You are on page 1of 6

Avaliac¸a˜ o da T´ecnica de Casamento de Imagens para

Navegac¸a˜ o Autˆonoma de VANTs
Carlos Anderson Oliveira Silva

Gustavo Augusto Mascarenhas Goltz

´
Elcio
Hideiti Shiguemori

Programa de P´os-Graduac¸a˜ o em Engenharia El´etrica
Universidade Federal de Minas Gerais
Av. Antˆonio Carlos 6627, 31270-901
Belo Horizonte, MG, Brasil
Email: calicinio@gmail.com

Instituto de Pesquisas da Marinha
Rio de Janeiro, RJ
Email: gustavo goltz@yahoo.com.br

Instituto de Estudos Avanc¸ados
S˜ao Jos´e do Campos, SP
Email: elcio@ieav.cta.br

Cristiano Leite de Castro

Haroldo Fraga de Campos Velho

Antˆonio P´adua de Braga

Universidade Federal de Minas Gerais
Belo Horizonte, MG
Email: crislcastro@ufmg.br

Instituto Nacional de Pesquisas Espaciais
S˜ao Jos´e dos Campos, SP
Email: haroldo@lac.inpe.br

Universidade Federal de Minas Gerais
Belo Horizonte, MG
Email: apbraga@ufmg.br

Resumo—Este artigo apresenta resultados da abordagem de
casamento de imagens aplicada a` estimativa de posic¸a˜ o para a
navegac¸a˜ o autˆonoma de VANTs (Ve´ıculos A´ereos N˜ao Tripulados).
O c´alculo da posic¸a˜ o absoluta se d´a com a uniformizac¸a˜ o
das imagens via extrac¸a˜ o de bordas e descoberta da posic¸a˜ o
na imagem georreferenciada que fornece a maior correlac¸a˜ o
com a imagem capturada em tempo de voo. A avaliac¸a˜ o do
m´etodo considera diferentes tipos de terreno (floresta, rodovia
e zona urbana) e tamb´em sua capacidade em seguir rotas reais
especificadas em um simulador de voo. Os resultados obtidos s˜ao
promissores e indicam que nosso sistema de vis˜ao pode ser usado
na substituic¸a˜ o do GPS (Global Positioning System) em voos reais.
Keywords—VANT, navegac¸a˜ o autˆonoma, casamento de imagens, extrac¸a˜ o de bordas, RBF, Canny.

I.

˜
I NTRODUC¸ AO

Sistemas de navegac¸a˜ o autˆonoma de VANTs (Ve´ıculos
A´ereos N˜ao Tripulados) frequentemente fazem uso dos sensores inercial (do inglˆes INS - Inertial Navigation System) e
de posicionamento global por sat´elite (do inglˆes GPS - Global
Positioning System). Caso o sinal de GPS, por algum motivo,
se torne indispon´ıvel ou corrompido, a estimativa da posic¸a˜ o
fornecida apenas pelo INS diverge no tempo e tende a se tornar
in´util dentro de poucos segundos [1], [2].
Falhas no sinal de GPS podem ser ocasionadas por diversos
fatores, tais como perturbac¸o˜ es na ionosfera [3], muito comuns
na Am´erica do Sul, vulnerabilidade a jamming e ataques maliciosos. Adicionalmente, por n˜ao ser uma tecnologia nacional,
seu uso para operac¸o˜ es sigilosas (militares) fica restrito [2], [4].
Por essas raz˜oes, um sistema de navegac¸a˜ o autˆonoma capaz de
lidar com falhas de GPS, de curto ou longo prazo, e´ muito u´ til.
Uma soluc¸a˜ o potencial para este problema e´ substituir o GPS
por um sistema de vis˜ao computacional, capaz de estimar a
posic¸a˜ o geogr´afica da aeronave a partir de imagens capturadas
em tempo real ao longo do voo.
Navegac¸a˜ o visual de VANTs tem sido um t´opico de grande
interesse na literatura e diversas soluc¸o˜ es tˆem sido propostas.

