Criação de Ambiente e Controle de Programação

O V-REP possui a característica de facilidade na criação de ambientes ou mundo, levando em conta os critérios de interface e.g. arrastar e soltar, ou seja, visual e edição. Fácil visualização dos gráficos de cenário e objetos. Possui vários modelos que podem ser facilmente inseridos na cena. Estes modelos variam de objetos de infra-estrutura como paredes e portas, para móveis e até mesmo modelos de terreno. Há também uma visualização de cena gráfica fácil de usar, onde todos os objetos na cena podem ser acessados e ter todas as suas propriedades inspecionadas e modificados.

Neste ponto, o Gazebo está muito atrasado. Não oferece muitos recursos de modelagem mundial prontos para uso. Ele fornece um editor de construção que é muito prático para projetar labirintos e infra-estrutura básica. Ele também oferece três formas geométricas simples a serem inseridas na cena - uma esfera, um cubo e uma cilindro. Por fim, o Gazebo fornece acesso a um modelo online com banco de dados composto por modelos desenvolvidos pela comunidade. Este é um dos seus pontos fortes, mas esta base de dados é um pouco desorganizado. A edição de modelos, no entanto, não é possível dentro do Gazebo, por isso, é preciso usar ferramentas

externas de modelagem 3D como o Blender ou Google Sketchup para desenhar os modelos e importá-los para o formato Gazebo.

Desta forma o V-REP se mostra com recursos fáceis de usar para modelagem do ambiente, que não exigem qualquer conhecimento profundo de XML. Isso é ótimo para prototipagem rápida de configurações de simulações e casos de uso ainda mais complexos. Se em vez disso, o Gazebo for usado, será necessário entender mais a fundo especificações SDF para construir qualquer configuração não básica. Só depois que essa curva de aprendizado for dominada, será possível criar simulações mais complexas.

Segundo Nogueira (2014), neste quesito não há distinção entre os dois simuladores visto que ambos possuem bibliotecas, API’s e plugins que atendem perfeitamente as necessidades do pesquisador na hora de programar o experimento desejado. Sendo assim, na primeira parte do trabalho foi utilizado o V-REP para que os testes simulados pudessem ocorrer mais rapidamente e uma prévia da prova de conceito fosse realizada. Em seguida, o Gazebo foi utilizado, devido a melhor interface com o ROS, para organização e testes de comunicação entre os nós, finalmente os testes reais puderam ser realizados com mais segurança.

3

Processamento de Imagens e Redes Neurais para Navegação

de VAANT’s

A aplicação do VAANT na inspeção aérea de linhas de transmissão elétrica é uma tec- nologia de crescente interesse na comunidade científica (MANLANGIT; VARGHESE ET AL.;

KALEEM E REHMANI, 2012; 2017; 2018). Os VAANT’s têm características especiais, como

baixo custo, baixo risco, flexibilidade operacional e aplicação em cenários remotos e adversos que os tornam um substituto interessante no uso de aeronaves tripuladas.

Como estudos anteriores apontam, a detecção de linhas de energia elétrica em uma ima- gem é uma tarefa desafiadora devido à proximidade entre cabos e cores monocromáticas, o que dificulta a extração de características da imagem. (LI ET AL.; ZHANG ET AL., 2010; 2012). A

navegação autônoma sobre linhas aéreas de transmissão usando métodos visuais é tipicamente resolvida com o uso da transformada de Hough para detecção de segmentos de retas nas linhas de transmissão elétrica. (MANLANGIT; LI ET AL.; DENG ET AL.; ZHOU ET AL.; MATIKAINEN

ET AL., 2012; 2010; 2016; 2016; 2016).

A navegação em trajetórias não retas ou curvas é frequentemente negligenciada e pouco descrita na literatura. No trabalho de (MARTINS, 2015), curvas são levadas em consideração e as trajetórias são resolvidas com o uso de um magnetômetro. Não obstante, os magnetôme- tros sofrem distúrbios de campo magnético devido à energia elétrica induzida pelas linhas de transmissão, o que pode desorientar o curso do veículo. Em (PÁLI ET AL., 2014), a transforma-

ção Hough é usada para rastrear vanishing points (pontos de intercessão entre retas paralelas numa imagem) em uma imagem. Tal método, no entanto, não é eficaz em curvas acentuadas que frequentemente aparecem nas imagens de câmeras voltadas para frente.

Redes neurais são ótimas para classificação e identificação de objetos nas imagens, em contrapartida extrair dados de orientação para correção lateral e angular como Yaw, passa a ser uma atividade complexa especificamente para linhas de transmissão elétrica tornando-se dispendiosa pensando no método de treinamento.

Ambas as técnicas de processamento de imagens apresentam limitações que inviabilizam a utilização isolada para navegação autônoma desejada no presente trabalho, porém mostram vantagens que podem se complementar, logo torna-se interessante entender melhor tais técnicas e como podem ser utilizadas.

3.1 Transformada de Hough

A transformada de Hough permite a identificação de padrões regulares de interesse (e.g linhas, círculos e elipses) que frequentemente aparecem em imagens de estruturas feitas pelo homem, como linhas de energia. A detecção de linha opera com as bordas de uma imagem (uma imagem binária) e é implementada como um processo de votação no chamado espaço de parâ- metros. As bordas das coordenadas (𝑥,𝑦) são mapeadas por senoides no espaço de parâmetros 𝜃𝜌 aplicando a forma normal da linha 𝜌 = 𝑥 cos(𝜃) + 𝑦 sin(𝜃), onde 𝜌 é o comprimento do seg- mento normal desde a origem da imagem (localizada no canto superior esquerdo) até o ponto de borda e 𝜃 é a orientação de 𝜌 com respeito ao 𝑥-axis. Uma célula de acumulador é incrementada por uma unidade em cada ponto de coincidência no espaço 𝜃𝜌. As coordenadas dos pontos de coincidência definem os parâmetros das linhas que passam por pontos relacionados no espaço 𝑥𝑦, como visto na figura 3.1.

A figura 3.2 descreve o processo de detecção de linha na imagem de uma instalação de linha de energia simulada. Mostra as bordas da imagem (esquerda) e as linhas detectadas (coloridas em vermelho a direita) que são as linhas das coincidências de ponto mais altas no espaço de parâmetros.

Figura 3.2: Detecção das linhas de transmissão de energia com transformada de Hough.

Testes preliminares foram realizados utilizando apenas a técnica de Hough para a navega- ção, apesar de a correção lateral e angular ser muito boa, apenas essa técnica não era suficiente, pois era difícil controlar a altura devido a identificação de linha falsas no Background e linhas duplas nas linhas de transmissão, impossibilitando o cálculo geométrico pela distância entre os cabos, porém o problema mais grave eram nas curvas acentuadas, onde a identificação das retas, alternava entre as retas seguintes (caminho desejado), como as candidatas mais fortes, e as anteriores, fazendo com que o VAANT ficasse “preso na curva”. Isto ratificou a tese de que deveria-se utilizar um método que classificasse as curvas e identificasse alguma característica para controlar melhor a altura.