EXAME DE QUALIFICAÇÃO DE DOUTORADO No 117 À DISTÂNCIA

A Coordenação do Programa de Pós-Graduação em Informática torna pública a realização da apresentação, do Exame de Qualificação de Doutorado do aluno DANIEL VRIESMAN, no dia 26 de julho de 2021, às 10h.

O Trabalho tem o seguinte título:“Automotive Sensor Fusion based on MachineLearning Models for Parameter Estimation inPre-Crash Scenarios”

Resumo:
"A navegação autônoma é um dos tópicos emergentes da última década. Com a crescente melhora das tecnologias, tanto de sensores quanto poder computacional, novas funções autônomas estão surgindo no mercado. Mas ainda há um longo caminho para que se implemente efetivamente uma frota totalmente autônoma. Enquanto isso, ainda é possível se beneficiar de tais tecnologias, melhorando os sistemas de segurança ativa e passiva para tornar nossas estradas mais seguras e diminuir o número de acidentes graves e fatalidades. Estes sistemas de segurança podem ajudar a evitar ou mitigar um acidente, extraindo parâmetros relevantes, tais como tamanho, distância e ângulo de aproximação, de um veículo vindo em sentido contrário a uma distância próxima, até o momento da colisão (pré-colisão). Para tal melhoria, uma extração precisa destes parâmetros se faz obrigatória. Para isso, novas abordagens estão reunindo diferentes sensores, usando algoritmos de fusão multimodais, os quais estão sendo desenvolvidos e testados em base de dados multimodais presentes na literature. Entretanto, a maioria dessas bases possuem sensores com baixa resolução, ou falta de representação de dados em relação aos veículos muito próximos aos sensores e/ou condições climáticas adversas. É importante considerar também as condições climáticas, como chuva e neblina, pois as mesmas podem interferir na qualidade do sinal dos sensores. Dito isto, este trabalho se concentra no desenvolvimento e investigação de diferentes arquiteturas de fusão multimodais, no estágio inicial ou tardio, utilizando lidar, câmera e radar de alta resolução, para extrair parâmetros relevantes de um veículo em sentido contrário em situações de pré-colisão, considerando diferentes condições climáticas. Para contornar os desafios impostos pelas condições climáticas adversas, uma nova abordagem baseada na seleção dinâmica do regressor é proposta. Para atingir tal objetivo, uma base de dados multimodal representando cenários pré-colisão é coletado dentro di pavilhão de testes do instituto CARISSMA C-ISAFE, que oferece um ambiente controlado para testes de veículos e simulações climáticas. Com base na coleta de dados preliminares, são apresentados alguns resultados referentes à influência do tempo e algoritmos de fusão multimodais para cenários pré-colisão."

Banca será composta por:

Prof. Dr. Alceu de Souza Britto Jr. (orientador) – PUCPR
Prof. Dr. Alessandro Zimmer (coorientador) – UFPR / THI
Prof. Dr. Julio Cesar Nievola – PUCPR
Prof. Dr. Thomas Brandmeier – THI
Prof. Dr. Christian Birkner - THI

Curitiba, 13 de junho de 2021.