| Resumo: | A navegação em ambientes aquáticos é um amplo tema de pesquisa que nos últimos anos tem recebido maior atenção da comunidade que trabalha com robótica móvel. O uso de veículos de superfície aquática para inspeção, mitigação e gerenciamento de desastres naturais aquáticos, por exemplo, ajudou a impulsionar a pesquisa para navegação autônoma nesta área. Para executar uma navegação autônoma em ambientes ao ar livre, é necessário identificar partes da superfície que podem ser navegáveis, o que é um dos desafios deste tipo de aplicação. Neste contexto, o objetivo deste trabalho é apresentar um método para identificação da superfície aquática baseada na propriedade óptica turva, encontrada nestes tipos de ambientes. No desenvolvimento deste método foram utilizadas técnicas de visão computacional em conjunto com redes neurais artificiais para construir um Classificador, que tem como tarefa distinguir e identificar a superfície aquática navegável. Para isto, foi realizado um estudo sobre o uso de diversas características baseadas na cor e textura das superfícies aquáticas turvas para a extração de diversos atributos para treinar o Classificador, tais como: média, entropia, variância e energia, variando em diferentes canais de cor (RGB, HSV, YUV). De forma a compactar todas estas informações foi utilizado o método estatístico de análise de componentes principais, e o seu resultado foi utilizado como entrada das redes neurais artificiais, construindo assim o Classificador. Este classificador tem como tarefa fundamental gerar o mapa de navegabilidade que é interpretado por uma máquina de estados para tomada de decisões. Todo o método desenvolvido foi embarcado em um protótipo de veículo aquático ao mesmo tempo em que os resultados e avaliações foram validados utilizando o veículo em ambientes reais e diferente cenários.
Navigation in aquatic environments is a broad topic that in recent years has received considerable attention from the community working with mobile robotics. The use of aquatic surface vehicles for inspection, mitigation and natural aquatic disasters management, boosted the search for autonomous navigation in this area. in order to perform an autonomous navigation in outdoor environments, it is necessary to identify parts of the surface that can be navigable, and this is one of the fundamental problems in this type of application. In this context, the objective of this research is to propose a method for water surfaces identification based on the blurred optical property, found in these types of environments. More specifically, computer vision was used in conjunction with neural networks to build a classifier, which has the task of distinguishing and identifying navigable aquatic surface. ln order to achieve this objective, a study on the use of several features based on color and texture of these turbid surfaces for the extraction of various attributes to generate the classifier, such as: mean, variance, entropy and energy, varying in different color channels (RGB, HSV, YUV). In order to compress all of this information it was used statistical method of principal component analysis, whose results were used as input of the artificial neural network, thus constructing the classifier. The classifier has the fundamental task of generating the navigation map that is interpreted by a state machine for decision making. All the method developed was applied and embarked in aquatic vehicle prototype at the same time the results and assessments were validated using the vehicle in real environments and different scenarios. |
