@PhDThesis{Fornari:2021:CaDeSi,
author = "Fornari, Gabriel",
title = "Caracteriza{\c{c}}{\~a}o e desenvolvimento de um sistema
autoadaptativo para estima{\c{c}}{\~a}o da posi{\c{c}}{\~a}o
de ve{\'{\i}}culos a{\'e}reos n{\~a}o tripulados baseado em
imagens",
school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
year = "2021",
address = "S{\~a}o Jos{\'e} dos Campos",
month = "2020-12-22",
keywords = "sistemas autoadaptativos, Ve{\'{\i}}culos A{\'e}reos N{\~a}o
Tripulados (VANTs), vis{\~a}o computacional,
estima{\c{c}}{\~a}o da posi{\c{c}}{\~a}o por imagens,
aprendizado de m{\'a}quina, self-adaptive systems, Unmaned Aerial
Vehicles (UAVs), computer vision, pose estimation based on images,
machine learning.",
abstract = "Ambientes operacionais din{\^a}micos requerem que sejam
desenvolvidos sistemas que possam se adaptar a mudan{\c{c}}as
n{\~a}o determin{\'{\i}}sticas das condi{\c{c}}{\~o}es
operacionais. Na literatura, {\'a}reas com diferentes
nomenclaturas estudam o processo de adapta{\c{c}}{\~a}o em
sistemas de engenharia, tais como sistemas autoadaptativos e
sistemas reconfigur{\'a}veis. Recentemente, os Ve{\'{\i}}culos
A{\'e}reos N{\~a}o Tripulados (VANTs) passaram a ser utilizados
em diferentes aplica{\c{c}}{\~o}es. Tais ve{\'{\i}}culos
necessitam de um sistema de estima{\c{c}}{\~a}o da
posi{\c{c}}{\~a}o para serem capazes de realizar o controle e
navega{\c{c}}{\~a}o da aeronave. A despeito de ser por meio do
Sistema Global de Navega{\c{c}}{\~a}o por Sat{\'e}lite (GNSS)
que a estimativa de posi{\c{c}}{\~a}o de VANTs em tempo real
{\'e} mais usualmente identificada, devido a uma s{\'e}rie de
problemas associados ao uso de sat{\'e}lites no c{\'a}lculo da
posi{\c{c}}{\~a}o, metodologias alternativas est{\~a}o sendo
propostas para o mesmo fim, como o uso de sensores imageadores e
vis{\~a}o computacional. Nesse sentido, diferentes algoritmos de
vis{\~a}o computacional podem ser utilizados para compor o
sistema de navega{\c{c}}{\~a}o do VANT, que, por sua vez, se
encontra imerso em um ambiente operacional cujas
condi{\c{c}}{\~o}es podem variar dinamicamente. A presente tese
de doutorado objetiva contribuir para o processo de
navega{\c{c}}{\~a}o aut{\^o}noma de VANTs por meio da
vis{\~a}o computacional identificando o mais adequado, entre
v{\'a}rios algoritmos de vis{\~a}o computacional, para a
estima{\c{c}}{\~a}o da posi{\c{c}}{\~a}o de VANTs por imagens
obtidas sob diferentes condi{\c{c}}{\~o}es ambientais. Para esse
processo, {\'e} proposto o uso de diferentes t{\'e}cnicas de
Aprendizado de M{\'a}quina, que incluem M{\'a}quinas de Vetores
de Suporte, {\'A}rvores de Classifica{\c{c}}{\~a}o e Redes
Neurais Artificiais. Os resultados revelam que a abordagem
autoadaptativa melhora o desempenho, para estimar a
posi{\c{c}}{\~a}o de VANTs por meio de imagens, se comparada a
uma abordagem n{\~a}o adaptativa est{\'a}tica, demonstrando a
viabilidade dessa pesquisa. ABSTRACT: Dynamic operating
environments demand the development of systems able to selfadapt
to non-deterministic changes in operating conditions. In the
scientific literature, different nomenclatures are used to name
the study of adaptation process in engineering systems, such as
self-adaptive systems and reconfigurable systems. Recently,
Unmanned Aerial Vehicles (UAV) have been used in different
applications. Such vehicles need a pose estimation system and,
consequently, a system able to control and navigate the aircraft.
Despite the fact that it is by means of Global Navigation
Satellite System (GNSS) that the estimation of the position of
real-time UAVs is usually estimated, there is a series of problems
associated to the use of satellites in the computation of the
position, and new alternative methodologies are being proposed for
the same goal, as the use of imaging sensors and computer vision.
In this sense, different algorithms of computer vision can be used
to compose the navigation system of the UAV, which, in turn, is
immersed in an operating environment whose conditions can change
dynamically. This PhD thesis aims to contribute to the process of
autonomous navigation of UAVs using computer vision identifying
the most appropriate, among several camputer vision algorithms,
for the pose estimation system of UAVs based on images obtained
under different environmental conditions. For this strategy,
several Machine Learning methods are used, including Artificial
Neural Networks (ANN), Support Vector Machines (SVM), and
Classification Trees. The results revealed that the adaptive
methodology can increase performance, to estimate the position of
UAVs using imagens, if compared to a nonadaptive static
methodology, demonstrating the viability of this research.",
committee = "Guimar{\~a}es, Lamartine Nogueira Frutuoso (presidente) and
Santiago Junior, Valdivino Alexandre de (orientador) and
Shiguemori, Elcio Hideiti (orientador) and Velho, Haroldo Fraga de
Campos and K{\"o}rting, Thales Sehn and Almeida Junior, Jurandy
Gomes de and Maximo, Marcos Ricardo Omena de Alburquerque",
englishtitle = "Characterization and development of a self-adaptive system for
estimating the position of unmanned aerial vehicles based on
images",
language = "pt",
pages = "155",
ibi = "8JMKD3MGP3W34R/44582LP",
url = "http://urlib.net/ibi/8JMKD3MGP3W34R/44582LP",
targetfile = "publicacao.pdf",
urlaccessdate = "09 maio 2024"
}