A cada dia novos modelos de Veículos Aéreos Não Tripulados (VANTs) estão sendo lançados no mercado para serem utilizados em diversas aplicações, tais como mapeamento de ambientes e vigilância. Geralmente, estes robôs utilizam um sensor GPS como fonte de estimativa de localização. Contudo, para um bom funcionamento, este sensor depende de um número mínimo de satélites sincronizados com ele e que o sinal emitido pelos satélites seja recebido com boa qualidade, o que pode ser considerado um fator negativo. Uma forma de contornar este problema é empregar um sistema de localização baseado em visão computacional utilizando a câmera que já está embarcada no robô e imagens de satélite como mapa. Este sistema estima a localização do VANT através de comparações entre as imagens capturadas por ele e uma imagem de satélite, buscando encontrar a sua posição nesta imagem de satélite. Neste contexto, apresentamos uma variação do descritor BRIEF, o abBRIEF, para ser utilizado em um novo modelo de observação que também está sendo proposto. O modelo de observação é responsável por medir quão parecidas são as leituras do robô com diversas partes do mapa, para estimar a sua localização correta. Devido ao grande número de comparações necessárias, é importante que o descritor utilizado no processo seja rápido, não consuma muitos recursos computacionais e seja robusto para lidar com as várias diferenças entre as imagens. O modelo proposto foi utilizado no algoritmo de Monte Carlo (Monte Carlo Localization, MCL) para realizar a localização de VANTs e apresentou resultados satisfatórios que corroboram a eficácia do modelo e do descritor. / New models of Unnamed Aerial Vehicles (UAVs) are developed on a daily basis and applied to several tasks, such as mapping terrains and surveillance. GPS sensors are usually the main source of information to estimate the robot position, however, a downside of these sensors is that a minimum number of satellites must be available and emitting high quality signals. A vision-based system can be used to overcome this problem by using a robot embedded camera and satellite images as maps. Computational vision systems estimate the UAV localization through the comparison between the robot extracted image and several parts of the satellite image. These comparisons are performed in order to localize the part of the map which is most similar to the robot perspective. Taking into account all this information, we propose BRIEF descriptor variation, called abBRIEF, to be used on a novel observation model, also proposed in this master thesis. An observation model is responsible for evaluate how similar the robot measurements and the different map parts are. The used descriptor must run fast, consume low computational resources and be robust regarding image changes, all to compensate the large number of necessary comparisons. The proposed model is applied with Monte Carlo Localization (MCL) method to the auto localization of UAVs and presented solid results that corroborate the model and descriptor efficiency.

Eventos de inundação são fenômenos geralmente associados a eventos de chuvas intensas. Nesses eventos a cobertura de nuvens, normalmente, prejudica o mapeamento com uso de imagens ópticas. Assim, este trabalho tem como objetivo avaliar os resultados de mapeamento de áreas de inundação utilizando imagens SAR e SRTM. Para aplicação dos métodos foram analisadas as áreas de inundação nas cidades de Santa Fe e Parana, na Argentina. Embora a maior inundação registrada tenha sido no ano de 2003, registros de inundação são frequentemente observados nas províncias de Santa Fé e Entre Ríos. Foi utilizado imagens do satélite Sentinel-1, equipado com sensor C-SAR com dupla polarização (VV/VH). As imagens obtidas são do tipo Interferométrico (IW) Ground Range Detected (GRDH) com resolução espacial de 10 m. Foram utilizadas imagens em períodos com e sem eventos de inundação entre 2016 e 2017, calibradas e coregistradas. Sobre as imagens foram aplicadas técnicas de limiarização e de análise temporal para mapear a mancha de inundação. Também foi elaborado mapa a partir do Modelo Digital de Elevação (MDE) utilizando como referência estações de medição de nível da água dos rios. A validação de todos os métodos foi totalmente remota, baseando-se em um mapeamento da inundação de abril de 2003 na cidade de Santa Fe. Além disso, imagens publicadas de eventos de inundação complementaram a validação e foi possível comparar os resultados com uma imagem óptica Landsat – 8 com resolução de 15 m do dia 22 de fevereiro de 2016, quando o nível do rio Paraná estava acima do nível de alerta Os resultados dos três mapeamentos foram somados para formar uma única imagem com a mancha de inundação em comum. Entre as melhores acurácias, o método de análise do MDE atingiu o melhor resultado, 82% da área de inundação, no entanto, considerando os três métodos, a acurácia atinge mais de 91% de precisão. A técnica de limiarização foi mais eficiente em áreas sem alvos verticais, como áreas urbanas por exemplo. O MDE foi eficiente para simular a inundação em todos os alvos, no entanto em modelos de elevação com melhor resolução, o resultado final do mapeamento será mais preciso. A análise temporal mostrou ser uma técnica promissora para mapeamentos de inundação, no entanto um mapa detalhado de uso de solo é fundamental para aprimorar o resultado desta análise. Todos os processos