Mapeamento 3D e localização de robôs móveis utilizando sensor LiDAR

Detalhes bibliográficos
Autor(a) principal: Carvalho, Marcelo Espinheira Cravo de
Data de Publicação: 2024
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFBA
Texto Completo: https://repositorio.ufba.br/handle/ri/41019
Resumo: Nos últimos anos é crescente o desenvolvimento de algoritmos de localização e mapeamento simultâneo (SLAM) utilizando dados de sensores LiDAR (Light Detection Ranging). Os sensores LiDAR possuem a capacidade de realizar varredura 3D em 360° de ambientes, com tempo de aquisição e consumo de energia relativamente baixos, o que possibilita a sua utilização em sistemas embarcados. O objetivo desta pesquisa é estudar e implementar técnicas SLAM utilizando dados de sensores LiDAR, para obtenção do mapeamento e localização em ambientes internos (indoor) para tarefas de navegação com robôs móveis. Neste contexto foram implementadas as técnicas LeGO-LOAM, A-LOAM e F-LOAM, objetivando analisar a influência do volume de referenciais estáticos geométricas na qualidade do mapeamento e precisão da localização instantânea. As estratégias LOAM realizam a captura de features geométricas a partir da classificação dos pontos da nuvem capturada pelo sensor LiDAR, e posteriormente identifica correspondência entre varreduras consecutivas para obter a estimativa de localização. Para análise de desempenho das técnicas foram testadas em simulação e em ambiente real. O simulador utilizado foi o Gazebo, o robô móvel Husky, o sensor LiDAR Velodyne VLP-16, com varreduras realizadas nos seguintes ambientes: em um corredor reto fechado com janelas, corredor reto fechado sem janela, corredor quadrado fechado e em um modelo 3D do LaR - Laboratório de Robótica do DEEC/UFBA. Os experimentos reais foram conduzidos no LaR, utilizando o robô móvel Husky, o sensor LiDAR Velodyne VLP-16 e o sistema de captura de movimento 3D Optitrack. Os experimentos confirmaram a eficiência dos algoritmos LiDAR SLAM para localização e mapeamento de robôs móveis, com melhor desempenho em ambientes com muitos referenciais estáticos. Em cenários mais simples, os resultados também foram satisfatórios, exceto pelo algoritmo LeGO-LOAM, que apresentou maior erro no eixo x em corredores retos sem janelas devido à falta de referenciais. O algoritmo LeGO-LOAM se destacou nos mapas gerados, exibindo maior detalhamento das estruturas e objetos presentes no ambiente. Apesar de uma tendência a apresentar erros mais significativos em curvas, os algoritmos LiDAR SLAM avaliados demonstraram eficiência na correção das estimativas em trechos retos, evidenciando uma baixa suscetibilidade a erros acumulados. Esses resultados reforçam o potencial dessas técnicas como soluções confiáveis para mapeamento preciso e localização em ambientes complexos.
id UFBA-2_17807f455daac0c7d4e3eadee7f3ff66
oai_identifier_str oai:repositorio.ufba.br:ri/41019
network_acronym_str UFBA-2
network_name_str Repositório Institucional da UFBA
repository_id_str 1932
