@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"
}