Resumo
Localizar-se é uma das necessidades básicas de um ser vivo. Tal capacidade também é muito importante quando se deseja dar autonomia e mobilidade aos robôs, fato este evidenciado pelo crescimento de pesquisas nesta área e a grande variedade de métodos desenvolvidos. Dentre estes métodos, estão os métodos que utilizam técnicas de Reconhecimento de Padrões. Esta dissertação descreve um estudo comparativo para resolver o problema de localização de robôs móveis através de técnicas de Reconhecimento de Padrões em imagens omnidirecionais. Este trabalho é motivado pela implementação e comparaçao de técnicas de extração de características que possam ser utilizadas em imagens omnidirecionais, buscando a invariância à rotação do robô e formando descritores que possam ser utilizados em diferentes algoritmos de Reconhecimento de Padrões. No total, cinco técnicas de extração de características com suas respectivas adaptações para imagens omnidirecionais e cinco classificadores de padrões são apresentados e comparados. As taxas de acerto médio e o desvio padrão dos resultados para os conjunto de teste são calculados e avaliados. Os resultados são apresentados com intuito de escolher qual o extrator de característica e o classificador mais adequado para se utilizar na localização de robôs móveis. Os extratores de características são avaliados segundo os critérios: tempo de processamento e qualidade de descrição da cena que é mensurada através das taxas de acerto médio dos classificadores. Os resultados são satisfatórios e elegem os descritores GIST e PCA e a rede MLP como os algoritmos mais adequados à aplicação. As principais contribuições deste trabalho são as adaptações realizadas nos extratores de características a fim de se obter a invariância rotacional do robô para as imagens omnidirecionais e a utilização destas na obtenção de descritores utilizados em técnicas de Reconhecimento de Padrões para localização de robôs móveis. Outra contribuição é a formação de bancos de imagem criados a partir de um ambiente sintético e um ambiente real que podem ser utilizados em outras pesquisas