Reidentificação de objetos no espaço BEV: uma abordagem baseada em deep cosine metric learning

• Ano de defesa: 2025
• Autor(a) principal: Oliveira, Bruno Borges de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: adverse conditions; autonomous vehicles; birds-eye view; condições adversas; convolutional neural networks; re-identification; redes neurais convolucionais; reidentificação; veículos autônomos
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-13102025-161242/

Nos últimos anos, os veículos autônomos vêm ganhando destaque por seu potencial de revolucionar o transporte, oferecendo maior segurança, eficiência e comodidade. Para que esses sistemas operem de forma segura e confiável, é essencial que percebam o ambiente ao redor com precisão, detectando, classificando e acompanhando objetos dinâmicos como pedestres, veículos e ciclistas. Uma das tarefas fundamentais nesse processo é o rastreamento de objetos, que permite ao veículo manter a continuidade da informação sobre cada objeto ao longo do tempo. No entanto, em cenários complexos, com oclusões, mudanças de perspectiva ou perda temporária de detecção, apenas o rastreamento pode não ser suficiente. Nesse contexto, a reidentificação de objetos (ReID) representa uma etapa complementar fundamental no rastreamento, permitindo que o sistema reconheça e associe corretamente objetos previamente observados, mesmo após interrupções, reforçando a robustez e a continuidade do rastreamento. Apesar de promissora quanto ao aumento na robustez do rastreamento, essa etapa apresenta grandes desafios quando baseada exclusivamente em imagens, evidenciando a necessidade da fusão de sensores em espaços comuns como o Birds Eye View (BEV) para melhorar a identificação em condições adversas. Este trabalho propõe um algoritmo de ReID que realiza a transformação de imagens para o espaço BEV, permitindo a reidentificação diretamente nessa representação sem perder as características visuais dos objetos. O desenvolvimento do método foi estruturado em três fases: criação de um algoritmo de conversão de imagens para BEV utilizando como base o Lift-Splat-Shoot (LSS), com modificações para garantir a preservação das features; extração de um conjunto de dados de ReID em BEV a partir do Nuscenes por meio desse algoritmo; e implementação de um modelo de ReID baseado no Deep Cosine Metric Learning, treinado com os dados gerados. Os resultados demonstram que a abordagem proposta supera modelos convencionais baseados em imagens treinados para pedestres, considerando a métrica mAP (mediana das médias de precisão), e apresenta um desempenho equivalente para veículos, tanto em mAP quanto nas métricas de precisão Rank 1 e Rank 5.