Work

Usage of visual features to aid in pedestrians' geographic localisation

Year: 2026
Type: dissertation
Abstract: Várias aplicações de Realidade Aumentada (AR) disponíveis ao público utilizam dados dos Sistemas Globais de Navegação por Satélite (GNSS) e de outros sensores para oferecer melhores experiências em ambientes próximos.Este trabalho analisa os desenvolvimentos necessários para alcançar um protótipo de solução que sobreponha informações de navegação virtuais a imagens do mundo real, com o objetivo de melhorar a experiência do utilizador e a eficácia geral das aplicações de navegação em AR.Atualmente, o posicionamento correto de objetos usando imagens não é alcançado com a precisão desejada pelas técnicas anteriores baseadas em dados GNSS, uma vez que estas informações, por si só, não são suficientes para fornecer uma boa âncora do ponto de vista do observador, de modo a projetar objetos virtuais em imagens de câmara.Esta tese avalia uma pipeline de deteção de linhas de faixa de rodagem para recolher os limites precisos das estradas através do uso de algoritmos de processamento de imagem e visão por computador (CV).O objetivo é a obtenção de segmentos de reta sobre linhas de estrada em imagens, que foram captadas a partir da perspetiva do observador.Estas caraterísticas visuais do mundo real fornecem pistas posicionais para a ancoragem de informação de forma mais clara, servindo de base para melhorar as aplicações de navegação em AR.Inicialmente, o nosso objetivo final era implementar um protótipo que fizesse corresponder as linhas de estradas e de passeios com a geometria da rede rodoviária, usando coordenadas geográficas para procurar informação em sistemas de informação geográfica (GIS), e dados do giroscópio, do acelerómetro e do magnetómetro.No entanto, a nossa pesquisa por conjuntos de imagens que se encontram disponíveis para uso revelou mais resultados relativos a contextos de condução do que a percursos pedonais.Como o nosso foco era avançar nas etapas de desenvolvimento apenas após alcançarmos resultados robustos, o resultado final é uma pipeline personalizável que deteta linhas em imagens de estradas, em contexto rodoviário.A pipeline final foi avaliada em função da sua correção (F-score, precisão e recall) e velocidade de execução.Ao considerar as métricas de precisão e recall, o nosso objetivo era alcançar a maior precisão possível, uma vez que esta seria a mais importante para recolher caraterísticas visuais relevantes para uma aplicação de AR em tempo real.No total, foram realizadas seis experiências para testar combinações de etapas diferentes da pipeline.A melhor configuração atingiu um valor de F-score de 32,46% e uma precisão de 39,61%.A experiência mais bem-sucedida incluiu as seguintes etapas: detetor EDLines, filtragem bilateral, extração da região da estrada através de segmentação semântica, filtragem por comprimento e ângulo, e ajuste polinomial.Analisando os resultados com imagens de contextos rodoviários, identificámos que a eficácia e a eficiência de execução da pipeline final ainda necessitavam de melhorias, e que os segmentos detetados deveriam conter menos espaços vazios entre si.Esta pipeline pode servir como uma base relevante para soluções mais úteis em navegação AR, especialmente quando combinada com a deteção de elementos da rede rodoviária, a estimativa de profundidade monocular e dados GIS.
Language: English
Open Access status: green
OpenAlex ID: W7198351011
Cites: 109
Cited by:
Related to: 10