Fechar
Metadados

@MastersThesis{Vieira:2019:PlAuRo,
               author = "Vieira, Leonardo de Souza",
                title = "Planejamento autom{\'a}tico de rotas baseado no reconhecimento de 
                         marcos aplicado {\`a} navega{\c{c}}{\~a}o a{\'e}rea 
                         aut{\^o}noma",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2019",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2019-05-07",
             keywords = "Vis{\~a}o computacional, Ve{\'{\i}}culos A{\'e}reos N{\~a}o 
                         Tripulados (VANTs), otimiza{\c{c}}{\~a}o. planejamento de rotas, 
                         computer vision, Unmanned Aerial Vehicles (UAVs), optimization, 
                         route planning.",
             abstract = "Neste trabalho {\'e} apresentada uma metodologia para o 
                         planejamento autom{\'a}tico de rotas em VANTs que utilizam um 
                         sistema de navega{\c{c}}{\~a}o por imagens baseado no 
                         Reconhecimento de Marcos (RM). O planejamento de voo desenvolvido 
                         considera fatores espec{\'{\i}}ficos do RM para determinar uma 
                         rota que aumente a chance de cumprimento da miss{\~a}o. O 
                         desenvolvimento foi dividido em dois m{\'o}dulos: m{\'o}dulo de 
                         detec{\c{c}}{\~a}o autom{\'a}tica de marcos (MDAM) e 
                         m{\'o}dulo de planejamento autom{\'a}tico da rota (MPAR). O MDAM 
                         detecta um conjunto de marcos a partir de uma imagem 
                         refer{\^e}ncia. Para desenvolver o MDAM foi utilizada uma 
                         abordagem que se baseia no agrupamento de pontos 
                         caracter{\'{\i}}sticos da imagem. No estudo foram avaliados 11 
                         diferentes m{\'e}todos de agrupamento para definir o m{\'e}todo 
                         mais indicado para a aplica{\c{c}}{\~a}o. A partir do estudo o 
                         m{\'e}todo Mean Shift foi adotado no desenvolvimento. Com o Mean 
                         Shift foi poss{\'{\i}}vel desenvolver um modelo adaptativo que 
                         considera a altura de voo e o {\^a}ngulo de abertura da 
                         c{\^a}mera na detec{\c{c}}{\~a}o dos marcos. O MPAR define uma 
                         rota baseada na chance de reconhecimento dos marcos detectados 
                         pelo MDAM. Para o desenvolvimento do MPAR foi proposta uma 
                         modelagem matem{\'a}tica para o c{\'a}lculo da rota. O 
                         planejamento autom{\'a}tico de rotas desenvolvido contribui para 
                         aumento das chances de cumprimento de voos. Al{\'e}m disto, a 
                         metodologia apresenta baixo custo computacional o que possibilita 
                         ajustar a rota pr{\'e}-planejada em voo. ABSTRACT: This work 
                         presents a methodology for the automatic planning of routes in 
                         UAVs that use an image navigation system based on Landmark 
                         Recognition (LR). The developed flight planning considers specific 
                         LR factors to determine a route that increases the chance of 
                         accomplishing the mission. The development was divided into two 
                         modules: Automatic Landmark Detection Module (ALDM) and Automatic 
                         Route Planning Module (ARPM). MDAM detects a set of milestones 
                         from a reference image. To develop the ALDM, an approach was used 
                         that is based on the grouping of characteristic points of the 
                         image. In the study 11 different grouping methods were evaluated 
                         to define the most suitable method for the application. From the 
                         study the method textit Mean Shift was adopted in development. 
                         With Mean Shift it was possible to develop an adaptive model that 
                         considers the flight height and the opening angle of the camera in 
                         the detection of the frames. The ARPM defines a route based on the 
                         chance of recognizing milestones detected by ALDM. For the 
                         development of the ARPM, a mathematical modeling was proposed to 
                         calculate the route. The automatic route planning developed 
                         contributes to increased flight chances. In addition, the 
                         methodology presents low computational cost, which makes it 
                         possible to adjust the pre-planned in-flight route.",
            committee = "K{\"o}rting, Thales Sehn (presidente) and Guimar{\~a}es, 
                         Lamartine Nogueira Frutuoso (orientador) and Queiroz, Gilberto 
                         Ribeiro de and Shiguemori, Elcio Hideiti and Medeiros, Felipe 
                         Leonardo L{\^o}bo",
         englishtitle = "Automatic route planning based on the recognition of landmarks 
                         applied to autonomous air navigation",
             language = "pt",
                pages = "173",
                  ibi = "8JMKD3MGP3W34R/3T8K6N5",
                  url = "http://urlib.net/rep/8JMKD3MGP3W34R/3T8K6N5",
           targetfile = "publicacao.pdf",
        urlaccessdate = "29 nov. 2020"
}


Fechar