Sistema de posicionamento de VANT baseado em imagens

• Ano de defesa: 2019
• Autor(a) principal: Rodrigo Augusto Rebouças
• Orientador(a): Lamartine Nogueira Frutuoso Guimarães
• Banca de defesa: Haroldo Fraga de Campos Velho, Mateus Habermann, Elcio Hideiti Shiguemori
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Nacional de Pesquisas Espaciais (INPE)
• Programa de Pós-Graduação: Programa de Pós-Graduação do INPE em Computação Aplicada
• País: BR
• Resumo em Inglês: The use of Unmanned Aerial Vehicles (UAV) for an image capture has been growing in recent years and has been the target of several applications in the areas of deforestation, surveillance and mosaic of images. The autonomous navigation of this type of vehicle, typically makes use of inherent sensors and GPS, just as the GPS has some deficiencies, for example: positioning errors; communication failures; and vulnerability, with this there is a way to seek advanced and auxiliary forms of aircraft navigation system, seeking a higher speed without a positioning system during flight. When using an autoconfigured system, for the navigation of UAV by images, to assist the GPS. The work, in an initial stage, makes a comparison of methods of binary interest points ORB, BRISK, FREAK, AKAZE and LACH configured by the Genetic Algorithm, for the detection of characteristic points in images of different types of soil cover, the use of the RANdom Consensus SA Method (RANSAC) to eliminate false correspondences between the detected points, and Visual Odometry to estimate the position of the UAV, with the use of aircraft correspondences and sensors. For the implementation of an autoconfigured system, for each input image of the UAV, the system of identification through texture measurements can be used as an additional parameter for the Genetic Algorithm for the image, using Fuzzy logic. The work obtained the following results: in the comparison of the methods of points of interest, the AKAZE had a better relation of performance; considering textures, contrast and heterogeneity, among soil forms; the Fuzzy to automatically configure the AKAZE parameter, had an improvement in the 30 % hit rate compared to paragraph standards, in addition to maintaining computational time; the aircraft position error is less than 10% of the distance traveled.
• Link de acesso: http://urlib.net/sid.inpe.br/mtc-m21c/2019/05.25.00.57

O uso de Veículos Aéreos não Tripulados (VANT) para a captura de imagens tem crescido nos últimos anos, tendo diversas aplicações nas áreas de desmatamento, sistema de vigilância e mosaico de imagens. A navegação autônoma desse tipo de veículo geralmente faz uso de sensores inerciais e GPS, entretanto o GPS possui algumas deficiências, por exemplo: erros de posicionamento; falhas de comunicação; e vulnerabilidade, com isso há uma necessidade de se buscar formas de aprimorar e auxiliar o sistema de navegação da aeronave, buscando uma maior confiabilidade no sistema de posicionamento durante o voo. Neste trabalho faz-se uso de um sistema autoconfigurado, para navegação de VANT baseado por imagens, para auxiliar o GPS. O Trabalho, em uma etapa inicial, faz a comparação de métodos de pontos de interesse binários ORB, BRISK, FREAK, AKAZE e LACH configurados pelo Algoritmo Genético, para detecção de pontos característicos em imagens de diferentes tipos de cobertura de solo, o uso do método RANdom SAmple Consensus (RANSAC) para eliminar falsas correspondências entre os pontos detectados, e a Odometria Visual para estimar a posição do VANT, com uso das correspondências e sensores da aeronave. Para implementação de um sistema autoconfigurado, para cada imagem de entrada do VANT, o sistema identifica através de medidas de texturas, qual parâmetro extraído com o Algoritmo Genético é mais adequado para a imagem, com uso de lógica Fuzzy. O trabalho obteve os seguintes resultados: entre a comparação dos métodos de pontos de interesse, o AKAZE teve a melhor relação de desempenho; entre as medidas de texturas, o contraste e heterogeneidade apresentaram melhor separação entre as coberturas de solo; a lógica nebulosa para configurar automaticamente o parâmetro do AKAZE teve uma melhora na taxa de acerto de 30% em relação aos parâmetros padrões, além de manter o tempo computacional; e o erro da estimação de posição da aeronave é inferior a 10% da distancia percorrida.