Detecção e rastreamento de veículos em movimento para automóveis robóticos autônomos
Autor(a) principal: | |
---|---|
Data de Publicação: | 2015 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) |
Texto Completo: | http://repositorio.ufes.br/handle/10/9863 |
Resumo: | In this work, it was investigated the problem of detection and tracking of moving objects (DATMO) for autonomous robotic vehicles. DATMO involves the detection of each moving object in the environment around the autonomous vehicle and its tracking, i.e., estimation of its state (e.g., position, orientation and velocity) over time. The autonomous vehicle needs to estimate the state of objects over time, so that it can predict their states a few seconds later for purposes of mapping, localization and navigation. It was proposed a DATMO system for the detection and tracking of multiple moving vehicles in the environment around an autonomous vehicle using a Light Detection and Ranging sensor (LIDAR) 3D. The proposed DATMO system operates in three steps: segmentation, association and tracking. At each sensor scan, in the segmentation step, the 3D points associated with the ground plane are removed; the 3D point cloud is segmented into clusters of points using the Euclidean distance, wherein each cluster represents an object in the environment; and the clusters related to curbs are removed. In association step, the objects observed in the current scan sensor are associated with the same objects observed in previous scans using the nearest neighbor algorithm. Finally, in the tracking step, the states of objects are estimated using a particle filter. Objects with velocity above a given threshold are considered moving vehicles. The performance of the proposed DATMO system was evaluated using data from a LIDAR 3D sensor, besides data from other sensors, collected by an autonomous vehicle along a ring road around the campus of the Federal University of Espírito Santo (Universidade Federal do Espírito Santo - UFES). The experimental results showed that the proposed DATMO system was able to detect and track with good performance multiple moving vehicles on the environment around the autonomous vehicle. |
id |
UFES_f058c0970d636d81ec0092322681f2e8 |
---|---|
oai_identifier_str |
oai:repositorio.ufes.br:10/9863 |
network_acronym_str |
UFES |
network_name_str |
Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) |
repository_id_str |
2108 |
spelling |
Badue, ClaudineSouza, Alberto Ferreira deAmaral, Eduardo Max AmaroSantos, Thiago Oliveira dosKomati, Karin Satie2018-08-02T00:03:55Z2018-08-012018-08-02T00:03:55Z2015-05-26In this work, it was investigated the problem of detection and tracking of moving objects (DATMO) for autonomous robotic vehicles. DATMO involves the detection of each moving object in the environment around the autonomous vehicle and its tracking, i.e., estimation of its state (e.g., position, orientation and velocity) over time. The autonomous vehicle needs to estimate the state of objects over time, so that it can predict their states a few seconds later for purposes of mapping, localization and navigation. It was proposed a DATMO system for the detection and tracking of multiple moving vehicles in the environment around an autonomous vehicle using a Light Detection and Ranging sensor (LIDAR) 3D. The proposed DATMO system operates in three steps: segmentation, association and tracking. At each sensor scan, in the segmentation step, the 3D points associated with the ground plane are removed; the 3D point cloud is segmented into clusters of points using the Euclidean distance, wherein each cluster represents an object in the environment; and the clusters related to curbs are removed. In association step, the objects observed in the current scan sensor are associated with the same objects observed in previous scans using the nearest neighbor algorithm. Finally, in the tracking step, the states of objects are estimated using a particle filter. Objects with velocity above a given threshold are considered moving vehicles. The performance of the proposed DATMO system was evaluated using data from a LIDAR 3D sensor, besides data from other sensors, collected by an autonomous vehicle along a ring road around the campus of the Federal University of Espírito Santo (Universidade Federal do Espírito Santo - UFES). The experimental results showed that the proposed DATMO system was able to detect and track with good performance multiple moving vehicles on the environment around the autonomous vehicle.Neste trabalho, foi investigado o problema de detecção e rastreamento