Deteção de obstáculos em passagens de nível

Detalhes bibliográficos
Autor(a) principal: Amaral, Vítor José Matias
Data de Publicação: 2015
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10071/11103
Resumo: As passagens de nível automáticas são pontos sensíveis na ferrovia, onde anualmente ocorrem acidentes com vítimas mortais. Com vista a mitigar o número de vítimas, esta dissertação apresenta um sistema para detecção de obstáculos em passagens de nível a partir de nuvens de pontos 3D recolhidas com um sensor laser 2D montado sobre uma plataforma oscilante. Numa fase de calibração, o sistema aprende a posição e orientação da passagem de nível relativamente ao sensor laser. Seguidamente o sistema aprende um mapa volumétrico que indica as zonas da passagem de nível que estão ocupadas com objetos estáticos e, portanto, não são obstáculos. Terminado o treino, o sistema procura, antes de cada passagem de um comboio, por objetos presentes no ambiente que não estejam representados no mapa volumétrico aprendido. Esses objetos são reportados como obstáculos, cujo nível de relevância varia de acordo com as suas dimensões e distância ao eixo da via. Comparativamente a sistemas anteriores, tipicamente baseados em RADAR, câmaras de vídeo e sensores laser estáticos, o sistema aqui apresentado é capaz de simultaneamente detetar obstáculos de menor volumetria, ser robusto a variações de iluminação e ser calibrado de forma semi-automática, o que reduz o tempo de instalação. Estas características foram validadas num conjunto de 32 nuvens de pontos recolhidas numa passagem de nível ocupada com obstáculos de variada dimensão. Os testes experimentais mostram que o sistema é capaz de detetar obstáculos de volumetria igual ou superior a 10dm3 em cerca de 615 ms. Este desempenho é suficiente para garantir os requisitos operacionais das passagens de nível automatizadas
id RCAP_ebf042ae50ded96764ee08a362c9a07a
oai_identifier_str oai:repositorio.iscte-iul.pt:10071/11103
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Deteção de obstáculos em passagens de nívelDeteção de obstáculosPassagens de nívelPNSistema de deteção de obstáculosSDOPCLPoint cloud libraryDetection of obstaclesLevel crossingsObstacle detection systemPoint cloud libraryAs passagens de nível automáticas são pontos sensíveis na ferrovia, onde anualmente ocorrem acidentes com vítimas mortais. Com vista a mitigar o número de vítimas, esta dissertação apresenta um sistema para detecção de obstáculos em passagens de nível a partir de nuvens de pontos 3D recolhidas com um sensor laser 2D montado sobre uma plataforma oscilante. Numa fase de calibração, o sistema aprende a posição e orientação da passagem de nível relativamente ao sensor laser. Seguidamente o sistema aprende um mapa volumétrico que indica as zonas da passagem de nível que estão ocupadas com objetos estáticos e, portanto, não são obstáculos. Terminado o treino, o sistema procura, antes de cada passagem de um comboio, por objetos presentes no ambiente que não estejam representados no mapa volumétrico aprendido. Esses objetos são reportados como obstáculos, cujo nível de relevância varia de acordo com as suas dimensões e distância ao eixo da via. Comparativamente a sistemas anteriores, tipicamente baseados em RADAR, câmaras de vídeo e sensores laser estáticos, o sistema aqui apresentado é capaz de simultaneamente detetar obstáculos de menor volumetria, ser robusto a variações de iluminação e ser calibrado de forma semi-automática, o que reduz o tempo de instalação. Estas características foram validadas num conjunto de 32 nuvens de pontos recolhidas numa passagem de nível ocupada com obstáculos de variada dimensão. Os testes experimentais mostram que o sistema é capaz de detetar obstáculos de volumetria igual ou superior a 10dm3 em cerca de 615 ms. Este desempenho é suficiente para garantir os requisitos operacionais das passagens de nível automatizadasAutomatic level crossings are sensitive points on the railway infrastructure, where accidents occur annually with fatalities. In order to mitigate the number of victims, this work presents a system for obstacle detection at level crossings from 3D point clouds acquired with tilting 2D laser scanners. During a calibration phase, the system learns the position and orientation of the level crossing with respect to the laser sensor. Then, the system learns a volumetric map indicating the level crossing?s zones that are occupied with static objects and, therefore, are not obstacles. After the training phase, the system checks, before each passage of a train, for the presence of objects in the environment that