foram feitos remotamente, possibilitando o desenvolvimento no futuro de um sistema automático para detecção de evento de inundação que pode ser aplicado em áreas com características similares. / Flood events usually go hand in hand with intensive rainfall during which clouds compromise any mapping attempts with optical imagery. Thus, this thesis aims at evaluate the results of mapping flood areas using SAR and SRTM images. For this purpose, flood areas in the cities Santa Fe and Parana in Argentina were analyzed. While the worst flood was registered in 2003, flood events frequently occur in both provinces Santa Fé and Entre Ríos. The employed Sentinel-1 satellite carrying a C-SAR sensor with dual polarization (VV/VH) provided interferometric (IW) Ground Range Detected (GRDH) imagery with a spatial resolution of 10 meters. Images from periods with and without flood events between 2016 and 2017 were calibrated and co-registered. Subsequently on the images were applied threshold and time analysis techniques, as well as a Digital Elevation Model (DEM) analysis with data from stations which measure the rivers’ water levels. The validation of all methods was totally remote, based on a flood mapping of April 2003 in the city of Santa Fe. In addition, published images of flood events complemented the validation and it was possible to compare the results with an optical image Landsat - 8 with 15 m resolution of February 22, 2016, when the level of the Paraná River was above the alert level The three maps were summed to form a single image with the flood spot in common. Among the best accuracy, the MDE analysis method achieved the best result, 82% of the flood area, however, considering all three methods, the accuracy reaches more than 91% accuracy. The thresholding technique was more efficient in areas with no vertical targets, such as urban areas. The DEM was efficient to simulate flooding on all targets, however using elevation models with better resolution, the final result of the mapping will be more accurate. The temporal analysis showed to be a promising technique for flood mapping, however a detailed map of land use is fundamental to improve the results of this analysis. All processes were done remotely, allowing the future development of an automatic flood event detection system that can be applied in areas with similar characteristics.

A cada dia novos modelos de Veículos Aéreos Não Tripulados (VANTs) estão sendo lançados no mercado para serem utilizados em diversas aplicações, tais como mapeamento de ambientes e vigilância. Geralmente, estes robôs utilizam um sensor GPS como fonte de estimativa de localização. Contudo, para um bom funcionamento, este sensor depende de um número mínimo de satélites sincronizados com ele e que o sinal emitido pelos satélites seja recebido com boa qualidade, o que pode ser considerado um fator negativo. Uma forma de contornar este problema é empregar um sistema de localização baseado em visão computacional utilizando a câmera que já está embarcada no robô e imagens de satélite como mapa. Este sistema estima a localização do VANT através de comparações entre as imagens capturadas por ele e uma imagem de satélite, buscando encontrar a sua posição nesta imagem de satélite. Neste contexto, apresentamos uma variação do descritor BRIEF, o abBRIEF, para ser utilizado em um novo modelo de observação que também está sendo proposto. O modelo de observação é responsável por medir quão parecidas são as leituras do robô com diversas partes do mapa, para estimar a sua localização correta. Devido ao grande número de comparações necessárias, é importante que o descritor utilizado no processo seja rápido, não consuma muitos recursos computacionais e seja robusto para lidar com as várias diferenças entre as imagens. O modelo proposto foi utilizado no algoritmo de Monte Carlo (Monte Carlo Localization, MCL) para realizar a localização de VANTs e apresentou resultados satisfatórios que corroboram a eficácia do modelo e do descritor. / New models of Unnamed Aerial Vehicles (UAVs) are developed on a daily basis and applied to several tasks, such as mapping terrains and surveillance. GPS sensors are usually the main source of information to estimate the robot position, however, a downside of these sensors is that a minimum number of satellites must be available and emitting high quality signals. A vision-based system can be used to overcome this problem by using a robot embedded camera and satellite images as maps. Computational vision systems estimate the UAV localization through the comparison between the robot extracted image and several parts of the satellite image. These comparisons are performed in order to localize the part of the map which is most similar to the robot perspective. Taking into account all this information, we propose BRIEF descriptor variation, called abBRIEF, to be used on a novel observation model, also proposed in this master thesis. An observation model is responsible for evaluate how similar the robot measurements and the different map parts are. The used descriptor must run fast, consume low computational resources and be robust regarding image changes, all to compensate the large number of necessary comparisons. The proposed model is applied with Monte Carlo Localization (MCL) method to the auto localization of UAVs and presented solid results that corroborate the model and descriptor efficiency.

Eventos de inundação são fenômenos geralmente associados a eventos de chuvas intensas. Nesses eventos a cobertura de nuvens, normalmente, prejudica o mapeamento com uso de imagens ópticas. Assim, este trabalho tem como objetivo avaliar os resultados de mapeamento de áreas de inundação utilizando imagens SAR e SRTM. Para aplicação dos métodos foram analisadas as áreas de inundação nas cidades de Santa Fe e Parana, na Argentina. Embora a maior inundação registrada tenha sido no ano de 2003, registros de inundação são frequentemente observados nas províncias de Santa Fé e Entre Ríos. Foi utilizado imagens do satélite Sentinel-1, equipado com sensor C-SAR com dupla polarização (VV/VH). As imagens obtidas são do tipo Interferométrico (IW) Ground Range Detected (GRDH) com resolução espacial de 10 m. Foram utilizadas imagens em períodos com e sem eventos de inundação entre 2016 e 2017, calibradas e coregistradas. Sobre as imagens foram aplicadas técnicas de limiarização e de análise temporal para mapear a mancha de inundação. Também foi elaborado mapa a partir do Modelo Digital de Elevação (MDE) utilizando como referência estações de medição de nível da água dos rios. A validação de todos os métodos foi totalmente remota, baseando-se em um mapeamento da inundação de abril de 2003 na cidade de Santa Fe. Além disso, imagens publicadas de eventos de inundação complementaram a validação e foi possível comparar os resultados com uma imagem óptica Landsat – 8 com resolução de 15 m do dia 22 de fevereiro de 2016, quando o nível do rio Paraná estava acima do nível de alerta Os resultados dos três mapeamentos foram somados para formar uma única imagem com a mancha de inundação em comum. Entre as melhores acurácias, o método de análise do MDE atingiu o melhor resultado, 82% da área de inundação, no entanto, considerando os três métodos, a acurácia atinge mais de 91% de precisão. A técnica de limiarização foi mais eficiente em áreas sem alvos verticais, como áreas urbanas por exemplo. O MDE foi eficiente para simular a inundação em todos os alvos, no entanto em modelos de elevação com melhor resolução, o resultado final do mapeamento será mais preciso. A análise temporal mostrou ser uma técnica promissora para mapeamentos de inundação, no entanto um mapa detalhado de uso de solo é fundamental para aprimorar o resultado desta análise. Todos os processos foram feitos remotamente, possibilitando o desenvolvimento no futuro de um sistema automático para detecção de evento de inundação que pode ser aplicado em áreas com características similares. / Flood events usually go hand in hand with intensive rainfall during which clouds compromise any mapping attempts with optical imagery. Thus, this thesis aims at evaluate the results of mapping flood areas using SAR and SRTM images. For this purpose, flood areas in the cities Santa Fe and Parana in Argentina were analyzed. While the worst flood was registered in 2003, flood events frequently occur in both provinces Santa Fé and Entre Ríos. The employed Sentinel-1 satellite carrying a C-SAR sensor with dual polarization (VV/VH) provided interferometric (IW) Ground Range Detected (GRDH) imagery with a spatial resolution of 10 meters. Images from periods with and without flood events between 2016 and 2017 were calibrated and co-registered. Subsequently on the images were applied threshold and time analysis techniques, as well as a Digital Elevation Model (DEM) analysis with data from stations which measure the rivers’ water levels. The validation of all methods was totally remote, based on a flood mapping of April 2003 in the city of Santa Fe. In addition, published images of flood events complemented the validation and it was possible to compare the results with an optical image Landsat - 8 with 15 m resolution of February 22, 2016, when the level of the Paraná River was above the alert level The three maps were summed to form a single image with the flood spot in common. Among the best accuracy, the MDE analysis method achieved the best result, 82% of the flood area, however, considering all three methods, the accuracy reaches more than 91% accuracy. The thresholding technique was more efficient in areas with no vertical targets, such as urban areas. The DEM was efficient to simulate flooding on all targets, however using elevation models with better resolution, the final result of the mapping will be more accurate. The temporal analysis showed to be a promising technique for flood mapping, however a detailed map of land use is fundamental to improve the results of this analysis. All processes were done remotely, allowing the future development of an automatic flood event detection system that can be applied in areas with similar characteristics.

A cada dia novos modelos de Veículos Aéreos Não Tripulados (VANTs) estão sendo lançados no mercado para serem utilizados em diversas aplicações, tais como mapeamento de ambientes e vigilância. Geralmente, estes robôs utilizam um sensor GPS como fonte de estimativa de localização. Contudo, para um bom funcionamento, este sensor depende de um número mínimo de satélites sincronizados com ele e que o sinal emitido pelos satélites seja recebido com boa qualidade, o que pode ser considerado um fator negativo. Uma forma de contornar este problema é empregar um sistema de localização baseado em visão computacional utilizando a câmera que já está embarcada no robô e imagens de satélite como mapa. Este sistema estima a localização do VANT através de comparações entre as imagens capturadas por ele e uma imagem de satélite, buscando encontrar a sua posição nesta imagem de satélite. Neste contexto, apresentamos uma variação do descritor BRIEF, o abBRIEF, para ser utilizado em um novo modelo de observação que também está sendo proposto. O modelo de observação é responsável por medir quão parecidas são as leituras do robô com diversas partes do mapa, para estimar a sua localização correta. Devido ao grande número de comparações necessárias, é importante que o descritor utilizado no processo seja rápido, não consuma muitos recursos computacionais e seja robusto para lidar com as várias diferenças entre as imagens. O modelo proposto foi utilizado no algoritmo de Monte Carlo (Monte Carlo Localization, MCL) para realizar a localização de VANTs e apresentou resultados satisfatórios que corroboram a eficácia do modelo e do descritor. / New models of Unnamed Aerial Vehicles (UAVs) are developed on a daily basis and applied to several tasks, such as mapping terrains and surveillance. GPS sensors are usually the main source of information to estimate the robot position, however, a downside of these sensors is that a minimum number of satellites must be available and emitting high quality signals. A vision-based system can be used to overcome this problem by using a robot embedded camera and satellite images as maps. Computational vision systems estimate the UAV localization through the comparison between the robot extracted image and several parts of the satellite image. These comparisons are performed in order to localize the part of the map which is most similar to the robot perspective. Taking into account all this information, we propose BRIEF descriptor variation, called abBRIEF, to be used on a novel observation model, also proposed in this master thesis. An observation model is responsible for evaluate how similar the robot measurements and the different map parts are. The used descriptor must run fast, consume low computational resources and be robust regarding image changes, all to compensate the large number of necessary comparisons. The proposed model is applied with Monte Carlo Localization (MCL) method to the auto localization of UAVs and presented solid results that corroborate the model and descriptor efficiency.

