Made available in DSpace on 2018-08-02T00:00:57Z (GMT). No. of bitstreams: 1
tese_4714_PPGEE - Dissertação de Mestrado - Clebson Joel Mendes de Oliveira - 2013.pdf: 34789281 bytes, checksum: 8ec4d56937b45f1e5404523103a99f50 (MD5)
Previous issue date: 2013-07-15 / Considerando os atuais desafios da robótica que estão relacionados à área da cognição,
percebe-se que algumas dessas atividades que são simples para seres humanos ainda
não são tarefas triviais para robôs. Logo, ainda há vários problemas não resolvidos de
forma robusta, que estão relacionados à falha de robôs quando defrontados com o caos do
mundo real, principalmente em ambientes externos dinâmicos, tais como: mapeamento,
planejamento de trajetória, localização, navegação e identificação de objetos segundo suas
formas e funções.
Como muitos desses problemas apresentam chances de serem resolvidos por Visão Computacional,
o objetivo deste trabalho foi desenvolver um método de localização visual
autônomo online aplicado a ambientes externos dinâmicos, sem considerar informações a
priori através da caracterização visual de cenas.
Para isso, desenvolveu-se um modelo para caracterização visual de cenas baseado na
estimação de Funções Massa de Probabilidade (Probability Mass Functions - PMFs) de
características visuais Speeded Up Robust Features (SURF) para os lugares do mapa
de um ambiente externo. Utilizando esse modelo para localizar amostras de lugares do
mapa, definiu-se um método de localização, que calcula as probabilidades de uma amostra
pertencer a lugares candidatos do mapa, e as compara a valores de referência, definidos
por curvas Receiver Operating Characteristic (ROC) dos lugares candidatos.
Os testes realizados para avaliar o poder de caracterização do modelo desenvolvido, e a
qualidade do método de localização proposto utilizaram um mapa visual gerado por um
grupo de imagens de caracterização de 28 lugares da Universidade Federal do Espírito Santo
(UFES). Já para avaliar a generalização do modelo de caracterização aplicado ao problema
de reconhecimento de objetos, foram utilizados grupos de imagens de caracterização de 4
objetos similares.
Pelos resultados obtidos, comprova-se que este trabalho alcançou seus objetivos, pois
amostras visuais do ambiente externo dinâmico utilizado foram localizadas corretamente,
alcançando desempenho global de classificação pelo menos aceitável (> 0, 7) segundo o
índice Area Under Curve (AUC). Para o melhor caso do algoritmo foram gastos 3,361
segundos, e também foi possível reconhecer objetos com desempenho global de classificação
pelo menos aceitável, gastando 265 milisegundos no melhor caso.
Identifer | oai:union.ndltd.org:IBICT/oai:dspace2.ufes.br:10/9626 |
Date | 15 July 2013 |
Creators | OLIVEIRA, C. J. M. |
Contributors | SALLES, E. O. T., Klaus Fabian Coco, ODeoto, Raquel Frizera Vassallo |
Publisher | Universidade Federal do Espírito Santo, Mestrado em Engenharia Elétrica, Programa de Pós-Graduação em Engenharia Elétrica, UFES, BR |
Source Sets | IBICT Brazilian ETDs |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Format | application/pdf |
Source | reponame:Repositório Institucional da UFES, instname:Universidade Federal do Espírito Santo, instacron:UFES |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0014 seconds