Tese (Doutorado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2016

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-05-10T21:56:38Z No. of bitstreams: 1 JulioCesarDeOliveiraLeal_DISSERT.pdf: 6500078 bytes, checksum: 0c1d82c4392ea24f4b7fec649833fd61 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-05-16T20:54:32Z (GMT) No. of bitstreams: 1 JulioCesarDeOliveiraLeal_DISSERT.pdf: 6500078 bytes, checksum: 0c1d82c4392ea24f4b7fec649833fd61 (MD5) / Made available in DSpace on 2016-05-16T20:54:32Z (GMT). No. of bitstreams: 1 JulioCesarDeOliveiraLeal_DISSERT.pdf: 6500078 bytes, checksum: 0c1d82c4392ea24f4b7fec649833fd61 (MD5) Previous issue date: 2015-08-28 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior (CAPES) / No ciclo estral, h? uma varia??o nos n?veis de horm?nios sexuais, tal como o estrog?nio. Estudos demonstram a influ?ncia do estrog?nio na cogni??o em tarefas dependentes do hipocampo. Por exemplo, roedores no proestro obt?m melhor desempenho do que roedores no estro, altos e baixos n?veis de estrog?nio respectivamente. A estampa temporal evidencia a influ?ncia da ritmicidade circadiana sobre o comportamento e a cogni??o. A evoca??o de mem?ria ? observada somente quando os hor?rios do treino e do teste coincidem. Neste estudo, investigamos o efeito do estrog?nio na evoca??o de mem?ria na tarefa do reconhecimento e o efeito do estrog?nio no ritmo circadiano de atividade locomotora.Utilizamos ratas Wistar jovens adultas. No Experimento 1, ratas na fase de proestro ou na fase de diestro foram treinadas na tarefa do reconhecimento de objetos. Seguindo um intervalo de 24 ou 28 horas, quando as ratas estavam na fase de estro ou na fase de proestro respectivamente, elas foram testadas. No Experimento 2, ratas sem ov?rios e ratas submetidas a cirurgia sham no diestro foram treinadas na tarefa do reconhecimento de objetos. Seguindo um intervalo de 24 ou 28 horas foram testadas, ratas sem ov?rios e ratas sham na fase de proestro foram testadas. Os resultados do experimento 1 demonstram que ratas em proestro gastaram mais tempo explorando o objeto novo que o objeto antigo independente da coincid?ncia de fases circadianas, entretanto ratas no estro apenas gastaram mais tempo explorando o novo objeto que o objeto antigo quando o teste foi realizado no mesmo hor?rio que o treino. Os resultados do experimento 2 demonstram que nenhuma diferen?a com rela??o a explora??o dos objetos novo e antigo foi observada nas ratas sem ov?rios, e as ratas sham gastaram mais tempo explorando o objeto novo que o objeto antigo, independente da coincid?ncia de fase circadianas. Quanto a ritmicidade, a acrofase do ritmo mudou conforme a fase do ciclo estral, ocorrendo mais tarde no proestro. Juntos, estes resultados sugerem que n?veis elevados de estrog?nio facilitam evoca??o de mem?ria, independente do hor?rio. Al?m disso, altera??es nos par?metros r?tmicos conforme a fase do ciclo estral s?o exclusivamente na acrofase. / Previous studies have demonstrated an effect of the estrogen in hippocampus dependent memory. For example, proestrous rodents outperforming diestrous rodents, estrogen high levels and estrogen low levels, respectively. Besides its circadian modulation, memory is also subjected to the 24-h time stamp phenomenon, in which memory recall is best when the circadian times of the testing and training match. The aim of this study was investigated the effect of estrogen on memory recall on matching times or non matching times in an object recognition task, and identify if changes which ocurr during the estrous cycle on locomotor activity rhythm modulate the cognitive performance. We used 59 young adult female Wistar rats, arranged in 3 groups: intact (n = 34), sham-operated (n = 10) and ovariectomized (n = 15). Animals were trained and tested in matching times (ZT 14 - ZT 14) or non matching times (ZT 14 - ZT 18), testing made on proestrous or estrous phase. The results demonstrated that rats tested in proestrous phase explore more the new object than the old object, independent of the circadian coincidence between training and testing phases. Whatever, when the tests were made during estrous phase, we found the time stamp memory in na object recognition task. In ovariectomized groups, rats failured in memory recall of new object on matching times and non matching times in na object recognition task. Moreover, the acrophase of the locomotor activity rhythm changed according to the phase of estrous cycle, later on proestrous. But no correlations were found between acrophase and c ognitive performance in an object recognition task. We suggest that high levels of estrogen facilitate memory recall regardless of time of the day. Additionally, changes on locomotor activity rhythms according to the estrous cycle in Wistar rats that is exclusively in acrophase, don?t influence cognitive performance on object recognition task.

