Dissertação

{pt_PT=CameraDriver - Sistema de visão para condução autónoma} {} EVALUATED

{pt=O objetivo principal deste trabalho é desenvolver um sistema de localização baseado em visão computacional para percursos delimitados por objetos. Este problema baseia-se na competição Formula Student Driverless, na qual um veículo sem condutor tem de ser capaz de se localizar numa pista delimitada por cones. O sistema desenvolvido, utiliza uma câmara 3-D, permitindo calcular distâncias. Os objetos, cones, são detetados em imagem através do sistema YOLO. São colecionadas as distâncias entre cones, e exceto em casos degenerados, a coleção de todas as distâncias entre os objetos constitui uma ''assinatura'' única do mapa. A possibilidade de efetuar um reconhecimento prévio do percurso permite realizar o seu mapeamento com recurso ao sistema ORB-SLAM2. Através do seu pós-processamento é construído o mapa global do percurso, constituído pela localização dos cones e pela sua assinatura das distâncias. De forma a estimar a localização da câmara no percurso em cada instante, é construído o mapa local com base nos objetos observáveis. A correspondência entre os objetos observáveis com os presentes no percurso, é realizada por um algoritmo de procura, que emparelha o mapa local com o global com base nas assinaturas de distâncias. Uma vez correspondidos, é estimada a localização e pose da câmara. Foram realizados testes ao sistema utilizando percursos sintéticos e reais que apresentaram resultados bastante promissores. , en=The main purpose of this work is to develop a localization system based on computer vision to courses that are delimited by objects. This problem is based on the Formula Student Driverless competition on which a vehicle without driver must be able to locate on a cone delimited track. The developed system uses a 3D camera, which allows to calculate distances. The objects, in this case cones, are detected in the images through the YOLO system. The distances between cones are collected, and except for degenerated cases, the collection of every distances forms a unique map "signature". The possibility of a prior recognition of the course allows mapping using the ORB-SLAM2 system. Through its post-processing, the global map of the course is constructed, which includes the localization of the cones and the distances signatures. To estimate the course localization of the camera at every moment, the construction of the local map is based on the observed objects. The matching between the observed objects and the ones that are along the course is done using a search algorithm, which matches the local map with the global map, based on the distances signatures. Once they are matched, the localization and orientation of the camera is estimated. The system was tested using synthetic and real courses which led to very promising results. }
{pt=Deteção de Objetos em Imagem, SLAM, Algoritmos \textit{Greedy}, Grafos, Visão computacional, en=Object Detection on Image, SLAM, Greedy Algorithms, Graphs, Computer Vision}

novembro 9, 2018, 14:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

João Paulo Salgado Arriscado Costeira

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Associado