Entre elas pode-se citar as t´ecnicas de navegac¸a˜ o baseadas
em SLAM (do inglˆes Simultaneous Localization and Mapping) [1], [5], em reconhecimento de pontos de referˆencia
(landmarks) [4], em odometria por imagens [2], [6], dentre
outras. Contudo, a soluc¸a˜ o a ser proposta para o problema de
navegac¸a˜ o visual deve levar em considerac¸a˜ o restric¸o˜ es relacionadas a` velocidade de processamento da t´ecnica empregada,
carga u´ til da aeronave e variac¸o˜ es nas imagens devido a ac¸o˜ es
do homem, tempo e luminosidade.
Uma abordagem recentemente investigada por nosso grupo
de pesquisa e´ baseada no casamento de imagens do terreno
sobrevoado com imagens de sat´elite georreferenciadas [7]–[9].
Partindo-se de uma rota planejada para o VANT, o casamento
de imagens permite aferir se este encontra-se em rota ou se
houve algum desvio. Na hip´otese de que a rota n˜ao esteja
sendo seguida, pode-se ent˜ao corrigir a trajet´oria para que a
aeronave possa cumprir com eˆ xito o seu planejamento de voo.
A estimativa da posic¸a˜ o absoluta se d´a com a uniformizac¸a˜ o
das imagens via extrac¸a˜ o de bordas e descoberta da posic¸a˜ o
na imagem georreferenciada que fornece a maior correlac¸a˜ o
com a imagem a´erea. Quando o casamento e´ realizado corretamente, a posic¸a˜ o calculada por este procedimento e´ similar
a` quela fornecida pelo GPS.
Como uma extens˜ao de nossos estudos anteriores [7]–
[9], este artigo tem como objetivo avaliar o desempenho da
abordagem de casamento de imagens sob duas perspectivas:
(i) com relac¸a˜ o a diferentes tipos de terreno (floresta, rodovia
e zona urbana) e, (ii) sua capacidade em seguir rotas reais
especificadas em um simulador de voo. A avaliac¸a˜ o considera
tamb´em o desempenho de dois diferentes m´etodos de extrac¸a˜ o
de bordas: Canny e RBF (do inglˆes Radial Basis Functions).
Os resultados obtidos s˜ao promissores e indicam que nosso
sistema de vis˜ao pode ser usado na substituic¸a˜ o do GPS em
voos reais.
Para que fosse
de voo, uma etapa
dos algoritmos de
computacional [8],

poss´ıvel realizar testes com o simulador
deste trabalho envolveu a implementac¸a˜ o
casamento de imagens em um sistema
cuja finalidade e´ permitir a comunicac¸a˜ o

