MODELANDO NUVENS DE PONTOS TRIDIMENSIONAIS COMO MISTURAS DE GAUSSIANAS
|
|
- Lorena Botelho Morais
- 8 Há anos
- Visualizações:
Transcrição
1 Anais do XIX Congresso Brasileiro de Automática, CBA 01. MODELANDO NUVENS DE PONTOS TRIDIMENSIONAIS COMO MISTURAS DE GAUSSIANAS Sidnei da Silva Filho, Paulo Drews Jr., Silvia Botelho, Pedro Nun ez Centro de Cie ncias Computacionais, Universidade Federal de Rio Grande (FURG) Rio Grande, RS, Brasil Dpto. Tecnologı a de los Computadores y las Comunicaciones, Universidade de Extremadura Cace res, Espanha s: sidneifilho13@gmail.com, paulodrews@furg.br, silviacb@furg.br, pnuntru@unex.es Abstract This paper proposed an adaptable model applied to 3D data using Gaussian Mixture Models. Nowadays, scanner capable to acquire large point cloud are accessible. However, it is a hard tasks deal with this information due the amount of points and the redundancy. Thereby, this paper presents an efficient preprocessing step using the Point Cloud Library, focused in point simplification and noise removal. An algorithm based in split-and-merge approach is proposed in order to estimate a Gaussian Mixture Model. It aim to deal with local minimum and initialization problem of the classic Expectation-Maximization algorithm. This approach also aim to improve the performance and repeatability. Several model selection criteria are evaluated in order to improve the efficiency of the method. The results show the system is able to estimate Gaussian Mixture Models, with a reduced computational cost. Keywords Expectation-Maximization, Gaussian Mixture Models, 3D Point Cloud, Change Detection, Object Segmentation. Resumo Este artigo propo e o uso de misturas de Gaussianas como um modelo adapta vel para dados tridimensionais. Hoje em dia, equipamentos com capacidades de obter grandes nuvem de pontos esta o cada vez mais acessı veis. Pore m, e uma tarefa difı cil lidar com a grande quantidade de informac a o e a redunda ncia desses dados. Assim, o presente trabalho apresenta uma etapa de pre -processamento de maneira eficiente usando a Point Cloud Library, focado no algoritmo de simplificac a o e reduc a o de ruı do. Um algoritmo baseado em uma abordagem split-and-merge e utilizado para estimar Misturas de Gaussianas, visando ultrapassar restric o es de mı nimo local e inicializac a o do algoritmo Expectation-Maximization, bem como melhorar o desempenho e repetibilidade do me todo. Diversos crite rios de selec a o de modelos foram avaliados, levando em conta as misturas estimadas e o custo computacional. Os resultados mostram que o sistema proposto consegue estimar de maneira satisfato ria as Misturas de Gaussianas, com custo computacional reduzido. Palavras-chave Expectation-Maximization, Misturas de Gaussianas, Nuvem de Pontos 3D, Detecc ao de Mudanc a, Segmentac ao. 1 Introduc a o O problema de modelar nuvem de pontos tridimensionais e importante em diferentes contextos, dentre eles destaca-se a robo tica (Drews Jr et al., 010). Obter uma informac a o de mais alto nı vel se torna necessa rio, visto o tamanho tipico de nuvens de pontos, milhares de pontos, as vezes milho es. Assim, obter uma abordagem que permita tratar nuvem de pontos em mais alto nı vel pode reduzir o custo computacional de diversas aplicac o es como detecc a o de lugares XX, de mudanc as (Andreasson et al., 007). Nos campos de processamento de informac a o e ana lise de dados, as Misturas de Gaussianas sa o estudadas e aplicadas (Bishop, 007). No contexto de nuvem de pontos tridimensionais surge como uma alternativa de modelagem, dada a complexidade tı pica desse tipo de dado. Ale m disso, ela ainda fornece um modelo probabilı stico dos dados de maneira compacta (Drews Jr et al., 010). Pore m, uma das limitac o es e o alto custo computacional para obter a mistura de uma nuvem tridimensional tı pica, como mostrado em (Nu n ez et al., 010). Quando o nu mero de componentes da Mistura de Gaussianas e conhecido a priori o problema e reduzido e o custo computacional tambe m, consequentemente. Nesse caso, pode-se aplicar o algoritmo Expectation-Maximization (EM) (Dempster et al., 1977). Embora, tal algoritmo na o garanta um mı nimo global, ou seja, a melhor representac a o. Ele tipicamente converge para modelos representativos, mesmo quando a inicializac a o e aleato ria (Figueiredo and Jain, 00). Pore m, em nuvens de pontos tridimensionais adquiridas por sensores de uso tı pico em robo tica, como laser scanner, par este reo ou sensores de profundidade, na o se tem conhecimento algum sobre o nu mero de formas a serem modeladas, nem mesmo uma estimativa. Assim, de modo a ultrapassar essa limitac a o, bem como a restric a o de o timo local do algoritmo EM, foi proposto recentemente uma abordagem baseada em split-andmerge (Li and Li, 009). Tal abordagem sofreu alterac o es de modo a melhor se aplicar ao presente problema. Ainda assim, esse me todo e dependente de alguma me trica que indique o momento exato para parar o 3073
2 Anais do XIX Congresso Brasileiro de Automática, CBA 01. processo de split-and-merge. Logo, alguns critérios de seleção mais importantes da literatura serão comparados de modo a mostrar qual é mais adequado ao algoritmo proposto. Este trabalho está dividido da seguinte maneira. Na Seção, são discutidos os trabalhos para modelagem de nuvem de pontos. Na Seção 3, é feita uma breve revisão sobre Mistura de Gaussianas e sobre o algoritmo EM. Na Seção 4, é abordado o algoritmo proposto para estimar os parâmetros da Mistura. Na Seção 5, avalia o algoritmo e os critérios de seleção utilizados em alguns experimentos realizados com nuvens de pontos tridimensionais adquiridas em ambientes reais. Finalmente, na Seção 6, são discutidas conclusões e direções futuras. Trabalhos Relacionados O problema de modelar nuvem de pontos tridimensionais é tratado em diferentes áreas com destaque para a computação gráfica, visão computacional e robótica. Dentro da computação gráfica, as abordagens típicas utilizam triangulação, de modo a construir malhas. Essas permitem uma representação detalhada da nuvem, porém, quando não se conhece a normal e a vizinhança, sua construção acaba ficando custosa. Outro problema que aparece é a presença de ruído e outliers que corrompem a construção. Em (Vieira et al., 010) foi proposto um método para remoção de ruído em uma malha, com ela já construída, o que embora melhore suas características ainda fica sujeito as dificuldades de obtenção. Outra abordagem para representar nuvem de pontos tridimensionais é a construção de superfícies implícitas (Bloomenthal, 1997). Ele permite extrair as bordas das superfícies representadas por nuvem de pontos com custo computacional muito baixo, como mostrado em (Vieira et al., 01), além de permitir operações sobre conjuntos e segmentação de uma maneira eficiente. Embora seja um método interessante, em situações quando a superfície não é fechada o método pode encontrar dificuldade de representação. Além disso, o método utiliza uma grade de ocupação tridimensional que pode restringir a representação a um bounding box limitado. O uso de formas básicas (Schnabel et al., 007), quádricas (Pauling et al., 009) e superquádricas (Drews Jr et al., 010) pode ser uma possibilidade, embora o custo de estimação seja elevadíssimo, sendo assim restrito a um pequeno subconjunto como mostrado em (Drews Jr et al., 010). Nesse contexto, agrupamentos utilizando misturas de Gaussianas surgem como uma alternativa. Embora as maiores restrições ao uso desse método estejam relacionadas com o tempo de processamento, principalmente pelo uso do algoritmo EM (Dempster et al., 1977). Além disso, o método sofre com a necessidade de se conhecer previamente o número de Gaussianas presentes nos dados, o que não é conhecido tipicamente. Nesse caso, algumas abordagens como o trabalho de (Figueiredo and Jain, 00) propõem metodologias iterativas que são muito custosas para grandes volumes de dados, caso das nuvem de pontos tridimensionais. O problema de overfitting também é um problema, devido a suposição da misturas de Gaussianas de que os dados foram gerados por fontes Gaussianas. Assim, o presente trabalho busca alternativas ao EM para estimar a mistura, bem como um critério de seleção de um bom modelo (Hu and Xu, 004). 3 Estimando Misturas de Gaussianas Uma breve revisão sobre mistura de Gaussianas e sobre o algoritmo de estimação EM será feita. 3.1 Mistura de Gaussianas Dado um conjunto X de variáveis aleatórias de dimensão d e uma Mistura de Gaussianas com K componentes. A função de densidade de probabilidade da Mistura pode ser definida por: Φ(X = x Θ k ) = k π i φ(x = x θ i ), x R d, (1) onde cada θ i corresponde ao conjunto de parâmetros definidas pela i-ésimo componente, e π i (0, 1)(i = 1,,.., K), onde K π i = 1. O vetor Θ k = (π 1, π,..., π k, θ 1, θ,..., θ k ) é o conjunto de todos os parâmetros da Mistura. Na mistura, cada componente φ(x θ i ) é uma função de probabilidade Gaussiana definido como: 1 φ(x θ i ) = (π d ) Σ i 1 e 1 (x µi)t Σ 1 i (x µ i), () onde µ i é um vetor média e a Σ i é a matriz de covariância definida positiva e θ i = (µ i, Σ i ) representa os parâmetros das Gaussianas. Especificamente, dado um conjunto de dados S = {x t } N t=1 de uma Mistura de Gaussianas com tamanho N, os parâmetros de Θ k são estimados maximizando o logaritmo da seguinte função de verossimilhança, a qual pode ser expressa como: L(S Θ k ) = logp(s Θ k ) N = log φ(x t Θ k ) (3) = t=1 t=1 N K log π i φ(x t θi). 3074
3 Anais do XIX Congresso Brasileiro de Automática, CBA O Algoritmo EM O Expectation-Maximization (EM) (Dempster et al., 1977) é um algoritmo capaz de encontrar o máximo local da função de máxima verossimilhança das Misturas de Gaussianas. O EM possui duas etapas iterativas: E-Step: Nessa etapa é determinada a probabilidade a posteriore de cada ponto pertencer a cada Gaussiana da Mistura, além disso é feita uma nova estimativa para o valor da função de verossimilhança, para tal são utilizadas as equações [1] e []. Uma pequena variação foi usada denominada Deterministic Annealing EM (DAEM) (Ueda and Nakano, 1998), que realiza alterações apenas nesse passo do EM. Esse método adiciona um parâmetro 1/β [1, ) na equação para calcular a probabilidade dos pontos, denominado temperatura, onde k é uma das K Gaussianas da mistura: P (k x i ) = (π k φ(x i, θ k )) β ( N t=1 π kφ(x i, θ t )). (4) β A medida que 1/β aumenta, P (k x i ) 1/N, ou seja, um determinando ponto tende a pertencer a todas as Gaussianas com a mesma probabilidade. Geralmente se inicializa o β = 0.9 até a convergência, logo incrementa-se o valor de β em 0.05 até o valor de β = 1. M-Step: Nessa etapa, maximiza-se os valores das componentes da Mistura, com base nas probabilidades calculadas pela equação [4]. A atualização dos valores das componente é dado pelas seguintes equações, para cada componente: π k = 1 N P (k x i ), N N µ k = P (k x i)x i N P (j x i), (5) Σ k = N P (k x i)(x i µ k )(x i µ k ) t N P (k x. i) 4 Abordagem proposta O presente trabalho se baseia em uma variação do algoritmo EM, porém busca uma maneira de determinar o número de componentes das Gaussianas K. A Figura 1 ilustra a abordagem proposta. Inicialmente, em uma etapa de préprocessamento, a nuvem de pontos é simplificada e ruídos são removidos usando a biblioteca PCL (Rusu and Cousins, 011). Após, é utilizada uma versão do algoritmo Split-EM (Li and Li, 009) com uso do DAEM (Ueda and Nakano, 1998), para se evitar ótimos locais e obter o número correto de Gaussianas da Mistura. Porém, uma dificuldade é determinar o critério de parada do algoritmo. Logo, é feita uma comparação entre três critérios de seleção mais aceitos na literatura, identificando qual deles é o melhor para estimar a mistura de Gaussianas em uma Nuvem de Pontos, com overfitting de modelo. Figura 1: Visão Geral da Metodologia Proposta 4.1 Pré-processamento de Nuvem de Pontos 3D O método utilizado se baseia em uma etapa prévia de pré-processamento. Na qual, algoritmos de simplificação e remoção de ruído das nuvens são responsáveis por remover pontos redundantes e ruídosos. Uma nuvem de pontos é uma estrutura de dados não ordenada, na qual não se tem informação a respeito da topologia, assim esse problema de remoção torna-se difícil. Essas nuvens também possuem um grande quantidade de pontos, afetando assim o tempo de execução de algoritmos, mesmo esses tendo baixa complexidade computacional. Além disso, mesmo com sensores precisos como laser scanners modernos, existem outliers e ruído nas leituras, o que deve ser tratado visto que afetam em muito a estimativa da mistura de Gaussiana. Esse trabalho baseou-se no uso da biblioteca para fazer a manipulação da nuvem de pontos chamada PCL (Rusu and Cousins, 011), essa possui vários algoritmos para manipulação, com implementações eficientes e estado-da-arte. Para diminuir a quantidade de pontos da nuvem, foi utilizado um algoritmo de simplificação que utiliza Voxel Grid 3D (caixas 3D no espaço) (Rusu and Cousins, 011), esse é utilizado para representar conjuntos de pontos da nuvem. Após a criação dos voxels, calcula-se o centroide dos mesmos, onde este irá substituir o conjunto de 3075
4 Anais do XIX Congresso Brasileiro de Automática, CBA 01. pontos do respectivo voxel. Quanto maior o voxel maior será o conjunto de pontos, consequentemente maior será a simplificação. O tamanho do voxel foi encontrado com base em experimentos, considerando para tal a resolução do sensor utilizado nos mesmos. Os valores simplificam uma grande quantidade de pontos sem perder excessivamente informação geométrica. Foram encontrados os seguintes valores, que indicam a largura do voxel no espaço (65cm no plano x, 65cm no plano y, 65cm no plano z). Para remover os ruídos e outliers, foi utilizado o algoritmo Statistical Outlier Removal proposto por (Rusu et al., 008). Esse algoritmo propõe uma análise estatística sobre a vizinhança de cada ponto, e remove aqueles que não satisfazem o critério proposto. Este baseia-se no cálculo da distribuição de probabilidade dos pontos. Para cada ponto, calcula-se a distância média para todas as distribuições vizinhas que são criadas. Assumindo que a distribuição é uma distribuição Gaussiana com média e desvio padrão. Todos os pontos cuja posição estão fora dos intervalos definidos pelas distribuições, podem ser considerados como ruído ou outlier. Este algoritmo precisa de dois parâmetros para ser executada,a quantidade de distribuições e o desvio padrão das mesmas. Esse valores foram baseados em valores determinados por (Rusu et al., 008). O número de distribuições considerados é igual a 80 e o desvio padrão igual a Algoritmo do Split-EM Este trabalho propôs uma alteração no algoritmo SplitMerge-EM proposto por (Li and Li, 009), para se adaptar melhor ao problema de estimar a mistura de gaussianas de uma nuvem de pontos tridimensional. Como foi comentando em seções anteriores, não se conhece a priori o número de Gaussianas da Mistura. Assim, o trabalho propôs a inicialização da mistura inicial, com apenas um componente, com π igual a 1, µ igual a média dos pontos da nuvem e Σ a matriz de covariância da nuvem de pontos. Para se obter o número correto de Gaussianas da Mistura, divide-se dinamicamente as Gaussianas que não foram estimadas corretamente. Para isso, é necessária uma distinção entre a estimação correta e a errada. Utiliza-se um critério de separação de uma Gaussiana com base em entropia. Entropia é uma medida de desordem de um sistema. É aplicada em campos da física, teoria da informação e matemática (P. Antonio and Juan, 006). Em geral, a entropia de uma variável X pode ser dada pela seguinte equação: H(X) = E x [log(p(x))]. (6) De forma similar, para um ponto que pertence a uma Gaussiana Y, esta tem uma entropia máxima em relação a todas as distribuições de igual variância. A entropia máxima é dada pela seguinte equação: H max = 1 log[(π)d Σ ] (7) Dado um conjunto de pontos S = {x i } N e a densidade local estimada φ(x θ i ) da i-ésima componente da mistura. A entropia da i-ésima componente e a entropia máxima da i-ésima componente podem ser representadas pelas seguintes equações, respectivamente: H i = 1 N i logφ(x t θ i ) (8) N i t=1 H i max = 1 log[(π)d Σ ] (9) A taxa de Sp i entre H i (X) e H max i(x), pode ser usada para medir a diferença entre a densidade estimada anteriormente φ(x; Θ k ) e a densidade atual φ(x θ i ) da i-ésima componente da mistura. A Gaussiana da mistura que possuir a menor taxa e que for menor que 1, será dividida em outras duas Gaussianas, com π split = πi, as médias serão calculadas usando o algoritmo do K-means (Ueda and Nakano, 1998) e a matriz de covariância será calculada usando a Equação 5. O algoritmo proposto neste trabalho tem a seguinte estrutura: 1. Iniciar a mistura de Gaussianas com 1 componente, atualizar os valores usando o EM e computar o valor de L Θk.. Split: Dado o k atual e os parâmetros Θ k, separar a Gaussiana de menor taxa Sp i, em duas Gaussianas. Então usar o EM para atualizar os parâmetros da Θ split e para a mistura atual de k+1 Gaussianas. E computar o valor de L Θsplit. 3. Se L Θsplit > L Θk, aceita a nova mistura, e atualiza a mistura para Θ k+1 e volta para o passo anterior. A cada ciclo atualiza-se os valores da mistura, identificando qual Gaussiana irá ser separada, baseado na medida de entropia. No final do ciclo utiliza-se um critério de seleção para identificar se a mistura esta representando bem a nuvem de pontos Critérios de Seleção Os critérios de seleção são utilizados na literatura para se determinar quando obtêm-se um bom modelo, onde o número de parâmetros é reduzido e a representação é otimizada. Na verdade, esses 3076
5 Anais do XIX Congresso Brasileiro de Automática, CBA 01. me todos buscam um bom trade-off entre nu mero de para metros do modelo e precisa o de representac a o. Para o caso de modelos de misturas, o objetivo e minimizar a equac a o abaixo: Θ k = argmin(l(s Θk )), (10) onde L(S Θk ) e o resultado do crite rio de selec a o e Θk e a mistura de Gaussianas com k componentes. Esses crite rios te m a seguinte forma L(S Θk ) = log(p(s Θk )) + P (k), onde S e o conjunto de dados, no caso a nuvem, e P e uma func a o de penalizac a o que e incrementada a medida que o k aumenta. Estes tem como caracterı stica fundamental otimizar uma func a o que relaciona o logaritmo da verossimilhanc a (calculado com o EM), com o nu mero de para metros da mistura, afim de evitar o overfitting. Tre s crite rios mostrados abaixo sa o avaliados neste trabalho. BIC (Bayesian Information Criterion) (Fraley and Raftery, 1998): n L(S Θk ) = logp(s Θk ) + ln(n ). (11) Figura : Plataforma de Experimentos: robo Robex e o sistema de percepc a o 3D baseado no scanner laser Hokuyo URG-30LX. MDL (Minimum Description (Figueiredo and Jain, 00): 5.1 Length) L(S Θk ) = logp(s Θk ) + (1) n + k X N αi k N k(n + 1) log( ) log( ). 1 AIC (Akaike Information Criterion) (Akaike, 1974): L(S Θk ) = logp(s Θk ) + n. (13) Cada um desses crite rios possuem uma equac a o que o caracteriza. O n e o nu mero de para metros da mistura (Ververidis and Kotropoulos, 005) e o N e a quantidade de pontos na nuvem. Esses crite rios sa o aplicados dentro do algoritmo do Split-EM como condic a o de parada. 5 Experimentos Resultados com a PCL Nesta sec a o iremos mostrar os resultados que foram obtidos com a PCL, na simplificac a o e remoc a o de ruı dos de uma nuvem de pontos, capturada dem um ambiente real pelo robo Robex. Na Figura 3 tem-se a nuvem de pontos inicial que foi capturada com o robo Robex, com todos os pontos. Depois de fazer a simplificac a o e remoc a o dos ruı dos com a PCL, obte m-se a nuvem de pontos da Figura 4. Na tabela 1 ilustra alguns dados que foram gerados, analisando o nu mero de iterac o es do EM e o tempo de execuc a o para estimar a mistura com e sem a PCL. Com base nos dados identificamos que com o uso da PCL, obteve-se uma grande reduc a o no custo computacional e tambe m no nu mero de iterac o es do algoritmo EM padra o. Os experimentos foram realizados em um PC com processador Intel CoreDuo.4GHz, memo ria DDR 4GB e sistema operacional Ubuntu A plataforma de robo tica mo vel utilizadas para capturar as nuvens de pontos tridimensionais em ambientes reais foi o sensor 3D do robo Robex (Gutie rrez et al., 011). Este sensor consiste de um laser Hokuyo URG-30LX rotacionado por um motor de passo, onde sua resoluc a o e configura vel pelo sistema de percepc a o que o robo possui. Fig. ilustra o robo Robex e um sensor D de baixocusto, baseado no laser de alcance D Hokuyo 1. 1 Uma simples ca mera USB e usada para adquirir as informac o es RGB de cada ponto 3D, mas esta informac a o na o e usada no algoritmo de estimac a o. Figura 3: Nuvem de Pontos com pontos. 3077
6 Anais do XIX Congresso Brasileiro de Automática, CBA 01. Figura 4: Nuvem de Pontos depois de ser feita a simplificação e remoção dos ruídos com 1.19 pontos. Tabela 1: Resultados com a PCL. Iterações EM Tempo (seg) Sem PCL Com PCL Comparação entre os Critérios de Seleção Foram capturadas duas nuvens de pontos em ambientes reais com o robô Robex para fazer os experimentos de validação do algoritmo proposto e dos critérios de seleção. Foi utilizado o algoritmo proposto para estimar as misturas de Gaussianas junto com cada critério de seleção. Na figuras 5 e 6 são mostradas imagens do ambiente que foi capturada a Nuvem de Pontos, de maneira a permitir um melhor entendimento da nuvem de pontos adquirida. Nas figuras, são mostrados resultados das mistura de Gaussianas que foram estimadas usando cada critério de seleção. Os elipsoides coloridos nas imagens correspondem as Gaussianas. No experimento A, obtido em um ambiente de escritórios no qual foi colocada uma caixa mostrado na Figura 5, o critério BIC encontrou uma Mistura com 15 Gaussianas, o AIC com 15 Gaussianas e o MDL com 8 Gaussianas. Pode-se notar que a representação obtida pelo MDL é mais compacta mas mesmo assim, consegue representar os objetos presentes nos dados de maneira distintiva. No experimento B, obtido em um ambiente de escritórios no qual foi colocada uma pessoa mostrado na Figura 6. O critério BIC encontrou uma Mistura com 15 Gaussianas, o AIC com 15 Gaussianas e o MDL com 10 Gaussianas. Embora, a representação obtida pelo MDL não seja tão compactada quanto no resultado anterior, ainda assim é menor e mais representativa. Assim, o critério que melhor identificou as misturas foi o MDL proposto por (Figueiredo and As imagens das Misturas de Gaussianas foram geradas utilizando o software Matlab, onde foram utilizados 1.5 desvios padrões para definir o volume das Gaussianas Figura 5: Experimento A: a) Imagem de uma sala com uma caixa, b) Nuvem de Pontos 3D do ambiente, capturada com o robô Robex, c) Mistura estimada com BIC, d) Mistura estimada com AIC, e) Mistura estimada com MDL. Jain, 00). Este conseguiu identificar uma mistura que representa bem a nuvem de pontos, com um número menor de componentes em relação aos outros critérios analisados. A Tabela ilustra alguns dados com relação ao número de Iterações do EM e ao tempo de estimação da mistura. Tabela : Comparação entre os Critério de Seleção. Iterações EM Tempo (seg) Critérios/Exp. A B A B BIC MDL AIC Com base nos dados da tabela, confirmou-se que o MDL é o melhor critério de seleção dentre os outros que foram comparados. Este conseguiu obter a melhor mistura de Gaussianas das Nuvens de Pontos, com o menor número de Gaussianas e com o menor custo computacional. 3078
7 Anais do XIX Congresso Brasileiro de Automática, CBA 01. MDL (Figueiredo and Jain, 00), BIC (Fraley and Raftery, 1998) e AIC (Akaike, 1974). O MDL foi o que obteve o melhor resultado nos experimentos, sendo capaz de identificar uma boa mistura Mistura com menor custo computacional. Trabalhos futuros serão guiados na implementação eficiente do algoritmo utilizando paralelismo em placas gráficas, na utilização do presente algoritmo para representação de nuvem de pontos 3D servindo como base para algoritmos de SLAM e de detecção de mudança. Além disso, um estudo mais detalhado da precisão do presente método também será avaliado, bem como a utilização de algoritmos incrementais. Agradecimentos Este trabalho contou com o apoio da ANEEL/CEEE-D, FURG, dos colegas do NAUTEC - Grupo de Automação e Robótica Inteligentes da FURG e do Robolab - Robotics and Artificial Vision Laboratory da Universidad de Extremadura. Referências Akaike, H. (1974). A new look at the statistical model identification, IEEE Transactions on Automatic Control 19(6): Figura 6: Experimento B: a) Imagem de uma sala com uma pessoa, b) Nuvem de Pontos 3D do ambiente, capturada com o robô Robex, c) Mistura estimada com BIC, d) Mistura estimada com AIC, e) Mistura estimada com MDL. 6 Conclusões Este trabalho propôs uma metodologia para representação de nuvem de pontos tridimensionais baseada em mistura de Gaussianas. Algoritmos no estado-da-arte foram utilizados para realizar um pré-processamento na nuvem de pontos tridimensionais, onde se consegue simplificar uma grande quantidade de pontos sem perda excessiva de informação geométrica, com custo computacional baixo. Um novo algoritmo baseado em Expectation- Maximization, metodologia split-and-merge e otimização foi proposta para estimar uma mistura de Gaussianas. Esta não sofre com problemas de mínimos locais, além de ser eficiente na estimação, visto os tempos considerados em trabalhos no estado-da-arte (Drews Jr et al., 010). Além disso uma comparação entre critérios de seleção, utilizados para identificar a melhor Mistura de Gaussianas de uma Nuvem de Pontos 3D, também foi efetuado. Os algoritmos escolhidos são os algoritmos mais utilizados na literatura da área: Andreasson, H., Magnusson, M. and Lilienthal, A. J. (007). Has something changed here? autonomous difference detection for security patrol robots, Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), pp Bishop, C. M. (007). Pattern Recognition and Machine Learning, Springer. Bloomenthal, J. (1997). Introction to Implicit Surfaces, Morgan Kaufmann Publishers Inc. Dempster, A. P., Laird, N. M. and Rubin, D. B. (1977). Maximum Likelihood from Incomplete Data via the EM Algorithm, Journal of the Royal Statistical Society. Series B (Methodological) 39(1): Drews Jr, P., Núñez, P., Rocha, R., Campos, M. and Dias, J. (010). Novelty detection and 3D shape retrieval using superquadrics and multi-scale sampling for autonomous mobile robot, Proceedings of the IEEE International Conference on Robotics and Automation (ICRA), Anchorage, Alaska, USA, pp Figueiredo, M. and Jain, A. (00). Unsupervised learning of finite mixture models, IEEE Transactions on Pattern Analysis and Machine Intelligence 4(3):
