Análise de intervalos e restrições temporais aplicadas ao problema de reconhecimento de regiões

• Ano de defesa: 2021
• Autor(a) principal: Neuland, Renata das Chagas
• Orientador(a): Silva Junior, Edson Prestes e
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Palavras-chave em Português: Robótica; Robôs Autônomos
• Palavras-chave em Inglês: Place Recognition; SLAM; Interval Analysis
• Link de acesso: http://hdl.handle.net/10183/223249

A área da robótica vem apresentando grandes avanços nas últimas décadas e está se tornando comum no cotidiano de muitas pessoas. Robôs autônomos, desde pequenos aspiradores de pó até carros que não exigem um motorista humano, são exemplos de como a robótica está facilitando tarefas corriqueiras. Para que robôs sejam realmente autônomos eles precisam perceber o ambiente a sua volta assim como sua posição no mundo. Ao encontro dessa necessidade, um dos desafios da robótica móvel é o Problema de Reconhecimento de Regiões. Esse problema pode ser definido como: dada uma observação do ambiente, decidir se essa observação vem de um lugar previamente visitado ou não. Essa informação contribui para a redução da incerteza sobre a localização do robô e sobre o mapa do ambiente no qual está inserido. O problema de Reconhecimento Visual de Regiões é uma variação do problema original que surgiu após a popularização do uso de câmeras como principal fonte de informação. Essa popularização se deve principalmente pelo baixo custo do sensor e pela riqueza das observações obtidas. Em contrapartida, o uso de câmeras trouxe novos desafios relacionados ao tratamento de imagens. Neste trabalho propomos uma nova abordagem para tratar o problema de reconhecimento visual de regiões em ambientes sujeitos à mudanças de iluminação, alterações decorrentes da passagem das estações de ano ou mesmo consequentes das adversidades climáticas. Nossa abordagem é fundamentada em teoria de Análise de Intervalos, sendo o mundo conhecido modelado como um conjunto de intervalos, e através de restrições do problema reduzimos o espaço de busca de soluções usando operações intervalares. A abordagem proposta foi testada usando três datasets públicos, comumente utilizados em outros trabalhos da área, e apresentou resultados promissores. As comparações, apresentadas através de precisionrecall, mostram que o método proposto tem resultados competitivos em relação ao estado da arte, além de mostrar potencial para uso em operações em tempo real.