| Campo Dublin Core | Valor | Língua |
|---|
| dc.contributor.advisor | Pinto, André Murilo de Almeida | - |
| dc.contributor.author | Silva, Tiago Avelino Ribeiro da | - |
| dc.identifier.citation | SILVA, Tiago Avelino Ribeiro da. Estimação de posição de um quadrirrotor utilizando o sensor Kinect. 2019. 87 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Eletrônica)—Universidade de Brasília, Brasília, 2019. | pt_BR |
| dc.description | Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Faculdade UnB Gama, Engenharia Eletrônica, 2019. | pt_BR |
| dc.description.abstract | O presente trabalho trabalho aborda a implementação de algoritmos de rastreamento e
algoritmos de Aprendizado Profundo para rastreamento e detecção de um Veículo Aéreo
Não Tripulado (VANT). Dois algoritmos de rastreamento foram escolhidos: Filtro de
Correlação de Kernel (KCF) e Mínima Saída do Somatório do Erro Quadrático (MOSSE).
Além de utilizar um algoritmo de alta velocidade para a detecção do quadrirrotor: Yolov3.
O objetivo é extrair a posição do quadrirrotor de forma automática utilizando o sensor
Kinect, adquirindo esta posição em tempo real. Um estudo dos algoritmos de Aprendizado
de Máquina e Aprendizado Profundo é apresentado para a implementar um Rede Neural
Convolucional. Além de realizar um estudo sobre as técnicas de rastreamento que serão
utilizadas. Por fim serão apresentados os resultados obtidos, tanto para cada um dos
algoritmos, quanto para a composição da abordagem final. | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.subject.keyword | Aprendizado de máquina | pt_BR |
| dc.subject.keyword | Algoritmos de computador | pt_BR |
| dc.subject.keyword | Veículo aéreo não tripulado | pt_BR |
| dc.subject.keyword | Rastreamento veicular | pt_BR |
| dc.subject.keyword | Sensoriamento remoto | pt_BR |
| dc.title | Estimação de posição de um quadrirrotor utilizando o sensor Kinect | pt_BR |
| dc.type | Trabalho de Conclusão de Curso - Graduação - Bacharelado | pt_BR |
| dc.date.accessioned | 2021-06-23T14:13:40Z | - |
| dc.date.available | 2021-06-23T14:13:40Z | - |
| dc.date.submitted | 2019-12-13 | - |
| dc.identifier.uri | https://bdm.unb.br/handle/10483/27779 | - |
| dc.language.iso | Português | pt_BR |
| dc.rights.license | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. | pt_BR |
| dc.contributor.advisorco | Lopes, Renato Vilela | - |
| dc.description.abstract1 | The present work addresses the implementation of tracking algorithms and Deep Learning
algorithms for traking and detecting of an Unmanned Aerial Vehicle (UAV). Two tracking
algorithms were choseen: Kernel Correlation Filter (KCF) and Minimum Output Sum of
Squared Error (MOSSE). In addition, a high-speed quadrotor detection algorithm was
used: Yolov3. The goal is to extract a quadrotor position automatically using Kinect sensor, acquiring this position in real time. A study of Machine Learning and Deep Learning
algorithms is presented to implement the Convolutional Neural Network. besides conducting a study on the tracking techniques that will be used. Finally, the results are displayed
for both the algorithms and the composition of the final approach. | pt_BR |
| Aparece na Coleção: | Engenharia Eletrônica
|
