Filtro de Kalman estendido e reconhecimento de objetos através da visão computacional para o mapeamento florestal

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Erthal, Leonardo Vian
Orientador(a): Salton, Aurélio Tergolina
Banca de defesa: Não Informado pela instituição
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:
Filtro de Kalman
Visão computacional
Mapeamento digital
Odometria visual
Florestas
Palavras-chave em Inglês:
Environmental mapping
EKF-SLAM
Computer vision
YOLO
Stereo visual odometry
Link de acesso: http://hdl.handle.net/10183/294329
Resumo: Este trabalho apresenta o desenvolvimento de um sistema eficiente para o mapeamento florestal, com foco na identificação e localização de árvores de interesse ambiental, utilizando técnicas de visão computacional e SLAM. Para isso, foi implementado um algoritmo baseado no Filtro de Kalman Estendido (EKF-SLAM), que permite estimar simultaneamente a trajetória do sistema móvel e a posição das árvores detectadas. A detec- ção das árvores foi realizada por meio de uma rede neural convolucional, especificamente a YOLO, enquanto a obtenção da posição tridimensional foi feita com câmeras estéreo e triangulação de pontos. Os experimentos conduzidos demonstraram que a abordagem adotada é capaz de realizar o mapeamento em ambientes naturais desafiadores, apesar de limitações impostas por variações de iluminação e densidade da vegetação. Os vídeos analisados, gravados nos locais Parque Germânia e Jardim Botânico, demonstraram diferenças significativas no desempenho computacional. Essas variações estão relacionadas às condições ambientais específicas de cada local, como densidade da vegetação e iluminação, que impactam diretamente na detecção, rastreamento e triangulação das árvores de interesse. Como principais desafios, identificou-se a necessidade de aprimorar a correspondência de pontos na visão estéreo e otimizar o tempo de processamento da rejeição de outliers.
id URGS_e542958ba5587e656e8448c424746d58
oai_identifier_str oai:www.lume.ufrgs.br:10183/294329
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str
spelling Erthal, Leonardo VianSalton, Aurélio Tergolina2025-07-24T07:59:37Z2025http://hdl.handle.net/10183/294329001289535Este trabalho apresenta o desenvolvimento de um sistema eficiente para o mapeamento florestal, com foco na identificação e localização de árvores de interesse ambiental, utilizando técnicas de visão computacional e SLAM. Para isso, foi implementado um algoritmo baseado no Filtro de Kalman Estendido (EKF-SLAM), que permite estimar simultaneamente a trajetória do sistema móvel e a posição das árvores detectadas. A detec- ção das árvores foi realizada por meio de uma rede neural convolucional, especificamente a YOLO, enquanto a obtenção da posição tridimensional foi feita com câmeras estéreo e triangulação de pontos. Os experimentos conduzidos demonstraram que a abordagem adotada é capaz de realizar o mapeamento em ambientes naturais desafiadores, apesar de limitações impostas por variações de iluminação e densidade da vegetação. Os vídeos analisados, gravados nos locais Parque Germânia e Jardim Botânico, demonstraram diferenças significativas no desempenho computacional. Essas variações estão relacionadas às condições ambientais específicas de cada local, como densidade da vegetação e iluminação, que impactam diretamente na detecção, rastreamento e triangulação das árvores de interesse. Como principais desafios, identificou-se a necessidade de aprimorar a correspondência de pontos na visão estéreo e otimizar o tempo de processamento da rejeição de outliers.This work presents the development of an efficient system for forest mapping, focusing on the identification and location of trees of environmental interest, using computer vision and SLAM techniques. For this purpose, an algorithm based on the Extended Kalman Filter (EKF-SLAM) was implemented, which allows the simultaneous estimation of the trajectory of the mobile system and the position of the detected trees. Tree detection was performed using a convolutional neural network, specifically YOLO, while the three-dimensional position was obtained with stereo cameras and point triangulation. The experiments conducted demonstrated that the adopted approach is capable of performing mapping in challenging natural environments, despite limitations imposed by variations in lighting and vegetation density. The analyzed videos, recorded at the Germânia Park and Botanical Garden sites, demonstrated significant differences in computational performance. These variations are related to the specific environmental conditions of each site, such as vegetation density and lighting, which directly impact the detection, tracking and triangulation of trees of interest. The main challenges identified were the need to improve point matching in stereo vision and optimize the processing time for outlier