autodrive-car

Sistema de conducción autónoma basado en visión por computadora. Utiliza una cámara para detectar objetos, rastrear movimiento y analizar el entorno en tiempo real.

Descripción

Este proyecto implementa un sistema de percepción para conducción autónoma que combina:

• Detección de objetos con SSD MobileNet V2 COCO (TensorFlow)
• Flujo óptico (Farneback) para rastrear movimiento
• Detección de bordes (Sobel) para análisis de estructura
• Streaming web en tiempo real con Flask

Requisitos

• Python >= 3.13
• Cámara USB o integrada (cv.VideoCapture(0))
• Modelo pre-entrenado COCO (ver instalación)

Instalación

uv sync

Modelo de detección de objetos

bash download_model.sh

Esto descarga el modelo ssd_mobilenet_v2_coco_2018_03_29 de TensorFlow.

Uso

Detección de objetos (modo cámara)

python main.py

Muestra la cámara en vivo con cajas de detección sobre los objetos reconocidos. Presiona q para salir.

Análisis visual completo

python cam.py

Abre múltiples ventanas: flujo óptico, magnitudes de movimiento, bordes detectados y frame original. Permite seleccionar un punto con clic del mouse para rastrearlo.

Servidor web

python server.py

Inicia un servidor Flask en http://localhost:5000 que transmite el video procesado como MJPEG stream.

Estructura

Archivo	Propósito
main.py	Bucle principal de detección de objetos
cam.py	Análisis de flujo óptico + detección de bordes
server.py	Servidor web con streaming de video
app.py	Funciones auxiliares (edges, optical flow, coordenadas)
coco_labels.txt	Etiquetas COCO (91 clases)
download_model.sh	Script para descargar el modelo TensorFlow

Arquitectura

• Modelo: SSD MobileNet V2 COCO (frozen_inference_graph.pb)
• Cámara: Índice fijo 0 (cv.VideoCapture(0))
• Flujo óptico: cv.calcOpticalFlowFarneback()
• Streaming: multipart/x-mixed-replace (MJPEG)
• Resolución: Frames escalados a 50% para rendimiento