Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2016.

Submitted by Pedro Henrique Rodrigues (pedro.henriquer@ufpe.br) on 2015-03-05T16:44:47Z No. of bitstreams: 2 Dissertacao_Rafael_C_Barros_VersaoFinal.pdf: 3086911 bytes, checksum: a71e3520c1f218291e2cb7b5423a3564 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-05T16:44:47Z (GMT). No. of bitstreams: 2 Dissertacao_Rafael_C_Barros_VersaoFinal.pdf: 3086911 bytes, checksum: a71e3520c1f218291e2cb7b5423a3564 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2012-09-10 / Os sistemas de bancos de dados espaciais (SBDEs) são capazes de manipular dados geográficos. Sua principal aplicação é em sistemas de informações geográficas (SIGs), pois disponibilizam diversas funções, como indexação, consultas, exibição gráfica e algoritmos geométricos. Por padrão, os SBDEs realizam consultas a posteriori, ou seja, as operações envolvidas em cada consulta são executadas no momento da solicitação do usuário. Por isso, as consultas espaciais, geralmente compostas de diversos cálculos geométricos, possuem alto custo computacional. Recentemente, surgiram abordagens que processam consultas sobre dados geográficos através de raciocínio espacial. Uma das vantagens disso é a capacidade de obter resultados utilizando lógica, evitando, dessa forma, muitos cálculos geométricos. O cálculo de conexões de regiões (Region Connection Calculus - RCC) é um exemplo de formalização bastante utilizado em raciocínio espacial, pois define axiomas de relacionamentos entre regiões, em lógica de primeira ordem. Disso posto, esta dissertação propõe uma nova abordagem de raciocínio espacial utilizando lógica de descrições. Nessa abordagem, um conjunto mínimo de relacionamentos espaciais é calculado a priori, por um SBDE, e armazenado em uma ontologia, formalizada com regras de composição de relacionamentos do RCC. Dessa forma, utilizando lógica de descrições e o conjunto inicial de relacionamentos, é possível raciocinar todos os outros relacionamentos definidos na ontologia RCC. A partir de então, consultas espaciais qualitativas podem ser realizadas sem a necessidade de cálculos geométricos sobre dados espaciais. Com o objetivo de validar a abordagem proposta, também foi realizada uma aplicação com dados reais do estado de Pernambuco, de difícil obtenção e tratamento. Apesar dessas dificuldades, a aplicação pôde ser utilizada concretamente para checagem semântica no projeto NTDO (Neglected Tropical Disease Ontology), em uma aplicação que processa dados públicos integrados de doenças tropicais negligenciáveis.

Um sistema artificial pode usar raciocínio espacial qualitativo para inferir informações sobre seu ambiente tridimensional a partir de imagens bidimensionais. Inferências realizadas com base em raciocínio espacial qualitativo devem ser capazes de lidar com incertezas. Neste trabalho investigamos a utilização de técnicas probabilísticas para tornar o raciocínio espacial qualitativo mais robusto a incertezas e aplicável a agentes móveis em ambientes reais. Investigamos uma formalização de raciocínio espacial com lógica de descrição probabilística em um subdomínio de tráfego. Desenvolvemos também um método que combina raciocínio espacial qualitativo com um filtro Bayesiano para desenvolver dois sistemas que foram aplicados na auto localização de um robô móvel. Executamos dois experimentos de auto localização; um utilizando a teoria de relações qualitativas percebíveis sobre sombra com filtro Bayesiano; e outro utilizando o cálculo de oclusão de regiões e o cálculo de direção com filtro Bayesiano. Ambos os sistemas obtiveram resultados positivos onde somente o raciocínio espacial qualitativo não foi capaz de inferir a localização do robô. Os experimentos com dados reais mostraram robustez aos ruídos e à informação parcial. / An artificial system can use qualitative spatial reasoning to obtain information about its tridimensional environment, from bi-dimensional images. Inferences produced by qualitative spatial reasoning must be able to deal with uncertainty. This work investigates the use of probabilistic techniques to make qualitative spatial reasoning more robust against uncertainty, and better applicable to mobile agents in real environments. The work investigates a formalization of spatial reasoning using probabilistic description logics in a traffic domain. Additionally, a method is presented that combines qualitative spatial reasoning with a Bayesian filter, to develop two systems that are applied to self-localization of mobile robots. Two experiments are described; one using the theory of perceptual qualitative relations about shadows; the other using occlusion calculus and direction calculus. Both systems are combined with a Bayesian filter producing positive results in situations where qualitative spatial reasoning alone cannot infer robot location. Experiments with real data show robustness to noise and partial information.

Um sistema artificial pode usar raciocínio espacial qualitativo para inferir informações sobre seu ambiente tridimensional a partir de imagens bidimensionais. Inferências realizadas com base em raciocínio espacial qualitativo devem ser capazes de lidar com incertezas. Neste trabalho investigamos a utilização de técnicas probabilísticas para tornar o raciocínio espacial qualitativo mais robusto a incertezas e aplicável a agentes móveis em ambientes reais. Investigamos uma formalização de raciocínio espacial com lógica de descrição probabilística em um subdomínio de tráfego. Desenvolvemos também um método que combina raciocínio espacial qualitativo com um filtro Bayesiano para desenvolver dois sistemas que foram aplicados na auto localização de um robô móvel. Executamos dois experimentos de auto localização; um utilizando a teoria de relações qualitativas percebíveis sobre sombra com filtro Bayesiano; e outro utilizando o cálculo de oclusão de regiões e o cálculo de direção com filtro Bayesiano. Ambos os sistemas obtiveram resultados positivos onde somente o raciocínio espacial qualitativo não foi capaz de inferir a localização do robô. Os experimentos com dados reais mostraram robustez aos ruídos e à informação parcial. / An artificial system can use qualitative spatial reasoning to obtain information about its tridimensional environment, from bi-dimensional images. Inferences produced by qualitative spatial reasoning must be able to deal with uncertainty. This work investigates the use of probabilistic techniques to make qualitative spatial reasoning more robust against uncertainty, and better applicable to mobile agents in real environments. The work investigates a formalization of spatial reasoning using probabilistic description logics in a traffic domain. Additionally, a method is presented that combines qualitative spatial reasoning with a Bayesian filter, to develop two systems that are applied to self-localization of mobile robots. Two experiments are described; one using the theory of perceptual qualitative relations about shadows; the other using occlusion calculus and direction calculus. Both systems are combined with a Bayesian filter producing positive results in situations where qualitative spatial reasoning alone cannot infer robot location. Experiments with real data show robustness to noise and partial information.