A escolha de um extrator baseado em bordas se deu pelo fato das bordas serem bastante robustas a` mudanc¸as de luminosidade [2]. do computador de bordo e de um mecanismo que faz o casamento da imagem capturada pela cˆamera do VANT com a imagem georreferenciada. Fatores que dificultam o casamento de imagens s˜ao as diferenc¸as de escala. O c´alculo da correlac¸a˜ o no dom´ınio espacial e´ dado pela Equac¸a˜ o 1. Faz-se portanto necess´ario. um extrator que produza caracter´ısticas robustas a` condic¸o˜ es de luminosidade. As dimens˜oes das imagens alvo e template s˜ao discutidas na Sec¸a˜ o V. ˜ S ISTEMA DE V IS AO O sistema de vis˜ao proposto estima a posic¸a˜ o do VANT atrav´es de informac¸o˜ es extra´ıdas do sensor inercial. a seguir. Finalmente. Tais t´ecnicas s˜ao descritas nas Sec¸o˜ es III-A e III-B. bem como a coleta de coordenadas geogr´aficas reais e obtidas pelo processo de casamento de imagens. os quais ser˜ao detalhados na Sec¸a˜ o III. Das etapas de pr´e-processamento acima descritas. III. respectivamente. Uma vez que as bordas das imagens target e template s˜ao extra´ıdas. Em se tratando da imagem georreferenciada. A incorporac¸a˜ o de nossos algoritmos a este sistema possibilitou o planejamento de uma rota. entre as imagens template (capturada pela cˆamera do VANT) e target (imagem de sat´elite georreferenciada). leste e oeste. sul. A partir deste ponto s˜ao acrescidos n pixels nas direc¸o˜ es norte. • aplicac¸a˜ o de filtro passa-alta [11] para realc¸ar as bordas da imagem. o que faz com que haja uma diferenc¸a nas condic¸o˜ es de luminosidade no momento de sua captura. a seguir. eliminando efeitos de perspectiva [10]. estes fatores podem ser contornados aplicando-se os seguintes procedimentos: • captura em visada nadir. onde n e´ a metade do tamanho pretendido para aquela imagem. • correc¸a˜ o de rotac¸a˜ o atrav´es de informac¸a˜ o de posic¸a˜ o de proa fornecida pela b´ussola do VANT. e´ importante ressaltar que as correc¸o˜ es envolvendo rotac¸a˜ o e escala s˜ao aplicadas apenas na imagem capturada pelo VANT. II. A Sec¸a˜ o III descreve o mecanismo de casamento de imagens.(via TCP-IP) entre o banco de imagens georreferenciadas e o simulador de voo. atrav´es das metodologias de extrac¸a˜ o de bordas. inerentemente. a captura de imagens em tempo de voo (simulando a cˆamera acoplada ao VANT). • convers˜ao para tons de cinza. • aplicac¸a˜ o de filtro passa-baixa [11] para suavizac¸a˜ o da imagem e eliminac¸a˜ o de detalhes do terreno. a serem discutidas na Sec¸a˜ o III. Al´em disso. a Sec¸a˜ o VI traz as conclus˜oes. conforme ilustrado no diagrama da Figura 1. O restante do artigo est´a organizado da seguinte forma: a Sec¸a˜ o II fornece uma vis˜ao geral do sistema de navegac¸a˜ o visual como uma alternativa ao uso do GPS. o target e´ obtido a partir de um recorte feito com base na informac¸a˜ o de localizac¸a˜ o fornecida pelo sensor inercial. Esta posic¸a˜ o se torna o ponto central da imagem. luminosidade e reposta espectral C ASAMENTO DE IMAGENS Como mencionado anteriormente. O mecanismo de casamento de imagens (do inglˆes template matching [8]) possui dois est´agios principais: extrac¸a˜ o de caracter´ısticas (bordas) e correlac¸a˜ o espacial para estimac¸a˜ o da posic¸a˜ o geogr´afica. Sistema de vis˜ao baseado em casamento de imagens. os fatores ligados a` s diferenc¸as de luminosidade e resposta espectral s˜ao eliminados. Para extrac¸a˜ o das bordas duas t´ecnicas foram usadas: filtro de Canny [12] e redes neurais do tipo Radial Basis Function (RBF) [13]. . Conforme observado em nosso trabalho anterior [7]. rotac¸a˜ o. detalhando as t´ecnicas usadas para extrac¸a˜ o de bordas. • correc¸a˜ o do fator de escala atrav´es de informac¸a˜ o de altitude fornecida pelo computador de bordo do VANT. • aplicac¸a˜ o de um filtro de mediana [11] com uma m´ascara de convoluc¸a˜ o 3x3 para eliminac¸a˜ o de pequenos detalhes. Figura 1. o mecanismo de casamento de imagens e´ baseado em um extrator de bordas e posterior aplicac¸a˜ o de correlac¸a˜ o espacial entre pixels. O protocolo usado nos experimentos e os resultados obtidos s˜ao discutidos nas Sec¸o˜ es IV e V. o casamento e´ feito com base na sua correlac¸a˜ o. A imagem georreferenciada e a imagem capturada pela cˆamera do VANT s˜ao geralmente produzidas em instantes distintos.

