Reidentificação de objetos no espaço BEV: uma abordagem baseada em deep cosine metric learning (2025)
- Authors:
- Autor USP: OLIVEIRA, BRUNO BORGES DE - EESC
- Unidade: EESC
- Sigla do Departamento: SEL
- DOI: 10.11606/D.18.2025.tde-13102025-161242
- Subjects: VEÍCULOS AUTÔNOMOS; REDES NEURAIS; CIRCULAÇÃO DE PEDESTRES; SENSOR; ALGORITMOS
- Keywords: Redes neurais convolucionais; Reidentificação
- Agências de fomento:
- Language: Português
- Abstract: Nos últimos anos, os veículos autônomos vêm ganhando destaque por seu potencial de revolucionar o transporte, oferecendo maior segurança, eficiência e comodidade. Para que esses sistemas operem de forma segura e confiável, é essencial que percebam o ambiente ao redor com precisão, detectando, classificando e acompanhando objetos dinâmicos como pedestres, veículos e ciclistas. Uma das tarefas fundamentais nesse processo é o rastreamento de objetos, que permite ao veículo manter a continuidade da informação sobre cada objeto ao longo do tempo. No entanto, em cenários complexos, com oclusões, mudanças de perspectiva ou perda temporária de detecção, apenas o rastreamento pode não ser suficiente. Nesse contexto, a reidentificação de objetos (ReID) representa uma etapa complementar fundamental no rastreamento, permitindo que o sistema reconheça e associe corretamente objetos previamente observados, mesmo após interrupções, reforçando a robustez e a continuidade do rastreamento. Apesar de promissora quanto ao aumento na robustez do rastreamento, essa etapa apresenta grandes desafios quando baseada exclusivamente em imagens, evidenciando a necessidade da fusão de sensores em espaços comuns como o Birds Eye View (BEV) para melhorar a identificação em condições adversas. Este trabalho propõe um algoritmo de ReID que realiza a transformação de imagens para o espaço BEV, permitindo a reidentificação diretamente nessa representação sem perder as características visuais dos objetos. O desenvolvimento do método foi estruturado em três fases: criação de um algoritmo de conversão de imagens para BEV utilizando como base o Lift-Splat-Shoot (LSS), com modificações para garantir a preservação das features; extração de um conjunto de dados de ReID em BEV a partir do Nuscenes por meio desse algoritmo; e implementação de um modelo de ReID baseado no Deep Cosine Metric Learning, treinado com os dados gerados. Os resultadosdemonstram que a abordagem proposta supera modelos convencionais baseados em imagens treinados para pedestres, considerando a métrica mAP (mediana das médias de precisão), e apresenta um desempenho equivalente para veículos, tanto em mAP quanto nas métricas de precisão Rank 1 e Rank 5
- Imprenta:
- Publisher place: São Carlos
- Date published: 2025
- Data da defesa: 09.09.2025
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
OLIVEIRA, Bruno Borges de. Reidentificação de objetos no espaço BEV: uma abordagem baseada em deep cosine metric learning. 2025. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2025. Disponível em: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-13102025-161242/. Acesso em: 28 fev. 2026. -
APA
Oliveira, B. B. de. (2025). Reidentificação de objetos no espaço BEV: uma abordagem baseada em deep cosine metric learning (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/18/18153/tde-13102025-161242/ -
NLM
Oliveira BB de. Reidentificação de objetos no espaço BEV: uma abordagem baseada em deep cosine metric learning [Internet]. 2025 ;[citado 2026 fev. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-13102025-161242/ -
Vancouver
Oliveira BB de. Reidentificação de objetos no espaço BEV: uma abordagem baseada em deep cosine metric learning [Internet]. 2025 ;[citado 2026 fev. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-13102025-161242/
Informações sobre o DOI: 10.11606/D.18.2025.tde-13102025-161242 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