rejection.application/pdfporFiltro de KalmanVisão computacionalMapeamento digitalOdometria visualFlorestasEnvironmental mappingEKF-SLAMComputer visionYOLOStereo visual odometryFiltro de Kalman estendido e reconhecimento de objetos através da visão computacional para o mapeamento florestalinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPrograma de Pós-Graduação em Engenharia ElétricaPorto Alegre, BR-RS2025mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001289535.pdf.txt001289535.pdf.txtExtracted Texttext/plain244224http://www.lume.ufrgs.br/bitstream/10183/294329/2/001289535.pdf.txt34acb44ea6859bc71b2d0e8ad8dc844eMD52ORIGINAL001289535.pdfTexto completoapplication/pdf298389975http://www.lume.ufrgs.br/bitstream/10183/294329/1/001289535.pdf3e738a7025ba3fe770c0232e96247adcMD5110183/2943292025-07-25 08:01:10.659859oai:www.lume.ufrgs.br:10183/294329Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br || lume@ufrgs.bropendoar:18532025-07-25T11:01:10Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Filtro de Kalman estendido e reconhecimento de objetos através da visão computacional para o mapeamento florestal
title Filtro de Kalman estendido e reconhecimento de objetos através da visão computacional para o mapeamento florestal
spellingShingle Filtro de Kalman estendido e reconhecimento de objetos através da visão computacional para o mapeamento florestal
Erthal, Leonardo Vian
Filtro de Kalman
Visão computacional
Mapeamento digital
Odometria visual
Florestas
Environmental mapping
EKF-SLAM
Computer vision
YOLO
Stereo visual odometry
title_short Filtro de Kalman estendido e reconhecimento de objetos através da visão computacional para o mapeamento florestal
title_full Filtro de Kalman estendido e reconhecimento de objetos através da visão computacional para o mapeamento florestal
title_fullStr Filtro de Kalman estendido e reconhecimento de objetos através da visão computacional para o mapeamento florestal
title_full_unstemmed Filtro de Kalman estendido e reconhecimento de objetos através da visão computacional para o mapeamento florestal
title_sort Filtro de Kalman estendido e reconhecimento de objetos através da visão computacional para o mapeamento florestal
author Erthal, Leonardo Vian
author_facet Erthal, Leonardo Vian
author_role author
dc.contributor.author.fl_str_mv Erthal, Leonardo Vian
dc.contributor.advisor1.fl_str_mv Salton, Aurélio Tergolina
contributor_str_mv Salton, Aurélio Tergolina
dc.subject.por.fl_str_mv Filtro de Kalman
Visão computacional
Mapeamento digital
Odometria visual
Florestas
topic Filtro de Kalman
Visão computacional
Mapeamento digital
Odometria visual
Florestas
Environmental mapping
EKF-SLAM
Computer vision
YOLO
Stereo visual odometry
dc.subject.eng.fl_str_mv Environmental mapping
EKF-SLAM
Computer vision
YOLO
Stereo visual odometry
description Este trabalho apresenta o desenvolvimento de um sistema eficiente para o mapeamento florestal, com foco na identificação e localização de árvores de interesse ambiental, utilizando técnicas de visão computacional e SLAM. Para isso, foi implementado um algoritmo baseado no Filtro de Kalman Estendido (EKF-SLAM), que permite estimar simultaneamente a trajetória do sistema móvel e a posição das árvores detectadas. A detec- ção das árvores foi realizada por meio de uma rede neural convolucional, especificamente a YOLO, enquanto a obtenção da posição tridimensional foi feita com câmeras estéreo e triangulação de pontos. Os experimentos conduzidos demonstraram que a abordagem adotada é capaz de realizar o mapeamento em ambientes naturais desafiadores, apesar de limitações impostas por variações de iluminação e densidade da vegetação. Os vídeos analisados, gravados nos locais Parque Germânia e Jardim Botânico, demonstraram diferenças significativas no desempenho computacional. Essas variações estão relacionadas às condições ambientais específicas de cada local, como densidade da vegetação e iluminação, que impactam diretamente na detecção, rastreamento e triangulação das árvores de interesse. Como principais desafios, identificou-se a necessidade de aprimorar a correspondência de pontos na visão estéreo e otimizar o tempo de processamento da rejeição de outliers.
publishDate 2025
dc.date.accessioned.fl_str_mv 2025-07-24T07:59:37Z
dc.date.issued.fl_str_mv 2025
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/10183/294329
dc.identifier.nrb.pt_BR.fl_str_mv 001289535
url http://hdl.handle.net/10183/294329
identifier_str_mv 001289535
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.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/294329/2/001289535.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/294329/1/001289535.pdf
bitstream.checksum.fl_str_mv 34acb44ea6859bc71b2d0e8ad8dc844e
3e738a7025ba3fe770c0232e96247adc
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br || lume@ufrgs.br
_version_ 1846255906000470016

Registros relacionados