Exportar registro bibliográfico

Visual urban road features detection using convolutional neural network with application on vehicle localization (2018)

  • Authors:
  • Autor USP: HORITA, LUIZ RICARDO TAKESHI - EESC
  • Unidade: EESC
  • Sigla do Departamento: SEL
  • Subjects: APRENDIZADO COMPUTACIONAL; REDES NEURAIS; SINALIZAÇÃO DE TRÁFEGO
  • Keywords: DETECÇÃO DE GUIA; DETECÇÃO DE SINALIZAÇÃO HORIZONTAL; VISÃO ESTÉREO; LOCALIZAÇÃO DE VEÍCULOS
  • Agências de fomento:
  • Language: Inglês
  • Abstract: Guias e sinalizações horizontais foram projetados para fornecer a percepção visual de baixo nível do espaço das vias urbanas. Deste modo, seria de extrema importância para um veículo autônomo ter um sistema de percepção capaz de detectar tais características visuais. Em abordagens baseadas em visão, poucos trabalhos foram desenvolvidos para detecção de guias, e a maioria dos avanços em detecção de sinalizações horizontais foi focada na detecção de faixas apenas. Portanto, para que fosse possível detectar todas essas características visuais, seria necessário executar diversos algoritmos simultaneamente. Alternativamente, como sendo a principal contribuição deste trabalho, foi proposto a adoção de uma Rede Neural Totalmente Convolutiva, denominado 3CSeg-Multinet, para detectar guias e sinalizações horizontais em apenas uma inferência. Como não havia um conjunto de dados rotulados disponível para treinar e validar a rede, foi gerado um novo conjunto com imagens capturadas em ambiente urbano brasileiro, e foi realizado a rotulação manual. Através de uma análise visual dos resultados experimentais obtidos, o método proposto mostrou-se eficaz e robusto contra a maioria dos fatores que causam confusão nas imagens, executando a aproximadamente 10 fps em uma GPU. Ainda, com o intuito de garantir a percepção espacial, foram usados métodos de visão estéreo para projetar as características detectadas em núvem de pontos. Finalmente, foi apresentado também um modelo de localização métrica baseado em visão para validar a aplicabilidade do sistema de percepção proposto em um veículo. Em um experimento, este método de localização revelou-se capaz de manter as estimativas consistentes com a verdadeira pose do veículo em um mapa gerado a partir de um sensor LIDAR
  • Imprenta:
  • Data da defesa: 28.02.2018
  • Acesso à fonte
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      HORITA, Luiz Ricardo Takeshi; GRASSI JUNIOR, Valdir. Visual urban road features detection using convolutional neural network with application on vehicle localization. 2018.Universidade de São Paulo, São Carlos, 2018. Disponível em: < http://www.teses.usp.br/teses/disponiveis/18/18153/tde-10122018-152247/pt-br.php >.
    • APA

      Horita, L. R. T., & Grassi Junior, V. (2018). Visual urban road features detection using convolutional neural network with application on vehicle localization. Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/18/18153/tde-10122018-152247/pt-br.php
    • NLM

      Horita LRT, Grassi Junior V. Visual urban road features detection using convolutional neural network with application on vehicle localization [Internet]. 2018 ;Available from: http://www.teses.usp.br/teses/disponiveis/18/18153/tde-10122018-152247/pt-br.php
    • Vancouver

      Horita LRT, Grassi Junior V. Visual urban road features detection using convolutional neural network with application on vehicle localization [Internet]. 2018 ;Available from: http://www.teses.usp.br/teses/disponiveis/18/18153/tde-10122018-152247/pt-br.php

    Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2021