Perception for autonomous drive systems is the most essential function for safe and reliable driving. LiDAR sensors can be used for perception and are vying for being crowned as an essential element in this task. In this thesis, we present a novel real-time solution for detection and tracking of moving objects which utilizes deep learning based 3D object detection. Moreover, we present a joint solution which utilizes the predictability of Kalman Filters to infer object properties and semantics to the object detection algorithm, resulting in a closed loop of object detection and object tracking.On one hand, we present YOLO++, a 3D object detection network on point clouds only. A network that expands YOLOv3, the latest contribution to standard real-time object detection for three-channel images. Our object detection solution is fast. It processes images at 20 frames per second. Our experiments on the KITTI benchmark suite show that we achieve state-of-the-art efficiency but with a mediocre accuracy for car detection, which is comparable to the result of Tiny-YOLOv3 on the COCO dataset. The main advantage with YOLO++ is that it allows for fast detection of objects with rotated bounding boxes, something which Tiny-YOLOv3 can not do. YOLO++ also performs regression of the bounding box in all directions, allowing for 3D bounding boxes to be extracted from a bird's eye view perspective. On the other hand, we present a Multi-threaded Object Tracking (MTKF) solution for multiple object tracking. Each unique observation is associated to a thread with a novel concurrent data association process. Each of the threads contain an Extended Kalman Filter that is used for predicting and estimating an associated object's state over time. Furthermore, a LiDAR odometry algorithm was used to obtain absolute information about the movement of objects, since the movement of objects are inherently relative to the sensor perceiving them. We obtain 33 state updates per second with an equal amount of threads to the number of cores in our main workstation.Even if the joint solution has not been tested on a system with enough computational power, it is ready for deployment. Using YOLO++ in combination with MTKF, our real-time constraint of 10 frames per second is satisfied by a large margin. Finally, we show that our system can take advantage of the predicted semantic information from the Kalman Filters in order to enhance the inference process in our object detection architecture.

Diversas metodologias são empregadas para realizar a análise de séries temporais, dentre as quais destaca-se o uso das redes neurais artificiais (RNA). Neste trabalho são utilizados quatro métodos para realizar previsão de séries temporais univariadas: os modelos ARIMAGARCH, RNA feedforward, RNA treinada com filtro de Kalman estendido (EKF) e RNA treinada com o filtro de Kalman unscented (UKF). Sendo que o uso de RNA-UKF é um avanço recente na área de sistemas de inteligência computacional. O uso de redes neurais treinadas com filtro de Kalman é uma metodologia que tem trazido bons resultados em uma ampla variedade de aplicações nas áreas comercial, militar e científica. Em 2002 aproximadamente 250 bilhões de dólares eram gerenciados em fundos de investimentos por modelos quantitativos (tais como lógica fuzzy, redes neurais, algoritmos genéticos, fractais e modelos de Markov). Desde 2006 estima-se que três em cada dez destes fundos utilizem estes modelos quantitativos. A capacidade das RNA em lidar com não linearidades é uma vantagem normalmente destacada quando são realizadas previsões de séries temporais. São apresentadas simulações de Monte Carlo que mostram a influência dos parâmetros dos modelos ARIMA-GARCH na predição de redes neurais artificiais do tipo feedforward, treinadas com o algoritmo de Levenberg-Marquardt. Pelos resultados obtidos verificou-se que a RNA feedforward realizou melhores previsões a medida que o parâmetro ligado a estacionariedade aumenta. Também é aplicada a teoria para construção de intervalos de predição (IP) e de confiança (IC) para RNA feedforward. As séries temporais analisadas são univariadas e compostas de dados reais do setor financeiro (Bradesco PN, Bradespar PN, Itausa PN e Itaú PN), setor de alimentos (Perdigão PN, Sadia PN, Saca da Soja de 60Kg e Saca de Açúcar de 50Kg), setor industrial (Marcopolo PN, Petrobrás PN, Embraer ON, Ripasa PN, Souza Cruz ON e Gerdau PN) e setor de serviços (Pão de Açúcar PN, Eletropaulo PNA, Eletrobras PNB, Brasil Telecom PN, Cesp PNA e Lojas Americanas PNA). Os resultados obtidos mostram que a RNA-UKF apresentou-se superior quando comparada com as técnicas concorrentes. / Many techologies has been applied to time series analysis, among these artifitial neural networks (RNA). In this work, four methods are used to univariate time series forecasting: ARIMA-GARCH, RNA feedforward, RNA trained using extended Kalman filter (EKF) and RNA trained using unscented Kalman filter (UKF). RNA-UKF is a recent method in computational intelligence field. The use of neural networks trained using Kalman filter is a methodology that has brought good results in a wide variety of applications such as commercial, military and scientific field. In 2002 approximately 250 billions of dollars were managed in investiment funds by quantitative models (such as fuzzy logic, neural networks, genetic algorithms, fractals and Markov models). Since 2006 it is estimated that three in ten investiment funds use these quantitative models. The RNA power to deal with non linearities is a highlited advantage when time series forecasting are performed. This work presents Monte Carlo simulations showing the ARIMA-GARCH parameters influence in the feedforward artifitial neural networks predictions, trained with Levenberg- Marquardt algorithm. According to the results, RNA feedforward performed best forecasts to the extent stacionarity parameter increase. Moreover, the theory for confidence (IC) e prediction (IP) intervals are applied to RNA feedforward. This work presents analysis to real data univariate time series from financial sector (Bradesco PN, Bradespar PN, Itausa PN and Itaú PN), food sector (Perdigão PN, Sadia PN, Soybean 60Kg and Sugar 50Kg), factory sector (Marcopolo PN, Petrobrás PN, Embraer ON, Ripasa PN, Souza Cruz ON and Gerdau PN) and service sector (Pão de Açúcar PN, Eletropaulo PNA, Eletrobras PNB, Brasil Telecom PN, Cesp PNA and Lojas Americanas PNA). The results showed RNA-UKF upper hand when compared with the competitors techniques.

