Exploración de la visión artificial en aplicaciones de navegación

Hoy en día, sacar el móvil, escribir un destino y seguir indicaciones paso a paso para llegar parece algo muy sencillo. Es algo que solo lleva unos segundos. Pero esta comodidad cotidiana es el resultado de años de progreso tecnológico. La navegación ha avanzado mucho: de los mapas de papel y las brújulas a sistemas inteligentes capaces de entender y responder al mundo en tiempo real.

Una de las tecnologías detrás de este cambio es la visión por ordenador, una rama de la inteligencia artificial (AI) que permite a las máquinas interpretar información visual como lo hacen los seres humanos. Las herramientas de navegación más avanzadas utilizan ahora imágenes en tiempo real de satélites, cámaras de salpicadero y sensores a nivel de calle para mejorar la precisión de los mapas, supervisar el estado de las carreteras y guiar a los usuarios por entornos complejos.

En este artículo, exploraremos cómo la visión por ordenador está mejorando la navegación al perfeccionar los mapas GPS, ofrecer actualizaciones del tráfico en tiempo real y respaldar tecnologías como la navegación con realidad aumentada y los vehículos autónomos.

Sistemas de navegación con AI y mapas 3D inmersivos#

Usar herramientas como Google Maps para desplazarse en el día a día se ha vuelto muy habitual, tanto si vas al otro lado de la ciudad como si buscas una cafetería cercana. A medida que las tecnologías de AI se adoptan más ampliamente, vemos funciones cada vez más avanzadas, como Immersive View, presentada por Google Maps en 2023, que permite a los usuarios previsualizar partes de su trayecto en un entorno 3D. Esto es posible gracias a una combinación de AI, fotogrametría y visión por ordenador.

Fig. 1. Vista inmersiva de Google Maps.

Todo comienza con miles de millones de imágenes de alta resolución capturadas por distintos equipos especializados. Entre ellos se incluyen los vehículos de Street View, equipados con cámaras de 360 grados que recorren las ciudades, y los dispositivos Trekker, mochilas portátiles con cámaras incorporadas que se utilizan para capturar imágenes en lugares a los que no pueden llegar los vehículos, como senderos o callejones estrechos.

Estas imágenes se alinean con los datos cartográficos mediante fotogrametría, una técnica que combina fotografías 2D tomadas desde distintos ángulos para crear modelos 3D precisos de calles, edificios y terrenos.

A continuación, la visión por ordenador analiza estos modelos mediante detección de objetos y segmentación de imágenes para identificar y etiquetar elementos importantes, como señales de tráfico, aceras, pasos de peatones y entradas de edificios.

Fig. 2. Immersive View utiliza la segmentación para segmentar objetos de una calle.

Los datos etiquetados se utilizan para entrenar sistemas de AI que reconocen cómo varían las señales visuales según la región. Por ejemplo, el sistema puede distinguir fácilmente entre una señal de «SLOW» en Estados Unidos, que normalmente tiene forma de rombo amarillo o naranja, y una señal similar en Japón, que suele ser un triángulo rojo y blanco. Este nivel de comprensión hace que la experiencia de navegación sea más precisa y tenga en cuenta las diferencias culturales.

Por último, Immersive View superpone las rutas de navegación en directo sobre el entorno 3D, ofreciendo una experiencia fluida e intuitiva que muestra exactamente hacia dónde te diriges.

La realidad aumentada en las soluciones de navegación#

Probablemente todos hemos dado vueltas intentando averiguar hacia qué dirección nos indica Google Maps que debemos ir. Esa confusión es precisamente lo que la navegación con realidad aumentada (AR), una tecnología que superpone información digital a la vista de la cámara del mundo real, pretende resolver. Está cambiando la forma en que las personas se orientan en lugares concurridos, como las calles de una ciudad o grandes espacios interiores.

Los mapas convencionales pueden ser difíciles de seguir, especialmente cuando las señales GPS son débiles o no funcionan bien. La navegación con AR aborda este problema mostrando indicaciones digitales, flechas y etiquetas directamente sobre la vista en directo de la cámara del mundo real. Así, los usuarios ven indicaciones que coinciden con las calles y los edificios que los rodean, lo que facilita mucho saber adónde ir.

Cómo se utiliza la realidad aumentada en la navegación#

La navegación con AR se basa en modelos de visión por ordenador para comprender el entorno a través de la cámara de un dispositivo. Esto implica varias tareas, como la localización de imágenes, que detecta elementos como bordes de edificios o señales de tráfico y los relaciona con un mapa almacenado. La localización y el mapeo simultáneos (SLAM) crean un mapa del entorno mientras siguen la posición del dispositivo en tiempo real.

