| Resumo: | As passagens de nível automáticas são pontos sensíveis na ferrovia, onde anualmente ocorrem acidentes com vítimas mortais. Com vista a mitigar o número de vítimas, esta dissertação apresenta um sistema para detecção de obstáculos em passagens de nível a partir de nuvens de pontos 3D recolhidas com um sensor laser 2D montado sobre uma plataforma oscilante. Numa fase de calibração, o sistema aprende a posição e orientação da passagem de nível relativamente ao sensor laser. Seguidamente o sistema aprende um mapa volumétrico que indica as zonas da passagem de nível que estão ocupadas com objetos estáticos e, portanto, não são obstáculos. Terminado o treino, o sistema procura, antes de cada passagem de um comboio, por objetos presentes no ambiente que não estejam representados no mapa volumétrico aprendido. Esses objetos são reportados como obstáculos, cujo nível de relevância varia de acordo com as suas dimensões e distância ao eixo da via. Comparativamente a sistemas anteriores, tipicamente baseados em RADAR, câmaras de vídeo e sensores laser estáticos, o sistema aqui apresentado é capaz de simultaneamente detetar obstáculos de menor volumetria, ser robusto a variações de iluminação e ser calibrado de forma semi-automática, o que reduz o tempo de instalação. Estas características foram validadas num conjunto de 32 nuvens de pontos recolhidas numa passagem de nível ocupada com obstáculos de variada dimensão. Os testes experimentais mostram que o sistema é capaz de detetar obstáculos de volumetria igual ou superior a 10dm3 em cerca de 615 ms. Este desempenho é suficiente para garantir os requisitos operacionais das passagens de nível automatizadas
|
|---|