Mapeamento, Detecção e Reconhecimentos de Semáforos.
Nome: TIAGO ALVES DE OLIVEIRA
Tipo: Dissertação de mestrado acadêmico
Data de publicação: 27/02/2014
Orientador:
Nome |
Papel |
|---|---|
| ALBERTO FERREIRA DE SOUZA | Orientador |
Banca:
| Nome |
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.