Por ejemplo, el Aeropuerto de Zúrich fue el primero en implementar Live View de Google Maps para la navegación en interiores. Los pasajeros pueden utilizar las cámaras de sus teléfonos para ver flechas e indicaciones superpuestas sobre el entorno real, que los guían por las terminales hasta las puertas de embarque, las tiendas y los servicios. Esto mejora la experiencia de los pasajeros al facilitar la navegación por espacios interiores complejos.

Fig. 3. El Aeropuerto de Zúrich utiliza visión por ordenador y AR para guiar a los pasajeros en interiores.

Mejora de la seguridad vial con sistemas de navegación basados en AI#

Las calles de las ciudades están cada vez más concurridas. Con más coches en las carreteras, aceras abarrotadas y una actividad constante, mantener el tráfico fluido y seguro supone un reto cada vez mayor. Para ayudar a gestionar este caos, muchas ciudades recurren a la AI y la visión por ordenador.

Las cámaras inteligentes y los sensores instalados en intersecciones y a lo largo de las carreteras capturan un flujo constante de datos visuales. Estas imágenes se procesan en tiempo real para detectar accidentes, supervisar el flujo de tráfico, localizar baches y detectar situaciones como aparcamientos ilegales o comportamientos peatonales peligrosos.

Un ejemplo interesante es la Smart Airport Expressway de Hangzhou, China. Esta autopista de 20 kilómetros, que conecta el centro de Hangzhou con el Aeropuerto Internacional de Xiaoshan, se ha modernizado con cámaras de alta resolución y radares de ondas milimétricas. Estos dispositivos recopilan continuamente datos de vídeo y de sensores, que después se analizan mediante visión por ordenador.

En lugar de limitarse a grabar imágenes, el sistema interpreta lo que ocurre en la carretera. Los algoritmos de visión por ordenador detectan colisiones entre vehículos, reconocen infracciones de tráfico e incluso identifican peatones o movimientos inusuales cerca de las salidas de la autopista. Esto permite a los responsables del tráfico responder a los incidentes en cuestión de segundos, sin necesidad de estar físicamente en el lugar.

Los datos también alimentan un gemelo digital: un modelo virtual 3D y activo de la autopista que muestra las condiciones del tráfico en tiempo real, los detalles de los vehículos y las congestiones incipientes. Los agentes de tráfico supervisan esta interfaz visual para gestionar el flujo, emitir alertas inteligentes y responder a los incidentes con rapidez y precisión.

Movilidad autónoma habilitada por la visión por ordenador en la navegación#

La navegación actual va mucho más allá de desplazarse del punto A al punto B. Ahora es una parte fundamental de los sistemas inteligentes que transportan personas, gestionan mercancías y toman decisiones en tiempo real, tanto en la carretera como dentro de los almacenes.

En el centro de muchos de estos sistemas se encuentra la visión por ordenador, que permite a las máquinas interpretar datos visuales y responder al instante a su entorno. Veamos algunos ejemplos para entender cómo esta tecnología está transformando la navegación en distintos entornos.

Robots de almacén que navegan mediante visión por ordenador#

Los robots se están convirtiendo en un elemento esencial del futuro de la logística, especialmente en las operaciones de almacenes a gran escala. A medida que crece la demanda del comercio electrónico, las empresas dependen cada vez más de máquinas equipadas con visión por ordenador para desplazarse por entornos complejos, clasificar artículos y gestionar el inventario con rapidez y precisión.

Por ejemplo, en los centros logísticos de Amazon, más de 750 000 robots trabajan junto a las personas para mantener las operaciones en funcionamiento de forma eficiente. Estos robots dependen en gran medida de la visión por ordenador para desplazarse por los concurridos suelos del almacén, identificar artículos y tomar decisiones rápidas y precisas.

Uno de estos sistemas es Sequoia, una plataforma robótica diseñada para agilizar la gestión del inventario. Utiliza visión por ordenador avanzada para escanear, contar y organizar los productos entrantes, ayudando a simplificar los procesos de almacenamiento y recuperación.

Del mismo modo, Vulcan, un brazo robótico, utiliza cámaras y análisis de imágenes para recoger artículos de forma segura de las estanterías, ajustando su agarre en función de la forma y la posición de cada objeto e incluso reconociendo cuándo necesita ayuda humana. Mientras tanto, Cardinal, otro robot equipado con visión, se especializa en la clasificación: escanea montones de paquetes mezclados y los coloca con precisión en los carros de salida correctos.

