Ciência da Computação
URI permanente desta comunidadehttps://repositorio.fei.edu.br/handle/FEI/342
Navegar
2 resultados
Resultados da Pesquisa
Trabalho de Conclusão de Curso SISTEMA INTELIGENTE DE NAVEGAÇÃO PARA VEÍCULOS AUTÔNOMOS EM AMBIENTE SIMULADO(2022-12-07) BRUNO QUADROS; MATHEUS CENTURION RUFINOProjetos inovadores relacionados a veículos autônomos vêm sendo realizados recentemente, melhorando a tecnologia utilizada por esses veículos ao longo dos últimos anos e atraindo a atenção de grandes nomes da indústria e do mercado profissional. Dentre os maiores problemas e desafios do uso dos sistemas inteligentes para esses veículos estão as tomadas de decisão imediatas, uma vez que qualquer erro pode resultar em um acidente. Isso ocorre por conta da quantidade de informações que o sistema do veículo recebe, o tempo de resposta do controle automatizado tende a aumentar. Sendo assim, esse trabalho apresenta a metodologia e elaboração de um sistema inteligente de navegação para veículos autônomos, utilizando técnicas computacionais de redes neurais convolucionais ou convolutional neural networks (CNN) e lógica nebulosa ou fuzzy logic. A validação da navegação será feita com o veículo realizando 20 voltas em uma cidade do simulador Webots, consideraremos o tempo e a taxa de sucesso de cada volta para avaliar a detecção dos objetos e o respeito às leis de trânsito vigentes.Trabalho de Conclusão de Curso VMPD (VEHICLE MANEUVER PATTERN DETECTION):(2020-06-17) GUILHERME COELHO SMALL ZICARI; NATHÁLIA CÂNDIDO; TIAGO COSTA ARRAZI; RAFAEL SILVA MOREIRAUm dos grandes problemas das sociedades atuais é o elevado crescimento da população, e consequentemente de veículos automotivos. Esse crescimento implica na elevação da com- plexidade do trânsito, no qual a quantidade de elementos em que deve se manter o foco é cada vez maior. Dada esta complexidade florescente, a probabilidade de acidentes devido a erros de julgamento cometidos por condutores, assim como a dificuldade de fiscalização pelas autorida- des, crescem. Este estudo tem como objetivo realizar a detecção de manobras que ocorrem ao redor do veículo o qual o motorista ocupa, o veículo-base. O sistema proposto baseia-se em técnicas de visão computacional, aprendizado de máquina e séries temporais. Com o objetivo de capturar uma visão mais ampla, são utilizadas câmeras que abrangem diferentes perspecti- vas a partir do veículo-base. Informações de interesse são extraídas e transformadas em séries temporais, posteriormente analisadas por uma rede neural, classificando manobras detectadas. Dada esta classificação, a metodologia se prova útil para a detecção de perigos e pontos de inte- resse realizada em sistemas de direção semiautônomos, ou mesmo a identificação de condução perigosa para a educação no trânsito. Até onde se sabe, este problema não foi abordado sob a perspectiva de primeira pessoa. Os resultados obtidos são promissores, com a menor acurácia média de 83,92% entre todas as validações. Individualmente, os resultados utilizando a valida- ção cruzada por K-Fold atingiram uma acurácia média de 99,63% e a validação cruzada manual não enviesada, 90,88%.