[pt] Esta dissertação apresenta o projeto e desenvolvimento de um sistema para detecção e desvio de obstáculos para veículos aéreos não tripulados (VANTs), implementado por um controlador neuro-fuzzy. Neste contexto, este trabalho apresenta uma revisão teórica sobre veículos aéreos não tripuláveis, legislação brasileira aplicável, métodos de detecção de obstáculos, lógica nebulosa e redes neurais. O controlador desenvolvido foi implementado de forma a imitar as ações realizadas por um operador humano, visando desviar de obstáculos encontrados no caminho de navegação do VANT. Regras de inferência são estabelecidas baseadas na consultoria de especialistas da área e os pesos ajustados pela rede neural. O processo de tomada de decisão ocorre levando em consideração as informações coletadas por um Lidar multicanal e sensores ultrassônicos embarcados no VANT. Por sua vez, o algoritmo desenvolvido foi incorporado em um controlador de vôo comercial. O sistema completo do quadricóptero é detalhado, destacando as principais características de todos os sensores e do controlador de vôo. Os resultados das simulações computacionais e testes experimentais são apresentados, discutidos e comparados, a fim de avaliar o desempenho do sistema desenvolvido. / [en] This dissertation presents the design and development of an obstacle detection and avoidance system for unmanned aerial vehicles, implemented by a neuro-fuzzy controller. In this context, this work presents a theoretical review of unmanned aerial vehicles, the applicable Brazilian legislation, obstacle detection methods, fuzzy logic and neural networks. The developed controller was implemented in order to mimic the actions taken by a human operator, aiming at avoiding obstacles found in the navigation path of the UAV. Inference rules were established based on consultation with specialists in the field and the weights adjusted by neural networks. The decisionmaking process takes into account information collected by a multichannel Lidar and ultrasonic sensors embedded in the UAV. In turn, the developed algorithm was embedded in a commercial flight controller. The complete quadricopter system is detailed, highlighting the key features of all sensors and the flight controller. The results of computational simulations and experimental tests are presented, discussed and compared, in order to evaluate the performance of the developed system.

[pt] As tecnologias de imageamento em três dimensões (3D) vêm tendo seu uso cada vez mais disseminado no meio acadêmico e no setor industrial, especialmente na forma de nuvens de pontos, uma representação matemática da geometria e superfície de um objeto ou área. No entanto, a obtenção desses dados pode ainda ser cara e demorada, reduzindo a eficiência de muitos procedimentos que são dependentes de um grande conjunto de nuvens de pontos, como a geração de datasets para treinamento de aprendizagem de máquina, cálculo de dossel florestal e inspeção submarina. Uma solução atualmente em voga é a criação de simuladores computacionais de sistemas de imageamento, realizando o escaneamento virtual de um cenário feito a partir de arquivos de objetos 3D. Este trabalho apresenta o desenvolvimento de um simulador de sistema LiDAR (light detection and ranging) baseado em algoritmos de rastreamento de raio com paralelismo (GPU raytracing), com o sensor virtual modelado por parâmetros metrológicos e calibrado por meio de comparação com um sensor real, juntamente com um gerador flexível de cenários virtuais. A combinação destas ferramentas no simulador resultou em uma geração robusta de nuvens de pontos sintéticas em cenários diversos, possibilitando a criação de datasets para uso em testes de conceitos, combinação de dados reais e virtuais, entre outras aplicações. / [en] Three dimensional (3D) imaging technologies have been increasingly used in academia and in the industrial sector, especially in the form of point clouds, a mathematical representation of the geometry and surface of an object or area. However, obtaining this data can still be expensive and time consuming, reducing the efficiency of many procedures dependent on a large set of point clouds, such as the generation of datasets for machine learning training, forest canopy calculation and subsea survey. A trending solution is the development of computer simulators for imaging systems, performing the virtual scanning of a scenario made from 3D object files. At the end of this process, synthetic point clouds are obtained. This work presents the development of a LiDAR system simulator (light detection and ranging) based on parallel ray tracing algorithms (GPU raytracing), with its virtual sensor modeled by metrological parameters. A way of calibrating the sensor is displayed, by comparing it with the measurements of a real LiDAR sensor, in addition to surveying error models to increase the realism of the virtual scan. A flexible scenario creator was also implemented to facilitate interaction with the user. The combination of these tools in the simulator resulted in a robust generation of synthetic point clouds in different scenarios, enabling the creation of datasets for use in concept tests, combining real and virtual data, among other applications.