Object detection and classification in outdoor environments for autonomous passenger vehicle navigation based on data fusion of artificial vision system and LiDAR sensor (2014)
- Authors:
- Autor USP: VELANDIA, HENRY ANTONIO RONCANCIO - EESC
- Unidade: EESC
- Sigla do Departamento: SEM
- Subjects: VEÍCULOS; VISÃO COMPUTACIONAL; CIRCULAÇÃO DE PEDESTRES; APRENDIZADO COMPUTACIONAL; INTELIGÊNCIA ARTIFICIAL
- Keywords: AUTONOMOUS VEHICLES; COMPUTER VISION; PEDESTRIAN DETECTION; OBSTACLE RECOGNITION; POINT CLOUD SEGMENTATION; DATA FUSION; WORLD PERCEPTION; MACHINE LEARNING
- Language: Inglês
- Abstract: Este projeto de pesquisa fez parte do projeto SENA (Sistema Embarcado de Navegação Autônoma), ele foi realizado no Laboratório de Robótica Móvel do Grupo de Mecatrônica da Escola de Engenharia de São Carlos (EESC), em colaboração com o Instituto de Física de São Carlos (IFSC). A grande motivação do projeto SENA é o desenvolvimento de tecnologias assistidas e autônomas que possam atender às necessidades de diferentes tipos de motoristas (inexperientes, idosos, portadores de limitações, etc.). Vislumbra-se que a aplicação em larga escala desse tipo de tecnologia, em um futuro próximo, certamente reduzirá drasticamente a quantidade de pessoas feridas e mortas em acidentes automobilísticos em estradas e em ambientes urbanos. Nesse contexto, este projeto de pesquisa teve como objetivo proporcionar informações relativas ao ambiente ao redor do veículo, ao sistema de controle e de tomada de decisão embarcado no veículo autônomo. As informações mais básicas fornecidas são as posições dos objetos (obstáculos) ao redor do veículo; além disso, informações como o tipo de objeto (ou seja, sua classificação em carros, pedestres, postes e a própria rua mesma), assim como o tamanho. Os dados do ambiente são adquiridos através do emprego de uma câmera e um Velodyne LiDAR. Um estudo do tipo ceiling foi usado para simular a metodologia da detecção dos obstáculos. Estima-se que, após realizar o estudo, que analisar regiões especificas da imagem, chamadas de regiões de interesse, onde é mais provável encontrar um obstáculo, é o melhor jeito de melhorar o sistema de reconhecimento. Observou-se na implementação da fusão dos sensores que encontrar regiões de interesse usando LiDAR, e classificá-las usando visão artificial fornece um melhor resultado na hora de compará-lo com os resultados ao usar apenas câmera ou LiDAR. Obteve-se uma classificação com precisão de 100%
- Imprenta:
- Publisher place: São Carlos
- Date published: 2014
- Data da defesa: 30.05.2014
-
ABNT
RONCANCIO VELANDIA, Henry. Object detection and classification in outdoor environments for autonomous passenger vehicle navigation based on data fusion of artificial vision system and LiDAR sensor. 2014. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2014. Disponível em: http://www.teses.usp.br/teses/disponiveis/18/18149/tde-24072016-152124/. Acesso em: 18 nov. 2024. -
APA
Roncancio Velandia, H. (2014). Object detection and classification in outdoor environments for autonomous passenger vehicle navigation based on data fusion of artificial vision system and LiDAR sensor (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/18/18149/tde-24072016-152124/ -
NLM
Roncancio Velandia H. Object detection and classification in outdoor environments for autonomous passenger vehicle navigation based on data fusion of artificial vision system and LiDAR sensor [Internet]. 2014 ;[citado 2024 nov. 18 ] Available from: http://www.teses.usp.br/teses/disponiveis/18/18149/tde-24072016-152124/ -
Vancouver
Roncancio Velandia H. Object detection and classification in outdoor environments for autonomous passenger vehicle navigation based on data fusion of artificial vision system and LiDAR sensor [Internet]. 2014 ;[citado 2024 nov. 18 ] Available from: http://www.teses.usp.br/teses/disponiveis/18/18149/tde-24072016-152124/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
