Defesa Pública da Tese de Doutorado do Mestre em Engenharia Elétrica Thiago Waszak Alves
Data: 05/11/2021 – sexta-feira
Horário: 14h00min
A defesa será realizada através da plataforma Mconf com acesso pelo link: https://mconf.ufrgs.br/webconf/00000282
Banca Examinadora:
Prof. Dr. Cláudio Rosito Jung – PPGC – UFRGS (Relator)
Prof. Dr. César Augusto Missio Marcon – PPGCC – PUCRS
Prof. Dr. Ivan Muller – PPGEE – UFRGS
Pesidente da banca/Orientador: Prof. Dr. Altamiro Amadeu Susin – PPGEE – UFRGS
Título da tese: “NOVO MÉTODO ITERATIVO DE LOCALIZAÇÃO DA CÂMERA BASEADO NO CONCEITO DE RESECTION-INTERSECTION”
Resumo:
“A Odometria Visual é o processo de estimar o movimento de um ente a partir de duas ou mais imagens fornecidas por uma ou mais câmeras. É uma técnica de grande importância na visão computacional, com aplicações em diversas áreas tais como assistência ao motorista e navegação de veículos autônomos, sistemas de realidade aumentada, veículos autônomos não-tripulados (VANTS) e até mesmo na exploração interplanetária. Os métodos mais comuns de Odometria Visual utilizam câmeras estéreo, através das quais é possível calcular diretamente as informações de profundidade de detalhes de uma cena, o que permite estimar as posições sucessivas das câmeras. A Odometria Visual Monocular estima o deslocamento de um objeto com base nas imagens fornecidas por uma única câmera, o que oferece vantagens construtivas e operacionais embora exija processamento mais complexo. Os sistemas de Odometria Visual Monocular do tipo Esparsos estimam a pose da câmera a partir de singularidades detectadas nas imagens, o que reduz significativamente o poder processamento necessário, sendo assim ideal para aplicações de tempo real. Nessa óptica, este trabalho apresenta um novo sistema de Odometria Monocular Esparsa para tempo real, validado em veículo instrumentado. O novo sistema é baseado no conceito de Resection-Intersection, combinado com um teste de convergência expandido, e um método de refinamento iterativo para minimizar os erros de reprojeção. O sistema foi projetado para ser capaz de utilizar diferentes algoritmos de otimização não linear, tais como Gauss-Newton, Levenberg-Marquardt, Davidon-Fletcher-Powell ou Broyden–Fletcher–Goldfarb–Shannon. Utilizando o benchmark KITTI, o sistema proposto obteve um erro de translação em relação à distância média percorrida de 0.86% e erro médio de rotação em relação à distância média percorrida de 0.0024◦/m. O sistema foi desenvolvido em Python em uma única thread, foi embarcado em uma placa Raspberry Pi 4B e obteve um tempo médio de processamento de 775ms por imagem para os onze primeiros cenários do benchmark. O desempenho obtido neste trabalho supera os resultados de outros sistemas de Odometria Visual Monocular baseados no conceito de Resection-Intersection até o momento submetidos na classificação do benchmark KITTI.
Palavras-chave: Odometria Visual Monocular, Resection-Intersection, Visão Computacional, SLAM, Lucas-Kanade, KITTI Dataset, Processamento de Imagens.”