de objetos em movimento (detection and tracking of moving objects - DATMO) para veículos robóticos autônomos. DATMO envolve a detecção de cada objeto em movimento no ambiente ao redor do veículo autônomo e o seu rastreamento, i.e., a estimativa do seu estado (e.g., posição, orientação e velocidade) ao longo do tempo. O veículo autônomo precisa estimar os estados dos objetos ao longo do tempo, de forma que possa predizê-los alguns segundos mais tarde para fins de mapeamento, localização e navegação. Foi proposto um sistema de DATMO para detecção e rastreamento de múltiplos veículos em movimento no ambiente ao redor de um veículo autônomo usando um sensor Light Detection and Ranging (LIDAR) 3D. O sistema de DATMO proposto opera em três etapas: segmentação, associação e rastreamento. A cada varredura do sensor, na etapa de segmentação, os pontos 3D associados ao plano do solo são removidos; a nuvem de pontos 3D é segmentada em agrupamentos de pontos usando a distância Euclidiana, sendo que cada agrupamento representa um objeto no ambiente; e os agrupamentos relacionados aos meios-fios são removidos. Na etapa de associação, os objetos observados na varredura atual do sensor são associados aos mesmos objetos observados em varreduras anteriores usando o algoritmo do vizinho mais próximo (nearest neighbor). Finalmente, na etapa de rastreamento, os estados dos objetos são estimados usando um filtro de partículas. Os objetos com velocidade acima de um determinado limiar são considerados veículos em movimento. O desempenho do sistema de DATMO proposto foi avaliado usando dados de um sensor LIDAR 3D, além de dados de outros sensores, coletados por um veículo autônomo ao longo de uma volta pelo anel viário do campus da Universidade Federal do Espírito Santo (UFES). Os resultados experimentais mostraram que o sistema de DATMO proposto foi capaz de detectar e rastrear com bom desempenho múltiplos veículos em movimento no ambiente ao redor do veículo autônomo.TextAMARAL, Eduardo Max Amaro. Detecção e rastreamento de veículos em movimento para automóveis robóticos autônomos. 2015. 106 f. Dissertação (Mestrado em Informática) - Universidade Federal do Espírito Santo, Centro Tecnológico, Vitória, 2015.http://repositorio.ufes.br/handle/10/9863porUniversidade Federal do Espírito SantoMestrado em InformáticaPrograma de Pós-Graduação em InformáticaUFESBRCentro TecnológicoNavegação de robôs móveisVeículos autônomosDetectoresMovimentoRastreamento automáticoRobóticaSensoriamento remotoCiência da Computação004Detecção e rastreamento de veículos em movimento para automóveis robóticos autônomosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)instname:Universidade Federal do Espírito Santo (UFES)instacron:UFESORIGINALEduardo Amaral - Detecção e Rastreamento de Veículos em Movimento. para Automóveis Robóticos Autônomos.pdfapplication/pdf4520362http://repositorio.ufes.br/bitstreams/8f165e4b-58e4-4c07-af0c-09d890529f96/download7268c4d510235bd18344fd6652f697b9MD5110/98632024-07-17 17:00:23.694oai:repositorio.ufes.br:10/9863http://repositorio.ufes.brRepositório InstitucionalPUBhttp://repositorio.ufes.br/oai/requestopendoar:21082024-10-15T17:58:26.402085Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) - Universidade Federal do Espírito Santo (UFES)false |
dc.title.none.fl_str_mv |
Detecção e rastreamento de veículos em movimento para automóveis robóticos autônomos |
title |
Detecção e rastreamento de veículos em movimento para automóveis robóticos autônomos |
spellingShingle |
Detecção e rastreamento de veículos em movimento para automóveis robóticos autônomos Amaral, Eduardo Max Amaro Ciência da Computação Navegação de robôs móveis Veículos autônomos Detectores Movimento Rastreamento automático Robótica Sensoriamento remoto 004 |
title_short |
Detecção e rastreamento de veículos em movimento para automóveis robóticos autônomos |
title_full |
Detecção e rastreamento de veículos em movimento para automóveis robóticos autônomos |
title_fullStr |
Detecção e rastreamento de veículos em movimento para automóveis robóticos autônomos |
title_full_unstemmed |
Detecção e rastreamento de veículos em movimento para automóveis robóticos autônomos |
title_sort |
Detecção e rastreamento de veículos em movimento para automóveis robóticos autônomos |
author |
Amaral, Eduardo Max Amaro |
author_facet |
Amaral, Eduardo Max Amaro |
author_role |
author |
dc.contributor.advisor-co1.fl_str_mv |
Badue, Claudine |
dc.contributor.advisor1.fl_str_mv |
Souza, Alberto Ferreira de |
dc.contributor.author.fl_str_mv |
Amaral, Eduardo Max Amaro |
dc.contributor.referee1.fl_str_mv |
