Título:	Integração multissensor de câmera e radar para detecção de objetos para desenvolvimento de sistemas avançados de auxílio à condução
Autor(es):	Cury, Hachid Habib
Orientador(es):	Teixeira, Evandro Leonardo Silva
Assunto:	Fusão sensorial Detecção de objetos Sistemas Avançados de Assistência ao Condutor (ADAS) Radar
Data de publicação:	11-Dez-2025
Data de defesa:	25-Ago-2025
Referência:	CURY, Hachid Habib. Integração multissensor de câmera e radar para detecção de objetos para desenvolvimento de sistemas avançados de auxílio à condução. 2025. 90 f., il. Dissertação (Mestrado em Sistemas Mecatrônicos) — Universidade de Brasília, Brasília, 2025.
Abstract:	Accurate traffic scene perception is essential for the safety and effectiveness of Advanced Driver Assistance Systems (ADAS), as well as for the transition toward autonomous driving. This work investigates data fusion between camera and automotive radar sensors using the nuScenes database, focusing on the application of low- and mid-level fusion techniques, using the Faster R-CNN object detector as a benchmark. Initially, low-level fusion was implemented using the Radar Region Proposal Network (RRPN), in which radar is used as the primary sensor in generating regions of interest. However, this approach underperformed the camera-only detector, since objects not detected by radar are not processed by the neural network, compromising detection robustness. The results indicated that more than half of the bicycles and motorcycles annotated in the nuScenes database do not have any associated radar points; in the case of pedestrians, only about 20% have at least one point detectable by this sensor. Subsequently, mid-level feature fusion was evaluated through the implementation of the Spatial Attention Fusion (SAF) module within the network architecture. The results showed consistent improvements across performance metrics, with notable increases of 1.64% in AP75, 0.96% in AP50, 0.80% in AR, and 1.36% in APs, indicating greater accuracy in bounding box localization and enhanced detection of small objects. These advances validate the potential of feature-level sensor fusion as an effective strategy to improve perception in autonomous systems
Unidade Acadêmica:	Faculdade de Tecnologia (FT) Departamento de Engenharia Mecânica (FT ENM)
Informações adicionais:	Dissertação (mestrado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2025.
Programa de pós-graduação:	Programa de Pós-Graduação em Sistemas Mecatrônicos
Licença:	A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Agência financiadora:	Fundação de Desenvolvimento da Pesquisa (FUNDEP) e Projeto SegurAuto.
Aparece nas coleções:	Teses, dissertações e produtos pós-doutorado

Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.