Computer vision is a research field in which images are the main object of study. One of its category of problems is shape description. Object classification is one important example of applications using shape descriptors. Usually, these processes were performed on 2D images. With the large-scale development of new technologies and the affordable price of equipment that generates 3D images, computer vision has adapted to this new scenario, expanding the classic 2D methods to 3D. However, it is important to highlight that 2D methods are mostly dependent on the variation of illumination and color, while 3D sensors provide depth, structure/3D shape and topological information beyond color. Thus, different methods of shape descriptors and robust attributes extraction were studied, from which new attribute extraction methods have been proposed and described based on 3D data. The results obtained from well known public datasets have demonstrated their efficiency and that they compete with other state-of-the-art methods in this area: the RPHSD (a method proposed in this dissertation), achieved 85:4% of accuracy on the University of Washington RGB-D dataset, being the second best accuracy on this dataset; the COMSD (another proposed method) has achieved 82:3% of accuracy, standing at the seventh position in the rank; and the CNSD (another proposed method) at the ninth position. Also, the RPHSD and COMSD methods have relatively small processing complexity, so they achieve high accuracy with low computing time. / Visão computacional é uma área de pesquisa em que as imagens são o principal objeto de estudo. Um dos problemas abordados é o da descrição de formatos (em inglês, shapes). Classificação de objetos é um importante exemplo de aplicação que usa descritores de shapes. Classicamente, esses processos eram realizados em imagens 2D. Com o desenvolvimento em larga escala de novas tecnologias e o barateamento dos equipamentos que geram imagens 3D, a visão computacional se adaptou para este novo cenário, expandindo os métodos 2D clássicos para 3D. Entretanto, estes métodos são, majoritariamente, dependentes da variação de iluminação e de cor, enquanto os sensores 3D fornecem informações de profundidade, shape 3D e topologia, além da cor. Assim, foram estudados diferentes métodos de classificação de objetos e extração de atributos robustos, onde a partir destes são propostos e descritos novos métodos de extração de atributos a partir de dados 3D. Os resultados obtidos utilizando bases de dados 3D públicas conhecidas demonstraram a eficiência dos métodos propóstos e que os mesmos competem com outros métodos no estado-da-arte: o RPHSD (um dos métodos propostos) atingiu 85:4% de acurácia, sendo a segunda maior acurácia neste banco de dados; o COMSD (outro método proposto) atingiu 82:3% de acurácia, se posicionando na sétima posição do ranking; e o CNSD (outro método proposto) em nono lugar. Além disso, os métodos RPHSD têm uma complexidade de processamento relativamente baixa. Assim, eles atingem uma alta acurácia com um pequeno tempo de processamento.

A detecção e reconhecimento de objetos em ambiente não controlado tem aplicações diversas no campo da visão computacional, e juntamente com o georreferenciamento de objetos de forma automática propicia uma variedade de aplicações, como por exemplo, o mapeamento da sinalização de trânsito. Os sinais de trânsito são muito importantes por proverem regras de navegação nas ruas e estradas. Um sistema para a determinação das posições geográficas de placas de sinalização de trânsito em áreas urbanas de forma automática constitui uma ferramenta útil para a gestão municipal podendo servir para tomadas de decisão, como por exemplo, fluxo de tráfego e definição de sinalização nas vias terrestres. Do ponto de vista prático, um sistema com estas características tem uma grande complexidade na implementação o que caracteriza um grande desafio. Diante do contexto exposto, nesta tese, é tratada a computação da detecção, o reconhecimento de sinais e o georreferenciamento de placas de trânsito. A implementação deste trabalho consistiu na coleta de conjuntos de dados e a aplicação de algoritmos para a extração dos descritores de pontos chave e para realizar a correspondências dos pontos chave entre duas imagens (imagem de uma via contendo uma ou mais placas e imagem de um template de uma placa de sinalização). Uma vez obtidos apenas os pontos em comuns referentes aos seus descritores, na sequência foram aplicados algoritmos para a detecção, reconhecimento e georreferenciamento das placas de trânsito. Para a obtenção do conjunto de dados foi utilizado um sistema móvel de mapeamento terrestre, equipado com sensores de imageamento digital, que além de obter conjuntos de sequências de imagens, também capturam informações de navegação e posicionamento. Para a detecção e reconhecimento foram utilizados algoritmos já consolidados na literatura (SIFT e BBF) e também algoritmos definidos e implementados para a realização da metodologia proposta. Para a extração de pontos chave condizentes com a placa a ser detectada, foi desenvolvido um algoritmo, pelo fato dos algoritmos citados na literatura não serem adequados para imagens que apresentam poucos pontos de correspondência, como é o caso do algoritmo RANSAC. Foi também definido e implementado um algoritmo para o reconhecimento de caracteres para o caso de placas de sinalização que especificam limite de velocidade. Com o conhecimento das fotocoordenadas centrais referentes às placas detectadas e reconhecidas e os dados de navegação e posicionamento, é realizado o georreferenciamento a fim de determinar as posições das placas no terreno por meio das equações de colinearidade. Foram realizados experimentos iniciais comprovando que a metodologia proposta é adequada para os objetivos definidos. As taxas de acerto na detecção e reconhecimento das placas de sinalização atingiram valores superiores a 80%, mesmo utilizando imagens com cenas complexas. O trabalho desenvolvido contribui com a metodologia proposta destinada à determinação das posições das feições dos sinais de trânsito em áreas urbanas, e na Área de Visão Computacional, contribui com novos algoritmos para a detecção e reconhecimento de placas de sinalização, bem como um novo algoritmo para o reconhecimento de caracteres. / The detection and object recognition in uncontrolled environment has several applications in the field of computer vision, and together with automatic georeferencing of objects provides a variety of applications, for example, the mapping of traffic signs. Traffic signs are very important because they provide navigation rules in streets and roads. A system for the automatic determining of the geographic positions of traffic sign plates in urban areas constitutes a useful tool for municipal management, it can be used for decision making, such as traffic flow and sign location on roads. From a practical point of view, a system with these characteristics has a great complexity in the implementation that characterizes a great challenge. Considering the exposed context, this thesis treats the computation of detection, recognition and georeferencing of traffic signs. The implementation of this work consisted in collecting data sets and application of algorithms for extracting keypoint features and performing the keypoint matching between two images (image of a road containing one or more plates and image of a template from a traffic sign). Once only the points in common in relation to their descriptors had been obtained, in the sequence, some algorithms were applied to the detection, recognition and georeferencing of traffic signs. To obtain the data set a landbase mobile mapping system was used, equipped with digital imaging sensors, which in addition to obtaining sets of image sequences, they also capture navigation information and positioning. For detection and recognition algorithms already established in literature (SIFT and BBF) were used and algorithms defined and implemented to the realization of the proposed methodology were also used. For the extraction of keypoints suitable with the plateto be detected, an algorithm was developed, because of the algorithms mentioned in literature are not appropriate for images that have few points of matching such as the RANSAC algorithm. An algorithm for recognition of characters for the case of signs which specify the speed limit was also defined and implemented. With the knowledge of the central photo coordinates referring to plates detected and recognized and navigation and positioning data,the georeferencing is performed to determine the positions of the plates on the ground through the collinearity equations. Initial experiments were performed demonstrating that the proposed methodology is appropriate for the defined goals. The hit rates of detection and recognition of sign plates reached values above 80%, even using images with complex scenes. The developed work contributes with the proposed methodology destined to the determination of traffic signs positions in urban areas, and in the Computer Vision Area, it contributes with new algorithms for the detection and recognition of traffic signs and a new algorithm for character recognition.

Submitted by Marcos Anselmo (marcos.anselmo@unipampa.edu.br) on 2016-04-08T16:03:25Z No. of bitstreams: 1 Helen Schimidt.pdf: 1449145 bytes, checksum: 45e0910b8692b3c06106da08de6216cb (MD5) / Made available in DSpace on 2016-04-08T16:03:25Z (GMT). No. of bitstreams: 1 Helen Schimidt.pdf: 1449145 bytes, checksum: 45e0910b8692b3c06106da08de6216cb (MD5) Previous issue date: 2014-06-20 / O acidente vascular cerebral isquêmico é uma das principais causas de morbidade e mortalidade em todo o mundo. Entre os prejuízos observados nos sobreviventes, estão os déficits cognitivos para aprendizagem e memória. Acredita-se que essas deficiências são resultantes de danos secundários provocado pelo processo de isquemia-reperfusão, incluindo o estresse oxidativo. Estratégias para neuroproteção são investigadas para minimizar tais déficits após um evento isquêmico, especialmente aquelas capazes de modular o estresse oxidativo, seja melhorando a atividade antioxidante, ou diminuindo a produção de espécies reativas de oxigênio. Nesse estudo, nós investigamos o potencial neuroprotetor do exercício físico e do chá verde em um modelo animal de isquemia-reperfusão. Para isso, 80 ratos Wistar machos foram divididos em 8 grupos de acordo com a presença das intervenções para neuroproteção (8 semanas de exercício físico e/ou suplementação de chá verde) e para isquemia (oclusão, ou não, bilateral das carótidas comuns por 30 minutos). O exercício físico baseou-se em corrida, realizada em esteira, durante 30 minutos por dia, 5 vezes na semana. Para a suplementação com chá verde, a infusão foi colocada no lugar da água de beber, sendo trocada diariamente. Ao final das 8 semanas de intervenções foi realizado a cirurgia e 24h depois a memória foi avaliada em uma tarefa não aversiva e um teste de memória aversiva. Passados os testes comportamentais, o hipocampo e córtex pré-frontal foram removidos para análise bioquímica de marcadores de estresse oxidativo. Os resultados mostraram que a isquemia-reperfusão prejudica a aprendizagem e a memória, além de aumentar espécies reativas de oxigênio no hipocampo e no córtex pré-frontal. Oito semanas de exercício físico e/ou suplementação com chá verde antes do evento de isquemia-reperfusão foram capazes de promover neuroproteção; ambos os tratamentos, por separado ou em conjunto, reduziram os déficits cognitivos e foram capazes de manter o nível funcional das enzimas antioxidantes. / Ischemic stroke is a major cause of morbidity and mortality all over the world. Among impairments observed in survivors is a significant cognitive learning and memory deficit. It is believed that these deficits are due to oxidative stress caused by ischemia-reperfusion. Neuroprotective strategies are investigated to minimize such deficits after an ischemic event, especially those strategies that modulate oxidative stress by improving the antioxidant activity or decreasing the production of reactive oxygen species. Here we investigated the neuroprotective potential of physical exercise and green tea in an animal model of ischemia-reperfusion. Eighty male Wistar rats were divided into 8 groups and subjected to 8 weeks of exercise and / or supplementation with green tea before submission to a surgery and transient cerebral ischemia or a sham operation. The physical exercise was treadmill running performed 5 times per week during 30 minutes and the green tea was put in place of drinking water and daily changed. Ischemia-reperfusion was performed by occlusion of the bilateral common carotid arteries during 30 min. Later, memory was evaluated in aversive and in a non-aversive tasks. Hippocampus and prefrontal cortex were removed for biochemical analyses of possible oxidative stress effects. Ischemia-reperfusion impaired learning and memory and reactive oxygen species were increased in the hippocampus and prefrontal cortex. Eight weeks of physical exercise and/or green tea supplementation before the ischemia-reperfusion event showed a neuroprotective effect; both treatments by separate or together reduced the cognitive deficits and were able to maintain the functional level of antioxidant enzymes and glutathione.

