Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/29194
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2019_GustavoGianini_IgorLousada_tcc.pdf2,65 MBAdobe PDFver/abrir
Título: Estudos em mapas de alta definição para navegação autônoma
Autor(es): Gianini, Gustavo Veloso
Lousada, Igor Coutinho Soriano
Orientador(es): Queiroz, Ricardo Lopes de
Assunto: Veículos autônomos
Nuvem de pontos
Data de apresentação: Dez-2019
Data de publicação: 16-Nov-2021
Referência: GIANINI, Gustavo Veloso; LOUSADA, Igor Coutinho Soriano. Estudos em mapas de alta definição para navegação autônoma. 2019. 73 f., il. Trabalho de conclusão de curso (Bacharelado em Engenharia de Redes de Comunicação)—Universidade de Brasília, Brasília, 2019.
Resumo: O desenvolvimento de veículos autônomos, capazes de auxiliar no deslocamento urbano, tem sido um dos principais temas de pesquisas em universidades e empresas de todo o mundo. Neste contexto, os mapas de alta definição são capazes de oferecer para o veículo inteligente informações sobre o ambiente ao redor, como obstáculos, placas de trânsito, pedestres, informações sobre tráfego, entre outras informações pertinentes. Neste projeto, foram desenvolvidas duas contribuições no contexto de nuvens de pontos. A primeira contribuição consiste em um método para realizar a sobreposição de nuvem de pontos de uma determinada região, formando uma nuvem de pontos com maior densidade de pontos. Pelo alto custo de sensor LiDAR e impossibilidade de realizar múltiplas capturas em ambiente urbano, foi utilizado o KITTI data set. A segunda contribuição, foram aplicados métodos de voxelização e compressão de nuvem de pontos para melhor viabilizar a sua transmissão. Os resultados obtidos foram dentro do esperado, já que de fato na primeira contribuição, obteve-se nuvens de pontos globais com maior densidade de pontos em comparação às nuvens de ponto iniciais. Na segunda abordagem também for possível otimizar a transmissão já que o número final de bits foi substantivamente menor que o inicial.
Abstract: The development of autonomous vehicles, capable of assisting in urban travel, has been one of the main research topics in universities and companies around the world. In this context, high definition maps are able to provide the intelligent vehicle with information about the surrounding environment, such as obstacles, traffic signs, pedestrians, traffic information, among other pertinent information. In this project, two contributions were developed in the context of point clouds. The first contribution consists of a method to perform the point cloud overlap of a given region, forming a point cloud with higher point density. Due to the high cost of the LiDAR sensor and the impossibility of making multiple captures in an urban environment, the KITTI data set was used. The second contribution, were applied voxelization and point cloud compression methods to better enable its transmission. The results obtained were as expected, since in fact in the first contribution, it was obtained global point clouds with higher point density compared to the initial point clouds. In the second approach it is also possible to optimize the transmission since the final number of bits was substantially smaller than the initial one.
Informações adicionais: Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Faculdade de Tecnologia, 2019.
Licença: 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.
Aparece na Coleção:Engenharia de Redes de Comunicação



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.