@MastersThesis{Goltz:2011:ReNeAr,
               author = "Goltz, Gustavo Augusto Mascarenhas",
                title = "Redes neurais artificiais em imagens para estima{\c{c}}{\~a}o da 
                         posi{\c{c}}{\~a}o de um VANT",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2011",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2011-05-06",
             keywords = "redes neurais artificiais, reconhecimento de padr{\~o}es em 
                         imagens, navega{\c{c}}{\~a}o a{\'e}rea aut{\^o}noma, 
                         processamento de imagens, artificial neural networks, pattern 
                         recognition on images, autonomous air navigation, image 
                         processing.",
             abstract = "A aplica{\c{c}}{\~a}o de Ve{\'{\i}}culos A{\'e}reos N{\~a}o 
                         Tripulados (VANTs) intensificou-se nos {\'u}ltimos tempos devido 
                         ao baixo custo operacional e de fabrica{\c{c}}{\~a}o comparados 
                         {\`a}s aeronaves convencionais, aus{\^e}ncia de 
                         tripula{\c{c}}{\~a}o (aplica{\c{c}}{\~o}es em tarefas 
                         tediosas, cansativas ou que envolvem risco {\`a} 
                         tripula{\c{c}}{\~a}o), maior autonomia, entre outros fatores. A 
                         navega{\c{c}}{\~a}o a{\'e}rea por imagens, capturadas em tempo 
                         real da regi{\~a}o sobrevoada pelo VANT, {\'e} uma alternativa 
                         para a navega{\c{c}}{\~a}o aut{\^o}noma destas aeronaves. As 
                         Redes Neurais Artificiais (RNAs) s{\~a}o ferramentas usadas com 
                         sucesso em diversas aplica{\c{c}}{\~o}es que envolvem 
                         processamento de imagens devido ao seu baixo custo computacional, 
                         toler{\^a}ncia a falhas e robustez ao ru{\'{\i}}do. A 
                         navega{\c{c}}{\~a}o a{\'e}rea aut{\^o}noma por imagens {\'e} 
                         uma aplica{\c{c}}{\~a}o com potencial para o emprego de RNAs por 
                         necessitar de processamento r{\'a}pido, embarcado e tolerante a 
                         falhas. Neste contexto foram usadas tr{\^e}s RNAs com treinamento 
                         supervisionado e de diferentes arquiteturas (rede com 
                         fun{\c{c}}{\~o}es de base radial, rede perceptron de 
                         m{\'u}ltiplas camadas e rede neural celular) aplicadas na 
                         extra{\c{c}}{\~a}o de bordas em imagens a{\'e}reas e de 
                         sat{\'e}lite, para posterior c{\'a}lculo da 
                         correla{\c{c}}{\~a}o no dom{\'{\i}}nio espacial entre as 
                         bordas dessas imagens, a fim de simular a estima{\c{c}}{\~a}o da 
                         posi{\c{c}}{\~a}o geogr{\'a}fica de um VANT. A 
                         informa{\c{c}}{\~a}o de borda neste caso {\'e} interessante por 
                         ser invari{\'a}vel ao tipo de sensor de imageamento 
                         (sat{\'e}lite e imagens a{\'e}reas). Para a 
                         aplica{\c{c}}{\~a}o, as redes neurais foram comparadas com os 
                         operadores Sobel e Canny. ABSTRACT: The application of Unmanned 
                         Aerial Vehicles (UAVs) has intensified in recent years due to low 
                         operating cost and manufacturing compared to conventional 
                         aircraft, no crew (applications on tedious tasks, tiring, or that 
                         involve risk to the crew), more autonomy, among other factors. The 
                         navigation based on images, captured in real time of the area 
                         overflown by the UAV, is an alternative for autonomous navigation 
                         of such aircraft. Artificial Neural Networks (ANNs) are powerful 
                         tools used in various applications involving image processing due 
                         to its low computational cost, fault tolerance and robustness to 
                         noise. The autonomous navigation of images is an application for 
                         employment potential of ANNs because need fast processing, 
                         embedded code, and fault tolerance. In this context, three ANNs 
                         were approached with supervised training and different 
                         architectures (neural network radial basis function, multilayer 
                         perceptron and cellular neural network) applied in edge detection 
                         on aerial and satellite images, for later calculation of the 
                         correlation in spatial domain between these images to simulate the 
                         estimation of the geographical position of a vehicle autonomous 
                         unmanned air. For the application, these ANNs were compared with 
                         the Sobel operator and Canny algorithm.",
            committee = "Sandri, Sandra Aparecida (presidente) and Velho, Haroldo Fraga de 
                         Campos (orientador) and Shiguemori, Elcio Hideiti (orientador) and 
                         Fonseca, Leila Maria Garcia and Dutra, Luciano Vieira and Braga, 
                         Antonio de P{\'a}dua",
           copyholder = "SID/SCD",
         englishtitle = "Artificial neural networks on images for UAV position estimation",
             language = "pt",
                pages = "116",
                  ibi = "8JMKD3MGP7W/39EBJ7S",
                  url = "http://urlib.net/ibi/8JMKD3MGP7W/39EBJ7S",
           targetfile = "publicacao.pdf",
        urlaccessdate = "08 maio 2024"
}