spelling 2025-01-28T13:55:48Z2025-01-28T13:55:48Z2024-12-17CARVALHO, Marcelo Espinheira Cravo de. Mapeamento 3D e localização de robôs móveis utilizando sensor LiDAR. 2024. Dissertação (Mestrado em Engenharia Elétrica) - Programa de Pós-Graduação em Engenharia Elétrica, Escola Politécnica, Universidade Federal da Bahia, 2024, Salvador.https://repositorio.ufba.br/handle/ri/41019Nos últimos anos é crescente o desenvolvimento de algoritmos de localização e mapeamento simultâneo (SLAM) utilizando dados de sensores LiDAR (Light Detection Ranging). Os sensores LiDAR possuem a capacidade de realizar varredura 3D em 360° de ambientes, com tempo de aquisição e consumo de energia relativamente baixos, o que possibilita a sua utilização em sistemas embarcados. O objetivo desta pesquisa é estudar e implementar técnicas SLAM utilizando dados de sensores LiDAR, para obtenção do mapeamento e localização em ambientes internos (indoor) para tarefas de navegação com robôs móveis. Neste contexto foram implementadas as técnicas LeGO-LOAM, A-LOAM e F-LOAM, objetivando analisar a influência do volume de referenciais estáticos geométricas na qualidade do mapeamento e precisão da localização instantânea. As estratégias LOAM realizam a captura de features geométricas a partir da classificação dos pontos da nuvem capturada pelo sensor LiDAR, e posteriormente identifica correspondência entre varreduras consecutivas para obter a estimativa de localização. Para análise de desempenho das técnicas foram testadas em simulação e em ambiente real. O simulador utilizado foi o Gazebo, o robô móvel Husky, o sensor LiDAR Velodyne VLP-16, com varreduras realizadas nos seguintes ambientes: em um corredor reto fechado com janelas, corredor reto fechado sem janela, corredor quadrado fechado e em um modelo 3D do LaR - Laboratório de Robótica do DEEC/UFBA. Os experimentos reais foram conduzidos no LaR, utilizando o robô móvel Husky, o sensor LiDAR Velodyne VLP-16 e o sistema de captura de movimento 3D Optitrack. Os experimentos confirmaram a eficiência dos algoritmos LiDAR SLAM para localização e mapeamento de robôs móveis, com melhor desempenho em ambientes com muitos referenciais estáticos. Em cenários mais simples, os resultados também foram satisfatórios, exceto pelo algoritmo LeGO-LOAM, que apresentou maior erro no eixo x em corredores retos sem janelas devido à falta de referenciais. O algoritmo LeGO-LOAM se destacou nos mapas gerados, exibindo maior detalhamento das estruturas e objetos presentes no ambiente. Apesar de uma tendência a apresentar erros mais significativos em curvas, os algoritmos LiDAR SLAM avaliados demonstraram eficiência na correção das estimativas em trechos retos, evidenciando uma baixa suscetibilidade a erros acumulados. Esses resultados reforçam o potencial dessas técnicas como soluções confiáveis para mapeamento preciso e localização em ambientes complexos.In recent years, the development of simultaneous localization and mapping (SLAM) algorithms using data from LiDAR (Light Detection Ranging) sensors has been increasing. LiDAR sensors are capable of performing 3D scanning in 360° of environments, with relatively low acquisition time and energy consumption, which allows their use in embedded systems. The objective of this research is to study and implement SLAM techniques using LiDAR sensor data, to obtain mapping and localization in indoor environments for navigation tasks with mobile robots. In this context, the LeGO-LOAM, A-LOAM and F-LOAM techniques were implemented, aiming to analyze the influence of the volume of static geometric references features on the quality of the mapping and accuracy of the instantaneous localization. The LOAM strategies capture geometric features from the classification of the points