Controlling An Autonomous Car Through A Brain Computer Interface

UNIVERSIDADE FEDERAL DO ESPRITO SANTO
CENTRO TECNOLGICO
DEPARTAMENTO DE ENGENHARIA ELTRICA
JAVIER FERNEY CASTILLO GARCIA
INTERFACE CREBRO COMPUTADOR

BASEADA EM SSVEP E ERD PARA O
COMANDO DE UM VECULO AUTNOMO
Vitria
2014
INTERFACE CREBRO COMPUTADOR BASEADA EM

SSVEP E ERD PARA O COMANDO DE UM VECULO
AUTNOMO
Dissertao apresentada ao Programa de PsGraduao em Engenharia Eltrica do Centro Tecnolgico da Universidade Federal do
Esprito Santo, como requisito parcial para
obteno do ttulo de Mestre em Engenharia
Eltrica, na linha de pesquisa de Robtica.
Universidade Federal do Esprito Santo UFES

Centro Tecnolgico
Programa de Ps-graduao em Engenharia Eltrica
Supervisor: Prof. Dr. Teodiano Freire Bastos Filho
Vitria
2014
Dados Internacionais de Catalogao-na-publicao (CIP)

(Biblioteca Setorial Tecnolgica,
Universidade Federal do Esprito Santo, ES, Brasil)
Garcia, Javier Ferney Castillo, 1978G216i

Interface crebro computador baseada em SSVEP e ERD
para o comando de um veculo autnomo / Javier Ferney
Castillo Garcia. 2014.
109 f. : il.
Orientador: Teodiano Freire Bastos Filho.
Dissertao (Mestrado em Engenharia Eltrica)
Universidade Federal do Esprito Santo, Centro Tecnolgico.
1. Interface crebro-computador. 2. Veculos autnomos. I.
Castillo Garcia. 2014.
Bastos Filho, Teodiano Freire. II. Universidade Federal do
Esprito Santo. Centro Tecnolgico. III. Ttulo.
CDU: 621.3
INTERFACE CREBRO COMPUTADOR BASEADA EM

SSVEP E ERD PARA O COMANDO DE UM VECULO
AUTNOMO
Dissertao apresentada ao Programa de PsGraduao em Engenharia Eltrica do Centro Tecnolgico da Universidade Federal do
Esprito Santo, como requisito parcial para
obteno do ttulo de Mestre em Engenharia
Eltrica, na linha de pesquisa de Robtica.
Trabalho aprovado. Vitria, 20 de Outubro de 2014:
Prof. Dr. Teodiano Freire Bastos Filho

Orientador
Universidade Federal do Esprito Santo
Prof. Andr Ferreira

Departamento de Eng. Eltrica
Universidade Federal do Esprito Santo
Profa. Sandra Mara Mller

Instituto Federal do Esprito Santo
Prof. Leonardo Bonato Flix

Departamento de Eng. Eltrica
Universidade Federal de Viosa
Vitria
2014
Este trabalho dedicado a Deus pela

oportunidade de conhecer pessoas maravilhosas,
que tornaram mais interessantes
meus dias e minhas noites.
Acknowledgements
Agradecimentos principais para meu orientador professor Teodiano Bastos, a quem
agradeo de corao pela confiana posta em mim e em meu trabalho. No percurso de
qualquer atividade sempre importante saber que no se est sozinho; seu acompanhamento
foi essencial para poder falar com segurana que hoje sou PESQUISADOR. Espero no
futuro que minha presena faa por si s o que faz a de meu orientador: "Cad os artigos?"
Agradecimentos especiais so dirigidos a Sandra Muller, Eliete Caldeira, John
Villarejo, Anibal Cotrina, Laura Vargas, Carlos Valado, Christiane Goulart, Denis Delisle,
Cecilia Parra, Berthil Longo, Alan Floriano, Alessandro Botti, Flavia Aparecida, Alexandre
Pomer, Viviane Cardoso e Richard1 , e a todos aqueles que contriburam para que minha
produo de trabalhos cientficos e acadmicos fosse possvel.
Agradeo tambm ao Programa de Ps-Graduao em Engenharia Eltrica2 da Universidade Federal do Esprito Santo (UFES), pela oportunidade de tornar-me pesquisador.
1
2
Nomes dos integrantes do Laboratrio de Automao Inteligente (LAI2)

