Segmentación semántica de imágenes para la obtención de rutas libres de obstáculos

Abstract

La identificación de patrones y objetos dentro de una imagen con el fin de elegir una ruta libre de circulación para el desplazamiento de un sistema móvil es un problema complejo si se tiene un entorno desconocido o con dificultades para la movilización. En este trabajo se aplica un algoritmo de segmentación semántica basado en aprendizaje profundo que permite categorizar cada píxel dentro de una imagen. Se inicia con la adquisición y consolidado del conjunto de imágenes aéreas. A continuación, se ejecuta un proceso de etiquetado que nos permita diferenciar clases dentro de la imagen y posteriormente, se aplica un entrenamiento al modelo de segmentación semántica basada en una arquitectura SegNet con lo que se logra categorizar los píxeles de la imagen de manera precisa. Con la información extraída de la imagen se logra determinar una ruta libre de movilidad para un sistema móvil. Los resultados obtenidos en este trabajo aplicando el modelo de segmentación semántica a un conjunto de 100 imágenes aéreas logra obtener una precisión superior al 82%, con lo que se alcanza a discernir una ruta libre de movilidad. La precisión puede ser mejorada si se aumenta el número de imágenes para ser analizadas. A la par, al procesar una gran cantidad de imágenes conlleva un aumento considerable en el tiempo de ejecución y de procesamiento.