ESTG - Mestrado em Engenharia Automóvel
Permanent URI for this collection
Browse
Browsing ESTG - Mestrado em Engenharia Automóvel by advisor "Bento, Luís Manuel Conde"
Now showing 1 - 3 of 3
Results Per Page
Sort Options
- DETEÇÃO DA FAIXA DE RODAGEM PARA CONDUÇÃO AUTÓNOMAPublication . Martins, Pedro Filipe Ramos; Neves, Carlos Fernando Couceiro de Sousa; Castro, Hugo Filipe Costelha de; Bento, Luís Manuel CondeNeste documento é apresentado um projeto de investigação e desenvolvimento de um algoritmo de deteção de linhas com recurso a visão computacional, através de técnicas clássicas (i.e., sem recurso a técnicas de aprendizagem automática), aplicado à deteção de linhas delimitadoras de vias de trânsito no contexto da competição de condução autónoma no Festival Nacional de Robótica, aplicado num veículo de condução autónoma (iTruck) à escala 1:10 em ambiente altamente estruturado. Dada a necessidade de aumentar o campo de visão, fruto da anterior participação no Festival, fizeram-se melhorias na câmara frontal do iTruck que levou ao estudo de diversos métodos de calibração para câmaras com elevado campo de visão. Os desenvolvimentos efetuados neste domínio resultaram na publicação de um artigo científico e respetivo software associado: P.F.Martins, H.Costelha, L.C.Bento and C.Neves, "Monocular Camera Calibration for Autonomous Driving — a comparative study," IEEE International Conference on Autonomous Robot Systems and Competitions (ICARSC), 2020. No âmbito da deteção de linhas delimitadoras de vias de trânsito no contexto da competição de condução autónoma no Festival Nacional de Robótica, foram pesquisadas diversas soluções disponíveis na comunidade científica com o objetivo de servir de base para um novo desenvolvimento. Durante este processo testaram-se várias técnicas e algoritmos, de forma isolada, para extrair uma avaliação de desempenho no caso em estudo. O algoritmo final é resultado do desenvolvimento de 3 algoritmos criados especificamente para o cenário da competição de modo a aumentar a redundância e confiança da deteção. Cada um dos algoritmos foi desenvolvido com base nas técnicas avaliadas e otimizado consoante os seus resultados. Entre estas encontram-se técnicas baseadas na transformada de Hough, detetor de bordos Canny e caixas deslizantes. A sua agregação segue uma determinada ordem, por forma a aumentar a sua eficácia, e devolvem um conjunto de equações polinomiais de segunda ordem em cada uma das linha detetadas. A decisão final é tomada em duas etapas: tendo em conta o grau de confiança de cada algoritmo e pela validação dos resultados consoante as hipóteses dos algoritmos paralelos. Os testes de validação realizados offline com base em dados reais, demonstram o correto funcionamento do sistema final. A combinação dos algoritmos colmata as falhas e pontos fracos de cada um, permitindo desta forma uma correta deteção em todas as zonas da pista. No futuro deverá ser melhorado o algoritmo de decisão e controlo e, consequentemente, efetuados testes dinâmicos no veículo em tempo real para validar o comportamento global.
- Projeto e desenvolvimento de uma unidade de controlo eletrónico para aplicação em veículos elétricosPublication . Francisco, Alexandre Filipe Brás; Ferreira, Carlos Daniel Henriques; Bento, Luís Manuel Conde; Lopes, Nuno Manuel Lucas VieiraNo presente documento é apresentado o projeto e desenvolvimento de uma unidade de controlo eletrónico de baixo custo, conhecida como ECU (Electronic Control Unit), orientada para aplicação e controlo de veículos elétricos utilitários. Através da análise do estado da arte foi possível entender a arquitetura deste tipo de veículos e observar as soluções de ECU’s comercialmente disponíveis no mercado. Com a caracterização destas soluções foi possível definir os requisitos e funcionalidades necessárias para este tipo de ECU’s. Foram também identificados alguns pontos de melhoria passíveis de serem realizados a um custo mais reduzido, comparativamente com as soluções existentes. O estudo das tecnologias de suporte permitiu identificar os protocolos de comunicação relevantes, inerentes ao funcionamento de uma ECU. A análise de arquiteturas de código permitiu decidir o tipo de estratégia de código a adotar para a implementação do algoritmo de funcionamento da ECU desenvolvida. No âmbito deste estudo foi realizado o projeto e execução do hardware necessário para o desenvolvimento da ECU aqui apresentada. É demonstrada a escolha de componentes e as funcionalidades que são disponibilizadas pela ECU proposta, tais como a existência de 3 barramentos de comunicação CAN, essenciais num veículo desta natureza. Realizaram-se testes de validação de forma a comprovar o correto funcionamento da ECU desenvolvida, bem como para verificar todas as funcionalidades que constituem este módulo eletrónico. Foi desenvolvido um simulador de um veículo elétrico que permitiu avaliar o desempenho da ECU quando aplicada num ambiente real. Também se verificou que, quando exposta a ruídos, interferências e vibrações, a ECU demonstrou ser robusta.
- VERIFICAÇÃO FORMAL DE REDES NEURONAIS PROFUNDAS EM CONTEXTO DE CONDUÇÃO AUTÓNOMAPublication . Gonçalves, Carlos André Macedo; Bento, Luís Manuel Conde; Baptista, Diogo Pedro Ferreira Nascimento; Baptista, Alexandra Cristina Ferros dos Santos NascimentoAo longo deste projeto automóvel, é abordada a verificação formal de redes neuronais profundas (DNN) aplicadas à condução autónoma, com o objetivo de garantir a robustez e segurança desses modelos em situações críticas. A verificação formal é utilizada para avaliar as redes neuronais, visando prevenir falhas que possam resultar em riscos para a segurança, principalmente no contexto de veículos autónomos. Esta abordagem torna-se essencial, considerando o elevado impacto das decisões que as redes neuronais tomam ao classificar diferentes classes de sinais de trânsito, algo crucial para uma navegação segura. Foram desenvolvidos, treinados e testados 3 modelos diferentes de redes neuronais convolucionais (CNN) capazes de classificar mais de 40 categorias diferentes de sinais de trânsito, utilizando a base de dados GTSRB, que contém cerca de 51839 amostras de imagens. A implementação foi realizada visando uma estrutura computacionalmente eficiente e robusta para potencial uso futuro em veículos autónomos. O trabalho também aborda a vulnerabilidade das redes neuronais a ataques adversariais, como o FGSM e o PGD, que podem levar a falhas na classificação de imagens de sinais de trânsito e, consequentemente, comprometer a robustez dos modelos. Para isso, foram aplicados métodos de verificação formal, que fornecem garantias matemáticas sobre a robustez e exatidão dos modelos desenvolvidos, mesmo quando expostos a um determinado conjunto de valores de perturbação. Os resultados obtidos demonstram que, não obstante das dificuldades inerentes ao campo da verificação formal de DNN, é possível testar a robustez dos sistemas de classificação de sinais de trânsito, contribuindo para uma maior segurança no domínio da condução autónoma. Este estudo contribui para o avanço na verificação formal de redes neuronais treinadas para a classificação de sinais de trânsito, destacando a importância de continuar a investigar soluções que garantam a segurança e a fiabilidade em sistemas críticos, como a condução autónoma.