<http://www.ele.ufes.br/>
Desconocemos tanto del mundo, que cada

conocimiento nuevo nos acerca ms al
oscuro e insondable abismo de la ignorancia (Javier Castillo)
Abstract
Neste trabalho descrito o desenvolvimento de uma Interface Crebro-Computador (ICC)
para o comando de um veculo autnomo, com base no paradigma de Potenciais Evocados
Visuais de Regime Permanente (SSVEP, do ingls Steady State Visual Event Potential)
e deteco de eventos relacionados desincronizao (ERD, do ingls Event Related
Desynchronization). Atravs de uma interface grfica apresentada a um usurio no interior
do veculo autnomo, so exibidos os possveis destinos onde ele deseja ir. A seleo de
comando realizada atravs de estmulos visuais e registro de sinais cerebrais. Os sinais
so capturados na regio occipital do couro cabeludo, e so processados, com vista a obter
os dados necessrios para o sistema de planejamento do veculo autnomo. Os testes feitos
permitiram obter taxas de sucesso de at 90% e 83% para as ICCs sncronas e assncronas,
respectivamente. O sistema proposto uma interface hbrida que inclui a capacidade de
ativar e desativar os estmulos visuais, tambm reduzindo a fadiga associada ao uso de
interfaces baseadas em SSVEP.
Palavras-chaves: SSVEP, ICC, ICC-Hbrida, Veculo Autnomo.
Abstract
This work describes the development of a Brain-Computer Interface (BCI) for controlling
an autonomous car, based on the paradigm of Steady State Visual Evoked Potential
(SSVEP) and detection of event-related desynchronization (ERD). Through a graphical
interface presented to the user within an autonomous car, possible destinations where
he/she wants to go are shown. The selection of command is performed through visual stimuli
and brain signals. The signals are captured on the occipital region of the scalp, and are
processed in order to obtain the necessary data to the planning system of the autonomous
car. Test performed obtained maximum success rate 90% and 80% for synchronous and
asynchronous BCIs, respectively. The proposed system is a hybrid-BCI, which includes
the ability to enable and disable the visual stimuli, reducing fatigue associated to the use
of SSVEP-based interfaces.
Key-words: SSVEP, BCI, Hybrid-BCI, Autonomous Car.
Resumen
En este documento es descrito el desarrollo de una interfaz cerebro-computador (ICC) para
el control de un vehculo autnomo, basado en el paradigma de los potenciales evocados
visuales de rgimen permanente (SSVEP, del ingles Steady State Visual Evoked Potential)
y la deteccin de eventos relacionados a la desincronizacin (ERD, del ingles Event Related
Desynchronization). A travs de una interfaz grfica presentada a un usuario dentro de un
vehculo autnomo, se muestran los posibles destinos donde este puede ir. El comando de
seleccin se lleva a cabo a travs de estmulos visuales y el registro de las seales cerebrales.
Las seales son capturadas en la regin occipital del cuero cabelludo, y se procesan con el
fin de obtener informacin necesaria para el sistema de planificacin del vehculo autnomo.
Las pruebas realizadas presentaron tasas de acierto de hasta el 90% y 83% para las ICCs
sncrona y asncrona, respectivamente. El sistema propuesto es una ICC-hbrida que incluye
la posibilidad de activar y desactivar los estmulos visuales, reduciendo la fatiga asociada
con el uso de interfaces basadas en SSVEP.
Palabras clave: SSVEP, ICC, ICC-Hbrida, Vehculo Autnomo.
List of Figures
Figure 1 Veculo autnomo da Universidade Federal do Esprito Santo - UFES. . 30
Figure 2 Mapa conceitual das Interfaces Crebro-Computador adaptado de (GRAIMANN;
ALLISON; PFURTSCHELLER, 2010). . . . . . . . . . . . . . . . . . . 35
Figure 3 Esquema geral de uma Interface Cerbro Computador (ICC).
. . . . . 37
Figure 4 Protocolo 10/20, sobre a disposio dos eletrodos. . . . . . . . . . . . . 38

Figure 5 Protocolo 10/10, sobre a disposio dos eletrodos para ICC-SSVEP
(MLLER; BASTOS; SARCINELLI, 2013). . . . . . . . . . . . . . . . 38
Figure 6 Representao dos nveis de navegao para um veculo autnomo.
Adaptado de (THURLING et al., 2010). . . . . . . . . . . . . . . . . . 42
Figure 7 Veculo autnomo Iara, modelo Ford Escape Hybrid. . . . . . . . . . . 47
Figure 8 Sensores do veculo autnomo (sistema LIDAR, cmeras e GPS). . . . 47
Figure 9 Recursos computacionais do veculo autnomo.
. . . . . . . . . . . . . 48
Figure 10 Representao de memria compartilhada. . . . . . . . . . . . . . . . . 49

