Detecção de colisão com visão monocular para auxiliar na orientação e mobilidade de pessoas com deficiência visual
Ano de defesa: | 2018 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Não Informado pela instituição
|
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: | http://repositorio.furg.br/handle/1/8122 |
Resumo: | Esta dissertação apresenta detalhes de um algoritmo que foi desenvolvido e implementado para estimar o Tempo de Colisão entre um usuário e um obstáculo. Consiste em um método para detectar colisões com visão monocular por meio da câmera de um smartphone. A detecção de colisão em um vídeo adquirido por câmera monocular é um problema desafiador com aplicações que vão desde robótica, navegação humana e automação. A aplicação alvo é um sistema de Tecnologia Assistiva para auxiliar pessoas com deficiência visual para evitar a colisão com obstáculos enquanto se locomovem em um ambiente, auxiliando em sua orientação e mobilidade, assim garantindo maior segurança e autonomia para essas pessoas, no entanto, a integração com o sistema será uma proposta futura. No entanto, o método poderá ser aplicado em diferentes áreas. O método apresentado é baseado em um novo algoritmo para estimar o Tempo de Colisão que segue as seguintes etapas: i) aquisição da sequência de imagens por uma câmera monocular, ii) pré-processamento onde as imagens são redimensionadas e é aplicado um filtro para reduzir ruídos, iii) fluxo óptico para estimar o movimento, iv) Tempo de colisão, a partir do modelo de câmera pinhole uma equação analítica é desenvolvida para estimar esse tempo para cada ponto no plano da imagem e v) técnicas de processamento de imagem para reduzir possíveis erros. O algoritmo foi implementado na linguagem C/C++, com a biblioteca de Visão Computacional OpenCV. Para avaliar o método foram realizados três experimentos em diferentes cenários, permitindo uma análise de seu desempenho. A avaliação da performance em relação à detecção de colisões, foi dada em termos de precisão, revocação e acurácia; e a validação do Tempo de Colisão, por um erro médio absoluto entre o tempo estimado e um ground truth. |
id |
FURG_1cc4892ad74d02806fee0315dc64727f |
---|---|
oai_identifier_str |
oai:repositorio.furg.br:1/8122 |
network_acronym_str |
FURG |
network_name_str |
Repositório Institucional da FURG (RI FURG) |
repository_id_str |
|
spelling |
Canez, Alexsander VasconcelosBarwaldt, Regina2020-01-20T14:16:55Z2020-01-20T14:16:55Z2018CANEZ, Alexsander Vasconcelos. Detecção de colisão com visão monocular para auxiliar na orientação e mobilidade de pessoas com deficiência visual. 2018. 93 f. Dissertação (Mestrado em Engenharia da Computação) – Centro de Ciências Computacionais, Universidade Federal do Rio Grande, Rio Grande, 2018.http://repositorio.furg.br/handle/1/8122Esta dissertação apresenta detalhes de um algoritmo que foi desenvolvido e implementado para estimar o Tempo de Colisão entre um usuário e um obstáculo. Consiste em um método para detectar colisões com visão monocular por meio da câmera de um smartphone. A detecção de colisão em um vídeo adquirido por câmera monocular é um problema desafiador com aplicações que vão desde robótica, navegação humana e automação. A aplicação alvo é um sistema de Tecnologia Assistiva para auxiliar pessoas com deficiência visual para evitar a colisão com obstáculos enquanto se locomovem em um ambiente, auxiliando em sua orientação e mobilidade, assim garantindo maior segurança e autonomia para essas pessoas, no entanto, a integração com o sistema será uma proposta futura. No entanto, o método poderá ser aplicado em diferentes áreas. O método apresentado é baseado em um novo algoritmo para estimar o Tempo de Colisão que segue as seguintes etapas: i) aquisição da sequência de imagens por uma câmera monocular, ii) pré-processamento onde as imagens são redimensionadas e é aplicado um filtro para reduzir ruídos, iii) fluxo óptico para estimar o movimento, iv) Tempo de colisão, a partir do modelo de câmera pinhole uma equação analítica é desenvolvida para estimar esse tempo para cada ponto no plano da imagem e v) técnicas de processamento de imagem para reduzir possíveis erros. O algoritmo foi implementado na linguagem C/C++, com a biblioteca de Visão Computacional OpenCV. Para avaliar o método foram realizados três experimentos em diferentes cenários, permitindo uma análise de seu desempenho. A avaliação da