Reconstrução de rodovias a partir de trajetórias GNSS densas via detector de linhas de Steger
| Ano de defesa: | 2021 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Universidade Estadual Paulista (Unesp)
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Palavras-chave em Inglês: | |
| Link de acesso: | http://hdl.handle.net/11449/204940 |
Resumo: | Atualmente, devido ao elevado volume de informação geográfica adquirida por grande parte da população por meio de smartphones, smartwatches, entre outros dispositivos capazes de coletar e armazenar dados GNSS (Global Navigation Satellite System), vários trabalhos estão sendo desenvolvidos, com o objetivo de: estudar o padrão de deslocamento das pessoas; analisar os impactos ao meio ambiente; promover estratégias de saúde pública; bem como mapear feições cartográficas de interesse. Neste trabalho é proposta a utilização de trajetórias GNSS densas, coletadas a partir de smartphones, no processo de reconstrução de rodovias. O método desenvolvido consiste, resumidamente, em gerar uma imagem de frequência através dos pontos que constituem as trajetórias GNSS e, posteriormente, aplicar o detector de linhas de Steger para extrair o eixo viário. Para a análise dos resultados utilizou-se um ortofotomosaico georreferenciado, sobre a qual foram vetorizados os eixos de referência. Os experimentos realizados demostraram o alto potencial de aplicação do detector de linhas de Steger em imagens de frequência. A partir dos experimentos foi possível alcançar valores de completeza e correção acima de 98% e 99%, respectivamente. Além disso, obteve-se uma acurácia geométrica de 0,63 m para um dos experimentos realizados. A partir dos valores de RMSE (Root Mean Square Error) obtidos constatou-se que os eixos extraídos atendem a classe A para projetos de mapeamento nas escalas 1:5.000, 1:10.000 e 1:25.000, de acordo com o Padrão de Exatidão Cartográfica dos Produtos Cartográficos Digitais (PEC-PCD). Por fim, após a comparação do método proposto com outros presentes na literatura, verificou-se que o mesmo apresentou resultados promissores. |
| id |
UNSP_96cf7f3a147dd24bb1c60004d36e03af |
|---|---|
| oai_identifier_str |
oai:repositorio.unesp.br:11449/204940 |
| network_acronym_str |
UNSP |
| network_name_str |
Repositório Institucional da UNESP |
| repository_id_str |
|
| spelling |
Morceli, Bruno de Moura [UNESP]Universidade Estadual Paulista (Unesp)Dal Poz, Aluir Porfirio [UNESP]2021-06-14T14:22:06Z2021-06-14T14:22:06Z2021-04-30http://hdl.handle.net/11449/20494033004129043P0Atualmente, devido ao elevado volume de informação geográfica adquirida por grande parte da população por meio de smartphones, smartwatches, entre outros dispositivos capazes de coletar e armazenar dados GNSS (Global Navigation Satellite System), vários trabalhos estão sendo desenvolvidos, com o objetivo de: estudar o padrão de deslocamento das pessoas; analisar os impactos ao meio ambiente; promover estratégias de saúde pública; bem como mapear feições cartográficas de interesse. Neste trabalho é proposta a utilização de trajetórias GNSS densas, coletadas a partir de smartphones, no processo de reconstrução de rodovias. O método desenvolvido consiste, resumidamente, em gerar uma imagem de frequência através dos pontos que constituem as trajetórias GNSS e, posteriormente, aplicar o detector de linhas de Steger para extrair o eixo viário. Para a análise dos resultados utilizou-se um ortofotomosaico georreferenciado, sobre a qual foram vetorizados os eixos de referência. Os experimentos realizados demostraram o alto potencial de aplicação do detector de linhas de Steger em imagens de frequência. A partir dos experimentos foi possível alcançar valores de completeza e correção acima de 98% e 99%, respectivamente. Além disso, obteve-se uma acurácia geométrica de 0,63 m para um dos experimentos realizados. A partir dos valores de RMSE (Root Mean Square Error) obtidos constatou-se que os eixos extraídos atendem a classe A para projetos de mapeamento nas escalas 1:5.000, 1:10.000 e 1:25.000, de acordo com o Padrão de Exatidão Cartográfica dos Produtos Cartográficos Digitais (PEC-PCD). Por fim, após a comparação do método proposto com outros presentes na literatura, verificou-se que o mesmo apresentou resultados promissores.Nowadays, due to the high volume of geographic information acquired by a large part of the population through smartphones, smartwatches, among other devices capable of collecting and storing GNSS (Global