Submitted by Marcos Anselmo (marcos.anselmo@unipampa.edu.br) on 2016-04-18T19:08:00Z No. of bitstreams: 1 Liane da Silva de Vargas.pdf: 888943 bytes, checksum: cc7ef0cf94abe8b4f420fbb69931e8f2 (MD5) / Made available in DSpace on 2016-04-18T19:08:00Z (GMT). No. of bitstreams: 1 Liane da Silva de Vargas.pdf: 888943 bytes, checksum: cc7ef0cf94abe8b4f420fbb69931e8f2 (MD5) Previous issue date: 2014-01-27 / A crotamina, toxina isolada do veneno da Crotalus Durissus Terrificus (Cdt), é uma miotoxina polipeptídica, não enzimática, de caráter básico, que é composta por 42 resíduos de aminoácidos com peso molecular de 4.880 daltons. Conhecida por induzir a despolarização da membrana muscular esquelética pelo aumento da permeabilidade ao íon sódio, estudos demostraram que a toxina é capaz de promover a liberação de acetilcolina e dopamina no sistema nervoso central de ratos. Particularmente, estes neurotransmissores são importantes moduladores nos processos de formação da memória. Considerando a importância destes neurotransmissores nos processos mnemônicos, torna-se interessante estudar substâncias que possam atuar sobre eles, modulando assim os processos mnemônicos, muitas vezes prejudicados por disfunções cognitivas diversas do sistema nervoso central. Diante disso, este estudo investigou os efeitos da infusão intrahipocampal de crotamina na persistência da memória e nos parâmetros hematológicos e de estresse oxidativo em ratos . Foram utilizados 40 ratos Wistar machos de 3 meses de idade. Os experimentos foram realizados em duas etapas. Na etapa 1, posteriormente à implantação de cânulas hipocampais, a amostra foi dividida em dois grupos: controle e experimental. Ambos foram treinados nas tarefas de reconhecimento de objetos (RO) e esquiva inibitória (EI) para verificar os efeitos da crotamina sobre a consolidação e persistência das memórias de reconhecimento e aversiva, na etapa 2 foram realizadas avaliações de parâmetros hematológicos e de estresse oxidativo. A infusão de crotamina (1μg/μL, 1μL/lado) induziu a persistência da memória de reconhecimento e aversiva, ambas testadas 24 horas, 7, 14 e 21 dias após o treino e infusão da toxina. No entanto, a toxina promoveu processo inflamatório e toxicidade demonstrada pelas alterações nos parâmetros hematológicos e de estresse oxidativo.. Estes resultados demonstram uma notória possibilidade do uso da crotamina como instrumento farmacológico em doenças que envolvem comprometimento da persistência da memória, como as demências, no entanto, pesquisas adicionais são necessárias no intuito de buscar alternativas que minimizem os efeitos tóxicos da crotamina, viabilizando o seu uso. / The crotamine, a toxin isolated from the venom of Crotalus durissus terrificus (Cdt) is a polypeptide myotoxin, nonenzymatic, with basic character, which is composed of 42 amino acid residues with a molecular weight of 4,880 daltons. Known to induce depolarization of skeletal muscle by increasing membrane permeability to sodium ions, studies have shown that this toxin is able to promote the release of acetylcholine and dopamine in the central nervous system of rats. Particularly, these neurotransmitters are important modulators in the process of memory formation. Considering the importance of these neurotransmitters in mnemonic processes, it becomes interesting to study substances who can act on them, thereby modulating the mnemonic processes often hampered by various cognitive dysfunctions of the central nervous system. Thus, this study investigated the effects of intrahippocampal infusion of crotamine in persistence of memory and in hematological and oxidative stress parameters in rats. 40 male Wistar rats 3 months aged were used. The experiments were performed in two stages. In step 1, after the implantation of hippocampal cannulae, the sample was divided into two groups: experimental and control. Both were trained in the object recognition (OR) and inhibitory avoidance (IA) task to verify the effects of crotamine on consolidation and persistence of recognition and aversive memories, in step 2 were performed the evaluations of hematological and oxidative stress parameters. The infusion of crotamine (1μg/μl, 1μl/lado) improved the persistence of recognition memory (object recognition task) and aversive memory (inhibitory avoidance task), both tested 24 hours, 7, 14 and 21 days after training and toxin infusion. However, the toxin promoted inflammation and toxicity as demonstrated by serum changes in hematological and oxidative stress parameters. These results demonstrate a remarkable possibility of using crotamine as a pharmacological tool in diseases involving impairment of memory persistence, such as dementias, however, additional research is needed in order to seek alternatives that minimize the toxic effects of crotamine, enabling the its use.