performance em relação à detecção de colisões, foi dada em termos de precisão, revocação e acurácia; e a validação do Tempo de Colisão, por um erro médio absoluto entre o tempo estimado e um ground truth.This dissertation presents details of an algorithm that was developed and implemented to estimate the Time To Collision between a user and an obstacle. It consists of a method to detect collisions with monocular vision through the camera of a smartphone. However, the method can be applied in different areas. Collision detection on a video acquired by a monocular camera is a challenging problem with applications ranging from robotics, human navigation and automation. The target application is an Assistive Technology system to assist visually impaired people to avoid collision with obstacles while moving around in an environment, helping their orientation and mobility, thus guaranteeing greater security and autonomy for these people, however, integration with the system will be a future proposal. The method presented is based on a new algorithm to estimate the Time To Collision that follows the following steps: i) acquisition of the sequence of images by a monocular camera, ii) preprocessing where the images are resized and a filter is applied to reduce noise, iii) optical flow to estimate motion, iv) Time To Collision, from the pinhole camera model an analytical equation is developed to estimate this time for each point and v) image processing techniques to reduce possible errors. The algorithm was implemented in the C / C ++ language, with the OpenCV Computer Vision library. To evaluate the method were performed three experiments in different scenarios, allowing an analysis of their performance. he evaluation of performance in relation to the detection of collisions, was given in terms of accuracy, recall and accuracy; and the Time To Collision validation, by an absolute mean error between the estimated time and a ground truth.porDeficiência visualTecnologia assistivaVisão monocularTempo de colisãoDetecção de colisãoVisual impairmentAssistive technologyMonocular visionTime to collisionCollision detectionDetecção de colisão com visão monocular para auxiliar na orientação e mobilidade de pessoas com deficiência visualCollision detection with monocular vision to assist in guidance and mobility of persons with visual impairmentinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da FURG (RI FURG)instname:Universidade Federal do Rio Grande (FURG)instacron:FURGORIGINAL11.pdf11.pdfapplication/pdf6117888https://repositorio.furg.br/bitstream/1/8122/1/11.pdfaa01352bd9a0e243f5edc124cea9f80bMD51open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.furg.br/bitstream/1/8122/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52open access1/81222020-01-20 11:16:55.267open accessoai:repositorio.furg.br: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Repositório InstitucionalPUBhttps://repositorio.furg.br/oai/request || http://200.19.254.174/oai/requestopendoar:2020-01-20T14:16:55Repositório Institucional da FURG (RI FURG) - Universidade Federal do Rio Grande (FURG)false |
dc.title.pt_BR.fl_str_mv |
Detecção de colisão com visão monocular para auxiliar na orientação e mobilidade de pessoas com deficiência visual |
dc.title.alternative.pt_BR.fl_str_mv |
Collision detection with monocular vision to assist in guidance and mobility of persons with visual impairment |
title |
Detecção de colisão com visão monocular para auxiliar na orientação e mobilidade de pessoas com deficiência visual |
spellingShingle |
Detecção de colisão com visão monocular para auxiliar na orientação e mobilidade de pessoas com deficiência visual Canez, Alexsander Vasconcelos Deficiência visual Tecnologia assistiva Visão monocular Tempo de colisão Detecção de colisão Visual impairment Assistive technology Monocular vision Time to collision Collision detection |
title_short |
Detecção de colisão com visão monocular para auxiliar na orientação e mobilidade de pessoas com deficiência visual |
title_full |
Detecção de colisão com visão monocular para auxiliar na orientação e mobilidade de pessoas com deficiência visual |
title_fullStr |
Detecção de colisão com visão monocular para auxiliar na orientação e mobilidade de pessoas com deficiência visual |
title_full_unstemmed |
Detecção de colisão com visão monocular para auxiliar na orientação e mobilidade de pessoas com deficiência visual |