of the cloud captured by the LiDAR sensor, and subsequently identify correspondence between consecutive scans to obtain the location estimate. To analyze the performance of the techniques, they were tested in simulation and in a real environment. The simulator used was the Gazebo, the Husky mobile robot, the Velodyne VLP-16 LiDAR sensor, with scans performed in the following environments: a closed straight corridor with windows, a closed straight corridor without windows, a closed square corridor and a 3D model of LaR - Robotics Laboratory of DEEC/UFBA. The real experiments were conducted in LaR, using the Husky mobile robot, the Velodyne VLP-16 LiDAR sensor and the Optitrack 3D motion capture system. The experiments confirmed the efficiency of the LiDAR SLAM algorithms for localization and mapping of mobile robots, with better performance in environments with many static references. In simpler scenarios, the results were also satisfactory, except for the LeGO-LOAM algorithm, which presented greater error on the x-axis in straight corridors without windows due to the lack of references. The LeGO-LOAM algorithm stood out in the generated maps, displaying greater detail of the structures and objects present in the environment. Despite a tendency to present more significant errors on curves, the evaluated LiDAR SLAM algorithms demonstrated efficiency in correcting estimates on straight stretches, evidencing a low susceptibility to accumulated errors. These results reinforce the potential of these techniques as reliable solutions for accurate mapping and localization in complex environments.porUniversidade Federal da BahiaPrograma de Pós-Graduação em Engenharia Elétrica (PPGEE) UFBABrasilEscola PolitécnicaMobile RoboticsLiDAR SLAMMappingLocalizationCNPQ::ENGENHARIAS::ENGENHARIA ELETRICARobôs móveisLiDAR SLAMMapeamentoLocalizaçãoMapeamento 3D e localização de robôs móveis utilizando sensor LiDARMestrado Acadêmicoinfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/publishedVersionConceição, André Gustavo Scolarihttps://orcid.org/0000-0001-8124-6253http://lattes.cnpq.br/6840685961007897Ribeiro, Tiago Trindadehttps://orcid.org/0000-0002-8971-0687http://lattes.cnpq.br/3521539442337416Conceição, André Gustavo Scolarihttps://orcid.org/0000-0001-8124-6253http://lattes.cnpq.br/6840685961007897Ribeiro, Tiago Trindadehttps://orcid.org/0000-0002-8971-0687http://lattes.cnpq.br/3521539442337416Farias, Paulo César Machado de Abreuhttps://orcid.org/0000-0002-8423-4933http://lattes.cnpq.br/3634406581405128Santos, Tito Luís Maiahttp://lattes.cnpq.br/2732736365881287Santos, Eduardo Telmo Fonsecahttp://lattes.cnpq.br/9270620210307470http://lattes.cnpq.br/7904874732097753Carvalho, Marcelo Espinheira Cravo deinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFBAinstname:Universidade Federal da Bahia (UFBA)instacron:UFBALICENSElicense.txtlicense.txttext/plain1720https://repositorio.ufba.br/bitstream/ri/41019/2/license.txtd9b7566281c22d808dbf8f29ff0425c8MD52open accessORIGINALMarcelo Espinheira_Dissertação de Mestrado (1).pdfMarcelo Espinheira_Dissertação de Mestrado (1).pdfapplication/pdf10570693https://repositorio.ufba.br/bitstream/ri/41019/3/Marcelo%20Espinheira_Disserta%c3%a7%c3%a3o%20de%20Mestrado%20%281%29.pdf850b16b1b020f4ebdb51e5dc3206545fMD53open accessri/410192025-01-28 15:39:55.03open