Detalhes bibliográficos
| Ano de defesa: |
2022 |
| Autor(a) principal: |
Lima, Victor André |
| Orientador(a): |
Maximo, Marcos Ricardo Omena de Albuquerque,
Sêcco, Ney Rafael,
Moscati, Ney Ricardo |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Instituto Tecnológico da Aeronáutica (ITA)
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://www.repositorio.mar.mil.br/handle/ripcmb/845799
|
Resumo: |
Os recentes avanços em poder computacional permitiram ao mundo o uso mais extensivo de algoritmos de aprendizado profundo. O processamento de imagens em si é uma tarefa que exige grandes quantidade de dados, mas se demonstrou de extrema importância em muitos campos de conhecimento. Neste trabalho, um método de detecção de pista de pouso para aeronaves durante a fase de pouso, baseado em rede neurais convolucionais, é proposto com o objetivo de reduzir a carga de trabalho do piloto, aumentar segurança de voo durante pouso, e dar novos passos em direção a voos comerciais de piloto único ou até autônomos. Os resultados mostram que a rede neural pôde convergir suas funções de perda nos dados de treino e de validação com sucesso, e a inferência em imagens dos dados de teste e imagens reais produziu resultados satisfatórios para keypoints e bouding box. Os resultados numéricos indicam que imagens virtuais de pistas de pouso podem ser utilizadas para pré-treinar uma rede a fim de detectar pistas de pouso em imagens reais, então o trabalho contribui para uma abordagem mais barato e rápida para desenvolvimento de tal tecnologia. Análises nas estimativas para pose da câmera obtidas pelos keypoints inferidos indicam que o projeto é promissor sendo que, mesmo sendo um trabalho inicial, os resultados proveram histogramas de erros que podem facilmente ser controlado pelo uso de filtros para remover outliers e pela fusão de dados com outros sensores em aplicações reais. Em suma, contribui-se com resultados indicativos de que o treinamento virtual, com uso de técnicas de aumento de dados para enriquecimento do banco de imagens, beneficias a detecção em imagens reais e que os keypoints inferidos podem ser usados em conjunto a algoritmos para estimar pose a fim de estimar a pode aeronaves em relação à pista de pouso. |
