Este trabalho foi publicado pelo Galoá e tem um DOI depositado. Para citar este trabalho, use um dos padrões abaixo:
Caso você seja um dos co-autores e queira cadastrar esse trabalho no seu Currículo Lattes, use o seguinte código: doi > 10.17648/sbai-2019-111409
Se você NUNCA registrou um DOI no seu Lattes, veja nosso tutorial!A indústria da Mineração sofre impacto das condições climáticas adversas interrompendo os processos de lavra. Nesse sentido, esse artigo apresenta uma prova de conceito onde são testadas técnicas de processamento de dados obtidos por uma câmera RGB e laser 3D para identificar obstáculos e estradas no ambiente de mineração. Redes Neurais Artificiais são empregadas para a identificação de obstáculos nas imagens RGB coletadas por câmeras, e o método de agrupamento de pontos por densidade (DBSCAN) é utilizado para processar a nuvem de pontos fornecida pelo laser. A identificação da estrada é realiza por meio do método de consenso de amostragem aleatória (RANSAC) nos dados da nuvem de pontos. Os algoritmos de processamento de dados realizam a fusão de imagens e nuvem de pontos visando criar uma imagem combinada. A fusão dos dados permite identificar 95% dos obstáculos de forma correta, contra 91% quando considerado os dados fornecidos pelos sensores individuais.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo