FenixEdu™

Dissertação

{pt_PT=Reconhecimento e estimação de trajetórias de obstáculos em condução de veículos à escala} {} EVALUATED

Detalhes: {pt=Num ambiente de laboratório, existem muitas aplicações onde o reconhecimento do espaço em volta de um determinado sistema é necessário para que este se movimente no espaço sem colidir. Este reconhecimento é geralmente feito através de sensores implementados no próprio sistema, como câmaras ou lasers. O sistema estudado nesta dissertação é um veículo radio controlled (RC) à escala no qual se pretendia implementar uma única câmara e desenvolver software que permitisse ao sistema (RC e sensor) mover-se autonomamente. Dado que o reconhecimento de profundidade, através de visão monocular, é matematicamente impossível, desenvolveu-se um método que aproveita o movimento do RC e a captação de várias imagens para fazer deteção de obstáculos e para calcular distâncias aos mesmos. Este método envolve o emparelhamento de pontos de interesse nas imagens captadas e relações de deslocamento destes pontos para a segmentação de obstáculos e mapeamento dos mesmos. Implementou-se depois do mapeamento para a localização de obstáculos no espaço um método de planeamento de rota (algoritmo A*) para definir os caminhos do sistema no mapa. Os resultados em 30 testes efetuados demonstram que o algoritmo implementado faz com que o sistema colida com algum obstáculo 2.9% das vezes em que o mapa é atualizado. Estes resultados devem-se a pequenas diferenças entre as posições esperadas e as posições medidas do sistema em cada momento, que influenciam diretamente os processos de clustering e que por consequência levam a um mapeamento deficiente do ambiente. , en=In a laboratory environment, there are many applications where the recognition of the space around a given system is necessary for it to move in said space without colliding. This recognition usually relies on sensors implemented in the system itself, such as cameras or lasers. The system studied in this dissertation is a scale radio controlled vehicle in which it was intended to implement a single camera and to develop software that would allow the system (RC and sensor) to move autonomously. Since depth recognition through monocular vision is mathematically impossible, a method has been developed that takes advantage of the RC movement and of the capture of multiple images, to detect obstacles and to calculate distances to them. This method involves the pairing of points of interest in the captured images and the displacement relations of these points for the segmentation of obstacles and their mapping. A path planning method (algorithm A *) was implemented after mapping the location of obstacles in space, to define the system paths on the map. The results in 30 performed tests demonstrate that the implemented algorithm causes the system to collide with some obstacle 2.9% of the times the map is updated. These results are due to small differences between the expected position and the measured position of the system at each time, which directly influence the clustering processes which consequently leads to a poor mapping of the environment. }
Keywords: {pt=Sistema autónomo, Visão monocular, Pontos de interesse, Segmentação, Planeamento de rota, en=Autonomous system, Monocular vision, Interest points, Segmentation, Path Planning}

Discussão: junho 20, 2017, 14:0