Navigation Satellite System) data, several works are being developed, with the objective of: study the movement pattern of people; analyzing the environmental impacts; promote public health strategies; as well as mapping cartographic features. This work proposes the use of dense GNSS trajectories, collected from smartphones, in the reconstructing roads process. The developed method consists, briefly, in generating a frequency image through the points that constitute the GNSS trajectories and, later, applying the Steger line detector to extract the road axis. For the analysis of the results, a georeferenced orthophotomosaic was used, on which the reference axes were vectored. The experiments performed demonstrated the high potential for application of the Steger line detector in frequency images. From the experiments it was possible to achieve completeness and correctness values above 98% and 99%, respectively. Furthermore, we obtained a geometric accuracy of 0.63 m for the experiments. From the RMSE (Root Mean Square Error) values obtained was found that the extracted axes meet Class A for mapping projects at scales of 1:5,000, 1:10,000 and 1:25,000, according to the Padrão de Exatidão Cartográfica dos Produtos Cartográficos Digitais (PEC-PCD). Finally, after comparison with other method proposed in the literature, it was found that the developed method showed promising results.Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)CNPq: 132396/2019-0porUniversidade Estadual Paulista (Unesp)Trajetórias GNSSExtração de rodoviasDetector de Linhas de StegerSmartphonesGNSS trajectoriesRoad extractionSteger line detectorReconstrução de rodovias a partir de trajetórias GNSS densas via detector de linhas de StegerRoads reconstruction from dense GNSS trajectories with Steger line detectorinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESPCiências Cartográficas - FCTAquisição, análise e representação de informações espaciaisComputação de ImagensUniversidade Estadual Paulista (UNESP), Faculdade de Ciências e Tecnologia, Presidente PrudenteOnlineBanca públicaPublicationbbcf06b3-c5f9-4a27-ac03-b690202a3b4evirtual::137708-1bbcf06b3-c5f9-4a27-ac03-b690202a3b4evirtual::137708-119e4aabf-3f7f-41c2-9755-68bbd25f7b98virtual::210936-119e4aabf-3f7f-41c2-9755-68bbd25f7b98virtual::210936-1THUMBNAILmorceli_bm_me_prud.pdf.jpgWritten by FormatFilter org.dspace.app.mediafilter.PDFBoxThumbnail on 2023-10-01T06:08:03Z (GMT).Generated Thumbnailimage/jpeg3210https://repositorio.unesp.br/bitstreams/517fbbed-5f12-46a8-a8cc-58e714a87522/download5ee5a53e1d72ad5e422de9f9b6b263feMD55falseAnonymousREADORIGINALmorceli_bm_me_prud.pdfmorceli_bm_me_prud.pdfapplication/pdf5969960https://repositorio.unesp.br/bitstreams/04ad9098-d703-4c45-bb35-631ee5803572/downloada29f31acd67ab0266b4267c596da9d45MD53trueAnonymousREADLICENSElicense.txtWritten by org.dspace.content.LicenseUtilstext/plain; charset=utf-83058https://repositorio.unesp.br/bitstreams/015106ad-3b32-4565-80ba-d3f7cac7f4ad/downloadec865a50da83f47d3657f271ab636607MD52falseAnonymousREADTEXTmorceli_bm_me_prud.pdf.txtWritten by FormatFilter org.dspace.app.mediafilter.TikaTextExtractionFilter on 2023-10-01T06:08:03Z (GMT).Extracted texttext/plain104146https://repositorio.unesp.br/bitstreams/c02959a4-7fff-4d6d-8179-468e1ca7147b/downloadf6e01b7a99db7eb4b36539d4dfdd519fMD54falseAnonymousREAD11449/2049402026-04-17T19:48:19.677595Zopen.accessoai:repositorio.unesp.br:11449/204940https://repositorio.unesp.brRepositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestrepositoriounesp@unesp.bropendoar:29462026-04-17T19:48:19Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)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 |
| dc.title.pt.fl_str_mv |
Reconstrução de rodovias a partir de trajetórias GNSS densas via detector de linhas de Steger |
| dc.title.alternative.en.fl_str_mv |
Roads reconstruction from dense GNSS trajectories with Steger line detector |
| title |
Reconstrução de rodovias a partir de trajetórias GNSS densas via detector de linhas de Steger |
| spellingShingle |
Reconstrução de rodovias a partir de trajetórias GNSS densas via detector de linhas de Steger Morceli, Bruno de Moura [UNESP] Trajetórias GNSS Extração de rodovias Detector de Linhas de Steger Smartphones GNSS trajectories Road extraction Steger line detector |
| title_short |
Reconstrução de rodovias a partir de trajetórias GNSS densas via detector de linhas de Steger |
| title_full |
