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:
- Publisher place: São Carlos
- Date published: 2018
- Data da defesa: 28.02.2018
-
ABNT
HORITA, Luiz Ricardo Takeshi. Visual urban road features detection using convolutional neural network with application on vehicle localization. 2018. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2018. Disponível em: http://www.teses.usp.br/teses/disponiveis/18/18153/tde-10122018-152247/. Acesso em: 01 jun. 2025. -
APA
Horita, L. R. T. (2018). Visual urban road features detection using convolutional neural network with application on vehicle localization (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/18/18153/tde-10122018-152247/ -
NLM
Horita LRT. Visual urban road features detection using convolutional neural network with application on vehicle localization [Internet]. 2018 ;[citado 2025 jun. 01 ] Available from: http://www.teses.usp.br/teses/disponiveis/18/18153/tde-10122018-152247/ -
Vancouver
Horita LRT. Visual urban road features detection using convolutional neural network with application on vehicle localization [Internet]. 2018 ;[citado 2025 jun. 01 ] Available from: http://www.teses.usp.br/teses/disponiveis/18/18153/tde-10122018-152247/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
