FenixEdu™

Dissertação

{en_GB=Direct Georeferencing of Fire Front Aerial Images using Iterative Ray-Tracing and a Bearings-Range Extended Kalman Filter} {} EVALUATED

Detalhes: {pt=Este trabalho propõe o algoritmo IRT (Iterative Ray-Tracing) como metodologia de georreferenciação de frentes de incêndio a partir de imagens captadas por um veículo aéreo. O IRT requer que o veículo esteja equipado com um dispositivo GPS (Global Positioning System), IMU (Inertial Measurement Unit) e um DEM (Digital Elevation Map). Além disto, são necessários os IP (Intrinsic Parameters) da câmara a utilizar assim como os pixeis a georreferenciar. Tendo em conta que o equipamento está sujeito a erros, propõe-se ainda a utilização da UT (Unscented Transform), permitindo assim a caracterização da incerteza associada ao IRT. Por último, desenvolveu-se um novo modelo de filtragem denominado Bearings-Range, que permite melhorar a estimativa da posição e incerteza a partir de várias observações do mesmo alvo. Os algoritmos de georreferenciação e filtragem foram validados por duas simulações em terreno acidentado e plano. Comparou-se a performance do EKF (Extended Kalman Filter) com o CKF (Cubature Kalman Filter) utilizando os modelos Bearings-Range e Bearings-Only. Foram alcançados resultados idênticos, com o primeiro a destacar-se pelo menor tempo de processamento, pelo que é o filtro mais adequado para processamento em tempo real. Tendo o sistema validado em simulação, realizaram-se três experiências com dados reais. Utilizou-se um telemóvel para adquirir imagens de um alvo e telemetria ao longo do percurso pedestre elevado. Além disto, dois vídeos gravados por UAVs (Unmanned Aerial Vehicles) foram utilizados para testar o algoritmo. Os resultados obtidos demonstram a aplicabilidade da metodologia proposta para georreferenciar frentes de incêndio., en=This work proposes the Iterative Ray-Tracing (IRT) as a forest fire georeferencing algorithm using images captured by an aerial vehicle. The IRT requires that the vehicle is equipped with a Global Positioning System (GPS) device, an Inertial Measurement Unit (IMU) and a Digital Elevation Map (DEM). In addition, the camera’s Intrinsic Parameters (IP) and the pixels to georeference must be known. Considering errors in the equipment, the Unscented Transform (UT) is proposed to characterize the uncertainty of the IRT. Furthermore, a novel Bearings-Range filtermeasurement model is put forward, to improve the target position and reduce its uncertainty. The georeferencing and filtering algorithms were validated with two simulations on rough and flat terrains. A performance comparison was done between the Extended (EKF) and Cubature Kalman Filters (CKF) using the Bearings-Range and Bearings-Only measurement models. Identical results were achieved, with the EKF performing faster, making it more adequate for real-time processing. Having validated the system in simulations, three experiments were conducted using real data. A mobile phone was used to acquire imagery of a target and telemetry along an elevated pedestrian path. Furthermore, the algorithm was tested on two videos recorded with an Unmanned Aerial Vehicle (UAV). The results demonstrate the applicability of the proposed methodology to georeference forest fires.}
Keywords: {pt=incêndio florestal, veículo aéreo, georreferenciação, GPS, IMU, DEM, en=forest fire, aerial vehicle, georeferencing, GPS, IMU, DEM}

Discussão: janeiro 11, 2021, 12:0