Improved detection techniques in autonomous vehicles for increased road safety

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorCosta, João Paulo Carvalho Lustosa da-
Autor(es): dc.contributorgabrielpmp@gmail.com-
Autor(es): dc.creatorPinheiro, Gabriel Passos Moreira-
Data de aceite: dc.date.accessioned2021-10-14T18:21:58Z-
Data de disponibilização: dc.date.available2021-10-14T18:21:58Z-
Data de envio: dc.date.issued2021-07-16-
Data de envio: dc.date.issued2021-07-16-
Data de envio: dc.date.issued2021-07-16-
Data de envio: dc.date.issued2020-12-17-
Fonte completa do material: dc.identifierhttps://repositorio.unb.br/handle/10482/41438-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/629886-
Descrição: dc.descriptionDissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2020.-
Descrição: dc.descriptionA futura adoção em massa de Veículos Autônomos traz um potencial significativo para aumentar a segurança no trânsito para ambos os motoristas e pedestres. Como reportado pelo Departamento de Transportes dos E.U.A., cerca de 94% dos acidentes de trânsito são causados por erro humano. Com essa realidade em mente, a indústria automotiva e pesquisadores acadêmicos ambicionam alcançar direção totalmente automatizada em cenários reais nos próximos anos. Para tal, algorit- mos mais precisos e sofisticados são necessários para que os veículos autônomos possam tomar decisões corretas no tráfego. Nesse trabalho, é proposta uma técnica melhorada de detecção de pedestres, com um aumento de precisão de até 31% em relação aos benchmarks atuais. Em seguida, de forma a acomodar a infraestrutura de trânsito já existente, avançamos a precisão na detecção de placas de trânsito com base em Redes Neurais Convolucionais. Nossa abordagem melhora substancialmente a acurácia em relação ao modelo-base considerado. Finalmente, ap- resentamos uma proposta de fusão de dados precoce, a qual mostramos surpassar abordagens de detecção com um só sensor e fusão de dados tardia em até 20%.-
Descrição: dc.descriptionCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).-
Descrição: dc.descriptionThe future widespread use of Autonomous Vehicles has a significant potential to increase road safety for drivers and pedestrians alike. As reported by the U.S. Department of Transportation, up to 94% of transit accidents are caused by human error. With that reality in mind, the auto- motive industry and academic researches are striving to achieve fully automated driving in real scenarios in the upcoming years. For that, more sophisticated and precise detection algorithms are necessary to enable the autonomous vehicles to take correct decisions in transit. This work proposes an improved technique for pedestrian detection that increases precision up to 31% over current benchmarks. Next, in order to accommodate current traffic infrastructure, we enhance performance of a traffic sign recognition algorithm based on Convolutional Neural Networks. Our approach substantially raises precision of the base model considered. Finally, we present a proposal for early data fusion of camera and LiDAR data, which we show to surpass detection using individual sensors and late fusion by up to 20%.-
Formato: dc.formatapplication/pdf-
Direitos: dc.rightsAcesso Aberto-
Direitos: dc.rightsA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.-
Palavras-chave: dc.subjectVeículos autônomos-
Palavras-chave: dc.subjectVisão computacional-
Palavras-chave: dc.subjectDetecção de pedestres-
Título: dc.titleImproved detection techniques in autonomous vehicles for increased road safety-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional – UNB

Não existem arquivos associados a este item.