Skip to main content

satellite-traffic-detection

DRISH-X — detección de tráfico de vehículos desde imágenes satelitales Sentinel-2. Aprovecha el parpadeo RGB del sensor (1.01s entre canales) + YOLO para inteligencia de carga en carreteras

Zur Installation springen

Quellinformationen

Repository
Ntizar/NtizarBrainMasterMind
Letzte Quellaktivität
1. Juli 2026 um 19:28
Erkannte Sprache von SKILL.md
Spanisch
Sterne
2
Forks
0

Installationsoptionen

Standardmäßig ist der Prompt ausgewählt, der zuerst die Quelle prüft. Sie können zu einem direkten Befehl wechseln oder eine lokale Kopie herunterladen.

Quelldateien prüfen

Lesen Sie SKILL.md und alle von SkillsMP angezeigten Begleitdateien, bevor Sie sich für eine Installation entscheiden.

Datei-Explorer
3 Dateien

SKILL.md wird angezeigt

SKILL.md
Quellanweisungen · Schreibgeschützte Vorschau
name
satellite-traffic-detection
description
DRISH-X — detección de tráfico de vehículos desde imágenes satelitales Sentinel-2. Aprovecha el parpadeo RGB del sensor (1.01s entre canales) + YOLO para inteligencia de carga en carreteras
version
1.0.0
author
Ntizar
tags
["vision","satellite","traffic","DRISH-X"]
# DRISH-X — Satellite-Powered Freight Intelligence ## Descripción Inteligencia automatizada de tráfico de vehículos desde imágenes satelitales Sentinel-2. Responde: "¿cuánto tráfico hay en esta carretera y cómo ha cambiado con el tiempo?" ## Referencia Principal - **Repo**: sparkyniner/DRISH-X-Satellite-powered-freight-intelligence- (233★) - **URL**: https://github.com/sparkyniner/DRISH-X-Satellite-powered-freight-intelligence- - **License**: MIT ## Tecnologías - Python 3.10+ - FastAPI (API) - Sentinel-2 / Copernicus (imágenes satelitales) - YOLO (detección de vehículos) ## Principio Científico El sensor Sentinel-2 registra los canales rojo, verde y azul con un desfase de **1.01 segundos**. Cualquier objeto estático se ve normal, pero un vehículo moviéndose a velocidad autopista aparece desplazado entre los canales. Este "parpadeo RGB" es la señal explotada para detección. ## Pasos de Implementación 1. **Descargar imágenes Sentinel-2** desde Copernicus Data Space 2. **Preprocesar**: extraer canales RGB con desfase temporal 3. **Detectar vehículos**: YOLO sobre imágenes procesadas 4. **Contar y rastrear**: agregación por segmento de carretera 5. **API FastAPI**: exponer resultados para consumo ## Casos de Uso - **Freight intelligence**: conteo y seguimiento de camiones en autopistas - **Traffic analysis**: patrones de tráfico temporal - **Infrastructure planning**: datos para planificación de infraestructura - **Environmental monitoring**: impacto del tráfico en zonas sensibles ## Targets de Interés - Autopistas principales - Corredores de carga - Fronteras y puntos de control - Zonas industriales ## Pitfalls - Requiere acceso a Copernicus Data Space (gratuito pero con registro) - La resolución de Sentinel-2 (10m/píxel) limita la detección en carreteras secundarias - Las condiciones climáticas (nubes) afectan la disponibilidad de imágenes - El desfase temporal de 1.01s requiere corrección de geometría ## Herramientas Complementarias - **Aouei/remote-sensing-satellite-downloader**: descarga de Sentinel-2/Landsat - **orcunkok/AWS-Dem-Downloader**: descargas de DEM de elevación - **c2g-dev/city2graph**: análisis de grafos sobre datos geoespaciales
Auf GitHub ansehen