8 Anais do XIX Congresso Brasileiro de Automática, CBA 01. Fraley, C. and Raftery, A. E. (1998). How Many Clusters? Which Clustering Method? Answers Via Model-Based Cluster Analysis, The Computer Journal 41(8): Gutiérrez, M., Martineta, E., Sánchez, A., Rodríguez, R. and Núñez, P. (011). A costefficient 3D sensing system for autonomous mobile robots, Proc. of XII Workshop of Physical Agents 011 (WAF 011), Albacente, Spain. Hu, X. and Xu, L. (004). Investigation on several model selection criteria for determining the number of cluster, Neural Information Processing - Letters & Reviews 4(1): Li, Y. and Li, L. (009). A novel split and merge EM algorithm for Gaussian mixture model, Fifth Internacional Conference on Natural Computation, 009. ICNC 09 6: Ververidis, D. and Kotropoulos, C. (005). Emotional speech classification using gaussian mixture models, Circuits and Systems, 005. IS- CAS 005. IEEE International Symposium on, pp Vol. 3. Vieira, A. W., Alves Neto, A., Guimarães Macharet, D. and Campos, M. F. M. (010). Mesh denoising using quadric error metric, XXIII Brazilian Symposium on Computer Graphics and Image Processing (SIBGRAPI 10), Gramado, RS, Brazil. Vieira, A. W., Drews Jr., P. and Campos, M. (01). Efficient change detection in 3D environment for autonomous surveillance robots based on implicit volume, The 01 IEEE International Conference on Robotics and Automation, (ICRA 1). Núñez, P., Drews Jr, P. Bandera, A., Rocha, R., Campos, M. and Dias, J. (010). Change detection in 3D environments based on Gaussian Mixture Model and robust structural matching for autonomous robotic applications, Proceedings of IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), pp P. Antonio, E. F. and Juan, M. S. (006). Color image segmentation through unsupervised gaussian mixture models, Lecture Notes in Computer Science 4140: Pauling, F., Bosse, M. and Zlot, R. (009). Automatic segmentation of 3D laser point clouds by ellipsoidal region growing, in S. Scheding (ed.), Australasian Conference on Robotics and Automation (ACRA). Rusu, R. B. and Cousins, S. (011). 3D is here: Point Cloud Library (PCL), IEEE International Conference on Robotics and Automation (ICRA), Shanghai, China. Rusu, R., Marton, Z., Blodow, N., Dolha, M. and Beetz, M. (008). Towards 3D point cloud based object maps for household environments, Robotics and Autonomous Systems 56(11): Schnabel, R., Wahl, R. and Klein, R. (007). Efficient RANSAC for point-cloud shape detection, Computer Graphics Forum 6(): Ueda, N. and Nakano, R. (1998). Deterministic annealing EM algorithm, Neural Networks 11():
MISTURA DE GAUSSIANAS: UMA ABORDAGEM RÁPIDA PARA MODELAR NUVEM DE PONTOS
MISTURA DE GAUSSIAAS: UMA ABORDAGEM RÁPIDA PARA MODELAR UVEM DE POTOS Sidnei da Silva Filho, Paulo Drews-Jr, Luiz F. V. Marcolino Grupo de Automação e Robótica Inteligentes (AUTEC), Centro de Ciências
Leia maisDetecção de Mudanças e Recuperação de Forma em Mapas 3D Baseados em Nuvens de Pontos
Detecção de Mudanças e Recuperação de Forma em Mapas 3D Baseados em Nuvens de Pontos Paulo Drews Jr 1, Mario Campos 1 1 Programa de Pós-Graduação em Ciência da Computação (PPGCC) Universidade Federal do
Leia maisUniversidade Federal de Pernambuco
Universidade Federal de Pernambuco Graduação em Engenharia da Computação Centro de Informática 2D Feature Distance Estimation for Indoor Environments using 2D laser range data Proposta de Trabalho de Graduação
Leia maisInteligência Computacional Aplicada a Engenharia de Software
Inteligência Computacional Aplicada a Engenharia de Software Estudo de caso III Prof. Ricardo de Sousa Britto rbritto@ufpi.edu.br Introdução Em alguns ambientes industriais, pode ser necessário priorizar
Leia maisCálculo de volume de objetos utilizando câmeras RGB-D
Cálculo de volume de objetos utilizando câmeras RGB-D Servílio Souza de ASSIS 1,3,4 ; Izadora Aparecida RAMOS 1,3,4 ; Bruno Alberto Soares OLIVEIRA 1,3 ; Marlon MARCON 2,3 1 Estudante de Engenharia de
Leia maisRECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP
RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP Caio Augusto de Queiroz Souza caioaugusto@msn.com Éric Fleming Bonilha eric@digifort.com.br Gilson Torres Dias gilson@maempec.com.br Luciano
Leia maisUNIVERSIDADE F EDERAL DE P ERNAMBUCO ANÁLISE DE UM MÉTODO PARA DETECÇÃO DE PEDESTRES EM IMAGENS PROPOSTA DE TRABALHO DE GRADUAÇÃO
UNIVERSIDADE F EDERAL DE P ERNAMBUCO GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO CENTRO DE INFORMÁTICA 2010.2 ANÁLISE DE UM MÉTODO PARA DETECÇÃO DE PEDESTRES EM IMAGENS PROPOSTA DE TRABALHO DE GRADUAÇÃO Aluno!
Leia maisSimulação e controle inteligente de tráfego veicular urbano
Simulação e controle inteligente de tráfego veicular urbano Instituto de Informática - UFRGS XVII Seminário de Computação (SEMINCO) 04/11/2008 Roteiro Introdução O Simulador ITSUMO Simulação de Caso Real:
Leia maisVisão Computacional e Realidade Aumentada. Trabalho 3 Reconstrução 3D. Pedro Sampaio Vieira. Prof. Marcelo Gattass
Visão Computacional e Realidade Aumentada Trabalho 3 Reconstrução 3D Pedro Sampaio Vieira Prof. Marcelo Gattass 1 Introdução Reconstrução tridimensional é um assunto muito estudado na área de visão computacional.
Leia maisBusca Estocástica Baseada em Planejamento para Maximizar Metas em Jogos de RTS
Busca Estocástica Baseada em Planejamento para Maximizar Metas em Jogos de RTS Autor:Thiago França Naves 1, Orientador: Carlos Roberto Lopes 1 1 Programa de Pós-Graduação em Ciência da Computação Universidade
Leia maisDAS6607 - Inteligência Artificial Aplicada à Controle de Processos e Automação Industrial
DAS6607 - Inteligência Artificial Aplicada à Controle de Processos e Automação Industrial Aluno: André Faria Ruaro Professores: Jomi F. Hubner e Ricardo J. Rabelo 29/11/2013 1. Introdução e Motivação 2.
Leia maisMOLLIOREM: RECONSTRUÇÃO DO TÓRAX FEMININO
Departamento de Sistemas e Computação FURB Curso de Ciência da Computação Trabalho de Conclusão de Curso 2014/1 MOLLIOREM: RECONSTRUÇÃO DO TÓRAX FEMININO Acadêmico: Marina Uliano Marina.miyu@gmail.com
Leia maisESTUDOS SOBRE A IMPLEMENTAÇÃO ONLINE DE UMA TÉCNICA DE ESTIMAÇÃO DE ENERGIA NO CALORÍMETRO HADRÔNICO DO ATLAS
UNIVERSIDADE FEDERAL DE JUIZ DE FORA ESTUDOS SOBRE A IMPLEMENTAÇÃO ONLINE DE UMA TÉCNICA DE ESTIMAÇÃO DE ENERGIA NO CALORÍMETRO HADRÔNICO DO ATLAS EM CENÁRIOS DE ALTA LUMINOSIDADE ALUNO: MARCOS VINÍCIUS
Leia maisProf. Júlio Cesar Nievola Data Mining PPGIa PUCPR
Uma exploração preliminar dos dados para compreender melhor suas características. Motivações-chave da exploração de dados incluem Ajudar na seleção da técnica correta para pré-processamento ou análise
Leia mais7.Conclusão e Trabalhos Futuros
7.Conclusão e Trabalhos Futuros 158 7.Conclusão e Trabalhos Futuros 7.1 Conclusões Finais Neste trabalho, foram apresentados novos métodos para aceleração, otimização e gerenciamento do processo de renderização
Leia mais6 Construção de Cenários
6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.
Leia maisPALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron.
1024 UMA ABORDAGEM BASEADA EM REDES PERCEPTRON MULTICAMADAS PARA A CLASSIFICAÇÃO DE MASSAS NODULARES EM IMAGENS MAMOGRÁFICAS Luan de Oliveira Moreira¹; Matheus Giovanni Pires² 1. Bolsista PROBIC, Graduando
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Linear Aula 25: Programação Não-Linear - Funções de Uma única variável Mínimo; Mínimo Global; Mínimo Local; Optimização Irrestrita; Condições Óptimas; Método da Bissecção; Método de Newton.
