Rastreamento de múltiplos obstáculos em veículos autônomos com fusão de sensores

• Processo: 15/26293-0
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Vigência (Início): 01 de julho de 2016
• Vigência (Término): 31 de julho de 2019
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Denis Fernando Wolf
• Beneficiário: Thomio Watanabe
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Visão computacional Robôs móveis
• Palavra(s)-Chave do Pesquisador: Detecção de Obstáculos | Fusão de sensores | Rastreamento de obstáculos | Robótica móvel | Visão Computacional | Robótica móvel

Resumo

O desenvolvimento de veículos autônomos ainda é um grande desafio tecnológico. Apesar dos avanços da visão computacional, as soluções atuais ainda não são confiáveis o suficientes para comercialização da tecnologia. A grande quantidade de elementos e eventos encontrados no trânsito impõe a utilização de soluções robustas e aplicáveis a qualquer situação. Enquanto um veículo completamente autônomo é inviável, a automatização vem se dando de forma gradativa onde as montadoras de veículos adicionam novas funcionalidades que tornam a condução do veículo mais cômoda e segura.Este projeto de doutorado propõe o rastreamento de múltiplos obstáculos em vias automotivas urbanas através da fusão de câmeras de vídeo e de um sensor LIDAR. O rastreamento pode ser definido como a estimativa da trajetória de objetos. A informação sobre a trajetória de obstáculos ajuda a melhorar a navegação do veículo e é a base para a análise de comportamento dos outros veículos da via. Por sua vez, o rastreamento depende da detecção de obstáculos. Enquanto a detecção de obstáculos já possui soluções confiáveis, o rastreamento baseado em visão ainda apresenta grandes falhas. Em algumas soluções propostas, além da grande taxa de erro, a oclusão parcial dos obstáculos impossibilita o rastreamento. As soluções de rastreamento que se baseiam apenas na visão computacional passam pelas etapas de aquisição de imagens, pré-processamento e detecção, gerando um longo pipeline na qual erros se propagam em cada etapa. A utilização do sensor LIDAR fornece diretamente informações sobre a posição dos objetos ao redor, através de nuvens de pontos. Como não há necessidade de imagens para calcular a distância ou velocidade dos obstáculos, espera-se obter resultados mais confiáveis e reduzir o custo computacional do rastreamento.Para a detecção de obstáculos sugere-se a utilização do descritor de features HOG e do classificador SVMs. Já o rastreamento deve ser baseado no filtro de Kalman e no KLD Adaptive Particle Filter Tracker. A maior contribuição científica deste trabalho está na fusão de imagens e nuvens de pontos para solucionar problemas como o rastreamento de múltiplos obstáculos em ambientes com oclusão parcial para aplicações em tempo-real.

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)

WATANABE, THOMIO; WOLF, DENIS F.. Image classification in frequency domain with 2SReLU: A second harmonics superposition activation function. APPLIED SOFT COMPUTING, v. 112, NOV 2021. (15/26293-0)