Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/11677
Type: Dissertação
Title: Computer vision methods for underwater pipeline segmentation
Author(s)/Inventor(s): Campos Ruiz, Roberto Esteban
Advisor: Petraglia, Mariane Rembold
Co-advisor: Gomes, José Gabriel Rodríguez Carneiro
Abstract: O processo de inspeção de tubulações submarinas é geralmente realizado por Veículos Operados Remotamente (ROVs) equipados principalmente com sensores óticos e acústicos. Durante longos períodos de inspeção e em condições de baixa visibilidade, o processo de inspeção visual torna-se cansativo e sujeito a falhas de interpretação por parte do operador. Portanto, a automação desse processo apresenta uma melhoria na manutenção das tubulações. Este trabalho apresenta um sistema de segmentação de tubulações rígidas submarinas usando uma câmera monocular. Um detector de bordas baseado na cor foi proposto aproveitando as restrições da geometria das tubulações e informações de rastreamento. Tubulações segmentadas foram transformadas em uma representação de vista superior 2D. O sistema foi avaliado com um conjunto de dados de 7808 imagens, anotados manualmente, obtidas em diferentes tarefas de inspeção reais. O sistema obteve 96.5% na taxa de detecção e 96,3% de acurácia na segmentação.
Abstract: Underwater pipeline inspection is usually conducted by Remotely Operated Vehicles (ROVs) equipped mainly with optical and acoustic sensors. During long inspections periods and low visibility conditions, traditional visual inspection becomes a tedious job and can lead to operator misinterpretations. Therefore, the automation of this process involves an improvement in the maintenance of the pipelines. This work presents an underwater pipeline segmentation system for rigid pipelines using a monocular camera. A color based edge detector was proposed, taking advantage of the pipeline geometry restrictions, besides tracking information. Segmented pipelines were transformed into a 2D top view representation. The system was evaluated with a dataset containing 7808 images, manually annotated, acquired during real inspection tasks. The system reached 96.5% of detection rate and 96.3% of segmentation accuracy.
Keywords: Engenharia elétrica
Tubulação subaquática
Detecção de objeto
Segmentação de imagem
Subject CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Program: Programa de Pós-Graduação em Engenharia Elétrica
Production unit: Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
Publisher: Universidade Federal do Rio de Janeiro
Issue Date: Mar-2018
Publisher country: Brasil
Language: eng
Right access: Acesso Aberto
Appears in Collections:Engenharia Elétrica

Files in This Item:
File Description SizeFormat 
888735.pdf1.34 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.