Spelling suggestions: "subject:"_método para geração dde mapas"" "subject:"_método para geração dee mapas""
1 |
Geração de mapas rodoviários a partir de trajetórias de objetos móveis coletadas por smartphone: método baseado em algoritmo genético / Generation of road maps from moving objects trajectories collected with smartphone Method based on genetic algorithmCosta, George Henrique Rangel 20 February 2014 (has links)
Made available in DSpace on 2016-12-12T20:22:52Z (GMT). No. of bitstreams: 1
George Henrique R Costa.pdf: 6148949 bytes, checksum: d0ba621121c8746a89db4a33dc576acd (MD5)
Previous issue date: 2014-02-20 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The popularization of devices with integrated GPS receiver has considerably boosted the use of digital road maps. For this reason, it is mandatory that they be accurate and up-to-date. The methods currently used to generate these maps photogrammetry and collaborative editing have low frequency of update because they depend on manual intervention. Thus, the need for an automated method for generating road maps is highlighted. The literature presents solutions that use trajectories of moving objects to find the center of the roads, but none of them is prepared for the continuous update of the roads and the refinement of the maps. Therefore, this work aims to propose a new method to find the center of the roads using trajectories provided by GPS receivers integrated in smartphones. It is assumed that the points that represent the center of the roads can be found through approximations provided by an evolutive algorithm such as the genetic algorithm. After that, these points are combined to generate the road map. However, the use of trajectories collected with smartphones provides some challenges, such as: elimination of data with bad accuracy, identification of the means of transport used and reduction of the volume of data processed. Thus, the objective of this work is to propose a structured method that cleans, analyzes and enriches data from smartphones to generate accurate road maps that can be continuously updated, using genetic algorithm. Test results indicate that the method is capable of generating maps with quality close to the reference ones. Based on the scenarios used to perform this comparison, the average difference between them is 2.26 meters. The tests also show that the periodic and continuous update of the map as proposed by the method is viable. / A popularização de dispositivos com receptor GPS integrado aumentou consideravelmente o uso de mapas rodoviários digitais. Por este motivo, é imprescindível que eles sejam acurados e atualizados. Os métodos atualmente utilizados para gerar estes mapas fotogrametria e edição colaborativa têm baixa frequência de atualização, pois dependem de intervenção manual. Desta forma, fica evidente a necessidade de um método automatizado para geração de mapas rodoviários. A literatura apresenta soluções que utilizam trajetórias de objetos móveis para encontrar o centro das vias, mas nenhuma delas está preparada para a atualização contínua das vias e o refinamento dos mapas. Sendo assim, este trabalho visa propor um novo método para encontrar o centro das vias utilizando trajetórias providas por GPS embutido em smartphones. Assume-se que os pontos que representam os centros das vias podem ser obtidos através de aproximações providas por um algoritmo evolutivo, tal como o algoritmo genético. A seguir, estes pontos são combinados para gerar o mapa rodoviário. Entretanto, o uso de trajetórias coletadas com smartphones proporciona alguns desafios, tais como: eliminação de dados com acurácia ruim, identificação do meio de transporte utilizado e redução do volume de dados processados. Portanto, o objetivo do presente trabalho é propor um método estruturado que limpe, analise e enriqueça dados obtidos por smartphones para gerar mapas rodoviários acurados e atualizados continuamente, utilizando algoritmo genético. Os resultados dos testes apontam que o método é capaz de gerar mapas de qualidade próxima a dos mapas de referência. Com base nos cenários utilizados para realizar esta comparação, a diferença média foi de 2,26 metros. Além disso, os testes também demonstram a viabilidade da atualização periódica e contínua dos mapas proposta pelo método.
|
Page generated in 0.1159 seconds