Leia maisOrganização e Arquitetura de Computadores I
Organização e Arquitetura de Computadores I Aritmética Computacional Slide 1 Sumário Unidade Lógica e Aritmética Representação de Números Inteiros Aritmética de Números Inteiros Representação de Números
Leia mais4 Segmentação. 4.1. Algoritmo proposto
4 Segmentação Este capítulo apresenta primeiramente o algoritmo proposto para a segmentação do áudio em detalhes. Em seguida, são analisadas as inovações apresentadas. É importante mencionar que as mudanças
Leia maisAplicação de Ensembles de Classificadores na Detecção de Patologias na Coluna Vertebral
Aplicação de Ensembles de Classificadores na Detecção de Patologias na Coluna Vertebral Hedenir M. Pinheiro Instituto de Informática Universidade Federal de Goiás (UFG) Caixa Postal 131 74001-970 Goiânia
Leia maisUniversidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados
Universidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados Prof. Celso Kaestner Poker Hand Data Set Aluno: Joyce Schaidt Versão:
Leia maisMétodo Dialético de Otimização usando o Princípio da Máxima Entropia
Learning and Nonlinear Models Revista da Sociedade Brasileira de Redes Neurais (SBRN) Vol 7 No. 2 pp. 54-64 2009 Método Dialético de Otimização usando o Princípio da Máxima Entropia Wellington Pinheiro
Leia maisDescritores de textura na análise de imagens de microtomografia computadorizada
Trabalho apresentado no XXXV CNMAC, Natal-RN, 2014. Descritores de textura na análise de imagens de microtomografia computadorizada Sandro R. Fernandes Departamento de Educação e Tecnologia, Núcleo de
Leia maisDepartamento de Matemática - UEL - 2010. Ulysses Sodré. http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Matemática Essencial Extremos de funções reais Departamento de Matemática - UEL - 2010 Conteúdo Ulysses Sodré http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Leia maisMINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br
MINERAÇÃO DE DADOS APLICADA Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br Processo Weka uma Ferramenta Livre para Data Mining O que é Weka? Weka é um Software livre do tipo open source para
Leia maisPesquisa com Professores de Escolas e com Alunos da Graduação em Matemática
Pesquisa com Professores de Escolas e com Alunos da Graduação em Matemática Rene Baltazar Introdução Serão abordados, neste trabalho, significados e características de Professor Pesquisador e as conseqüências,
Leia maisMLP (Multi Layer Perceptron)
MLP (Multi Layer Perceptron) André Tavares da Silva andre.silva@udesc.br Roteiro Rede neural com mais de uma camada Codificação de entradas e saídas Decorar x generalizar Perceptron Multi-Camada (MLP -
Leia maisUNIVERSIDADE FEDERAL DE PERNAMBUCO
UNIVERSIDADE FEDERAL DE PERNAMBUCO Mestrado em Ciência da Computação CENTRO DE INFORMÁTICA Análise comparativa entre os diferentes tipos De protocolos para transmissão de dados Grupo: Professora: Disciplina:
Leia maisClassificação da imagem (ou reconhecimento de padrões): objectivos Métodos de reconhecimento de padrões
Classificação de imagens Autor: Gil Gonçalves Disciplinas: Detecção Remota/Detecção Remota Aplicada Cursos: MEG/MTIG Ano Lectivo: 11/12 Sumário Classificação da imagem (ou reconhecimento de padrões): objectivos
Leia maisPROCESSO DE DESENVOLVIMENTO DE SOFTWARE. Modelos de Processo de Desenvolvimento de Software
PROCESSO DE DESENVOLVIMENTO DE SOFTWARE Introdução Modelos de Processo de Desenvolvimento de Software Os modelos de processos de desenvolvimento de software surgiram pela necessidade de dar resposta às
Leia maisUsando o Arena em Simulação
Usando o Arena em Simulação o ARENA foi lançado pela empresa americana Systems Modeling em 1993 e é o sucessor de dois outros produtos de sucesso da mesma empresa: SIMAN (primeiro software de simulação
Leia maisINTELIGÊNCIA ARTIFICIAL Data Mining (DM): um pouco de prática. (1) Data Mining Conceitos apresentados por
INTELIGÊNCIA ARTIFICIAL Data Mining (DM): um pouco de prática (1) Data Mining Conceitos apresentados por 1 2 (2) ANÁLISE DE AGRUPAMENTOS Conceitos apresentados por. 3 LEMBRE-SE que PROBLEMA em IA Uma busca
Leia maisPESQUISA OPERACIONAL: UMA ABORDAGEM À PROGRAMAÇÃO LINEAR. Rodolfo Cavalcante Pinheiro 1,3 Cleber Giugioli Carrasco 2,3 *
PESQUISA OPERACIONAL: UMA ABORDAGEM À PROGRAMAÇÃO LINEAR 1 Graduando Rodolfo Cavalcante Pinheiro 1,3 Cleber Giugioli Carrasco 2,3 * 2 Pesquisador - Orientador 3 Curso de Matemática, Unidade Universitária
Leia maisANÁLISE DA CONSERVAÇÃO PÓS-COLHEITA DA ALFACE (Lactuca Sativa, L) UTILIZANDO O SISTEMA DE APOIO À TOMADA DE DECISÃO BKD
ANÁLISE DA CONSERVAÇÃO PÓS-COLHEITA DA ALFACE (Lactuca Sativa, L) UTILIZANDO O SISTEMA DE APOIO À TOMADA DE DECISÃO BKD RESUMO Thereza P. P. Padilha Fabiano Fagundes Conceição Previero Laboratório de Solos
Leia maisIW10. Rev.: 02. Especificações Técnicas
IW10 Rev.: 02 Especificações Técnicas Sumário 1. INTRODUÇÃO... 1 2. COMPOSIÇÃO DO IW10... 2 2.1 Placa Principal... 2 2.2 Módulos de Sensores... 5 3. APLICAÇÕES... 6 3.1 Monitoramento Local... 7 3.2 Monitoramento
Leia mais3 Classificação. 3.1. Resumo do algoritmo proposto
3 Classificação Este capítulo apresenta primeiramente o algoritmo proposto para a classificação de áudio codificado em MPEG-1 Layer 2 em detalhes. Em seguida, são analisadas as inovações apresentadas.
Leia mais6 Conclusões e Trabalhos futuros 6.1. Conclusões
6 Conclusões e Trabalhos futuros 6.1. Conclusões Neste trabalho estudou-se o comportamento do sistema que foi denominado pendulo planar com a adição de uma roda de reação na haste do pendulo composta de
Leia maisGARANTIA DA QUALIDADE DE SOFTWARE
GARANTIA DA QUALIDADE DE SOFTWARE Fonte: http://www.testexpert.com.br/?q=node/669 1 GARANTIA DA QUALIDADE DE SOFTWARE Segundo a NBR ISO 9000:2005, qualidade é o grau no qual um conjunto de características
Leia maisAnálise e visualização de dados utilizando redes neurais artificiais auto-organizáveis
Análise e visualização de dados utilizando redes neurais artificiais auto-organizáveis Adriano Lima de Sá Faculdade de Computação Universidade Federal de Uberlândia 20 de junho de 2014 Adriano L. Sá (UFU)
Leia maisCapítulo 3. Avaliação de Desempenho. 3.1 Definição de Desempenho
20 Capítulo 3 Avaliação de Desempenho Este capítulo aborda como medir, informar e documentar aspectos relativos ao desempenho de um computador. Além disso, descreve os principais fatores que influenciam
Leia maisConforme explicado em 2.4.3, o sinal de voz x(n) às vezes é alterado com a adição de ruído r(n), resultando num sinal corrompido y(n).
4 Wavelet Denoising O capítulo 3 abordou a questão do ruído durante a extração dos atributos as técnicas do SSCH e do PNCC, por exemplo, extraem com mais robustez a informação da voz a partir de um sinal
Leia mais2 Atualidade de uma base de dados
2 Atualidade de uma base de dados Manter a atualidade de uma base de dados é um problema que pode ser abordado de diferentes maneiras. Cho e Garcia-Molina [CHO] definem esse problema da seguinte forma:
Leia maisMe todos Computacionais em Fı sica
Me todos Computacionais em Fı sica Sandra Amato Instituto de Fı sica Universidade Federal do Rio de Janeiro Primeiro Semestre de 2011 Me todos Computacionais em Fı sica 1 2 Ca lculo de Me todo da Estimativa
Leia maisTrabalho 2 Fundamentos de computação Gráfica
Trabalho 2 Fundamentos de computação Gráfica Processamento de Imagens Aluno: Renato Deris Prado Tópicos: 1- Programa em QT e C++ 2- Efeitos de processamento de imagens 1- Programa em QT e C++ Para o trabalho
Leia maisRoteiro para a escrita do documento de Especificação de Requisitos de Software (ERS)
Roteiro para a escrita do documento de Especificação de Requisitos de Software (ERS) Definição Geral: Disciplina de Compiladores Prof. Jorge Bidarra (UNIOESTE) A especificação de requisitos tem como objetivo
Leia maisDESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE
DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE Mariane Alves Gomes da Silva Eliana Zandonade 1. INTRODUÇÃO Um aspecto fundamental de um levantamento
Leia maisUma Versão Intervalar do Método de Segmentação de Imagens Utilizando o K-means
TEMA Tend. Mat. Apl. Comput., 6, No. 2 (2005), 315-324. c Uma Publicação da Sociedade Brasileira de Matemática Aplicada e Computacional. Uma Versão Intervalar do Método de Segmentação de Imagens Utilizando
Leia maisSimulação Transiente
Tópicos Avançados em Avaliação de Desempenho de Sistemas Professores: Paulo Maciel Ricardo Massa Alunos: Jackson Nunes Marco Eugênio Araújo Dezembro de 2014 1 Sumário O que é Simulação? Áreas de Aplicação
Leia maisTabela de roteamento
Existem duas atividades que são básicas a um roteador. São elas: A determinação das melhores rotas Determinar a melhor rota é definir por qual enlace uma determinada mensagem deve ser enviada para chegar
Leia mais5 Mecanismo de seleção de componentes
Mecanismo de seleção de componentes 50 5 Mecanismo de seleção de componentes O Kaluana Original, apresentado em detalhes no capítulo 3 deste trabalho, é um middleware que facilita a construção de aplicações
Leia maisANÁLISE E IMPLEMENTAÇÃO DE ALGORITMOS DE COMPRESSÃO DE DADOS. Maria Carolina de Souza Santos 1 Orientador: Prof.º Ms.
