Browsing by Author "Cunha, Tiago Francisco Pereira"
Now showing 1 - 1 of 1
Results Per Page
Sort Options
- Deep Learning LiDAR-based Power Lines Detection for Unmanned Aerial VehiclesPublication . Cunha, Tiago Francisco Pereira; Dias, André Miguel PinheiroO crescente grau de dependência das sociedades modernas na utilização da eletrici dade e a relutância das populações em aceitar a instalação de novas infraestruturas elétricas fazem com que as infraestruturas existentes operem constantemente no li mite de sua capacidade. Esta realidade implica a necessidade premente de prevenir qualquer ocorrência de falhas, uma vez que estas teriam repercussões económicas significativas para as empresas de eletricidade e resultariam em perturbações no for necimento de energia aos consumidores. Este cenário tem enfatizado cada vez mais a importância crescente da eficácia na supervisão e manutenção das redes elétricas. Neste sentido, a utilização de Unmanned Aerial Vehicles (UAV) representa uma das alternativas mais atraentes para a tarefa de inspeção de linhas de transmissão. A inspeção de linhas elétricas através de UAVs elimina a necessidade de expor in divíduos a situações de risco. Isto permite que os trabalhadores permaneçam em segurança no solo, enquanto um operador de UAV avalia a condição das linhas de transmissão. No entanto, isso requer o desenvolvimento de algoritmos para garantir que o processo de inspeção seja fiável e autónomo. A identificação das linhas de transmissão e dos seus componentes associados é tipicamente conduzida através de técnicas de deteção visual. Estas técnicas, de forma geral, mostram-se sensíveis às condições atmosféricas e a fundos com ruído visual, especialmente em situações de iluminação inadequada ou na presença de fundos com alto contraste. Para superar essas limitações, o presente estudo aborda a problemática da identificação e modelação das linhas elétricas com base na utilização de um sensor Light Detection And Ranging (LiDAR). Com este propósito, foi desenvolvido um algoritmo com a capacidade de identi ficar a localização e orientação das linhas de transmissão, através da utilização dos dados recolhidos por um sensor LiDAR. Em especifico, o algoritmo desenvolvido faz uso de um deep learning LiDAR-based 3D object detection model para não só prever a posição, mas também estimar a direção da trajetória das linhas, mediante a localização e orientação das 3D oriented bounding boxes que o algoritmo prevê. Adicionalmente, é integrado no sistema um pré-processamento e um pós-processamento, com o intuito de aumentar a sua eficácia. O pré-processamento tem como função reduzir o volume de dados de entrada e prepará-los de forma adequada para garantir que o modelo possa aprender e generalizar eficazmente. E o pós-processamento atua para aprimorar as previsões do modelo para alcançar resultados mais precisos. O sistema foi testado em três configurações com um conjunto de dados reais, e a partir dos resultados obtidos, foi possível validar a eficácia do sistema proposto, tanto em termos dos resultados gerados como de tempo de processamento.