@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}
}
A detecção e a classificação de obstáculos são fundamentais nas áreas de veículos autônomos terrestres e da robótica móvel em geral. Este trabalho usa nuvem de pontos oriunda de sensor laser 3D para realizar a classificação de obstáculos típicos em ambientes urbanos. O método apresentado consiste de segmentação, extração de características e utilização de uma rede neural multilayer perceptron (MLP) para classificar veículos, pessoas, troncos de árvores, postes de luz e edifícios. Os resultados experimentais mostram que é possível reconhecer as diferentes classes com uma boa precisão, obtendo 94,3% de acerto na classificação do conjunto de dados de validação.
