covid
Buscar en
Revista Iberoamericana de Automática e Informática Industrial RIAI
Toda la web
Inicio Revista Iberoamericana de Automática e Informática Industrial RIAI Aproximación neuro-fuzzy para identificación de señales viales mediante tecno...
Journal Information
Vol. 4. Issue 2.
Pages 26-31 (April 2007)
Share
Share
Download PDF
More article options
Vol. 4. Issue 2.
Pages 26-31 (April 2007)
Open Access
Aproximación neuro-fuzzy para identificación de señales viales mediante tecnología infrarroja
Visits
2833
G.N. Marichal, E.J. González, L. Acosta, J. Toledo
Dpto. de Ingeniería de Sistemas y Automática y Arquitectura y Tecnología de Computadores, Universidad de La Laguna, La Laguna 38271. Tenerife. Tel.: +34922 318329/fax: +34922318288
This item has received

Under a Creative Commons license
Article information
Resumen

En este artículo se presenta un sistema basado en tecnología infrarroja para la clasificación de marcas viales empleando un sistema Neuro-Fuzzy como herramienta de clasificación. El sistema se ha testeado a partir de los datos suministrados cuando se ha instalado un prototipo en un robot móvil. Los resultados obtenidos son explicados en este artículo, haciendo hincapié en el diseño de nuevas reglas y la mejoría lograda mediante los métodos propuestos.

Palabras clave:
Control Inteligente
Robótica
Navegación de robots
Sistemas Neuro-Fuzzy
Full text is only aviable in PDF
Referencias
[Brooks, 1986]
R.A. Brooks.
A robust layered control system for a mobile robot.
IEEE Joumal of Robotics and Automation, 2 (1986), pp. 14-23
[Driankov et al., 1998]
D. Driankov, H. Hellendoom, M. Reinfrank:.
An Introduction to Fuzzy Control.
Springer. Franke, U.D. M, (1998),
[Gavrila et al., 2001]
Franke, U. D. M. Gavrila, A. Gern, S. Görzig, R. Janssen, F. Paetzold y C. Wöhler (2001). From Door to Door - Principles and Applications of Computer Vision for Driver Assistant Systems, chapter 6 in Intelligent Vehicle Technologies, L. Vlacic and F. Harashima and M. Parent, Butterworth Heinemann, Oxford.
[Guillaume, 2001]
S. Guillaume.
Designing Fuzzy Inference Systems from Data: An Interpretability-Oriented Review.
IEEE Trans. On Fuzzy Syst., 9 (2001), pp. 426-443
[Gupte et al., 2002]
S. Gupte, O. Masoud, N.P. Papanikolopoulos.
Detection and c1assification of vehic1es.
IEEE Trans. on Intelligent Transportation Systems, 3 (2002), pp. 37-47
[Hush and Home, 1993]
D.R. Hush, B.G. Home.
Progress in supervised Neural Networks.
IEEE Signal Processing Magazine, 10 (1993), pp. 8-34
[Kohonen, 2001]
T. Kohonen.
Self-Organising Maps. Springer series in Information Sciences, Vol. 30.
Third Edition, Springer, (2001),
[Mamdani and Assilian, 1975]
E.H. Mamdani, S. Assilian.
An experiment in linguistic synthesis with a fuzzy logic controller.
International Journal of ManMachine Studies, 7 (1975), pp. 1-13
[Marichal, 1. et al., 2001]
G.N. Marichal, L. Acosta, L. Moreno, J.A. Méndez, J. Rodrigo, M Sigut.
Obstacle avoidance for a mobile robot: A neuro-fuzzy approach.
Fuzzy Sets and Systems, 124 (2001), pp. 171-179
[Marichal et al., 2006]
G.N. Marichal, E.J. González, L. Acosta, J. Toledo, M. Sigut, J. Felipe.
An Infrared and Neuro-Fuzzy-Based Approach for Identification and Classification of Road Markings Advances in Natural Computation.
Lecture Notes in Computer Science, 4222 (2006), pp. 918-927
[Matía et al., 2002]
F. Matía, B.M. Al-Hadithi, A. Jiménez.
Generalization of stability criterion for Takagi-Sugeno Continuos Fuzzy model.
Fuzzy Sets and Systems, 129 (2002), pp. 295-309
[Miller et al., 1990]
Neural Networks for Control,
[Takagi, 1985]
T. Takagi, M. Sugeno.
Fuzzy identification of systems and its applications to modelling and contro!.
IEEE Trans. On Systems, Man and Cybemetics, 15 (1985), pp. 116-132
[Zadeh, 1985]
L.A. Zadeh.
Fuzzy sets.
Information and Control, 8 (1965), pp. 338-353
Copyright © 2007. Elsevier España, S.L.. Todos los derechos reservados
Download PDF
Article options