ANÁLISE E IMPLEMENTAÇÃO DE ALGORITMOS DE COMPRESSÃO DE DADOS Maria Carolina de Souza Santos 1 Orientador: Prof.º Ms. Mauricio Duarte 2 Centro Universitário Euripides de Marilia UNIVEM FATEC Faculdade de
Leia maisTop Guia In.Fra: Perguntas para fazer ao seu fornecedor de CFTV
Top Guia In.Fra: Perguntas para fazer ao seu fornecedor de CFTV 1ª Edição (v1.4) 1 Um projeto de segurança bem feito Até pouco tempo atrás o mercado de CFTV era dividido entre fabricantes de alto custo
Leia maisNovidades da Versão 3.0.0.29 do Sistema OnixNet / TrucksNet
Comercial Novidades da Versão 3.0.0.29 do Sistema OnixNet / TrucksNet Consulta Pedido/Nota Fiscal A consulta passou a diferenciar o número da nota fiscal por filial, ou seja, caso exista uma nota fiscal
Leia maisEspecificação do 3º Trabalho
Especificação do 3º Trabalho I. Introdução O objetivo deste trabalho é abordar a prática da programação orientada a objetos usando a linguagem Java envolvendo os conceitos de classe, objeto, associação,
Leia maisEXPERIMENTO N o 6 LENTES CONVERGENTES INTRODUÇÃO
EXPERIMENTO N o 6 LENTES CONVERGENTES INTRODUÇÃO Ao incidir em uma lente convergente, um feixe paralelo de luz, depois de passar pela lente, é concentrado em um ponto denominado foco (representado por
Leia maisUNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS
UNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS VINICIUS DA SILVEIRA SEGALIN FLORIANÓPOLIS OUTUBRO/2013 Sumário
Leia maisComplemento IV Introdução aos Algoritmos Genéticos
Complemento IV Introdução aos Algoritmos Genéticos Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações e
Leia maisXIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO
XIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO EPE0147 UTILIZAÇÃO DA MINERAÇÃO DE DADOS EM UMA AVALIAÇÃO INSTITUCIONAL
Leia maisComparação entre a Máscara de Nitidez Cúbica e o Laplaciano para Realce de Imagens Digitais
Comparação entre a Máscara de Nitidez Cúbica e o Laplaciano para Realce de Imagens Digitais Wesley B. Dourado, Renata N. Imada, Programa de Pós-Graduação em Matemática Aplicada e Computacional, FCT, UNESP,
Leia maisCálculo do conjunto paralelo
Cálculo do conjunto paralelo Vamos usar letras maiúsculas A; B, etc para representar conjuntos e letras minusculas x, y, etc para descrever seus pontos. Vamos usar a notação x para descrever a norma de
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com
Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Visão Computacional Não existe um consenso entre os autores sobre o correto escopo do processamento de imagens, a
Leia maisInstituto de Computação, Universidade Federal do Amazonas (UFAM) Manaus-AM, Brasil
Elicitação de Requisitos a partir de Modelos de Processos de Negócio e Modelos Organizacionais: Uma pesquisa para definição de técnicas baseadas em heurísticas Marcos A. B. de Oliveira 1, Sérgio R. C.
Leia mais4 Avaliação Experimental
4 Avaliação Experimental Este capítulo apresenta uma avaliação experimental dos métodos e técnicas aplicados neste trabalho. Base para esta avaliação foi o protótipo descrito no capítulo anterior. Dentre
Leia maisProjetos. Universidade Federal do Espírito Santo - UFES. Mestrado em Informática 2004/1. O Projeto. 1. Introdução. 2.
Pg. 1 Universidade Federal do Espírito Santo - UFES Mestrado em Informática 2004/1 Projetos O Projeto O projeto tem um peso maior na sua nota final pois exigirá de você a utilização de diversas informações
Leia mais1 http://www.google.com
1 Introdução A computação em grade se caracteriza pelo uso de recursos computacionais distribuídos em várias redes. Os diversos nós contribuem com capacidade de processamento, armazenamento de dados ou
Leia maisSEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS
SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS André Zuconelli 1 ; Manassés Ribeiro 2 1. Aluno do Curso Técnico em Informática, turma 2010, Instituto Federal Catarinense, Câmpus Videira, andre_zuconelli@hotmail.com
Leia maisISO/IEC 12207: Gerência de Configuração
ISO/IEC 12207: Gerência de Configuração Durante o processo de desenvolvimento de um software, é produzida uma grande quantidade de itens de informação que podem ser alterados durante o processo Para que
Leia mais3 Estratégia para o enriquecimento de informações
34 3 Estratégia para o enriquecimento de informações Podemos resumir o processo de enriquecimento de informações em duas grandes etapas, a saber, busca e incorporação de dados, como ilustrado na Figura
Leia maisEsclarecimento: Não, a operação de matching ocorre no lado cliente da solução, de forma distribuída.
1 Dúvida: - Em relação ao item 1.2 da Seção 2 - Requisitos funcionais, entendemos que a solução proposta poderá funcionar em uma arquitetura Web e que na parte cliente estará apenas o componente de captura
Leia maisDificuldades de Modelos de PNL. Onde está a solução ótima? Outro exemplo: Condição ótima Local vs. Global. 15.053 Quinta-feira, 25 de abril
15.053 Quinta-feira, 25 de abril Teoria de Programação Não-Linear Programação Separável Dificuldades de Modelos de PNL Programa Linear: Apostilas: Notas de Aula Programas Não-Lineares 1 2 Análise gráfica
Leia maisFAPESP FUNDAÇÃO DE AMPARO À PESQUISA DO ESTADO DE SÃO PAULO UNIVERSIDADE DE SÃO PAULO INSTITUTO DE MATEMÁTICA E ESTATÍSTICA (IME) GeoGrid
FAPESP FUNDAÇÃO DE AMPARO À PESQUISA DO ESTADO DE SÃO PAULO UNIVERSIDADE DE SÃO PAULO INSTITUTO DE MATEMÁTICA E ESTATÍSTICA (IME) GeoGrid VISUALIZAÇÃO TRIDIMENSIONAL DE TERRENO Integrantes: Felipe Augusto
Leia maisDetecção e Rastreamento de Objetos coloridos em vídeo utilizando o OpenCV
Detecção e Rastreamento de Objetos coloridos em vídeo utilizando o OpenCV Bruno Alberto Soares OLIVEIRA 1,3 ; Servílio Souza de ASSIS 1,3,4 ; Izadora Aparecida RAMOS 1,3,4 ; Marlon MARCON 2,3 1 Estudante
Leia maisEstatísticas e Relatórios. Treinamento OTRS Help Desk
Estatísticas e Relatórios Treinamento OTRS Help Desk Sumário Estatística... 3 Visão Geral... 3 Gerando Relatórios... 4 Criação de Relatórios...5 Lista de Chamado... 7 Acumulação de Chamados...10 Tempo
Leia maisMatlab - Neural Networw Toolbox. Ana Lívia Soares Silva de Almeida
27 de maio de 2014 O que é a Neural Networw Toolbox? A Neural Network Toolbox fornece funções e aplicativos para a modelagem de sistemas não-lineares complexos que não são facilmente modelados com uma
Leia mais5 Extraindo listas de produtos em sites de comércio eletrônico
5 Extraindo listas de produtos em sites de comércio eletrônico Existem diversos trabalhos direcionadas à detecção de listas e tabelas na literatura como (Liu et. al., 2003, Tengli et. al., 2004, Krüpl
Leia maisDetecção de mudanças em imagens oriundas de sensoriamento remoto, usando conjuntos fuzzy.