Fig. 4. Cardinal levanta paquetes con precisión de un montón.

La visión por ordenador en la navegación de vehículos autónomos#

Hasta ahora, hemos visto cómo la visión por ordenador ayuda tanto a las personas como a los robots a orientarse en sus entornos. Pero también es igual de crucial para sistemas autónomos, como los coches autónomos, cuya navegación depende por completo de lo que el vehículo puede ver y comprender en tiempo real.

Un buen ejemplo es el sistema Tesla Vision. Tesla ha adoptado un enfoque basado únicamente en cámaras para la conducción autónoma, eliminando el radar y otros sensores en favor de una red de cámaras que proporciona una visión completa de 360 grados del entorno del coche. Estas cámaras envían datos visuales al ordenador Full Self-Driving (FSD), que utiliza redes neuronales profundas para interpretar el entorno y tomar decisiones de conducción en fracciones de segundo.

Basándose en lo que ve, el sistema decide cuándo girar, acelerar, frenar o cambiar de carril, igual que lo haría un conductor humano, pero únicamente mediante información visual. Tesla mejora continuamente este sistema recopilando y aprendiendo de enormes cantidades de datos de conducción del mundo real procedentes de toda su flota.

Fig. 5. Tesla utiliza visión por ordenador para una navegación segura y autónoma (fuente: Tesla).

Ventajas e inconvenientes de la visión por ordenador en la navegación#

Estas son algunas ventajas clave de utilizar visión por ordenador en la navegación, especialmente en sistemas donde la precisión, la seguridad y la toma de decisiones en tiempo real son esenciales:

• Reduce el consumo de combustible: Al ayudar a los conductores a evitar el tráfico y las rutas con paradas y arranques frecuentes, la visión por ordenador puede reducir el consumo total de combustible y el tiempo de viaje, haciendo más eficientes los desplazamientos diarios.
• Detecta el desgaste de las carreteras y problemas de infraestructura: Las soluciones basadas en visión pueden buscar baches, marcas viales desgastadas, señales rotas e infraestructuras dañadas, proporcionando a los equipos de mantenimiento datos fiables en tiempo real.
• Se integra sin problemas con otras herramientas de AI: La visión por ordenador puede combinarse con asistentes de voz, modelos de predicción del comportamiento o algoritmos de optimización de rutas para crear una experiencia de navegación muy inteligente y personalizada.

Aunque la visión por ordenador aporta muchas ventajas a la navegación, también presenta algunas limitaciones importantes que debes tener en cuenta al implementar este tipo de soluciones. Estos son algunos retos clave que conviene considerar:

• Falta de generalización: Los modelos entrenados en entornos o situaciones específicas suelen tener dificultades cuando se implementan en contextos nuevos o cambiantes sin volver a entrenarlos.
• Limitaciones de iluminación: Los sistemas de visión dependen de una buena iluminación y de condiciones meteorológicas despejadas para funcionar correctamente. Con niebla, lluvia intensa u oscuridad, su rendimiento disminuye, a menos que se combinen con sensores como LiDAR o radar.
• Riesgos para la privacidad: Los sistemas de navegación que utilizan cámaras pueden capturar a personas y propiedades privadas sin consentimiento. Esto plantea problemas de privacidad que deben abordarse cuidadosamente durante el desarrollo y la implementación.

Conclusiones clave#

La visión por ordenador está reinventando la navegación al hacer que los mapas sean más dinámicos, los sistemas de tráfico más inteligentes y la movilidad más accesible. Las que antes eran rutas estáticas son ahora experiencias interactivas en tiempo real, impulsadas por previsualizaciones 3D inmersivas, indicaciones guiadas mediante AR y tecnologías de transporte autónomo.

A medida que avance la tecnología, es probable que la atención se centre en hacer que estos sistemas sean más inclusivos, adaptables y responsables. El progreso continuo dependerá de mejorar la precisión en entornos diversos, mantener un rendimiento fiable y proteger la privacidad de los usuarios. El futuro de la visión por ordenador en la navegación reside en crear soluciones que no solo sean inteligentes, sino también cuidadosas en su diseño y su impacto.

¡Únete a nuestra creciente comunidad! Explora nuestro repositorio de GitHub para aprender sobre AI y consulta nuestras opciones de licencia para empezar tus proyectos de AI de visión. ¿Te interesan innovaciones como la AI en el comercio minorista y la visión por ordenador en la agricultura? ¡Visita nuestras páginas de soluciones para descubrir más!