A Tomografia por Impedância Elétrica (EIT) é um método que utiliza estimativas da distribuição de condutividade ou impedância de tecidos orgânicos na obtenção de imagens médicas. O procedimento de obtenção das imagens baseia-se em medições de correntes ou voltagens no contorno da região sob análise e na estimação de parâmetros de um modelo desta região. No caso de pacientes submetidos à respiração artificial, o conhecimento da distribuição absoluta ou das variações de condutividades nos pulmões auxilia na detecção de fenômenos como colapso alveolar ou pneumotórax e permite o ajuste e controle da vazão e pressão do ar fornecido, de modo a evitar a ocorrência de tais anomalias. Este trabalho apresenta algoritmos cujo objetivo é a solução do problema inverso e mal posto de estimar a distribuição absoluta e as variações de condutividades nos pulmões através da EIT para a geração de imagens em duas dimensões. O algoritmo para a estimação da distribuição absoluta de condutividade utiliza o filtro estendido de Kalman. As simulações numéricas mostram que, com medidas incorporando ruído cujo desvio padrão atinge até 12% da máxima voltagem, as estimativas de condutividades convergem para a distribuição esperada com um desvio inferior a 7% do valor da máxima condutividade. Quanto à detecção de variações de condutividades em relação a uma distribuição de condutividades tomada como referência, as simulações numéricas sugerem que a solução do problema depende da utilização de métodos de regularização. / Electrical Impedance Tomography (EIT) is a method that uses estimates of conductivity or impedance distribution in living tissues to generate medical images. The estimation procedure is based on measurements of electrical currents or voltages at the boundary of the region under analysis, and on the processing of these data through a proper algorithm. In patients under artificial ventilation, knowledge of absolute or relative conductivity distribution in the lungs helps detecting the presence of alveolar collapse or pneumothorax, and allows setting and controlling air volume and pressure of the ventilation device. This work presents algorithms that aim at solving the ill-posed inverse problem of estimating absolute and relative conductivity distribution in the lungs through EIT for cross-sectional image reconstruction. The algorithm for absolute conductivity distribution estimation uses the extended Kalman filter. Numerical simulations show that, when the standard deviation of the measurement noise level raises up to 12% of the maximal measured voltage, the conductivity estimates converge to the expected vector within 7% accuracy of the maximal conductivity value. Addressing the estimation of conductivity changes in relation to a conductivity distribution taken as reference, numerical simulations suggest that the problem may be properly solved using regularization methods.

