Skip navigation
  1. RI UFPE
  2. Trabalhos de Conclusão de Curso
  3. (CIn) Centro de Informática
  4. (CIn) - Coordenação de Engenharia da Computação
  5. (TCC) - Engenharia da Computação
Use este identificador para citar ou linkar para este item: https://repositorio.ufpe.br/handle/123456789/65095

Compartilhe esta página

Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorARAÚJO, Aluizio Fausto Ribeiro-
dc.contributor.authorSOARES, Carlos Henrique Gomes-
dc.date.accessioned2025-08-15T15:46:01Z-
dc.date.available2025-08-15T15:46:01Z-
dc.date.issued2025-04-03-
dc.date.submitted2025-08-14-
dc.identifier.citationSOARES, Carlos Henrique Gomes. Estudo comparativo de métodos para reconhecimento visual de locais em ambientes externos. 2025. 61 f. Trabalho de Conclusão de Curso (Graduação em Engenharia da Computação) – Universidade Federal de Pernambuco, Recife, 2025.pt_BR
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/65095-
dc.description8,5pt_BR
dc.description.abstractEste estudo examina técnicas de reconhecimento visual de locais empregando os métodos SeqSLAM e Multi-Process Fusion (MPF). A análise considera o desempenho dessas abordagens em condições adversas, tais como variações na iluminação e mudanças sazonais. O SeqSLAM emprega um método baseado em sequências de imagens e diferenças absolutas, enquanto MPF combina descritores (SAD, HOG e CNN) para maior robustez. Ambos os métodos foram avaliados com base em critérios de precisão e revocação, e os resultados obtidos destacam as principais vantagens e limitações de cada abordagem.pt_BR
dc.format.extent61p.pt_BR
dc.language.isoporpt_BR
dc.rightsopenAccesspt_BR
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/pt_BR
dc.subjectReconhecimento visual de locaispt_BR
dc.subjectSeqSLAMpt_BR
dc.subjectMulti-Process Fusionpt_BR
dc.subjectRobótica móvelpt_BR
dc.subjectProcessamento de imagenspt_BR
dc.subjectInteligência artificialpt_BR
dc.titleEstudo comparativo de métodos para reconhecimento visual de locais em ambientes externospt_BR
dc.typebachelorThesispt_BR
dc.contributor.advisor-coDurand-Petiteville, Adrien-
dc.contributor.authorLatteshttps://lattes.cnpq.br/5344892002550715pt_BR
dc.degree.levelGraduacaopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/8715023255304328pt_BR
dc.description.abstractxThis study examines visual location recognition techniques using SeqSLAM and Multi-Process Fusion (MPF) methods. The analysis considers the performance of these approaches under adverse conditions, such as variations in illumination and seasonal changes. SeqSLAM employs a method based on image sequences and absolute differences, while MPF combines descriptors (SAD, HOG and CNN) for greater robustness. Both methods were evaluated based on precision and recall criteria, and the resultspt_BR
dc.subject.cnpqÁreas::Ciências Exatas e da Terrapt_BR
dc.degree.departament::(CIN-DSC) - Departamento de Sistemas da Computação pt_BR
dc.degree.graduation::CIn-Curso de Engenharia da Computaçãopt_BR
dc.degree.grantorUniversidade Federal de Pernambucopt_BR
dc.degree.localRecifept_BR
dc.contributor.advisor-coLatteshttp://lattes.cnpq.br/1842475245974716pt_BR
Aparece nas coleções:(TCC) - Engenharia da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TCC Carlos Henrique Gomes Soares.pdf4,07 MBAdobe PDFThumbnail
Visualizar/Abrir


Este arquivo é protegido por direitos autorais

Ver licença
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Este item está licenciada sob uma Licença Creative Commons Creative Commons