Detecção de trajetória para veículos autônomos usando visão computacional e aprendizagem on-line

• Processo: 12/21079-1
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Mestrado
• Data de Início da vigência: 01 de março de 2013
• Data de Término da vigência: 31 de agosto de 2013
• Área de conhecimento: Engenharias - Engenharia Mecânica
• Pesquisador responsável: Marcelo Becker
• Beneficiário: Henry Antonio Roncancio Velandia
• Supervisor: Alberto Broggi
• Instituição Sede: Escola de Engenharia de São Carlos (EESC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Instituição Anfitriã: Università degli Studi di Parma, Itália
• Vinculado à bolsa: 11/03986-9 - Detecção e classificação de objetos em ambientes externos para navegação de um veículo de passeio autônomo utilizando fusão de dados de visão artificial e sensor laser, BP.MS
• Assunto(s): Robótica Robôs móveis Visão computacional Algoritmos Aprendizado computacional Veículos autônomos
• Palavra(s)-Chave do Pesquisador: robôs móveis | Robótica | Veículos Autoônomos | Visão Artificial | Robótica

Resumo

Este projeto de pesquisa será desenvolvido no VisLab na Universidade de Parma (Itália), como parte da parceria existente entre o LabRoM (USP - EESC) e o VisLab. O seu objetivo principal é o desenvolvimento de algoritmos para detecção de trajeto usando visão computacional, em especial, trajetos em ambientes urbanos e off-roads. Nesta pesquisa deseja-se melhorar systems de navegação atualmente encontrados na literatura que são baseados na análise 3D do terreno e no conhecimento a priori das características visuais do ambiente, através da adição online de um processo de aprendizagem. Logo, serão implementados a técnica de "road feature extractor", um módulo de treinamento dinâmico em conjunto com um classificador supervisionado e um módulo pós-processado para segmentação de trajeto e definição de "custo de transversabilidade". Todos os algoritmos serão escritos em C++ e implementados no GOLD framework, uma ferramenta desenvolvida no VisLab para o design de sistemas de visão computacional. Além disto, diversas técnicas de "machine learning" serão testadas para a tarefa de ajuste do classificador. Um dos desafios desta pesquisa será o design de algoritmos focados em rapidez de processamento, visto que eles serão testados online. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

RONCANCIO, HENRY; BECKER, MARCELO; BROGGI, ALBERTO; CATTANI, STEFANO; IEEE. Traversability Analysis Using Terrain Mapping and Online-trained Terrain Type Classifier. 2014 IEEE INTELLIGENT VEHICLES SYMPOSIUM PROCEEDINGS, v. N/A, p. 6-pg., 2014-01-01. (12/21079-1)