are not represented in the learnt volumetric map. These objects are reported as obstacles, whose level of importance varies according to their size and distance to the center of the track. Compared to previous systems, typically based on RADAR, video cameras, and static 2D laser scanners, the system herein presented is capable of simultaneously detecting obstacles of lower volume, robustly handle lighting variations, and being calibrated semi-automatically, which reduces setup time. These characteristics were validated on a set of 32 point clouds acquired on a level crossing occupied with obstacles of various sizes. The experimental results show that the system is able to detect obstacles as small as 10dm3 in 615 ms . This performance is sufficient to ensure the operational requirements of automated level crossings2016-03-17T11:52:52Z2015-01-01T00:00:00Z20152015-09info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfapplication/octet-streamhttp://hdl.handle.net/10071/11103TID:201137100porAmaral, Vítor José Matiasinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-07-07T02:58:54Zoai:repositorio.iscte-iul.pt:10071/11103Portal AgregadorONGhttps://www.rcaap.pt/oai/openairemluisa.alvim@gmail.comopendoar:71602024-07-07T02:58:54Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Deteção de obstáculos em passagens de nível
title Deteção de obstáculos em passagens de nível
spellingShingle Deteção de obstáculos em passagens de nível
Amaral, Vítor José Matias
Deteção de obstáculos
Passagens de nível
PN
Sistema de deteção de obstáculos
SDO
PCL
Point cloud library
Detection of obstacles
Level crossings
Obstacle detection system
Point cloud library
title_short Deteção de obstáculos em passagens de nível
title_full Deteção de obstáculos em passagens de nível
title_fullStr Deteção de obstáculos em passagens de nível
title_full_unstemmed Deteção de obstáculos em passagens de nível
title_sort Deteção de obstáculos em passagens de nível
author Amaral, Vítor José Matias
author_facet Amaral, Vítor José Matias
author_role author
dc.contributor.author.fl_str_mv Amaral, Vítor José Matias
dc.subject.por.fl_str_mv Deteção de obstáculos
Passagens de nível
PN
Sistema de deteção de obstáculos
SDO
PCL
Point cloud library
Detection of obstacles
Level crossings
Obstacle detection system
Point cloud library
topic Deteção de obstáculos
Passagens de nível
PN
Sistema de deteção de obstáculos
SDO
PCL
Point cloud library
Detection of obstacles
Level crossings
Obstacle detection system
Point cloud library
description As passagens de nível automáticas são pontos sensíveis na ferrovia, onde anualmente ocorrem acidentes com vítimas mortais. Com vista a mitigar o número de vítimas, esta dissertação apresenta um sistema para detecção de obstáculos em passagens de nível a partir de nuvens de pontos 3D recolhidas com um sensor laser 2D montado sobre uma plataforma oscilante. Numa fase de calibração, o sistema aprende a posição e orientação da passagem de nível relativamente ao sensor laser. Seguidamente o sistema aprende um mapa volumétrico que indica as zonas da passagem de nível que estão ocupadas com objetos estáticos e, portanto, não são obstáculos. Terminado o treino, o sistema procura, antes de cada passagem de um comboio, por objetos presentes no ambiente que não estejam representados no mapa volumétrico aprendido. Esses objetos são reportados como obstáculos, cujo nível de relevância varia de acordo com as suas dimensões e distância ao eixo da via. Comparativamente a sistemas anteriores, tipicamente baseados em RADAR, câmaras de vídeo e sensores laser estáticos, o sistema aqui apresentado é capaz de simultaneamente detetar obstáculos de menor volumetria, ser robusto a variações de iluminação e ser calibrado de forma semi-automática, o que reduz o tempo de instalação. Estas características foram validadas num conjunto de 32 nuvens de pontos recolhidas numa passagem de nível ocupada com obstáculos de variada dimensão. Os testes experimentais mostram que o sistema é capaz de detetar obstáculos de volumetria igual ou superior a 10dm3 em cerca de 615 ms. Este desempenho é suficiente para garantir os requisitos operacionais das passagens de nível automatizadas
publishDate 2015
dc.date.none.fl_str_mv 2015-01-01T00:00:00Z
2015
2015-09
2016-03-17T11:52:52Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10071/11103
TID:201137100
url http://hdl.handle.net/10071/11103
identifier_str_mv TID:201137100
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/octet-stream
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv mluisa.alvim@gmail.com
_version_ 1817546368378470400

Registros relacionados