Dissertação
Sensor Fusion for Deep Object Detection In Ship Automation EVALUATED
A deteção e identificação de objetos na superfície da água utilizando sensores instalados nas embarcações são tarefas importantes para a indústria marítima para garantir uma navegação segura. Contudo, condições climáticas adversas e o estado do mar podem representar desafios significativos para os marinheiros que, no mar, dependem da inspeção visual ou de sensores para evitar tais objetos. O ambiente marítimo traz condições meteorológicas e estados do mar desafiantes, que levam ao aparecimento de questões como o reflexo da luz, movimentos da câmera e alterações na iluminação podem resultar em deteções incorretas nos referidos sensores. Nesta dissertação, propomos e avaliamos técnicas de fusão de sensores que combinam dados de sensores visuais (câmaras) e de radar para aprimorar a deteção de objetos, reduzir o número de falsos positivos e melhorar a estimativa da sua posição. Desenhamos e testamos duas arquiteturas de fusão de sensores que efetuam a fusão em dois domínios diferentes (planos da água e da imagem). Ambas as arquiteturas podem ou não depender e beneficiar do facto dos dados de entrada serem sequenciais. O desempenho de ambas as arquiteturas superou o dos respetivos sensores individuais, especialmente quando se considera a sequencialidade dos dados, quando avaliadas nos respetivos domínios. A arquitetura de fusão no plano da imagem com dependência temporal destacou-se igualmente no seu domínio não-nativo e é, por conseguinte, considerada a arquitetura de fusão mais adequada para enfrentar o desafio apresentado nesta dissertação.
novembro 24, 2023, 17:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Alexandre José Malheiro Bernardino
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Associado