Sistema de visión embebido basado en FPGA para detección de objetos y carriles en vehículo a escala 1:5

Read full text Summarise with VIRAT
Authors: Karen Roa-Tort, Josué D. Rivera-Fernández, Diego A. Fabila-Bustos, Adrián Apolonio-Vera, Daniel León-Martínez, Elizama B. Ortega-Gutiérrez, David A. Cano-Ibarra
Cited by: 0
References: 8

Summary

No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.

Summarise with VIRAT Free to try with your Science Catalogs account.

Abstract

Este trabajo presenta el desarrollo e implementación de un sistema de visión embebido basado en FPGA para la detección de carriles y objetos en un vehículo autónomo a escala 1:5. Se utilizó la tarjeta Kria KV260 Vision AI para procesar una red YOLOv3-Tiny y un algoritmo de segmentación de carriles en tiempo real. Las imágenes fueron adquiridas mediante una cámara USB y los resultados se visualizaron en una interfaz gráfica inalámbrica desarrollada para un dispositivo Android. El sistema alcanzó una precisión media del 92.4 % en la detección de vehículos y presentó una latencia menor a 150 ms. La estructura mecánica con aislamiento de vibraciones mejoró significativamente la calidad de imagen. Entre las limitaciones destacan la dependencia de las condiciones de iluminación y la resolución de la cámara utilizada. La plataforma es modular, eficiente y adecuada para aplicaciones académicas y prototipos ADAS de bajo costo, y su diseño permite futuras mejoras, como la integración de sensores adicionales o protocolos de comunicación automotriz, consolidándose como una herramienta versátil para la investigación y la enseñanza en sistemas embebidos de percepción vehicular.

Fields of Study & Subjects

Autonomous Vehicle Technology and Safety Advanced Neural Network Applications Embedded Systems and FPGA Design

Publication details

Journal / source
PÄDI Boletín Científico de Ciencias Básicas e Ingenierías del ICBI
Volume
14
Pages
344–349
Publication date
20 March 2026
Language
ES