accessoai:repositorio.ufba.br:ri/41019TElDRU7Dh0EgREUgRElTVFJJQlVJw4fDg08gTsODTy1FWENMVVNJVkEKCkNvbSBhIGFwcmVzZW50YcOnw6NvIGRlc3RhIGxpY2Vuw6dhLCBvIGF1dG9yIG91IHRpdHVsYXIgZG9zIGRpcmVpdG9zIGRlIGF1dG9yIGNvbmNlZGUgYW8gUmVwb3NpdMOzcmlvIEluc3RpdHVjaW9uYWwgbyBkaXJlaXRvIG7Do28tZXhjbHVzaXZvIGRlIHJlcHJvZHV6aXIsIHRyYWR1emlyIChjb25mb3JtZSBkZWZpbmlkbyBhYmFpeG8pIGUvb3UgZGlzdHJpYnVpciBhIHN1YSBwdWJsaWNhw6fDo28gKGluY2x1aW5kbyBvIHJlc3Vtbykgbm8gZm9ybWF0byBpbXByZXNzbyBlL291IGVsZXRyw7RuaWNvIGUgZW0gcXVhbHF1ZXIgbWVpbywgaW5jbHVpbmRvIG9zIGZvcm1hdG9zIMOhdWRpbyBlL291IHbDrWRlby4KCk8gYXV0b3Igb3UgdGl0dWxhciBkb3MgZGlyZWl0b3MgZGUgYXV0b3IgY29uY29yZGEgcXVlIG8gUmVwb3NpdMOzcmlvIHBvZGUsIHNlbSBhbHRlcmFyIG8gY29udGXDumRvLCB0cmFuc3BvciBhIHN1YSBwdWJsaWNhw6fDo28gcGFyYSBxdWFscXVlciBtZWlvIGUvb3UgZm9ybWF0byBwYXJhIGZpbnMgZGUgcHJlc2VydmHDp8OjbywgcG9kZW5kbyBtYW50ZXIgbWFpcyBkZSB1bWEgY8OzcGlhIHBhcmEgZmlucyBkZSBzZWd1cmFuw6dhLCBiYWNrdXAgZSBwcmVzZXJ2YcOnw6NvLiAKCk8gYXV0b3Igb3UgdGl0dWxhciBkb3MgZGlyZWl0b3MgZGUgYXV0b3IgZGVjbGFyYSBxdWUgYSBzdWEgcHVibGljYcOnw6NvIMOpIG9yaWdpbmFsIGUgcXVlIG7Do28sIHF1ZSBzZWphIGRlIHNldSBjb25oZWNpbWVudG8sIGluZnJpbmdlIGRpcmVpdG9zIGF1dG9yYWlzIGRlIG5pbmd1w6ltLgoKQ2FzbyBhIHN1YSBwdWJsaWNhw6fDo28gY29udGVuaGEgbWF0ZXJpYWwgcXVlIG7Do28gcG9zc3VpIGEgdGl0dWxhcmlkYWRlIGRvcyBkaXJlaXRvcyBhdXRvcmFpcywgdm9jw6ogZGVjbGFyYSBxdWUgb2J0ZXZlIGEgcGVybWlzc8OjbyBpcnJlc3RyaXRhIGRvIGRldGVudG9yIGRvcyBkaXJlaXRvcyBhdXRvcmFpcyBwYXJhIGNvbmNlZGVyIGFvIFJlcG9zaXTDs3JpbyBvcyBkaXJlaXRvcyBhcHJlc2VudGFkb3MgbmVzdGEgbGljZW7Dp2EgZSBxdWUgZXNzZSBtYXRlcmlhbCBkZSBwcm9wcmllZGFkZSBkZSB0ZXJjZWlyb3MgZXN0w6EgY2xhcmFtZW50ZSBpZGVudGlmaWNhZG8gZSByZWNvbmhlY2lkbyBubyB0ZXh0byBvdSBubyBjb250ZcO6ZG8gZGEgcHVibGljYcOnw6NvIG9yYSBkZXBvc2l0YWRhLgoKQ0FTTyBBIFBVQkxJQ0HDh8ODTyBPUkEgREVQT1NJVEFEQSBSRVNVTFRFIERFIFVNIFBBVFJPQ8ONTklPIE9VIEFQT0lPIERFIFVNQSBBR8OKTkNJQSBERSBGT01FTlRPIE9VIE9VVFJPIE9SR0FOSVNNTywgVk9Dw4ogREVDTEFSQSBRVUUgUkVTUEVJVE9VIFRPRE9TIEUgUVVBSVNRVUVSIERJUkVJVE9TIERFIFJFVklTw4NPLCBDT01PIFRBTULDiU0gQVMgREVNQUlTIE9CUklHQcOHw5VFUyBFWElHSURBUyBQT1IgQ09OVFJBVE8gT1UgQUNPUkRPLgoKTyBSZXBvc2l0w7NyaW8gc2UgY29tcHJvbWV0ZSBhIGlkZW50aWZpY2FyLCBjbGFyYW1lbnRlLCBvIChzKSBzZXUocykgbm9tZSAocykgb3UgbyAocykgbm9tZSAocykgZG8gKHMpIGRldGVudG9yIChlcykgZG9zIGRpcmVpdG9zIGF1dG9yYWlzIGRhIHB1YmxpY2HDp8OjbyBlIG7Do28gZmFyw6EgcXVhbHF1ZXIgYWx0ZXJhw6fDo28sIGFsw6ltIGRhcXVlbGFzIGNvbmNlZGlkYXMgcG9yIGVzdGEgbGljZW7Dp2EuCg==Repositório InstitucionalPUBhttp://192.188.11.11:8080/oai/requestrepositorio@ufba.bropendoar:19322025-01-28T18:39:55Repositório Institucional da UFBA - Universidade Federal da Bahia (UFBA)false
dc.title.pt_BR.fl_str_mv Mapeamento 3D e localização de robôs móveis utilizando sensor LiDAR
title Mapeamento 3D e localização de robôs móveis utilizando sensor LiDAR
spellingShingle Mapeamento 3D e localização de robôs móveis utilizando sensor LiDAR
Carvalho, Marcelo Espinheira Cravo de
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Robôs móveis
LiDAR SLAM
Mapeamento
Localização
Mobile Robotics
LiDAR SLAM
Mapping
Localization
title_short Mapeamento 3D e localização de robôs móveis utilizando sensor LiDAR
title_full Mapeamento 3D e localização de robôs móveis utilizando sensor LiDAR
title_fullStr Mapeamento 3D e localização de robôs móveis utilizando sensor LiDAR
title_full_unstemmed Mapeamento 3D e localização de robôs móveis utilizando sensor LiDAR
title_sort Mapeamento 3D e localização de robôs móveis utilizando sensor LiDAR
author Carvalho, Marcelo Espinheira Cravo de
author_facet Carvalho, Marcelo Espinheira Cravo de
