Graduações em Engenharias e Ciência da Computação
URI permanente para esta coleçãohttps://repositorio.insper.edu.br/handle/11224/3249
Navegar
2 resultados
Resultados da Pesquisa
Trabalho de Conclusão de Curso Computação em alta performance para veículo autônomo(2022) Fuziy, Antonio Vieira; Ortiz Neto, Edgard; Yamashiro, Eiki Luis; Souza, Lucca Nazari da Silva eO projeto tem como objetivo desenvolver um ‘Minimum Viable Product’ (MVP) de um robô autônomo capaz de seguir trilhas e caminhos de trânsito entendendo a sinalização brasileira e integrando tecnologias da Nvidia, cliente do projeto. O desenvolvimento e disponibilidade de hardwares heterogêneos evolui em paralelo com com um tema em alta na última década: direção de veículos autônomos [1]. Para permitir a prototipação de soluções com GPU para veículos autônomos a Nvidia criou o JetBot [2], um Kit de Desenvolvimento de robôs móveis, com uma plataforma bem estruturada e documentada baseada no hardware da Jetson Nano. Este projeto, desenvolvido pela parceria entre Insper e a Nvidia, integra os softwares e hardwares da empresa, com modelos de Inteligência Artificial, Redes Neurais Convolucionais e Visão Computacional, para a total autonomia da locomoção do JetBot com uma base de fácil adaptação para a legislação e sinalização de trânsito brasileiras. Os objetivos do projeto são utilizar de forma eficiente os recursos e softwares da Nvidia na programação de um veículo autônomo que funcionará em ambiente prototipado em laboratório e gerar documentação de boa qualidade.Trabalho de Conclusão de Curso Solução de Edge Computing embarcada para melhorar a mobilidade de pessoas com deficiência visual(2021) Caruso, Gabriela Iannini; Telho, Pedro Paulo Mendonça; Fontes, Pedro Vero; Almada, Rafael Alves de MelloO projeto tem como objetivo desenvolver um Minimum Viable Product (MVP) de um software para o dispositivo embarcado móvel VMobi. Criado pelo cliente Prof. Dr. Kamal Sarkar e seus alunos da Universidade do Texas: Rio Grande Valley (UTRGV), o produto tem como intuito solucionar o problema de mobilidade de pessoas cegas, ou que possuem alguma deficiência visual severa, através de visão computacional e interface de usuário via áudio. Alguns critérios foram definidos pelo cliente desde o início do desenvolvimento, como: obter reconhecimento de objetos a uma taxa acima de 10 frames por segundo (FPS), custar até 1000 dólares para a produção do protótipo completo, pesar menos que 1,81 kg e permitir incluir novas categorias de objetos a serem reconhecidos (o que neste projeto foi feito com a técnica de transfer learning). O software final foi desenvolvido na linguagem de programação Python em uma Raspberry Pi 4 contando com uma Tensor Processing Unit (TPU) para aceleração do hardware. Além de alcançar as expectativas e os critérios definidos pelo cliente para o protótipo a ser executado de forma wearable, foi implementado um modelo de detecção de textos e disponibilizado ao cliente um jupyter notebook para geração de novos modelos de redes neurais que reconhecem diferentes categorias de objetos através de transfer learning.