Triangular traffic sign recognition

Abstract

[ANGLÈS] Driver assistance systems are an important contribution to increase road safety. One aspect of the Advanced Driver Assistance Systems, ADAS, is to recognize traffic signs on the road, due to the amount of information given by them. The number of signs and the differences between them is considerably high, and the ADAS of Continental AG can already detect and classify circular signs. By acknowledging those facts, this thesis focuses on the signs with triangular shape. The following work presents two algorithms, named Loy-Barnes and the Fast Hough Transform. These algorithms are based on the so-called evidence accumulation method and the requirements to detect triangles efficiently. Both algorithms are analyzed, implemented, tested and compared in this thesis. The Loy-Barnes algorithm has proved to have a high detection rate, but also high runtime. The comparisons of this work should lead to the conclusion that the Fast Hough Transform implementation can also provide a high performance while achieving better runtime results.

[CASTELLÀ] Los sistemas de asistencia al conductor son una importante contribución para incrementar la seguridad en la carretera. Uno de los aspectos del ADAS, Advanced Driver Assistance Systems, es reconocer señales de tráfico dada la cantidad de información que aportan durante la conducción. La variedad de señales de tráfico es considerablemente alta y el equipo de reconocimiento de señal de Continental AG detecta y clasifica con éxito señales circulares. Dada la necesidad de obtener métodos de detección para otros tipos de señal, este proyecto se centra en las señales de forma triangular. Este trabajo presenta dos algoritmos llamados Loy-Barnes y Fast Hough Transform. Estos algoritmos están basados en el método de acumulación de evidencias y cumplen los requisitos para detectar triángulos de forma eficiente. Ambos algoritmos son analizados, implementados, testeados y comparados en esta tesis. Ha sido ya demostrado que el algoritmo Loy-Barnes consigue un porcentaje de detección alto, pero requiere un elevado tiempo de proceso. Las comparaciones en este trabajo deben llevar a la conclusión de que el algoritmo Fast Hough Transform puede proveer también un alto nivel de detección a la vez que consigue mejores resultados en el tiempo de proceso.

[CATALÀ] Els sistemes d'assistència al conductor són una contribució important per incrementar la seguretat a la carretera. Un dels aspectes de l'ADAS, Advanced Driver Assistance Systems, és reconèixer senyals de trànsit donada la quantitat d'informació que aporten durant la conducció. La varietat de senyals de trànsit és considerablement alta i l'equip de reconeixement de senyal de Continental AG detecta i classifica amb èxit senyals circulars. Atesa la necessitat d'obtenir mètodes de detecció per altres tipus de senyal, aquest projecte se centra en els senyals de forma triangular. Aquest treball presenta dos algorismes anomenats Loy-Barnes i Fast Hough Transform. Els algorismes estan basats en el mètode d'acumulació d'evidències i compleixen els requisits per detectar triangles de forma eficient. Tots dos algoritmes són analitzats, implementats, testejats i comparats en aquesta tesi. Ha estat ja demostrat que l'algorisme Loy-Barnes aconsegueix un percentatge de detecció alt, però requereix un elevat temps de procés. Les comparacions en aquest treball han de dur a la conclusió que l'algorisme Fast Hough Transform pot proveir també un alt nivell de detecció al mateix temps que aconsegueix millors resultats en el temps de procés.