Identificação autónoma de sinais de transito num sistema de mapeamento móvel

Abstract

Mobile Mapping System (MMS) is a relatively new technology that has been presented and discussed in events related to geosciences. This system consists of a set of equipment (vehicle, camera support, etc.) and technological tools (video cameras, IMU, GNSS receiver, etc.) that allow the strict association of position and attitude in each digital picture/ frame. These characteristics allow the execution of tasks as identifying objects present in frames/images in different scales and angles, and to define the positioning of such targets. Data from a MMS was used for detecting and identifying traffic signs autonomously in this study. The proposed method is based on RGB color space segmentation techniques, classification of form and cross correlation. With this proposal, the central points of traffic signs are detected and associated with an attribute with its name. The results showed the effectiveness of 87% with the MMS data, showing a high rate of identification of traffic signs.

Sistema de Mapeamento Móvel (SMM) é uma tecnologia relativamente nova que tem sido apresentada e discutida em eventos relacionados às geociências. Esse sistema é formado por um conjunto de equipamentos (veículo, suporte câmera, etc.) e ferramentas tecnológicas (câmeras de vídeos, IMU, recetor GNSS, etc.) que permitem a associação rigorosa de posição e atitude em cada imagem/frame digital. Essas particularidades permitem a execução de tarefas como a identificação de objetos presentes nas frames/imagens em escalas e ângulos diferentes, bem como definir o posicionamento de tais alvos. Nesse estudo foram utilizados dados de um SMM para identificar e cadastrar sinais de trânsito de forma autónoma. O método proposto tem por base técnicas de segmentação, de classificação de forma e de correlação cruzada no espaço de cor RGB. Com essa proposta, os pontos centrais dos sinais de trânsito são detetados e associados a um atributo com o seu respetivo nome. Os resultados mostraram a efetividade de 87% com os dados SMM, apresentando um alto índice de identificação de sinais de trânsito.