Return to search

Mapeamento de estruturas submarinas associadas ao transporte de óleo e gás com veículo autônomo subaquático / Mapping of underwater structures associated to transport of oil and gas with autonomous underwater vehicle

Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2018-07-09T14:48:05Z
No. of bitstreams: 1
textocompleto.pdf: 4690363 bytes, checksum: b632e5c9c6b2e8dc83bbe74085927bcc (MD5) / Made available in DSpace on 2018-07-09T14:48:05Z (GMT). No. of bitstreams: 1
textocompleto.pdf: 4690363 bytes, checksum: b632e5c9c6b2e8dc83bbe74085927bcc (MD5)
Previous issue date: 2018-02-23 / As indústrias petrolíferas possuem a necessidade e obrigação de inspecionar as instalações submarinas associadas ao transporte de óleo e gás periodicamente para evitar acidentes ambientais. Os veículos autônomos subaquáticos (AUV) têm-se tornado uma opção viável em Levantamento Hidrográfico (LH) devido à excelente estabilidade da plataforma e aos sensores de alta resolução acoplados no veículo e utilizados no mapeamento submarino. Esses sensores geram grandes quantidades de dados para serem analisados, assim torna-se necessário automatizar os processos no intuito de otimizar o tempo de processamento com a melhor exatidão posicional. Dessa forma essa pesquisa tem o objetivo de determinar a qualidade posicional de levantamento com AUV, avaliar quantitativamente e qualitativamente a redução do ruído speckle em imagem do SAS, desenvolver metodologia semi-automática para mapeamentos de dutos submarinos e detecção de condição de vão livre. A qualidade posicional foi verificada pela aplicação da propagação das incertezas no modelo matemático de determinação das coordenadas no LH com AUV. Na imagem do SAS foram utilizados filtros morfológicos, filtros adaptativos e Stretchlim para reduzir os efeitos do ruído. Os dutos submarinos foram mapeados de forma semi-automática pela metodologia de pré-processamento, redução de ruídos e realce dos alvos, extração de feições e pós-processamento. A classificação de condição de vão livre foi realizada por rede neural e random forest a partir da imagem SAS e dos perfis gerados do modelo digital de superfície obtido pelo ecobatímetro. Os resultados mostraram que a incerteza posicional do LH com o AUV é compatível com as especificações de todas as ordens da IHO (2010), porém o ponto crítico está no método de posicionamento acústico realizado com o Ultra-Short Baseline. A utilização de técnicas de processamento digital de imagem é uma poderosa ferramenta na redução dos ruídos speckle e na imagem do SAS, assim permitindo mapeamento com mais de mais de 80% dos dutos submarinos de forma semi-automatizado. Os métodos de rede neural e random forest tiveram resultados similares e satisfatórias para a classificação de condição de vão livre com exatidões globais de 86,8% e 89,9% respectivamente. / The oil industries have the necessity and obligation to inspect the submarine installations associated with the transport of oil and gas periodically to avoid environmental accidents. Underwater autonomous vehicles (AUV) have become a viable hydrographic survey option due to the excellent stability of the platform and the high-resolution (Synthetic Aperture Sonar - SAS, echo sounder multibeam, high definition cameras) submarine mapping. These hydrographic survey sensors generate large amounts of data to be analyzed, so it becomes necessary to automate the processes in order to optimize the processing time with the best positional accuracy. Thus, the goal of this research is to determine the positional quality of the AUV survey, to evaluate quantitatively and qualitatively the reduction of speckle noise in SAS image, to develop semi-automatic methodology for underwater pipeline mapping and free-span detection. The positional quality was verified by the application of the propagation of the uncertainties in the mathematical model of determination of the coordinates in the hydrographic survey with AUV. Morphological filters, adaptive filters and histogram contrast were used to reduce the effects of speckle noise on the SAS image. The submarine pipelines were semi- automatically mapped by the methodology of pre-processing, noise reduction and target enhancement, feature extraction and post-processing. The classification of free span condition was performed by neural network and random forest from the SAS image and the profiles generated from the digital surface model obtained by the echo sounder multibeam. The results showed that the positional uncertainty of the hydrographic survey with the AUV is compatible with the specifications of all orders of the IHO (2010) and critical point is the acoustic positioning performed with the Ultra-Short Baseline. The use of digital image processing techniques is a powerful tool in reducing speckle noise and restoring spatial resolution in the SAS image, thus enabling more efficient and faster automated processing. More than 80% of the subsea pipelines were mapped semi- automated. The methods of neural network and random forest had similar and satisfactory results for the classification of free-span condition with global accuracy of 86,8% and 89,9%, respectively. / o autor nao possui curriculo lattes, bem como agencia de fomento

Identiferoai:union.ndltd.org:IBICT/oai:localhost:123456789/20535
Date23 February 2018
CreatorsFernandes, Victor Hugo
ContributorsNeto, Arthur Ayres, Medeiros, Nilcilene das Graças, Oliveira, Júlio Cesar de, Dalto, Domingos Rodrigues
PublisherUniversidade Federal de Viçosa
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguageEnglish
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis
Sourcereponame:Repositório Institucional da UFV, instname:Universidade Federal de Viçosa, instacron:UFV
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0027 seconds