En este proyecto se presenta una arquitectura para la detección de objetos en un coche de carreras autónomo utilizando YOLOv9 y comunicación mediante ROS2. El objetivo principal es detectar conos y obstáculos en la pista para facilitar la conducción autónoma de un coche de carreras tipo fórmula. Para lograr esto, se emplea una cámara estereoscópica que permite determinar la posición exacta de los obstáculos en tiempo real. Mediante las predicciones de YOLO, se identifica el tipo y color del obstáculo, aplicando una bounding box para comunicar esta información a los demás módulos del vehículo.
Abstract:
This project presents an architecture for object detection in an autonomous racing car using YOLOv9 and communication using ROS2. The main objective is to detect cones and obstacles on the track to facilitate the autonomous driving of a formula racing car. To achieve this, a stereoscopic camera is used to determine the exact position of the obstacles in real time. Using YOLO predictions, the type and color of the obstacle is identified and a bounding box is applied to communicate this information to the other modules of the vehicle.
En este proyecto se presenta una arquitectura para la detección de objetos en un coche de carreras autónomo utilizando YOLOv9 y comunicación mediante ROS2. El objetivo principal es detectar conos y obstáculos en la pista para facilitar la conducción autónoma de un coche de carreras tipo fórmula. Para lograr esto, se emplea una cámara estereoscópica que permite determinar la posición exacta de los obstáculos en tiempo real. Mediante las predicciones de YOLO, se identifica el tipo y color del obstáculo, aplicando una bounding box para comunicar esta información a los demás módulos del vehículo.
Abstract:
This project presents an architecture for object detection in an autonomous racing car using YOLOv9 and communication using ROS2. The main objective is to detect cones and obstacles on the track to facilitate the autonomous driving of a formula racing car. To achieve this, a stereoscopic camera is used to determine the exact position of the obstacles in real time. Using YOLO predictions, the type and color of the obstacle is identified and a bounding box is applied to communicate this information to the other modules of the vehicle. Read More
Related posts:
An autonomous navigation method for orchard rows based on a combination of an improved a-star algorithm and SVR
Real-Time Object Detection for Autonomous Solar Farm Inspection via UAVs
Propuesta de integración de salto B.A.S.E en una programación de educación física de bachillerato
Interview: EU data chief Ulrich Ahle on obstacles to Europe’s digital single market
Aplicación de OIF (Optimum Index Factor) en clasificación de imágenes de teledetección
Planificación automática de trayectorias libres de colisión para robots en entornos 3D