author_role author
dc.contributor.advisor1.fl_str_mv Conceição, André Gustavo Scolari
dc.contributor.advisor1ID.fl_str_mv https://orcid.org/0000-0001-8124-6253
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/6840685961007897
dc.contributor.advisor-co1.fl_str_mv Ribeiro, Tiago Trindade
dc.contributor.advisor-co1ID.fl_str_mv https://orcid.org/0000-0002-8971-0687
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/3521539442337416
dc.contributor.referee1.fl_str_mv Conceição, André Gustavo Scolari
dc.contributor.referee1ID.fl_str_mv https://orcid.org/0000-0001-8124-6253
dc.contributor.referee1Lattes.fl_str_mv http://lattes.cnpq.br/6840685961007897
dc.contributor.referee2.fl_str_mv Ribeiro, Tiago Trindade
dc.contributor.referee2ID.fl_str_mv https://orcid.org/0000-0002-8971-0687
dc.contributor.referee2Lattes.fl_str_mv http://lattes.cnpq.br/3521539442337416
dc.contributor.referee3.fl_str_mv Farias, Paulo César Machado de Abreu
dc.contributor.referee3ID.fl_str_mv https://orcid.org/0000-0002-8423-4933
dc.contributor.referee3Lattes.fl_str_mv http://lattes.cnpq.br/3634406581405128
dc.contributor.referee4.fl_str_mv Santos, Tito Luís Maia
dc.contributor.referee4Lattes.fl_str_mv http://lattes.cnpq.br/2732736365881287
dc.contributor.referee5.fl_str_mv Santos, Eduardo Telmo Fonseca
dc.contributor.referee5Lattes.fl_str_mv http://lattes.cnpq.br/9270620210307470
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/7904874732097753
dc.contributor.author.fl_str_mv Carvalho, Marcelo Espinheira Cravo de
contributor_str_mv Conceição, André Gustavo Scolari
Ribeiro, Tiago Trindade
Conceição, André Gustavo Scolari
Ribeiro, Tiago Trindade
Farias, Paulo César Machado de Abreu
Santos, Tito Luís Maia
Santos, Eduardo Telmo Fonseca
dc.subject.cnpq.fl_str_mv CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
topic CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Robôs móveis
LiDAR SLAM
Mapeamento
Localização
Mobile Robotics
LiDAR SLAM
Mapping
Localization
dc.subject.por.fl_str_mv Robôs móveis
LiDAR SLAM
Mapeamento
Localização
dc.subject.other.pt_BR.fl_str_mv Mobile Robotics
LiDAR SLAM
Mapping
Localization
description Nos últimos anos é crescente o desenvolvimento de algoritmos de localização e mapeamento simultâneo (SLAM) utilizando dados de sensores LiDAR (Light Detection Ranging). Os sensores LiDAR possuem a capacidade de realizar varredura 3D em 360° de ambientes, com tempo de aquisição e consumo de energia relativamente baixos, o que possibilita a sua utilização em sistemas embarcados. O objetivo desta pesquisa é estudar e implementar técnicas SLAM utilizando dados de sensores LiDAR, para obtenção do mapeamento e localização em ambientes internos (indoor) para tarefas de navegação com robôs móveis. Neste contexto foram implementadas as técnicas LeGO-LOAM, A-LOAM e F-LOAM, objetivando analisar a influência do volume de referenciais estáticos geométricas na qualidade do mapeamento e precisão da localização instantânea. As estratégias LOAM realizam a captura de features geométricas a partir da classificação dos pontos da nuvem capturada pelo sensor LiDAR, e posteriormente identifica correspondência entre varreduras consecutivas para obter a estimativa de localização. Para análise de desempenho das técnicas foram testadas em simulação e em ambiente real. O simulador utilizado foi o Gazebo, o robô móvel Husky, o sensor LiDAR