñado un dataset especifico y entrenado un modelo capaz de detectar a barrenderos.

Los resultados obtenidos muestran un rendimiento satisfactorio tanto en la precisión de la detección como en la capacidad de seguimiento, validando la viabilidad del enfoque propuesto. El sistema desarrollado logra que un vehículo autónomo siga a un barrendero, contribuyendo a la eficiencia operativa en distintos entornos. Este proyecto demuestra el potencial de las tecnologías avanzadas de visión por computadora y los sistemas operativos robóticos para resolver desafíos críticos en todo tipo de industrias.

Abstract:

The increasing automation and use of robots in the industry present significant challenges in ensuring safe interaction between humans and machines, making it necessary to implement advanced solutions to prevent accidents and optimize processes. This project, therefore, develops a system that enables autonomous vehicles to detect and track operators using a camera. Specifically, it allows sweepers to follow street cleaners without a driver. The system aims to improve safety and efficiency in environments where it is necessary for a vehicle to follow people, enabling real-time autonomous movement.

For this purpose, YOLOv8, an advanced object detection model, and ROS2 for vehicle integration have been used. Additionally, a specific dataset has been designed, and a model capable of detecting street cleaners has been trained.

The results obtained show satisfactory performance in both detection accuracy and tracking capability, validating the feasibility of the proposed approach. The developed system enables an autonomous vehicle to follow a street cleaner, contributing to operational efficiency in various environments. This project demonstrates the potential of advanced computer vision technologies and robotic operating systems to address critical challenges in all types of industries.