TRABALHOS PUBLICADOS

@inproceedings{Danilo2013sensorb,

title = {Detec\c{c}\~{a}o e Classifica\c{c}\~{a}o de Objetos com uso de Sensor Laser para Aplica\c{c}\~{o}es em Ve\'{i}culos Aut\^{o}nomos Terrestres},

author = {Danilo Habermann and Rodrigo L Bragan\c{c}a Silva and D\^{e}nis Wolf and Fernando S Os\'{o}rio},

url = {https://www.sige.ita.br/edicoes-anteriores/2013/st/IV_2.pdf},

year  = {2013},

date = {2013-01-01},

booktitle = {Simp\'{o}sio de Aplica\c{c}\~{o}es Operacionais em \'{A}reas de Defesa 2013 (SIGE2013)},

abstract = {A detec\c{c}\~{a}o e a classifica\c{c}\~{a}o de obst\'{a}culos s\~{a}o fundamentais nas \'{a}reas de ve\'{i}culos aut\^{o}nomos terrestres e da rob\'{o}tica m\'{o}vel em geral. Este trabalho usa nuvem de pontos oriunda de sensor laser 3D para realizar a classifica\c{c}\~{a}o de obst\'{a}culos t\'{i}picos em ambientes urbanos. O m\'{e}todo apresentado consiste de segmenta\c{c}\~{a}o, extra\c{c}\~{a}o de caracter\'{i}sticas e utiliza\c{c}\~{a}o de uma rede neural multilayer perceptron (MLP) para classificar ve\'{i}culos, pessoas, troncos de \'{a}rvores, postes de luz e edif\'{i}cios. Os resultados experimentais mostram que \'{e} poss\'{i}vel reconhecer as diferentes classes com uma boa precis\~{a}o, obtendo 94,3% de acerto na classifica\c{c}\~{a}o do conjunto de dados de valida\c{c}\~{a}o.},

keywords = {segmenta\c{c}\~{a}o e classifica\c{c}\~{a}o, sensor laser},

pubstate = {published},

tppubtype = {inproceedings}

}

@inproceedings{Danilo2010rastreamentob,

title = {Rastreamento de Ve\'{i}culos com Emprego de Sensor Laser 2D},

author = {Danilo Habermann and Claudio Garcia},

url = {https://www.sige.ita.br/edicoes-anteriores/2010/st/VIII_1.pdf},

year  = {2010},

date = {2010-01-01},

booktitle = {Simp\'{o}sio de Aplica\c{c}\~{o}es Operacionais em \'{A}reas de Defesa 2010 (SIGE2010)},

abstract = {Este artigo apresenta um sistema de rastreamento de obst\'{a}culos, utilizando sensor laser 2D e filtro de Kalman. Contudo, esse filtro n\~{a}o \'{e} muito eficiente em situa\c{c}\~{o}es em que haja severas perturba\c{c}\~{o}es na posi\c{c}\~{a}o medida do obst\'{a}culo como, por exemplo, quando um objeto que est\'{a} sendo rastreado passa por tr\'{a}s de uma barreira, interrompendo o feixe de laser por alguns instantes, tornando imposs\'{i}vel receber do sensor as informa\c{c}\~{o}es sobre sua posi\c{c}\~{a}o. Este trabalho sugere um m\'{e}todo de minimizar esse problema com o uso de um algoritmo denominado Corretor de Discrep\^{a}ncias. Palavras-chavesrastreamento de ve\'{i}culos, detec\c{c}\~{a}o de objetos, filtro de Kalman, sensor laser.},

keywords = {detec\c{c}\~{a}o de objetos, Filtro de Kalman, rastreamento de ve\'{i}culos, sensor laser},

pubstate = {published},

tppubtype = {inproceedings}

}