Fusión y calibración adaptativa de multicapas para escenarios de simulación cooperativa multi-vehículo a gran escala

En el desarrollo de plataformas de simulación cooperativa multi-vehículo hardware-in-the-loop (HIL) basadas en visión por máquina, la estimación precisa de la pose del vehículo es crucial para lograr un control cooperativo eficiente. Sin embargo, los sistemas de visión monocular inevitablemente sufren de campos de visión limitados y resolución de imagen insuficiente durante la detección de objetivos, lo que dificulta cumplir con los requisitos de percepción en tiempo real a gran escala y con múltiples objetivos. Para abordar estos desafíos, este artículo propone un método de detección de visión cooperativa de múltiples cámaras orientado a la ingeniería, diseñado para maximizar la eficiencia de procesamiento y el rendimiento en tiempo real mientras se mantiene la precisión de detección. El enfoque propuesto proyecta primero los resultados de imágenes de múltiples cámaras sobre un plano físico unificado. Al precalcular y almacenar en caché los parámetros de costura de imágenes, el método permite un mosaico de imágenes rápido y paralelizado. Los resultados experimentales demuestran que, bajo velocidades típicas de vehículos y ángulos de conducción, las imágenes cosidas logran una tasa de reconocimiento de código de identificación del 93.41% y una precisión de reconocimiento del 99.08%. Además, con entradas de imagen de alta resolución (1440 × 960), el sistema puede generar de manera estable 30 cuadros por segundo de flujos de imágenes cosidas, satisfaciendo plenamente los requisitos duales de precisión de detección y procesamiento en tiempo real para aplicaciones de ingeniería.