Velodyne VLP-16, com varreduras realizadas nos seguintes ambientes: em um corredor reto fechado com janelas, corredor reto fechado sem janela, corredor quadrado fechado e em um modelo 3D do LaR - Laboratório de Robótica do DEEC/UFBA. Os experimentos reais foram conduzidos no LaR, utilizando o robô móvel Husky, o sensor LiDAR Velodyne VLP-16 e o sistema de captura de movimento 3D Optitrack. Os experimentos confirmaram a eficiência dos algoritmos LiDAR SLAM para localização e mapeamento de robôs móveis, com melhor desempenho em ambientes com muitos referenciais estáticos. Em cenários mais simples, os resultados também foram satisfatórios, exceto pelo algoritmo LeGO-LOAM, que apresentou maior erro no eixo x em corredores retos sem janelas devido à falta de referenciais. O algoritmo LeGO-LOAM se destacou nos mapas gerados, exibindo maior detalhamento das estruturas e objetos presentes no ambiente. Apesar de uma tendência a apresentar erros mais significativos em curvas, os algoritmos LiDAR SLAM avaliados demonstraram eficiência na correção das estimativas em trechos retos, evidenciando uma baixa suscetibilidade a erros acumulados. Esses resultados reforçam o potencial dessas técnicas como soluções confiáveis para mapeamento preciso e localização em ambientes complexos.
publishDate 2024
dc.date.issued.fl_str_mv 2024-12-17
dc.date.accessioned.fl_str_mv 2025-01-28T13:55:48Z
dc.date.available.fl_str_mv 2025-01-28T13:55:48Z
dc.type.driver.fl_str_mv Mestrado Acadêmico
info:eu-repo/semantics/masterThesis
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv CARVALHO, Marcelo Espinheira Cravo de. Mapeamento 3D e localização de robôs móveis utilizando sensor LiDAR. 2024. Dissertação (Mestrado em Engenharia Elétrica) - Programa de Pós-Graduação em Engenharia Elétrica, Escola Politécnica, Universidade Federal da Bahia, 2024, Salvador.
dc.identifier.uri.fl_str_mv https://repositorio.ufba.br/handle/ri/41019
identifier_str_mv CARVALHO, Marcelo Espinheira Cravo de. Mapeamento 3D e localização de robôs móveis utilizando sensor LiDAR. 2024. Dissertação (Mestrado em Engenharia Elétrica) - Programa de Pós-Graduação em Engenharia Elétrica, Escola Politécnica, Universidade Federal da Bahia, 2024, Salvador.
url https://repositorio.ufba.br/handle/ri/41019
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.publisher.none.fl_str_mv Universidade Federal da Bahia
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Engenharia Elétrica (PPGEE) 
dc.publisher.initials.fl_str_mv UFBA
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Escola Politécnica
publisher.none.fl_str_mv Universidade Federal da Bahia
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFBA
instname:Universidade Federal da Bahia (UFBA)
instacron:UFBA
instname_str Universidade Federal da Bahia (UFBA)
instacron_str UFBA
institution UFBA
reponame_str Repositório Institucional da UFBA
collection Repositório Institucional da UFBA
bitstream.url.fl_str_mv https://repositorio.ufba.br/bitstream/ri/41019/2/license.txt
https://repositorio.ufba.br/bitstream/ri/41019/3/Marcelo%20Espinheira_Disserta%c3%a7%c3%a3o%20de%20Mestrado%20%281%29.pdf
bitstream.checksum.fl_str_mv d9b7566281c22d808dbf8f29ff0425c8
850b16b1b020f4ebdb51e5dc3206545f
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFBA - Universidade Federal da Bahia (UFBA)
repository.mail.fl_str_mv repositorio@ufba.br
_version_ 1828148744032354304