A detecção e reconhecimento de objetos em ambiente não controlado tem aplicações diversas no campo da visão computacional, e juntamente com o georreferenciamento de objetos de forma automática propicia uma variedade de aplicações, como por exemplo, o mapeamento da sinalização de trânsito. Os sinais de trânsito são muito importantes por proverem regras de navegação nas ruas e estradas. Um sistema para a determinação das posições geográficas de placas de sinalização de trânsito em áreas urbanas de forma automática constitui uma ferramenta útil para a gestão municipal podendo servir para tomadas de decisão, como por exemplo, fluxo de tráfego e definição de sinalização nas vias terrestres. Do ponto de vista prático, um sistema com estas características tem uma grande complexidade na implementação o que caracteriza um grande desafio. Diante do contexto exposto, nesta tese, é tratada a computação da detecção, o reconhecimento de sinais e o georreferenciamento de placas de trânsito. A implementação deste trabalho consistiu na coleta de conjuntos de dados e a aplicação de algoritmos para a extração dos descritores de pontos chave e para realizar a correspondências dos pontos chave entre duas imagens (imagem de uma via contendo uma ou mais placas e imagem de um template de uma placa de sinalização). Uma vez obtidos apenas os pontos em comuns referentes aos seus descritores, na sequência foram aplicados algoritmos para a detecção, reconhecimento e georreferenciamento das placas de trânsito. Para a obtenção do conjunto de dados foi utilizado um sistema móvel de mapeamento terrestre, equipado com sensores de imageamento digital, que além de obter conjuntos de sequências de imagens, também capturam informações de navegação e posicionamento. Para a detecção e reconhecimento foram utilizados algoritmos já consolidados na literatura (SIFT e BBF) e também algoritmos definidos e implementados para a realização da metodologia proposta. Para a extração de pontos chave condizentes com a placa a ser detectada, foi desenvolvido um algoritmo, pelo fato dos algoritmos citados na literatura não serem adequados para imagens que apresentam poucos pontos de correspondência, como é o caso do algoritmo RANSAC. Foi também definido e implementado um algoritmo para o reconhecimento de caracteres para o caso de placas de sinalização que especificam limite de velocidade. Com o conhecimento das fotocoordenadas centrais referentes às placas detectadas e reconhecidas e os dados de navegação e posicionamento, é realizado o georreferenciamento a fim de determinar as posições das placas no terreno por meio das equações de colinearidade. Foram realizados experimentos iniciais comprovando que a metodologia proposta é adequada para os objetivos definidos. As taxas de acerto na detecção e reconhecimento das placas de sinalização atingiram valores superiores a 80%, mesmo utilizando imagens com cenas complexas. O trabalho desenvolvido contribui com a metodologia proposta destinada à determinação das posições das feições dos sinais de trânsito em áreas urbanas, e na Área de Visão Computacional, contribui com novos algoritmos para a detecção e reconhecimento de placas de sinalização, bem como um novo algoritmo para o reconhecimento de caracteres. / The detection and object recognition in uncontrolled environment has several applications in the field of computer vision, and together with automatic georeferencing of objects provides a variety of applications, for example, the mapping of traffic signs. Traffic signs are very important because they provide navigation rules in streets and roads. A system for the automatic determining of the geographic positions of traffic sign plates in urban areas constitutes a useful tool for municipal management, it can be used for decision making, such as traffic flow and sign location on roads. From a practical point of view, a system with these characteristics has a great complexity in the implementation that characterizes a great challenge. Considering the exposed context, this thesis treats the computation of detection, recognition and georeferencing of traffic signs. The implementation of this work consisted in collecting data sets and application of algorithms for extracting keypoint features and performing the keypoint matching between two images (image of a road containing one or more plates and image of a template from a traffic sign). Once only the points in common in relation to their descriptors had been obtained, in the sequence, some algorithms were applied to the detection, recognition and georeferencing of traffic signs. To obtain the data set a landbase mobile mapping system was used, equipped with digital imaging sensors, which in addition to obtaining sets of image sequences, they also capture navigation information and positioning. For detection and recognition algorithms already established in literature (SIFT and BBF) were used and algorithms defined and implemented to the realization of the proposed methodology were also used. For the extraction of keypoints suitable with the plateto be detected, an algorithm was developed, because of the algorithms mentioned in literature are not appropriate for images that have few points of matching such as the RANSAC algorithm. An algorithm for recognition of characters for the case of signs which specify the speed limit was also defined and implemented. With the knowledge of the central photo coordinates referring to plates detected and recognized and navigation and positioning data,the georeferencing is performed to determine the positions of the plates on the ground through the collinearity equations. Initial experiments were performed demonstrating that the proposed methodology is appropriate for the defined goals. The hit rates of detection and recognition of sign plates reached values above 80%, even using images with complex scenes. The developed work contributes with the proposed methodology destined to the determination of traffic signs positions in urban areas, and in the Computer Vision Area, it contributes with new algorithms for the detection and recognition of traffic signs and a new algorithm for character recognition.

Computer vision is a research field in which images are the main object of study. One of its category of problems is shape description. Object classification is one important example of applications using shape descriptors. Usually, these processes were performed on 2D images. With the large-scale development of new technologies and the affordable price of equipment that generates 3D images, computer vision has adapted to this new scenario, expanding the classic 2D methods to 3D. However, it is important to highlight that 2D methods are mostly dependent on the variation of illumination and color, while 3D sensors provide depth, structure/3D shape and topological information beyond color. Thus, different methods of shape descriptors and robust attributes extraction were studied, from which new attribute extraction methods have been proposed and described based on 3D data. The results obtained from well known public datasets have demonstrated their efficiency and that they compete with other state-of-the-art methods in this area: the RPHSD (a method proposed in this dissertation), achieved 85:4% of accuracy on the University of Washington RGB-D dataset, being the second best accuracy on this dataset; the COMSD (another proposed method) has achieved 82:3% of accuracy, standing at the seventh position in the rank; and the CNSD (another proposed method) at the ninth position. Also, the RPHSD and COMSD methods have relatively small processing complexity, so they achieve high accuracy with low computing time. / Visão computacional é uma área de pesquisa em que as imagens são o principal objeto de estudo. Um dos problemas abordados é o da descrição de formatos (em inglês, shapes). Classificação de objetos é um importante exemplo de aplicação que usa descritores de shapes. Classicamente, esses processos eram realizados em imagens 2D. Com o desenvolvimento em larga escala de novas tecnologias e o barateamento dos equipamentos que geram imagens 3D, a visão computacional se adaptou para este novo cenário, expandindo os métodos 2D clássicos para 3D. Entretanto, estes métodos são, majoritariamente, dependentes da variação de iluminação e de cor, enquanto os sensores 3D fornecem informações de profundidade, shape 3D e topologia, além da cor. Assim, foram estudados diferentes métodos de classificação de objetos e extração de atributos robustos, onde a partir destes são propostos e descritos novos métodos de extração de atributos a partir de dados 3D. Os resultados obtidos utilizando bases de dados 3D públicas conhecidas demonstraram a eficiência dos métodos propóstos e que os mesmos competem com outros métodos no estado-da-arte: o RPHSD (um dos métodos propostos) atingiu 85:4% de acurácia, sendo a segunda maior acurácia neste banco de dados; o COMSD (outro método proposto) atingiu 82:3% de acurácia, se posicionando na sétima posição do ranking; e o CNSD (outro método proposto) em nono lugar. Além disso, os métodos RPHSD têm uma complexidade de processamento relativamente baixa. Assim, eles atingem uma alta acurácia com um pequeno tempo de processamento.

Apresentamos neste trabalho o desenvolvimento de um método para o reconhecimento do Formato de Objetos Tri-dimensionais. Os sistemas tradicionais de Visão Computacional empregam imagens bi-dimensionais obtidos através de câmeras de TV, ricas em detalhes necessários a visão humana. Estes detalhes em grande parte das aplicações industriais de Robôs são supérfluos. Os algoritmos tradicionais de classificação consomem portanto muito tempo no processamento deste excesso de informação. Para este trabalho, desenvolvemos um sistema dedicado para reconhecimento que utiliza um feixe de Laser defletido sobre um objeto e a digitalização da Luminância em cada ponto de sua superfície. A intensidade luminosa refletida e proporcional a distância do ponto ao observador. É, portanto, possível determinar parâmetros que classifiquem cada objeto. A inclinação de cada face de um poliedro, o comportamento de suas fronteiras e também a existência de arestas internas, são as características adotadas. Estas características são então rotuladas, permitindo que o programa de classificação busque em um \"banco de conhecimento\" previamente estabelecido, a descrição dos objetos. Uma mesa giratória permite a rotação do modele fornecendo novas vistas ao observador, determinando sua classificação. Todo o sistema é controlado por um microcomputador cujo programa reconhece em tempo real o objeto em observação. Para o protótipo construído, utilizamos um Laser de HeNe sendo a recepção do raio refletido realizada por um fototransistor. Os objetos reconhecíveis pelo programa são poliedros regulares simples, compondo o seguinte conjunto: 1 prisma de base triangular, 1 cubo, 1 pirâmide de base triangular, 1 pirâmide de base retangular. O tratamento matemático empregado visa a comprovação da tecnologia proposta, podendo, na continuação de trabalhos futuros, ser efetivamente estendido a diversos outros objetos como, por exemplo, os de superfícies curvas. / We present in this work