Eventos de inundação são fenômenos geralmente associados a eventos de chuvas intensas. Nesses eventos a cobertura de nuvens, normalmente, prejudica o mapeamento com uso de imagens ópticas. Assim, este trabalho tem como objetivo avaliar os resultados de mapeamento de áreas de inundação utilizando imagens SAR e SRTM. Para aplicação dos métodos foram analisadas as áreas de inundação nas cidades de Santa Fe e Parana, na Argentina. Embora a maior inundação registrada tenha sido no ano de 2003, registros de inundação são frequentemente observados nas províncias de Santa Fé e Entre Ríos. Foi utilizado imagens do satélite Sentinel-1, equipado com sensor C-SAR com dupla polarização (VV/VH). As imagens obtidas são do tipo Interferométrico (IW) Ground Range Detected (GRDH) com resolução espacial de 10 m. Foram utilizadas imagens em períodos com e sem eventos de inundação entre 2016 e 2017, calibradas e coregistradas. Sobre as imagens foram aplicadas técnicas de limiarização e de análise temporal para mapear a mancha de inundação. Também foi elaborado mapa a partir do Modelo Digital de Elevação (MDE) utilizando como referência estações de medição de nível da água dos rios. A validação de todos os métodos foi totalmente remota, baseando-se em um mapeamento da inundação de abril de 2003 na cidade de Santa Fe. Além disso, imagens publicadas de eventos de inundação complementaram a validação e foi possível comparar os resultados com uma imagem óptica Landsat – 8 com resolução de 15 m do dia 22 de fevereiro de 2016, quando o nível do rio Paraná estava acima do nível de alerta Os resultados dos três mapeamentos foram somados para formar uma única imagem com a mancha de inundação em comum. Entre as melhores acurácias, o método de análise do MDE atingiu o melhor resultado, 82% da área de inundação, no entanto, considerando os três métodos, a acurácia atinge mais de 91% de precisão. A técnica de limiarização foi mais eficiente em áreas sem alvos verticais, como áreas urbanas por exemplo. O MDE foi eficiente para simular a inundação em todos os alvos, no entanto em modelos de elevação com melhor resolução, o resultado final do mapeamento será mais preciso. A análise temporal mostrou ser uma técnica promissora para mapeamentos de inundação, no entanto um mapa detalhado de uso de solo é fundamental para aprimorar o resultado desta análise. Todos os processos foram feitos remotamente, possibilitando o desenvolvimento no futuro de um sistema automático para detecção de evento de inundação que pode ser aplicado em áreas com características similares. / Flood events usually go hand in hand with intensive rainfall during which clouds compromise any mapping attempts with optical imagery. Thus, this thesis aims at evaluate the results of mapping flood areas using SAR and SRTM images. For this purpose, flood areas in the cities Santa Fe and Parana in Argentina were analyzed. While the worst flood was registered in 2003, flood events frequently occur in both provinces Santa Fé and Entre Ríos. The employed Sentinel-1 satellite carrying a C-SAR sensor with dual polarization (VV/VH) provided interferometric (IW) Ground Range Detected (GRDH) imagery with a spatial resolution of 10 meters. Images from periods with and without flood events between 2016 and 2017 were calibrated and co-registered. Subsequently on the images were applied threshold and time analysis techniques, as well as a Digital Elevation Model (DEM) analysis with data from stations which measure the rivers’ water levels. The validation of all methods was totally remote, based on a flood mapping of April 2003 in the city of Santa Fe. In addition, published images of flood events complemented the validation and it was possible to compare the results with an optical image Landsat - 8 with 15 m resolution of February 22, 2016, when the level of the Paraná River was above the alert level The three maps were summed to form a single image with the flood spot in common. Among the best accuracy, the MDE analysis method achieved the best result, 82% of the flood area, however, considering all three methods, the accuracy reaches more than 91% accuracy. The thresholding technique was more efficient in areas with no vertical targets, such as urban areas. The DEM was efficient to simulate flooding on all targets, however using elevation models with better resolution, the final result of the mapping will be more accurate. The temporal analysis showed to be a promising technique for flood mapping, however a detailed map of land use is fundamental to improve the results of this analysis. All processes were done remotely, allowing the future development of an automatic flood event detection system that can be applied in areas with similar characteristics.