sendo que cada padr˜ao possui um valor associado (sa´ıda desejada). com J ≤ M e K ≤ N . respectivamente. . Figura 2. o centr´oide e o raio para o j-´esimo neurˆonio da camada escondida. Detector de bordas via RBF O detector de Canny e´ um filtro de convoluc¸a˜ o robusto ao ru´ıdo. Xmax = 2π −∞ R +∞ −∞ f 02 (x)dx f 002 (x)dx kx − cj k2 yˆ(x) = wj exp − 2σj2 i=1 ! (4) onde cj e σj representam. M e N correspondem a` s dimens˜oes da matriz F que armazena as bordas da imagem georreferenciada (target). Assim. A partir da Equac¸a˜ o 1. A camada de sa´ıda possui um u´ nico neurˆonio com func¸a˜ o de ativac¸a˜ o sigmoide log´ıstica. Durante o processo de treinamento. (2) onde f (x) e´ a resposta de impulso do filtro definido no intervalo [−w. Detector de bordas de Canny B. quando ent˜ao o quadro desliza um pixel pra baixo e percorre novamente a imagem da esquerda para direita. um pixel por iterac¸a˜ o. A Figura 2 ilustra um exemplo da aplicac¸a˜ o do extrator Canny a uma imagem de sat´elite georreferenciada. conforme a Express˜ao 2 a seguir R  R  w w | −w G(−x)f (x)dx| | −w G0 (−x)f 0 (x)dx|    qR qR w w 2 02 n0 f (x)dx n0 f (x)dx −w −w A condic¸a˜ o de filtro o´ timo (Express˜ao 2) deve ainda atender ao terceiro crit´erio (item 3). Os pesos da camada de sa´ıda (wj ) foram calculados segundo a regra de Widrow-Hoff [13]. com sa´ıda entre 0 e 1. ao maximizar a condic¸a˜ o dada pela Express˜ao 2. A express˜ao matem´atica para a distˆancia ( Xmax ) entre m´aximos adjacentes na resposta do filtro f (x) e´ dada pela Equac¸a˜ o 3. consistindo na maximizac¸a˜ o da raz˜ao sinal/ru´ıdo. Boa localizac¸a˜ o: a distˆancia entre os pixels de borda encontrados pelo detector deve ser a menor poss´ıvel com os pontos de bordas bem localizados. da esquerda para direita at´e o final da linha. y − t) (1) y onde c(s. t). y − t∗ ). y)W (x − s. . . As coordenadas do pixel na imagem georreferenciada que coincidem com o pixel central da imagem a´erea correspondem a` posic¸a˜ o geogr´afica do VANT. Apenas uma resposta para um u´ nica aresta: evita que o detector de bordas identifique m´ultiplos pixels de borda onde somente exista um u´ nico pixel. G(x) e´ uma borda unidimensional e n0 a quantificac¸a˜ o do ru´ıdo da imagem. Padr˜oes de treinamento representando as poss´ıveis bordas de uma imagem. A extrac¸a˜ o de bordas via RBF se deu a partir do aprendizado pela rede dos poss´ıveis padr˜oes de borda presentes em uma imagem. M − 1 e t = 0. 1. w]. a posic¸a˜ o do VANT pode ser estimada da seguinte forma: registra-se a posic¸a˜ o (s∗ . A ideia b´asica e´ que deve haver um u´ nico ponto de borda onde existe uma u´ nica borda verdadeira [12]. R +∞ h X ! 12 (3) Figura 3.c(s. . N − 1. t) = XX x F (x. o processo de extrac¸a˜ o de bordas via RBF ocorre da seguinte forma: desliza-se um quadro de tamanho 3x3 sobre a imagem a ser processada. Logo um filtro para detecc¸a˜ o de bordas envolve a maximizac¸a˜ o do itens 1 e 2. A imagem template deve ter dimens˜oes ´ımpares para que seja poss´ıvel tomar como referˆencia seu pixel central. com s = 0. deve-se tamb´em garantir que Xmax seja o maior poss´ıvel. representa a matriz que armazena as bordas da imagem capturada pelo VANT (template). aumentando a possibilidade de separac¸a˜ o entre m´aximos verdadeiros e m´aximos falsos na sa´ıda do filtro f (x). o qual ele denominou de filtro o´ timo: RBF (Radial Basis Function) e´ considerada uma rede neural do tipo feed-forward que usa func¸o˜ es de base radial como func¸o˜ es de ativac¸a˜ o dos neurˆonios da camada escondida. Uma vez treinada. o que equivale a maximizac¸a˜ o do produto entre eles [12]. t) denota a correlac¸a˜ o c dos pixels (s. . . Cada quadro . 1. . Assume-se que a borda est´a centrada em x = 0. t∗ ) de maior correlac¸a˜ o entre as matrizes F (target) e W (template) e toma-se as coordenadas do pixel de F que coincidem com o pixel central de W (x − s∗ . . conforme ilustrado pela Figura 3. Exemplo da aplicac¸a˜ o do extrator de bordas Canny em uma imagem de sat´elite A. Canny [12] definiu trˆes crit´erios que um filtro de detecc¸a˜ o de bordas deve atender. os vetores centr´oide (cj ) e raio (σj ) de cada neurˆonio oculto foram estimados a partir do algoritmo de agrupamento Fuzzy C-Means [14]. O mapeamento entrada-sa´ıda produzido pela RBF devido a apresentac¸a˜ o de um padr˜ao arbitr´ario x ∈ Rd e´ dado por [13] 1) 2) 3) Boa detecc¸a˜ o: o detector de bordas deve encontrar somente bordas. W com dimens˜oes J × K.