Reconstrução de rodovias a partir de trajetórias GNSS densas via detector de linhas de Steger |
| title_fullStr |
Reconstrução de rodovias a partir de trajetórias GNSS densas via detector de linhas de Steger |
| title_full_unstemmed |
Reconstrução de rodovias a partir de trajetórias GNSS densas via detector de linhas de Steger |
| title_sort |
Reconstrução de rodovias a partir de trajetórias GNSS densas via detector de linhas de Steger |
| author |
Morceli, Bruno de Moura [UNESP] |
| author_facet |
Morceli, Bruno de Moura [UNESP] |
| author_role |
author |
| dc.contributor.institution.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
| dc.contributor.author.fl_str_mv |
Morceli, Bruno de Moura [UNESP] |
| dc.contributor.advisor1.fl_str_mv |
Dal Poz, Aluir Porfirio [UNESP] |
| contributor_str_mv |
Dal Poz, Aluir Porfirio [UNESP] |
| dc.subject.por.fl_str_mv |
Trajetórias GNSS Extração de rodovias Detector de Linhas de Steger |
| topic |
Trajetórias GNSS Extração de rodovias Detector de Linhas de Steger Smartphones GNSS trajectories Road extraction Steger line detector |
| dc.subject.eng.fl_str_mv |
Smartphones GNSS trajectories Road extraction Steger line detector |
| description |
Atualmente, devido ao elevado volume de informação geográfica adquirida por grande parte da população por meio de smartphones, smartwatches, entre outros dispositivos capazes de coletar e armazenar dados GNSS (Global Navigation Satellite System), vários trabalhos estão sendo desenvolvidos, com o objetivo de: estudar o padrão de deslocamento das pessoas; analisar os impactos ao meio ambiente; promover estratégias de saúde pública; bem como mapear feições cartográficas de interesse. Neste trabalho é proposta a utilização de trajetórias GNSS densas, coletadas a partir de smartphones, no processo de reconstrução de rodovias. O método desenvolvido consiste, resumidamente, em gerar uma imagem de frequência através dos pontos que constituem as trajetórias GNSS e, posteriormente, aplicar o detector de linhas de Steger para extrair o eixo viário. Para a análise dos resultados utilizou-se um ortofotomosaico georreferenciado, sobre a qual foram vetorizados os eixos de referência. Os experimentos realizados demostraram o alto potencial de aplicação do detector de linhas de Steger em imagens de frequência. A partir dos experimentos foi possível alcançar valores de completeza e correção acima de 98% e 99%, respectivamente. Além disso, obteve-se uma acurácia geométrica de 0,63 m para um dos experimentos realizados. A partir dos valores de RMSE (Root Mean Square Error) obtidos constatou-se que os eixos extraídos atendem a classe A para projetos de mapeamento nas escalas 1:5.000, 1:10.000 e 1:25.000, de acordo com o Padrão de Exatidão Cartográfica dos Produtos Cartográficos Digitais (PEC-PCD). Por fim, após a comparação do método proposto com outros presentes na literatura, verificou-se que o mesmo apresentou resultados promissores. |
| publishDate |
2021 |
| dc.date.accessioned.fl_str_mv |
2021-06-14T14:22:06Z |
| dc.date.available.fl_str_mv |
2021-06-14T14:22:06Z |
| dc.date.issued.fl_str_mv |
2021-04-30 |
| 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://hdl.handle.net/11449/204940 |
| dc.identifier.capes.none.fl_str_mv |
33004129043P0 |
| url |
http://hdl.handle.net/11449/204940 |
| identifier_str_mv |
33004129043P0 |
| 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 Estadual Paulista (Unesp) |
| publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
| dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNESP instname:Universidade Estadual Paulista (UNESP) instacron:UNESP |
| instname_str |
Universidade Estadual Paulista (UNESP) |
| instacron_str |
UNESP |
| institution |
UNESP |
| reponame_str |
Repositório Institucional da UNESP |
| collection |
Repositório Institucional da UNESP |
| bitstream.url.fl_str_mv |
https://repositorio.unesp.br/bitstreams/517fbbed-5f12-46a8-a8cc-58e714a87522/download https://repositorio.unesp.br/bitstreams/04ad9098-d703-4c45-bb35-631ee5803572/download https://repositorio.unesp.br/bitstreams/015106ad-3b32-4565-80ba-d3f7cac7f4ad/download https://repositorio.unesp.br/bitstreams/c02959a4-7fff-4d6d-8179-468e1ca7147b/download |
| bitstream.checksum.fl_str_mv |
5ee5a53e1d72ad5e422de9f9b6b263fe a29f31acd67ab0266b4267c596da9d45 ec865a50da83f47d3657f271ab636607 f6e01b7a99db7eb4b36539d4dfdd519f |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP) |
| repository.mail.fl_str_mv |
repositoriounesp@unesp.br |
| _version_ |
1878343217805524992 |