Método heterogêneo de detecção de faixas de trânsito em tempo real para sistemas embarcados

Página do item simplificado
dataload.collectionmapped02 - Mestrado - Engenharia Elétricapt_BR
dataload.filenamenourau8721.pdfpt_BR
dataload.handlemapped123456789/208pt_BR
dataload.idpergamum28814pt_BR
dataload.idvirtuanourauvtls000236022pt_BR
dataload.idvirtuapergamumvtls000236022pt_BR
dataload.idvirtuapergamum.sameurlnourauSIMpt_BR
dataload.linknourauhttp://www.bibliotecadigital.uel.br/document/?code=vtls000236022pt_BR
dataload.linknourau.regularSIMpt_BR
dataload.linknourau.retificadohttp://www.bibliotecadigital.uel.br/document/?code=vtls000236022pt_BR
dataload.linknourau.size64.00pt_BR
dc.contributor.advisorMelo, Leonimer Flávio de [Orientador]pt_BR
dc.contributor.authorSilva, Guilherme Brandão dapt_BR
dc.contributor.bancaGranziera Junior, Franciscopt_BR
dc.contributor.bancaBarbon Junior, Sylviopt_BR
dc.contributor.bancaScalassara, Paulo Rogériopt_BR
dc.coverage.spatialLondrinapt_BR
dc.date.accessioned2024-05-01T12:14:15Z
dc.date.available2024-05-01T12:14:15Z
dc.date.created2021.00pt_BR
dc.date.defesa02.02.2022pt_BR
dc.description.abstractResumo: A detecção e análise de faixas sobre as vias de trânsito destaca-se como uma das tecnolo gias fundamentais na implementação de veículos inteligentes e são essenciais em sistemas que auxiliam motoristas e veículos autônomos a dirigirem com segurança A queda no custo asso ciado ao aumento no desempenho das comodities da eletrônica, tais como sensores de visão e chips gráficos integrados, impulsionaram pesquisas e aplicações de direção autônoma e semi autônoma, onde a detecção de faixas de trânsito é uma das tecnologias fundamentais Este trabalho propõe a implementação heterogênea otimizada de um sistema de detecção de faixas em tempo real capaz de analisar e estimar as características geométricas e espaciais das faixas centrais observadas O sistema proposto, baseado em imagens de uma câmera monocular, fun ciona em uma sequência temporal de imagens Os quadros são pré-processados para a obtenção de uma imagem integrada em perspectiva aérea, onde características das sinalizações de faixa são extraídas para a formação de mapas de evidências Estes mapas combinados geram uma imagem binária robusta que contêm as marcações das faixas A estimativa final da faixa é modelada por um polinômio e é detectada via método de janelas deslizantes Para avaliação e validação do sistema proposto, o algoritmo foi implementado em um sistema embarcado con vencional, NVIDIA Jetson Nano, com um SoC Tegra X1 dotado de um processador ARM A57 e um chip gráfico NVIDIA com 128 núcleos CUDA São utilizadas e imagens reais de uma base de dados convencional para o problema de detecção de faixas de trânsito Foram analisadas métricas de acurácia, taxa de detecção e tempo de execução para diferentes cenários de vias Ademais, o método se mostrou eficiente para detectar as faixas de trânsito em diversos cená rios como estradas e rodovias, em diferentes condições, horários e trânsito O desempenho do método variou de 92,3% a 99,% de acurácia no melhor subconjunto, detectando até 97,9% das faixas centrais disponíveis com 8% dos pontos detectados válidos A implementação paralela otimizada foi capaz de executar, respectivamente, 14 vezes e 25 vezes mais rápido que a sua versão serial e híbrida, performando a uma taxa de 3 quadros por segundo, ultrapassando em dez vezes os requisitos de execução em tempo realpt_BR
dc.description.abstractother1Abstract: Decreasing costs and improvements on the performance of vision sensors, graphic chips, and embedded hardware have boosted research and applications related to autonomous and semi autonomous driving Within this area, lane detection is one of the most critical technologies It is a fundamental part of the implementation of autonomous driving or advanced driver assistance systems This work proposes the heterogeneous implementation of a real-time lane detection system that should be capable of analyzing and estimating geometrical and spatial characteristics of the observed lanes The proposed system is based on images from a monocular camera and works on a temporal sequence of images Each image frame is pre-processed to obtain a grayscale bird’s view perspective version of the image Then the features of the lane marks are extracted from that perspective by building some features maps These maps are combined to generate a robust binary image with the lane marks information The final estimation of the lanes is modeled by a polynomial fit, which is detected through an iterative sliding window method For evaluation and testing of the proposed method, the algorithm was implemented in a conventional embedded system with the SoC Tegra X1 equipped with an ARM A57 processor and an NVIDIA graphics chip with 128 CUDA cores Real images of a common dataset are used as input of the system The method proved efficient for detecting ego-lanes on roads and highways running TuSimple dataset images with different scenarios The method’s performance ranged from 923% to 99% accuracy in the best subset, detecting up to 979% of the ego-lanes available with 8% of the valid points In this way, the work is in the same range as other similar methods with the difference of being executed in an inexpensive graphics-processing tailored real-time embedded system The method performs within the established real-time limits The embedded system executed it in just 234 ms, which is 25 faster than the hybrid version and 14 times faster than the CPU-executed sequential version Additionally, considering the method’s run-time, future implementations can improve even further and enhance the detection quality still copping with the real-time criteriapt_BR
dc.description.notesDissertação (Mestrado em Engenharia Elétrica) - Universidade Estadual de Londrina, Centro de Tecnologia e Urbanismo, Programa de Pós-Graduação em Engenharia Elétricapt_BR
dc.identifier.urihttps://repositorio.uel.br/handle/123456789/10098
dc.languagepor
dc.relation.coursedegreeMestradopt_BR
dc.relation.coursenameEngenharia Elétricapt_BR
dc.relation.departamentCentro de Tecnologia e Urbanismopt_BR
dc.relation.ppgnamePrograma de Pós-Graduação em Engenharia Elétricapt_BR
dc.subjectSistemas embarcadospt_BR
dc.subjectFaixas de trânsitopt_BR
dc.subjectDetecçãopt_BR
dc.subjectVeículos inteligentespt_BR
dc.subjectImplementaçãopt_BR
dc.subjectEmbedded systemspt_BR
dc.subjectTraffic lanes - Detectionpt_BR
dc.subjectIntelligent vehicles - Implementationpt_BR
dc.titleMétodo heterogêneo de detecção de faixas de trânsito em tempo real para sistemas embarcadospt_BR
dc.typeDissertaçãopt_BR

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
8721.pdf
Tamanho:
3.41 MB
Formato:
Adobe Portable Document Format
Baixar

Coleções

02 - Mestrado - Engenharia Elétrica