por inspec¸a˜ o visual. a rede RBF que apresentou melhor desempenho sobre um conjunto indepedente de validac¸a˜ o foi a de arquitetura 9:5:1. lon1 e lon2 s˜ao. a moda e o n´umero de falsos positivos (FP). respectivamente. cuja finalidade e´ a comunicac¸a˜ o (via TCPIP) entre o mapa de imagens georreferenciadas e o simulador FlightGear [15]. Seguindo a recomendac¸a˜ o de [2]. em intersec¸o˜ es de rodovias e construc¸o˜ es urbanas. o qual representa a posic¸a˜ o real da aeronave. Gerac¸a˜ o da imagem template a partir do pixel α(x. No caso do primeiro experimento. correspondendo a um padr˜ao de entrada para a rede RBF. lat2 . A Figura 4 ilustra a gerac¸a˜ o da imagem template.pode ser visto como um vetor de 9 posic¸o˜ es. y) no target. A.SP. Tabela I. A imagem template. Um falso positivo (FP) foi considerado quando a distˆancia. Rodovia e Urbana. sul. Para simular a diferenc¸a da resposta espectral causada pelos diferentes sensores. Resultado da aplicac¸a˜ o do Filtro Gaussiano. por exemplo. a distˆancia Euclidiana foi usada como m´etrica de desempenho para calcular a diferenc¸a entre a posic¸a˜ o real (obtida previamente) e a posic¸a˜ o calculada via casamento de imagens. Figura 4. O padr˜ao de treinamento cuja sa´ıda mais se aproxima da sa´ıda da RBF fornece seu valor central (0 ou 1) a` posic¸a˜ o correspondente na imagem processada. y). R ESULTADOS R ESULTADOS A PARTIR DO BANCO DE IMAGENS . tais como regi˜oes de floresta e zona rural. IV. Tipos de terreno A avaliac¸a˜ o do sistema de vis˜ao frente a diferentes tipos de terreno se deu a partir do casamento entre os targets (350x350 pixels) pertencentes ao banco de imagens e seus correspondentes templates. Em ambos os experimentos. que embora tenha alcanc¸ado um valor pequeno para o erro . Para tanto. M´etodo RBF Canny distˆancia m´edia 2.6487 0 moda 1. O escalar obtido na sa´ıda da rede e´ comparado com os valores de sa´ıda associados a cada padr˜ao de treinamento (vide Figura 3). leste e oeste a partir de α(x. coordenadas geogr´aficas reais e obtidas pelo sistema de vis˜ao. O primeiro teve como objetivo testar sua acur´acia frente a diferentes tipos de terreno. a captura de imagens em tempo de voo (simulando a cˆamera acoplada ao VANT) e a coleta dos seguintes dados: altitude. O resultado da aplicac¸a˜ o deste filtro e´ ilustrado na Figura 5. e´ maior que 100. lat1 . d = RT arccos(cos(lat1 ) cos(lat2 ) cos(lon1 − lon2 ) + sin(lat1 ) sin(lat2 )) (5) onde RT representa o raio m´edio da circunferˆencia da terra. em pixels. essa distˆancia foi calculada em