title_sort |
Detecção de colisão com visão monocular para auxiliar na orientação e mobilidade de pessoas com deficiência visual |
author |
Canez, Alexsander Vasconcelos |
author_facet |
Canez, Alexsander Vasconcelos |
author_role |
author |
dc.contributor.author.fl_str_mv |
Canez, Alexsander Vasconcelos |
dc.contributor.advisor1.fl_str_mv |
Barwaldt, Regina |
contributor_str_mv |
Barwaldt, Regina |
dc.subject.por.fl_str_mv |
Deficiência visual Tecnologia assistiva Visão monocular Tempo de colisão Detecção de colisão Visual impairment Assistive technology Monocular vision Time to collision Collision detection |
topic |
Deficiência visual Tecnologia assistiva Visão monocular Tempo de colisão Detecção de colisão Visual impairment Assistive technology Monocular vision Time to collision Collision detection |
description |
Esta dissertação apresenta detalhes de um algoritmo que foi desenvolvido e implementado para estimar o Tempo de Colisão entre um usuário e um obstáculo. Consiste em um método para detectar colisões com visão monocular por meio da câmera de um smartphone. A detecção de colisão em um vídeo adquirido por câmera monocular é um problema desafiador com aplicações que vão desde robótica, navegação humana e automação. A aplicação alvo é um sistema de Tecnologia Assistiva para auxiliar pessoas com deficiência visual para evitar a colisão com obstáculos enquanto se locomovem em um ambiente, auxiliando em sua orientação e mobilidade, assim garantindo maior segurança e autonomia para essas pessoas, no entanto, a integração com o sistema será uma proposta futura. No entanto, o método poderá ser aplicado em diferentes áreas. O método apresentado é baseado em um novo algoritmo para estimar o Tempo de Colisão que segue as seguintes etapas: i) aquisição da sequência de imagens por uma câmera monocular, ii) pré-processamento onde as imagens são redimensionadas e é aplicado um filtro para reduzir ruídos, iii) fluxo óptico para estimar o movimento, iv) Tempo de colisão, a partir do modelo de câmera pinhole uma equação analítica é desenvolvida para estimar esse tempo para cada ponto no plano da imagem e v) técnicas de processamento de imagem para reduzir possíveis erros. O algoritmo foi implementado na linguagem C/C++, com a biblioteca de Visão Computacional OpenCV. Para avaliar o método foram realizados três experimentos em diferentes cenários, permitindo uma análise de seu desempenho. A avaliação da performance em relação à detecção de colisões, foi dada em termos de precisão, revocação e acurácia; e a validação do Tempo de Colisão, por um erro médio absoluto entre o tempo estimado e um ground truth. |
publishDate |
2018 |
dc.date.issued.fl_str_mv |
2018 |
dc.date.accessioned.fl_str_mv |
2020-01-20T14:16:55Z |
dc.date.available.fl_str_mv |
2020-01-20T14:16:55Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
CANEZ, Alexsander Vasconcelos. Detecção de colisão com visão monocular para auxiliar na orientação e mobilidade de pessoas com deficiência visual. 2018. 93 f. Dissertação (Mestrado em Engenharia da Computação) – Centro de Ciências Computacionais, Universidade Federal do Rio Grande, Rio Grande, 2018. |
dc.identifier.uri.fl_str_mv |
http://repositorio.furg.br/handle/1/8122 |
identifier_str_mv |
CANEZ, Alexsander Vasconcelos. Detecção de colisão com visão monocular para auxiliar na orientação e mobilidade de pessoas com deficiência visual. 2018. 93 f. Dissertação (Mestrado em Engenharia da Computação) – Centro de Ciências Computacionais, Universidade Federal do Rio Grande, Rio Grande, 2018. |
url |
http://repositorio.furg.br/handle/1/8122 |
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.source.none.fl_str_mv |
reponame:Repositório Institucional da FURG (RI FURG) instname:Universidade Federal do Rio Grande (FURG) instacron:FURG |
instname_str |
Universidade Federal do Rio Grande (FURG) |
instacron_str |
FURG |
institution |
FURG |
reponame_str |
Repositório Institucional da FURG (RI FURG) |
collection |
Repositório Institucional da FURG (RI FURG) |
bitstream.url.fl_str_mv |
https://repositorio.furg.br/bitstream/1/8122/1/11.pdf https://repositorio.furg.br/bitstream/1/8122/2/license.txt |
bitstream.checksum.fl_str_mv |
aa01352bd9a0e243f5edc124cea9f80b 8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da FURG (RI FURG) - Universidade Federal do Rio Grande (FURG) |
repository.mail.fl_str_mv |
|
_version_ |
1798314467909435392 |