Texto
alternativo

Sistemas de navegación y asistencia autónoma

Sistemas de navegación y asistencia autónoma

Texto transcrito

[Parte superior]

12 EXPO CIENCIA Y TECNOLOGÍA

PROYECTOS DE DESARROLLO E INNOVACIÓN 2026

Detección de Objetos en Tiempo Real sobre Hardware Embebido

DIRECTOR: César Estrebou

INSTITUCIÓN: III-LIDI (UNLP)

MOTIVACIÓN

TRABAJO REALIZADO

Plataforma Hardware y SO

Optimización y Despliegue en NPU

Inferencia y Resultados

[Parte inferior izquierda]

RESUMEN Y PALABRAS CLAVES

Se desarrolló un prototipo de visión por computadora que detecta en tiempo real peatones, semáforos y carteles en vehículos en miniatura. Se implementó un modelo YOLO optimizado en la placa Luckfox Pico (SoC RV1103), usando cuantización INT8 con aceleración por NPU. Esto permitió inferencia local de baja latencia, sentando bases para navegación inteligente de bajo costo y experimentación en TinyML.

Palabras Clave: TinyML, Edge Computing, Luckfox Pico, NPU, YOLO, Visión por Computadora, Sistemas Embebidos

[Parte inferior derecha]

CONCLUSIONES

[Franja inferior]

LIDI, LIFIA Y LINTI UNIVERSIDAD NACIONAL DE LA PLATA

Descripción de imagen

[Parte superior derecha, sección «Motivación»]

Una ilustración compara dos enfoques de procesamiento: la inferencia en la nube y la inferencia en el borde. Se representan recursos de computación remota y un vehículo en miniatura con procesamiento local, destacando la diferencia entre ambos enfoques respecto a dependencia de la red, tiempo de respuesta, latencia, privacidad, recursos de computación.

[Sección «Trabajo realizado», columna izquierda]

Un diagrama de flujo titulado «Flujo de Pipeline de Visión Embebida» presenta cinco etapas:

Las etapas están conectadas mediante flechas y muestran el recorrido de los datos desde la captura de imágenes hasta la detección y la toma de decisiones.

[Sección «Trabajo realizado», columna derecha]

Un recuadro titulado «ESPECIFICACIONES DEL SISTEMA» presenta las características del hardware:

Debajo aparecen indicadores gráficos de rendimiento:

También se muestran dos capturas de detección de objetos en escenas viales. En una se identifican elementos de la calle mediante recuadros superpuestos; en la otra se comparan visualmente los resultados del procesamiento mostrando que la ejecución en NPU es 90 veces más rápido.

Descripción general

El cartel presenta un proyecto de navegación y asistencia autónoma centrado en la detección de objetos en tiempo real sobre hardware embebido. La propuesta utiliza una placa Luckfox Pico Mini, un sistema Linux personalizado y un modelo YOLO optimizado mediante cuantización INT8 y aceleración por NPU.


Este código QR contiene el enlace a esta misma página, utilizado en el material impreso del cartel.
Código QR del post Sistemas de navegación y asistencia autónoma