relac¸a˜ o aos pixels das imagens. A incorporac¸a˜ o de nossos algoritmos a este sistema possibilitou o planejamento de uma rota. em metros. a distˆancia foi calculada em relac¸a˜ o a posic¸a˜ o geogr´afica (latitude e longitude) real da aeronave. e´ maior que 200. Um banco de dados foi ent˜ao formado a partir da selec¸a˜ o de 80 imagens de sat´elite da cidade de S˜ao Jos´e do Campos . As imagens desse banco foram classificadas. Todos os valores foram obtidos em func¸a˜ o da distˆancia Euclidiana. foi gerada tomando-se 59 pixels nas direc¸o˜ es norte. Cada template foi gerado a partir da escolha aleat´oria de um pixel α(x. em trˆes grupos: Floresta. O processo de escolha do pixel que representa a posic¸a˜ o real e´ descrito na Sec¸a˜ o V-A. E XPERIMENTOS Para avaliar a acur´acia do sistema de navegac¸a˜ o visual foram realizados dois experimentos. um falso positivo foi considerado quando essa distˆancia. O mesmo j´a n˜ao pode ser afimado do extrator RBF. Isso se justifica pelo fato de que o reconhecimento baseado em bordas pode ter seu desempenho prejudicado em imagens contendo terrenos n˜ao estruturados. nossos algoritmos de casamento de imagens tiveram que ser implementados em um sistema computacional [8]. um filtro Gaussiano de dimens˜ao 5x5 e σ = 2 foi aplicado a cada imagem template gerada [11]. Figura 5. O c´alculo dessa distˆancia e´ dado de acordo com a equac¸a˜ o [16] V. posic¸a˜ o de proa. A acur´acia da posic¸a˜ o estimada pelo sistema de vis˜ao pˆode ent˜ao ser calculada como a distˆancia Euclidiana entre α(x. y) e o pixel de maior correlac¸a˜ o retornado via processo de casamento de imagens descrito na Sec¸a˜ o III. representando o n´umero de estimativas de posic¸a˜ o com distˆancia superior a 100 pixels.4142 0 FP 1 0 A Tabela I mostra que o casamento de imagens via extrator Canny foi capaz de estimar corretamente a posic¸a˜ o real da aeronave para todas as 80 imagens. Por outro lado. y). S˜ao listadas a distˆancia m´edia. No processo de extrac¸a˜ o de bordas das imagens. com dimens˜ao 119x119 pixels. as latitudes e longitudes relativas a duas posic¸o˜ es. No caso do experimento usando o simulador de voo. O objetivo do segundo experimento foi verificar a capacidade do m´etodo em seguir uma rota planejada usando um simulador de voo. A Tabela I compara os resultados obtidos pelos extratores Canny e RBF para todas as 80 imagens pertencentes ao banco de imagens. independentemente do tipo de terreno. e´ esperado que seu desempenho seja melhor em terrenos contendo caracter´ısticas “robustas” como.