Santos, Thiago Oliveira dos |
dc.contributor.referee2.fl_str_mv |
Komati, Karin Satie |
contributor_str_mv |
Badue, Claudine Souza, Alberto Ferreira de Santos, Thiago Oliveira dos Komati, Karin Satie |
dc.subject.cnpq.fl_str_mv |
Ciência da Computação |
topic |
Ciência da Computação Navegação de robôs móveis Veículos autônomos Detectores Movimento Rastreamento automático Robótica Sensoriamento remoto 004 |
dc.subject.br-rjbn.none.fl_str_mv |
Navegação de robôs móveis Veículos autônomos Detectores Movimento Rastreamento automático Robótica Sensoriamento remoto |
dc.subject.udc.none.fl_str_mv |
004 |
description |
In this work, it was investigated the problem of detection and tracking of moving objects (DATMO) for autonomous robotic vehicles. DATMO involves the detection of each moving object in the environment around the autonomous vehicle and its tracking, i.e., estimation of its state (e.g., position, orientation and velocity) over time. The autonomous vehicle needs to estimate the state of objects over time, so that it can predict their states a few seconds later for purposes of mapping, localization and navigation. It was proposed a DATMO system for the detection and tracking of multiple moving vehicles in the environment around an autonomous vehicle using a Light Detection and Ranging sensor (LIDAR) 3D. The proposed DATMO system operates in three steps: segmentation, association and tracking. At each sensor scan, in the segmentation step, the 3D points associated with the ground plane are removed; the 3D point cloud is segmented into clusters of points using the Euclidean distance, wherein each cluster represents an object in the environment; and the clusters related to curbs are removed. In association step, the objects observed in the current scan sensor are associated with the same objects observed in previous scans using the nearest neighbor algorithm. Finally, in the tracking step, the states of objects are estimated using a particle filter. Objects with velocity above a given threshold are considered moving vehicles. The performance of the proposed DATMO system was evaluated using data from a LIDAR 3D sensor, besides data from other sensors, collected by an autonomous vehicle along a ring road around the campus of the Federal University of Espírito Santo (Universidade Federal do Espírito Santo - UFES). The experimental results showed that the proposed DATMO system was able to detect and track with good performance multiple moving vehicles on the environment around the autonomous vehicle. |
publishDate |
2015 |
dc.date.issued.fl_str_mv |
2015-05-26 |
dc.date.accessioned.fl_str_mv |
2018-08-02T00:03:55Z |
dc.date.available.fl_str_mv |
2018-08-01 2018-08-02T00:03:55Z |
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.citation.fl_str_mv |
AMARAL, Eduardo Max Amaro. Detecção e rastreamento de veículos em movimento para automóveis robóticos autônomos. 2015. 106 f. Dissertação (Mestrado em Informática) - Universidade Federal do Espírito Santo, Centro Tecnológico, Vitória, 2015. |
dc.identifier.uri.fl_str_mv |
http://repositorio.ufes.br/handle/10/9863 |
identifier_str_mv |
AMARAL, Eduardo Max Amaro. Detecção e rastreamento de veículos em movimento para automóveis robóticos autônomos. 2015. 106 f. Dissertação (Mestrado em Informática) - Universidade Federal do Espírito Santo, Centro Tecnológico, Vitória, 2015. |
url |
http://repositorio.ufes.br/handle/10/9863 |
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 |
Text |
dc.publisher.none.fl_str_mv |
Universidade Federal do Espírito Santo Mestrado em Informática |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Informática |
dc.publisher.initials.fl_str_mv |
UFES |
dc.publisher.country.fl_str_mv |
BR |
dc.publisher.department.fl_str_mv |
Centro Tecnológico |
publisher.none.fl_str_mv |
Universidade Federal do Espírito Santo Mestrado em Informática |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) instname:Universidade Federal do Espírito Santo (UFES) instacron:UFES |
instname_str |
Universidade Federal do Espírito Santo (UFES) |
instacron_str |
UFES |
institution |
UFES |
reponame_str |
Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) |
collection |
Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) |
bitstream.url.fl_str_mv |
http://repositorio.ufes.br/bitstreams/8f165e4b-58e4-4c07-af0c-09d890529f96/download |
bitstream.checksum.fl_str_mv |
7268c4d510235bd18344fd6652f697b9 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) - Universidade Federal do Espírito Santo (UFES) |
repository.mail.fl_str_mv |
|
_version_ |
1813022549256175616 |