Mapeamento, Detecção e Reconhecimentos de Semáforos.

Nome: Tiago Alves de Oliveira
Tipo: Dissertação de mestrado acadêmico
Data de publicação: 27/02/2014
Orientador:

Nomeordem decrescente Papel
Alberto Ferreira De Souza Orientador

Banca:

Nomeordem decrescente Papel
Alberto Ferreira De Souza Orientador
Edilson de Aguiar Coorientador
Karin Satie Komati Examinador Externo
Thiago Oliveira dos Santos Examinador Interno

Resumo: A segurança durante a condução é um tema de pesquisa muito importante para a indústria automotiva. Uma das tecnologias que podem tornar os carros mais seguros para dirigir é a de detecção automática da presença e o reconhecimento automático do estado de semáforos. Em situações do mundo real, dada a variação de aparência substancial, por exemplo, devido a diferentes condições de luz, clima, mudanças de ponto de vista, formatos diferentes, falta de padronização, o envelhecimento do semáforo e até deformações, métodos robustos são necessários.

Neste trabalho investigamos e implementamos métodos computacionais para mapeamento, detecção e o reconhecimento do estado de semáforos. Nós empregamos Haar Cascadepara a detecção de semáforos em imagens capturadas on-line por câmeras, e Support Vector Machines (SVM) para o reconhecimento do estado dos mesmos. Para obtenção destas imagens nós utilizamos o veículo autônomo desenvolvido na UFES (IARA - Intelligent Autonomous Robotic Automobile).

Além de identificar os semáforos em imagens capturadas pela IARA, é conveniente armazenar suas coordenadas geográficas em mapas para aumentar a confiabilidade da detecção e do reconhecimento do estado dos mesmos no futuro, quando a IARA voltar a encontra-los. Assim, foi desenvolvido um sistema para inserir a pose de semáforos em mapas de grid para veículos autônomos e mecanismos para localizar os semáforos em mapas previamente existentes automaticamente.

O sistema proposto foi integrado à IARA, sendo capaz de identificar com grande precisão semáforos em distâncias variando entre 15 e 80 metros, em um tempo de aproximadamente 0,035 segundos por imagem, ou seja, em tempo real. O detector de semáforos obteve taxas de 95% de precisão e 50% de recall. O reconhecedor de estados alcançou uma taxa de 98% de precisão. O desempenho do sistema como um todo foi de 58% de recall e 99% de precisão.

Acesso à informação
Transparência Pública

© 2013 Universidade Federal do Espírito Santo. Todos os direitos reservados.
Av. Fernando Ferrari, 514 - Goiabeiras, Vitória - ES | CEP 29075-910