Detecção de mudanças em imagens oriundas de sensoriamento remoto, usando conjuntos fuzzy. Marcelo Musci Baseado no artigo: Change detection assessment using fuzzy sets and remotely sensed data: an application
Leia maisIntrodução a Java. Hélder Nunes
Introdução a Java Hélder Nunes 2 Exercício de Fixação Os 4 elementos básicos da OO são os objetos, as classes, os atributos e os métodos. A orientação a objetos consiste em considerar os sistemas computacionais
Leia maisCLINICAGENDA - MANUAL VERSÃO 1.0.0.3. Manual de auxílio à utilização do sistema Clinicagenda.
VERSÃO 1.0.0.3 Manual de auxílio à utilização do sistema Clinicagenda. CLINICAGENDA - ÍNDICE I ndice Criar Um Novo Cadastro 1 Primeiro Passo 1 Segundo Passo 1 Primeiro Login 2 Introduça o 2 Tela Inicial
Leia maisProjeto de Redes Neurais e MATLAB
Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar arrr2@cin.ufpe.br Thiago Miotto tma@cin.ufpe.br Baseado na apresentação
Leia maisTransformação de um Modelo de Empresa em Requisitos de Software
Transformação de um Modelo de Empresa em Requisitos de Software Fábio Levy Siqueira 1 and Paulo Sérgio Muniz Silva 2 1 Programa de Educação Continuada da Poli-USP, São Paulo, Brazil 2 Escola Politécnica
Leia maisPropagação de distribuições pelo método de Monte Carlo
Sumário Propagação de distribuições pelo método de Monte Carlo João Alves e Sousa Avaliação de incertezas pelo GUM Propagação de distribuições O método de Monte Carlo Aplicação a modelos de medição por
Leia maisSimulador Virtual para Treinamento em Visão de Máquina com LabVIEW
Simulador Virtual para Treinamento em Visão de Máquina com LabVIEW "Esse ambiente pode ser usado para simular e explorar as possibilidades e alcances de uma solução empregando visão de máquina, testar
Leia maisLENTES E ESPELHOS. O tipo e a posição da imagem de um objeto, formada por um espelho esférico de pequena abertura, é determinada pela equação
LENTES E ESPELHOS INTRODUÇÃO A luz é uma onda eletromagnética e interage com a matéria por meio de seus campos elétrico e magnético. Nessa interação, podem ocorrer alterações na velocidade, na direção
Leia maisINTRODUÇÃO E CONFIGURAÇÃO DO PRIMEFACES MOBILE EM APLICAÇÕES JSF
INTRODUÇÃO E CONFIGURAÇÃO DO PRIMEFACES MOBILE EM APLICAÇÕES JSF Guilherme Macedo, Jaime Willian Dias Universidade Paranaense (Unipar) Paranavaí PR Brasil guilhermemacedo28@gmail.com, jaime@unipar.br Resumo.
Leia maisEvolution of Robustness in an Electronic Design
Evolution of Robustness in an Electronic Design MAC0461 - Introdução ao Escalonamento e Aplicações Professor: Alfredo Goldman vel Lejbman Instituto de Matemática e Estatística Universidade de São Paulo
Leia maisAvaliação de técnicas de seleção de quadros-chave na recuperação de informação por conteúdo visual
Avaliação de técnicas de seleção de quadros-chave na recuperação de informação por conteúdo visual Shênia Salvador de Pinho, Kleber J. F. Souza Instituto de Ciências Exatas e Informática PUC Minas Guanhães,
Leia maisOrganizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU
Organizaçãoe Recuperaçãode Informação GSI521 Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Aula anterior Organização e Recuperação de Informação(GSI521) Modelo vetorial- Definição Para o modelo vetorial, o
Leia maisATENÇÃO: * Arquivos com tamanho superior a 500 KB NÃO SERÃO ACEITOS * SOMENTE serão aceitos documentos do formato: PDF
TUTORIAL DE DIGITALIZAÇÃO DIRIGIDO AO USO DO PROCESSO ELETRÔNICO Adaptado do tutorial elaborado pelo colega MAICON FALCÃO, operador de computador da subseção judiciária de Rio Grande. Introdução Este tutorial
Leia maisDimensionamento de equipamentos reservas para subestações
XVIII Seminário Nacional de Distribuição de Energia Elétrica SENDI 2008-06 a 10 de outubro Olinda - Pernambuco - Brasil Dimensionamento de equipamentos reservas para subestações Leonardo Labarrere de Souza
Leia maisRoda de Samba. Série Matemática na Escola
Roda de Samba Série Matemática na Escola Objetivos 1. Apresentar uma aplicação de funções quadráticas; 2. Analisar pontos de máximo de uma parábola;. Avaliar o comportamento da parábola com variações em
Leia maisEste capítulo é divido em duas seções, a primeira seção descreve a base de
30 3. Metodologia Este capítulo é divido em duas seções, a primeira seção descreve a base de dados utilizada, identificando a origem das fontes de informação, apresentando de forma detalhada as informações
Leia maisEstudo Comparativo de Cálculo de Lajes Analogia de grelha x Tabela de Czerny
Estudo Comparativo de Cálculo de Lajes Analogia de grelha x Tabela de Czerny Junior, Byl F.R.C. (1), Lima, Eder C. (1), Oliveira,Janes C.A.O. (2), 1 Acadêmicos de Engenharia Civil, Universidade Católica
Leia maisIntrodução a computação móvel. Middlewares para Rede de Sensores sem Fio. Uma avaliação na ótica de Adaptação ao Contexto
Introdução a computação móvel Monografia: Middlewares para Rede de Sensores sem Fio Uma avaliação na ótica de Adaptação ao Contexto Adriano Branco Agenda Objetivo do trabalho O que é uma WSN Middlewares
Leia maisEstudo comparativo entre dois tradicionais algoritmos de roteamento: vetor distância e estado de enlace.
Estudo comparativo entre dois tradicionais algoritmos de roteamento: vetor distância e estado de enlace. Ederson Luis Posselt 1, Geovane Griesang 1 1 Instituto de Informática Universidade de Santa Cruz
Leia maisAnálise Univariada de Sinais Mioelétricos
Análise Univariada de Sinais Mioelétricos Orientador: Maria Claudia Ferrari de Castro Departamento: Engenharia Elétrica Candidato: Luiz Victor Esteves N FEI: 11209220-0 Início: Setembro/10 Provável conclusão:
Leia maisExtração de Árvores de Decisão com a Ferramenta de Data Mining Weka
Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka 1 Introdução A mineração de dados (data mining) pode ser definida como o processo automático de descoberta de conhecimento em bases de
Leia mais