Please use this identifier to cite or link to this item:
http://hdl.handle.net/10773/17206
Title: | Vehicle detection in images captured by drones |
Other Titles: | Deteção de veículos em imagens capturadas por drones |
Author: | Camarneiro, Manuel |
Advisor: | Neves, António José Ribeiro |
Keywords: | Engenharia electrónica Drones (Aeronaves) Visão por computador |
Defense Date: | 2016 |
Publisher: | Universidade de Aveiro |
Abstract: | Hoje em dia, drones e vis~ao por computador s~ao ambos temas em con-
stante explora c~ao. Aliar estas duas tecnologias permite obter diferentes
perspetivas sobre o mundo e captur a-las com c^amaras digitais a bordo de
drones. Combinando ainda o processamento a bordo das imagens adquiri-
das potencia a recolha de informa c~ao relevante, permitindo ao drone uma
a c~ao aut onoma aplic avel em in umeros contextos.
Esta tese foca-se no desenvolvimento de algoritmos de vis~ao por computador
tendo em vista uma solu c~ao inovadora e escal avel para gest~ao de parques
de estacionamento.
Desenvolver uma solu c~ao destas exige conhecer as caracter sticas mais rel-
evantes dos drones e das c^amaras digitais, bem como capturar imagens de
forma adequada a este prop osito. No que diz respeito ao processamento
de imagem e necess ario um estudo sobre as t ecnicas de vis~ao por computa-
dor, de maneira a que o software possa avaliar corretamente os parques de
estacionamento.
Neste documento ser a apresentado o estudo sobre as quest~oes mencionadas
anteriormente. E ainda proposto um algoritmo para dete c~ao de ve culos,
tendo por base imagens adquiridas por drones a baixa altitude. O software
permite o c alculo de taxas de ocupa c~ao e est a preparado para ser usado
em diferentes tipos de parque, quer em rela c~ao a sua geometria quer ao
material que comp~oe o piso.
Os testes aos algoritmos desenvolvidos foram feitos em diferentes parques
de estacionamento no Campus da Universidade de Aveiro, sob diferentes
condi c~oes de ilumina c~ao para veri car a abilidade e requisitos de proces-
samento. Os resultados experimentais detalhados s~ao apresentados nesta
tese e a base de dados de imagens adquiridas foi disponibilizada para futura
investiga c~ao. Drones and Computer Vision are both hot topics nowadays. Allying these two technologies enables having different perspectives of the world and cap- turing them with digital cameras onboard drones. Combining onboard pro- cessing of the acquired images might provide extremely useful information from different scenarios, allowing the drones to perform autonomously with applications in several contexts. This thesis focuses on the development of computer vision algorithms point- ing towards an innovative and scalable solution for parking lots management, detecting parked vehicles in lots to determine occupancy rates. Creating such a solution implies knowing the most important properties of drones and digital cameras, as well as how to capture aerial images for this pur- pose. Regarding image processing, a study on computer vision techniques is required in order the software to correctly evaluate parking lots. This document presents all the study regarding the above mentioned issues and proposes an algorithm for vehicle detection, based on low altitude im- ages captured by drones. The software is also able to compute occupancy rates and it is prepared to be used in different types of parking lots, both in terms of their geometry and pavement type. Tests performed with the developed algorithms were done in different park- ing lots across the University Campus under different lighting conditions to check their accuracy and processing requirements. Detailed experimental results are presented in this thesis and an image database was produced in order to allow future experiments by other researchers. |
Description: | Mestrado em Engenharia Electrónica e Telecomunicações |
URI: | http://hdl.handle.net/10773/17206 |
Appears in Collections: | UA - Dissertações de mestrado DETI - Dissertações de mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
dissertation.pdf | 96.02 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.