Tabela III.06 1. Imagem 52 apresentando terreno n˜ao-estruturado.414214 0 1. respectivamente. A Tabela III compara os desempenhos dos extratores Canny e RBF na estimativa de posic¸o˜ es sobre uma rota planejada no simulador FlightGear. Encontram-se listados o n´umero total de estimativas de posic¸a˜ o ao longo da rota (No. de imagens Floresta 29 Rodovia 13 Urbana 38 M´etodo RBF Canny RBF Canny RBF Canny distˆancia m´edia 4. Adicionalmente. As rotas calculadas via Canny e RBF podem ser visualizadas juntamente com a rota planejada nas Figuras 8 e 9.85 74.15 25. Moda (m) 2. R ESULTADOS POR TIPOS DE TERRENO . A Figura 6 ilustra as distˆancias obtidas pela RBF para todas as 80 imagens do banco. estimativas 26 85 Distˆancia m´edia (m) 307. que possui uma parcela dominante de terreno n˜ao-estruturado (tipo Floresta). conforme pode ser visto na Figura 7. Essa diferenc¸a pode ser atribu´ıda ao custo dispendido por cada um desses m´etodos durante a extrac¸a˜ o de bordas das imagens.m´edio em relac¸a˜ o a posic¸a˜ o real. Classe no. Canny obteve desvio m´edio em relac¸a˜ o a posic¸a˜ o real inferior a 200 metros e uma taxa menor de falsos positivos quando comparado ao RBF. Figura 9. B.76 144. que apesar dessas diferenc¸as. Figura 7. Rodovia e Urbana.29 Figura 8. Canny calculou a posic¸a˜ o 85 vezes enquanto RBF calculou apenas 26 vezes.9 VP(%) 53.1 A Tabela III mostra que. sendo capaz de estimar in´umeras posic¸o˜ es com desvios (em metros) bem pr´oximos de zero. Distˆancias obtidas por RBF para todas as 80 imagens do banco. Trajeto do VANT utilizando Canny. Essa e´ uma caracter´ıstica inerente do simulador de voo utilizado e n˜ao prejudica a an´alise dos resultados feita neste estudo. Trajeto do VANT utilizando RBF. originalmente. Como esperado.414214 0 1. ambos os m´etodos foram capazes de atingir os way-points da rota planejada. Nota-se com base nestas figuras que Canny apresenta menor variˆancia que RBF. ao longo da mesma rota. Simulador de voo No canto superior direito das Figuras 8 e 9 pode-se notar um desvio proposital na trajet´oria do VANT. A Tabela II divide os resultados por terreno: Floresta.414214 0 moda 1. conforme mostrado nas Figuras 8 e 9. a distˆancia m´edia medida em relac¸a˜ o a posic¸a˜ o real. Canny mostrou-se insens´ıvel ao tipo de terreno. mostrou-se melhor com terrenos contendo caracter´ısticas estruturadas (Rodovia e Urbana) do que com texturas n˜ao estruturadas da classe Floresta. J´a o RBF.25 FP(%) 46. Cabe ressaltar. estimativas). O falso positivo ocorre no casamento do target 52.834087 0 1. Tabela II. apresentou um erro do tipo falso positivo. D ESEMPENHOS DOS EXTRATORES Canny E RBF NA ˜ SOBRE UMA ROTA PLANEJADA NO SIMULADOR ESTIMATIVA DE POSIC ¸ OES M´etodo RBF Canny Figura 6. (TP). a moda. . no entanto. possui uma configurac¸a˜ o que indica um obst´aculo entre aqueles way-points.414214 0 FP 1 0 0 0 0 0 No. Isso ocorre porque o sistema NAV [8]. e as taxas de falsos positivos (FP) e de verdadeiros positivos Uma an´alise detalhada dos desvios entre a localizac¸a˜ o real e a localizac¸a˜ o obtida considerando todas as estimativas de posic¸a˜ o e´ dada pelas Figuras 10 e 11.382351 0 1.

