Aprendizado profundo aplicado em slam visual para identificar fechamento de loop

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Iegawa, Fabiana Naomi
Orientador(a): Botelho, Wagner Tanaka
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal do ABC
Programa de Pós-Graduação: Programa de Pós-Graduação em Ciência da Computação
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=126204&midiaext=81129
Resumo: Coordenação de Aperfeiçoamento de Pessoal de Nivel Superior
id UFBC_56ef5658d57036d705c9b5b8f01c28a6
oai_identifier_str oai:BDTD:126204
network_acronym_str UFBC
network_name_str Repositório Institucional da UFABC
repository_id_str
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisAprendizado profundo aplicado em slam visual para identificar fechamento de loop2023-06-07Botelho, Wagner TanakaIegawa, Fabiana NaomiUniversidade Federal do ABCPrograma de Pós-Graduação em Ciência da ComputaçãoUFABCporSLAM VISUALFECHAMENTO DE LOOPREDE NEURALEXTRAÇÃO DE FEATURESVISUAL SLAMLOOP CLOSUREDEEP LEARNINGNEURAL NETWORKFEATURE EXTRACTIONPROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO - UFABCCoordenação de Aperfeiçoamento de Pessoal de Nivel SuperiorFundação de Amparo a Pesquisa do Estado de São PauloNa Robótica, a navegação autônoma vem sendo abordada nos últimos anos devido ao potencial de aplicações em diferentes áreas, como industrial, saúde e entretenimento. A capacidade de navegar, seja de veículos autônomos ou robôs de serviço, está relacionada ao problema do Mapeamento e Localização Simultâneos, do inglês Simultaneous Localization And Mapping (SLAM). O Fechamento de Loop, no contexto do SLAM Visual, utiliza as informações presentes nas imagens para identificar ambientes previamente visitados, permitindo a correção e atualização do mapa e da localização do robô. O objetivo deste trabalho é apresentar um sistema para identificar o Fechamento de Loop em ambiente simulado no Gazebo e com imagens reais dos datasets públicos KITTI e TUM. Para isso, as Redes Neurais (RNs) AlexNet, ConvNeXt, ResNet, VGG-16 Original, VGG-16 Adaptada e Treinada, e VisionTransformer foram utilizadas e os resultados analisados. A VGG-16 Adaptada e Treinada foi criada a partir da VGG-16 Original por meio do conceito de transferência de aprendizado. No treinamento foram utilizadas imagens virtuais do Gazebo para diminuir a dimensão dos descritores e aumentar a acurácia na extração de features. A implementação do sistema de Fechamento de Loop foi feita a partir do pré-processamento da imagem com a divisão em regiões direita e esquerda. Em seguida, as RNs foram utilizadas na extração de features e geração dos descritores. O Limite das distâncias e a sequência de imagens foram definidos para melhorar a performance na comparação de imagens. Por fim, os resultados de cada RN foram analisados com base nas métricas de Acurácia, F1-Score, curva ROC e Area Under the Curve (AUC).http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=126204&midiaext=81129application/pdfreponame:Repositório Institucional da UFABCinstname:Universidade Federal do ABC (UFABC)instacron:UFABCinfo:eu-repo/semantics/openAccess2026-01-15T22:05:15Zoai:BDTD:126204Repositório InstitucionalPUBhttp://www.biblioteca.ufabc.edu.br/oai/oai.phpopendoar:2024-01-25T15:59:51Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)false
dc.title.pt.fl_str_mv Aprendizado profundo aplicado em slam visual para identificar fechamento de loop
title Aprendizado profundo aplicado em slam visual para identificar fechamento de loop
spellingShingle Aprendizado profundo aplicado em slam visual para identificar fechamento de loop
Iegawa, Fabiana Naomi
title_short Aprendizado profundo aplicado em slam visual para identificar fechamento de loop
title_full Aprendizado profundo aplicado em slam visual para identificar fechamento de loop
title_fullStr Aprendizado profundo aplicado em slam visual para identificar fechamento de loop
title_full_unstemmed Aprendizado profundo aplicado em slam visual para identificar fechamento de loop
title_sort Aprendizado profundo aplicado em slam visual para identificar fechamento de loop
author Iegawa, Fabiana Naomi
author_facet Iegawa, Fabiana Naomi
author_role author
dc.contributor.advisor1.fl_str_mv Botelho, Wagner Tanaka
dc.contributor.author.fl_str_mv Iegawa, Fabiana Naomi
contributor_str_mv Botelho, Wagner Tanaka
description Coordenação de Aperfeiçoamento de Pessoal de Nivel Superior
publishDate 2023
dc.date.issued.fl_str_mv 2023-06-07
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.uri.fl_str_mv http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=126204&midiaext=81129
url http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=126204&midiaext=81129
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.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do ABC
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Ciência da Computação
dc.publisher.initials.fl_str_mv UFABC
publisher.none.fl_str_mv Universidade Federal do ABC
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFABC
instname:Universidade Federal do ABC (UFABC)
instacron:UFABC
instname_str Universidade Federal do ABC (UFABC)
instacron_str UFABC
institution UFABC
reponame_str Repositório Institucional da UFABC
collection Repositório Institucional da UFABC
repository.name.fl_str_mv Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)
repository.mail.fl_str_mv
_version_ 1854475890546704384

Registros relacionados