O Filtro de Kalman Ensemble (EnKF) é um algoritmo de Monte Carlo sequencial para inferência em modelos de espaço de estados lineares e não lineares. Este filtro combinado com alguns outros métodos propaga a distribuição a posteriori conjunta dos estados e dos parâmetros ao longo do tempo. Existem poucos trabalhos que consideram o problema da estimação simultânea dos estados e parâmetros, e os métodos existentes possuem limitações. Nesta dissertação analisamos a eficiência desses métodos por meio de estudos de simulação em modelos de espaço de estados lineares e não lineares. O problema de estimação não linear aqui tratado refere-se ao modelo de produção excedente logístico, para o qual o EnKF pode ser considerado uma possível alternativa aos algoritmos MCMC. Os resultados da simulação revelam que a acurácia das estimativas aumenta quando a série temporal cresce, mas alguns parâmetros apresentam problemas na estimação. / The Ensemble Kalman Filter (EnKF) is a sequential Monte Carlo algorithm for inference in linear and nonlinear state-space models. This filter combined with some other methods propagates the joint posterior distribution of states and parameters over time. There are fewer papers that consider the problem of simultaneous state-parameter estimation and existing methods have limitations. The purpose of this dissertation is to analyze the efficiency of these methods by means of simulation studies in linear and nonlinear state-space models. The nonlinear estimation problem addressed here refers to the logistic surplus-production model, for which the EnKF can be considered as a possible alternative to MCMC algorithms. The simulation results reveal that the accuracy of the estimates increases when the time series grows, but some parameters present problems in the estimation.

<div>Ensuring the robustness and resilience of safety-critical systems from civil aviation to military surveillance technologies requires improvements to target tracking capabilities. Implementing target tracking as a distributed function can improve the quality and availability of information for end users. Any errors in the model of a target's dynamics or a sensor network's measurement process will result in estimates with degraded accuracy or even filter divergence. This dissertation solves a distributed estimation problem for estimating the state of a dynamical system and the parameters defining a model of that system.</div><div>The novelty of this work lies in the ability of a sensor network to maintain consensus on state and parameter estimates through local communications between sensor platforms.</div>

[pt] Nesta tese, apresentam-se estratégias de modelagem envolvendo modelos estruturais para a previsão do preço spot de energia elétrica do subsistema do Sudeste-Brasil. Foi utilizada a modelagem proposta por Harvey (1989), que extrai componentes não observáveis da série. Foram elaborados três modelos. No primeiro, utilizou-se somente o histórico da série. No segundo, inseriu-se uma variável de intervenção para o racionamento de energia ocorrido no Brasil no período de junho de 2001 a fevereiro de 2002. Por último, acrescentaram-se duas variáveis explicativas. / [en] In this thesis, modelling strategies are presented involving structural models to forecast the spot price of electric energy of Brazil. It had been used the modelling proposal of Harvey (1989) that extracts non-observable components of the series. Three models had been elaborated. In the first one, was adjusted only with the historical of the series. In the second, an intervention variable for the rationing occurred in Brazil in the period of June of 2001 till February of 2002 was inserted. Finally, in the last one, two explanatory variables were introduced.