and S. L. “Landmarks recognition for autonomous aerial navigation by neural networks and gabor transform. investigando outros extratores de caracter´ısticas e tipos de imagens. Canhoto. 1. C. vol. Haykin. mais robusto que RBF.” in X Congresso Brasileiro de Inteligˆencia Computacional. 2007. T. 485118/2013-0. F. S. Canny apresentou uma rota mais suave que RBF. Neuro-fuzzy and Soft Computing: A Computational Approach to Learning and Machine Intelligence. 2012. 2013. A. Horta. Canny permitiu realizar um maior n´umero de casamentos. [1] [2] [3] [4] [5] [6] Figura 11.” in Anais do Computer on the beach. Jung. H. Jang and C. 496 – 499. 2nd ed.” vol. Este fato reforc¸a os ind´ıcios de que a metodologia proposta pode ser usada para voos autˆonomos em regi˜oes controladas. Shiguemori. 9–17. pp. 55. Velho. Shiguemori. Kluwer Academic Publishers-Plenum Publishers. I.simulador de voo. 2009.” in Image Processing: Algorithms and Systems. R EFER Eˆ NCIAS Desvios obtidos por Canny no simulador do voo. NJ.br. F. . C. 2007. d. vol. tais como. Velho. 2007. H. E. Processamento de Imagens Digitais. IEAv. Lemaire. E. G. G. pp. Upper Saddle River. Lacroix. Conte and P. com erro m´edio de estimac¸a˜ o de posic¸a˜ o abaixo dos 200m e uma taxa de falso de positivos na ordem de 25. Computer on the beach. Desvios obtidos pela RBF no simulador do voo. Al´em disso. R. A. E. “Processamento de imagens obtidas com diferentes aˆ ngulos de visada para aplicac¸a˜ o na navegac¸a˜ o autˆonoma. USA: Prentice Hall PTR. A. Shiguemori. 64970. Longley. termais. A. H. no. V. Gonzalez and R. E. “Position estimation of uav by image processing with neural networks. no. NJ. e´ importante ressaltar que ambos os extratores foram capazes de atingir os waypoints estabelecidos pelo projetista da rota. M. R. PAMI-8. 1998. Neural Networks: A Comprehensive Foundation. 343–364.Brasil e do CNPq.” in IEEE International Conference on Signal and Image Processing Applications (ICSIPA). 5045–5050. Jos´e and E.Apesar dos resultados promissores.” in Anais do Semin´ario Anual de Iniciac¸a˜ o Cient´ıfica e P´osGraduac¸a˜ o do IEAv. G. IEEE. “Controle e navegac¸a˜ o de vants atrav´es de utilizac¸a˜ o de template matching. Inc. por apresentar menor custo computacional na extrac¸a˜ o de bordas. o pr´oximo passo e´ testar a metodologia usando imagens de um voo real de VANT. E.” in Anais do XIX Congresso Brasileiro de Autom´atica. o que faz com que sua rota estimada seja mais pr´oxima da rota planejada. Goltz. “Extrac¸a˜ o de caracter´ısticas e casamento de padr˜oes aplicados a` estimac¸a˜ o de posic¸a˜ o de um vant. Monteiro. M. Santos. “Image sequence processing applied to autonomous aerial navigation. Morfologia e dinˆamica das irregularidades ionosf´ericas de pequena escala e imageamento ionosf´erico por GPS. Adicionalmente. H. AGRADECIMENTOS O presente trabalho foi realizado com o apoio financeiro da CAPES . Desde que os testes realizados neste artigo foram feitos em ambientes controlados (banco de imagens e simulador). Embora a rota produzida pelo extrator RBF tenha produzido uma taxa maior de falsos positivos. “A Computational Approach to Edge Detection. M. 2011. C. H. H. entre outras. 1986. J. Em relac¸a˜ o ao experimento que usa o simulador de voo. Kim and S. 3rd ed. T.. Canny. ser. Velho.” [Online]. H. p. H. pp. 29. 2nd ed. G. Available: http://http: //www. processo No. pp. Torres.org/ P. C. Braga. H. Na an´alise comparativa entre os extratores de borda. F. Shiguemori. J. 2010. 1997. Sukkarieh. “Vision-based slam: Stereo and monocular approaches. pretende-se estender a metodologia para a realizac¸a˜ o de voos fora da faixa do vis´ıvel. 62–71. E. [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] J. Geographic information systems and science. Martins. VI. Canny mostrou-se. A. “Flight gear . P. 679–698. 3. no. Muella. pp. Figura 10. vol. muito ainda precisa ser feito. Sun. Shiguemori. C. 2005. Lidar. CBIC. pp. P. vol. ˜ C ONCLUS OES Os resultados obtidos mostram que a abordagem de casamento de imagens pode ser usada como alternativa a` tecnologia de GPS na estimac¸a˜ o da localizac¸a˜ o geogr´afica de uma VANT. no geral. pp. “An integrated uav navigation system based on aerial image matching. 74. and M. and H.9%. Braga. E. C. Upper Saddle River. contrastando as posic¸o˜ es estimadas por nosso sistema com aquelas estimadas por um GPS. 2008. 1. Berger. and M. Woods.” in Aerospace Conference. and A. USA: Prentice-Hall. 6.flightgear. 1–10. Shiguemori.” Robotics and Autonomous Systems. and A.” Pattern Analysis and Machine Intelligence. “Real-time implementation of airborne inertial-slam. T. Domiciano. Doherty. Canny apresentou 100% de acur´acia para o experimento envolvendo diferentes tipos de terreno enquanto a RBF apresentou um erro do tipo falso positivo para uma imagem pertencente a classe Floresta. Wiley. P. P. VII.