@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/ibi/8JMKD3MGP3W34R/3T8K6N5",
targetfile = "publicacao.pdf",
urlaccessdate = "26 abr. 2024"
}