Les systèmes électroniques actuels intègrent de plus en plus de fonctionnalités nécessitant l'intégration de capteurs très variés. Ces systèmes hétérogènes sont complexes à intégrer notamment lorsque différentes technologies de fabrication sont nécessaires pour les capteurs.Les technologies de fabrication de MEMS avec un procédé CMOS-FSBM offrent un coût de production réduit et permettent d'intégrer sur un même substrat différents types de capteurs (magnétomètres et accéléromètres notamment). Ce procédé de fabrication implique cependant une détection résistive des capteurs avec tous les problèmes qui lui sont associés (faible sensibilité, offset important, bruit de l'électronique). A travers la réalisation de la première centrale inertielle sur une puce, cette thèse renforce l'intérêt d'une approche « CMOS-MEMS » pour la conception de systèmes multi-capteurs. Le système est basé sur une mesure incomplète du champ magnétique terrestre (axes X et Y) et sur la mesure complète du champ gravitationnel. Une électronique de conditionnement des capteurs performante a été développée adressant les principaux problèmes relatifs à une détection résistive permettant ainsi une optimisation de la résolution de chaque capteur. Enfin, deux algorithmes ont été développés pour la détermination de l'attitude à partir de la mesure des cinq capteurs montrant la faisabilité et l'intérêt d'un tel système. / Current electronic systems integrate more and more applications that require the integration of various kinds of sensors. The integration of such heterogeneous systems is complex especially when sensor fabrication processes differ from one to another. MEMS manufacturing processes based on CMOS-FSBM process promote a low-cost production and allow the integration of various types of sensors on the same die (e.g., magnetometers and accelerometers). However, this manufacturing process requires that sensors make use of resistive transduction with its associated drawbacks (low sensitivity, offset, electronic noise). Through the design and the implementation of the first inertial measurement unit (IMU) on a chip, this thesis demonstrates the interest of a “CMOS-MEMS” approach for the design of multi-sensor systems. The IMU is based on the incomplete measurement of the Earth magnetic field (X and Y axis) and the complete measurement of the gravity. An efficient front-end electronic has been developed addressing the most important issues of resistive transduction and thus allowing an optimization of sensor resolution. Finally, two attitude determination algorithms have been developed from the five sensor measurements showing the feasibility and the interest of such a system.

L'objectif de la thèse est de concevoir et développer un système numérique de combinaison de signaux d'horloges hétérogènes (PPS, horloges atomiques, quartz, ...). Le signal résultant possède une meilleure stabilité que chacune des entrée quelque soit la durée d'intégration et il peut détecter des défaillances chez une des entrées. / The goal of the PhD is to design and build a numerical system capable of combining clock signals from various sources (PPS, atomic clocks, quartz, ...). The output signal will have a better stability at each integration time than any single input signal and it could detect failures in input sources.

A mobilidade é uma marca da nossa civilização. Tanto o transporte de carga quanto o de passageiros compartilham de uma enorme infra-estrutura de conexões operados com o apoio de um sofisticado sistema logístico. Simbiose otimizada de módulos mecânicos e elétricos, os veículos evoluem continuamente com a integração de avanços tecnológicos e são projetados para oferecer o melhor em conforto, segurança, velocidade e economia. As regulamentações organizam o fluxo de transporte rodoviário e as suas interações, estipulando regras a fim de evitar conflitos. Mas a atividade de condução pode tornar-se estressante em diferentes condições, deixando os condutores humanos propensos a erros de julgamento e criando condições de acidente. Os esforços para reduzir acidentes de trânsito variam desde campanhas de re-educação até novas tecnologias. Esses tópicos têm atraído cada vez mais a atenção de pesquisadores e indústrias para Sistemas de Transporte Inteligentes baseados em imagens que visam a prevenção de acidentes e o auxilio ao seu motorista na interpretação das formas de sinalização urbana. Este trabalho apresenta um estudo sobre técnicas de detecção em tempo real de faixas de sinalização de trânsito em ambientes urbanos e intermunicipais, com objetivo de realçar as faixas de sinalização da pista para o condutor do veículo ou veículo autônomo, proporcionando um controle maior da área de tráfego destinada ao veículo e prover alertas de possíveis situações de risco. A principal contribuição deste trabalho é otimizar a formar como as técnicas de processamento de imagem são utilizas para realizar a extração das faixas de sinalização, com o objetivo de reduzir o custo computacional do sistema. Para realizar essa otimização foram definidas pequenas áreas de busca de tamanho fixo e posicionamento dinâmico. Essas áreas de busca vão isolar as regiões da imagem onde as faixas de sinalização estão contidas, reduzindo em até 75% a área total onde são aplicadas as técnicas utilizadas na extração de faixas. Os resultados experimentais mostraram que o algoritmo é robusto em diversas variações de iluminação ambiente, sombras e pavimentos com cores diferentes tanto em ambientes urbanos quanto em rodovias e autoestradas. Os resultados mostram uma taxa de detecção correta média de 98; 1%, com tempo médio de operação de 13,3 ms. / Mobility is an imprint of our civilization. Both freight and passenger transport share a huge infrastructure of connecting links operated with the support of a sophisticated logistic system. As an optimized symbiosis of mechanical and electrical modules, vehicles are evolving continuously with the integration of technological advances and are engineered to offer the best in comfort, safety, speed and economy. Regulations organize the flow of road transportation machines and help on their interactions, stipulating rules to avoid conflicts. But driving can become stressing on different conditions, leaving human drivers prone to misjudgments and creating accident conditions. Efforts to reduce traffic accidents that may cause injuries and even deaths range from re-education campaigns to new technologies. These topics have increasingly attracted the attention of researchers and industries to Image-based Intelligent Transportation Systems that aim to prevent accidents and help your driver in the interpretation of urban signage forms. This work presents a study on real-time detection techniques of traffic signaling signs in urban and intermunicipal environments, aiming at the signaling lanes of the lane for the driver of the vehicle or autonomous vehicle, providing a greater control of the area of traffic destined to the vehicle and to provide alerts of possible risk situations. The main contribution of this work is to optimize how the image processing techniques are used to perform the lanes extraction, in order to reduce the computational cost of the system. To achieve this optimization, small search areas of fixed size and dynamic positioning were defined. These search areas will isolate the regions of the image where the signaling lanes are contained, reducing up to 75% the total area where the techniques used in the extraction of lanes are applied. The experimental results showed that the algorithm is robust in several variations of ambient light, shadows and pavements with different colors, in both urban environments and on highways and motorways. The results show an average detection rate of 98.1%, with average operating time of 13.3 ms.