a new method for three dimensional Shape Recognition. Traditional Computer Vision systems use bi-dimensional TV camera images. In most of the industrial Robotic applications, the excess of detail obtained by the TV camera is needless. Traditional classification algorithms spend a lot of time to process the excess of information. For the present work we developed a dedicated recognition system, which deflects a Laser beam over an object and digitizes the Reflected beam point by point over the surface. The intensity of the reflected beam is proportional to the observer distance. Using this technique it was possible to establish features to classify various objects. These features are the slope of the polyhedral surfaces, the boundary type and the inner edges. For each object the features are labeled and the classification algorithm searches in a \"knowledge data base\" for the object description. The recognition system used a He-Ne Laser and the reflected signal was captured by a photo-transistor. The object to be recognized is placed over a rotating table which can be rotated, supplying a new view for the classification. A microcomputer controls the system operation and the object is recognized in real time. The recognized objects were simple regular polyhedral, just as: 1 triangular base prism, 1 cube, 1 triangular base pyramid, 1 rectangular base pyramid. To check that the proposed technology was correct, we used a dedicated mathematical approach, which can be extended to other surfaces, such as curves, in future works.

Apresentamos neste trabalho o desenvolvimento de um método para o reconhecimento do Formato de Objetos Tri-dimensionais. Os sistemas tradicionais de Visão Computacional empregam imagens bi-dimensionais obtidos através de câmeras de TV, ricas em detalhes necessários a visão humana. Estes detalhes em grande parte das aplicações industriais de Robôs são supérfluos. Os algoritmos tradicionais de classificação consomem portanto muito tempo no processamento deste excesso de informação. Para este trabalho, desenvolvemos um sistema dedicado para reconhecimento que utiliza um feixe de Laser defletido sobre um objeto e a digitalização da Luminância em cada ponto de sua superfície. A intensidade luminosa refletida e proporcional a distância do ponto ao observador. É, portanto, possível determinar parâmetros que classifiquem cada objeto. A inclinação de cada face de um poliedro, o comportamento de suas fronteiras e também a existência de arestas internas, são as características adotadas. Estas características são então rotuladas, permitindo que o programa de classificação busque em um \"banco de conhecimento\" previamente estabelecido, a descrição dos objetos. Uma mesa giratória permite a rotação do modele fornecendo novas vistas ao observador, determinando sua classificação. Todo o sistema é controlado por um microcomputador cujo programa reconhece em tempo real o objeto em observação. Para o protótipo construído, utilizamos um Laser de HeNe sendo a recepção do raio refletido realizada por um fototransistor. Os objetos reconhecíveis pelo programa são poliedros regulares simples, compondo o seguinte conjunto: 1 prisma de base triangular, 1 cubo, 1 pirâmide de base triangular, 1 pirâmide de base retangular. O tratamento matemático empregado visa a comprovação da tecnologia proposta, podendo, na continuação de trabalhos futuros, ser efetivamente estendido a diversos outros objetos como, por exemplo, os de superfícies curvas. / We present in this work a new method for three dimensional Shape Recognition. Traditional Computer Vision systems use bi-dimensional TV camera images. In most of the industrial Robotic applications, the excess of detail obtained by the TV camera is needless. Traditional classification algorithms spend a lot of time to process the excess of information. For the present work we developed a dedicated recognition system, which deflects a Laser beam over an object and digitizes the Reflected beam point by point over the surface. The intensity of the reflected beam is proportional to the observer distance. Using this technique it was possible to establish features to classify various objects. These features are the slope of the polyhedral surfaces, the boundary type and the inner edges. For each object the features are labeled and the classification algorithm searches in a \"knowledge data base\" for the object description. The recognition system used a He-Ne Laser and the reflected signal was captured by a photo-transistor. The object to be recognized is placed over a rotating table which can be rotated, supplying a new view for the classification. A microcomputer controls the system operation and the object is recognized in real time. The recognized objects were simple regular polyhedral, just as: 1 triangular base prism, 1 cube, 1 triangular base pyramid, 1 rectangular base pyramid. To check that the proposed technology was correct, we used a dedicated mathematical approach, which can be extended to other surfaces, such as curves, in future works.