Implementación del sistema de conducción autónoma que permita la operación sin intervención humana

Abstract

El presente trabajo describe la implementación de un sistema de conducción autónoma a escala que opera sin intervención humana, desarrollado sobre una arquitectura embebida jerárquica de tres niveles: una Raspberry Pi 5 que actúa como capa supervisora, encargada de la percepción visual mediante un modelo de reconocimiento entrenado y de la definición de parámetros de navegación de alto nivel; un módulo ESP32-WROOM-32 que ejecuta el control reactivo en tiempo real; y un Arduino Nano encargado de la lectura de los datos de sensores a bajo nivel. El prototipo está conformado por dos cámaras ESP32-CAM, un sensor ultrasónico HC-SR04, una unidad MPU-6050 con magnetómetro HMC5883L y un sistema de posicionamiento global (GPS, del inglés Global Positioning System). La Raspberry Pi 5 programada en Python resuelve las funciones más potentes como procesamiento visual con OpenCV e inferencia del modelo de reconocimiento entrenado en Teachable Machine. El Arduino Nano y el ESP32-WROOM ejecutan código escrito en C++ y se encargan del control de bajo nivel. La navegación autónoma sigue una estrategia basada en reglas, que corrige el rumbo con los datos fusionados del GPS y la IMU, evita los obstáculos que detectan el sensor ultrasónico y el modelo visual. El sistema fue construido por debajo del nivel de madurez tecnológica 4 (TRL, del inglés Technology Readiness Level). En un laboratorio controlado se comprobaron que el hardware, el software y los algoritmos de navegación trabajan de manera integrada, también que la percepción multisensor, la navegación reactiva y la comunicación IoT (del inglés Internet of Things) se sustentan sobre la arquitectura jerárquica propuesta.