A Tomografia por Impedância Elétrica (EIT) é um método que utiliza estimativas da distribuição de condutividade ou impedância de tecidos orgânicos na obtenção de imagens médicas. O procedimento de obtenção das imagens baseia-se em medições de correntes ou voltagens no contorno da região sob análise e na estimação de parâmetros de um modelo desta região. No caso de pacientes submetidos à respiração artificial, o conhecimento da distribuição absoluta ou das variações de condutividades nos pulmões auxilia na detecção de fenômenos como colapso alveolar ou pneumotórax e permite o ajuste e controle da vazão e pressão do ar fornecido, de modo a evitar a ocorrência de tais anomalias. Este trabalho apresenta algoritmos cujo objetivo é a solução do problema inverso e mal posto de estimar a distribuição absoluta e as variações de condutividades nos pulmões através da EIT para a geração de imagens em duas dimensões. O algoritmo para a estimação da distribuição absoluta de condutividade utiliza o filtro estendido de Kalman. As simulações numéricas mostram que, com medidas incorporando ruído cujo desvio padrão atinge até 12% da máxima voltagem, as estimativas de condutividades convergem para a distribuição esperada com um desvio inferior a 7% do valor da máxima condutividade. Quanto à detecção de variações de condutividades em relação a uma distribuição de condutividades tomada como referência, as simulações numéricas sugerem que a solução do problema depende da utilização de métodos de regularização. / Electrical Impedance Tomography (EIT) is a method that uses estimates of conductivity or impedance distribution in living tissues to generate medical images. The estimation procedure is based on measurements of electrical currents or voltages at the boundary of the region under analysis, and on the processing of these data through a proper algorithm. In patients under artificial ventilation, knowledge of absolute or relative conductivity distribution in the lungs helps detecting the presence of alveolar collapse or pneumothorax, and allows setting and controlling air volume and pressure of the ventilation device. This work presents algorithms that aim at solving the ill-posed inverse problem of estimating absolute and relative conductivity distribution in the lungs through EIT for cross-sectional image reconstruction. The algorithm for absolute conductivity distribution estimation uses the extended Kalman filter. Numerical simulations show that, when the standard deviation of the measurement noise level raises up to 12% of the maximal measured voltage, the conductivity estimates converge to the expected vector within 7% accuracy of the maximal conductivity value. Addressing the estimation of conductivity changes in relation to a conductivity distribution taken as reference, numerical simulations suggest that the problem may be properly solved using regularization methods.