Figure 11 Representao de transferncia de mensagens. . . . . . . . . . . . . . . 50
Figure 12 Representao da densidade espectral de potncia de um sinal EEG e
apresentao das frequncias alvos e seu primeiro harmnico. . . . . . . 52
Figure 13 Representao esquemtica da anlise cannica de correlao. . . . . . 54
Figure 14 CCA no domnio da frequncia. . . . . . . . . . . . . . . . . . . . . . . 56
Figure 15 Processo de Reclassificao. . . . . . . . . . . . . . . . . . . . . . . . . 57
Figure 16 Esquema do sistema de ativao e desativao dos estmulos visuais. . . 58
Figure 17 Limiar adaptativo para deteco do evento de abrir e fechar os olhos. . 60
Figure 18 Proposta de sistema de comando de veculo autnomo utilizando uma
interface crebro-computador hbrida. . . . . . . . . . . . . . . . . . . 64
Figure 19 Menu para a seleo do destino e controle da ativao/desativao dos
estmulos visuais. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
Figure 20 Esquema geral de um GRAFCET e suas partes principais. . . . . . . . 67
Figure 21 Representao em GRAFCET do sistema proposto para o comando do
veculo autnomo baseado em ICC-SSVEP. . . . . . . . . . . . . . . . . 69
Figure 22 Acurcia dos classificadores utilizados para a interface crebro-computador
com base em potencias evocados visuais de rgime permanente. . . . . 74
com base em potencias evocados visuais de rgime permanente. . . . . 76
Figure 24 Custo computacional dos classificadores utilizados para a interface
crebro-computador com base em potencias evocados visuais de rgime
permanente. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
Figure 25 Taxa de transmisso de informao (ITR) dos classificadores utilizados

para a interface crebro-computador com base em potencias evocados
visuais de rgime permanente. . . . . . . . . . . . . . . . . . . . . . .
Figure 26 Testes no veculo autonomo da UFES. . . . . . . . . . . . . . . . . .
Figure 27 Touca em Neoprene com Emotiv EPOC TM modificado e as posios
dos eletrodos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Figure 28 Representao GRAFCET da interface hbrida quando ocorre o evento
de fechar e abrir os olhos. . . . . . . . . . . . . . . . . . . . . . . . .
Figure 29 Representao GRAFCET da interface hbrida da execuo da rotina
SSVEP. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Figure 30 Representao GRAFCET da interface hbrida quando ocorre um evento
de fechar e abrir os olhos durante a execuo da rotina SSVEP. . . .
. 77
. 78
. 79
. 97
. 98
. 99
List of Tables
Table 1 Caractersticas dos dispositivos utilizados para o monitoramento de sinais
cerebrais. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Table 2 Principais pesquisas robticas sobre veculos autnomos. . . . . . . . .
Table 3 Algumas interfaces para o comando de veculos autnomos. . . . . . .
Table 4 Resultados dos testes para 19 usurios, onde 6 deles (*) apresentam
algum tipo de deficincia motora. . . . . . . . . . . . . . . . . . . . . .
Table 5 Resultados para a ICC assncrona . . . . . . . . . . . . . . . . . . . .
Table 6 Resultados para ICC sncrona on-line . . . . . . . . . . . . . . . . . .
Table 7 Resultados para ICC assncrona on-line. . . . . . . . . . . . . . . . . .
. 34
. 45
. 63
.
.
.
.
75
77
78
78
List of abbreviations and acronyms

BCI
Brain Computer Interface
CARMEN
Carnegie Mellon Navigation
CCA
Canonical Correlation Analysis
ECoG
Electrocorticography
EEG
Electroencephalography
ERD
Event Related Desynchronization
ERS
Event Related Sysnchronization
FFT
Fast Fourier Transform
fMRI
Functional Magnetic Resonance Imaging
GPS
Global Positioning System
GRAFCET
Graphe Fonctionnel de Commande, tapes Transitions
H-PSDA-CCA
Hybrid Power Density and Canonical Correlation Analysis
IARA
Intelligent Autonomous Robotic Automobile
ICC
Interface Crebro-Computador
ICC-Hbrida
Interface Crebro-Computador Hbrida
ICC-SSVEP
Interface Crebro Computador baseada SSVEP
IEC
International Electrotechnical Commission
IPC
Inter-Process Communication
ITR
Information Transfer Rate
LASSO
Least Absolute Shrinkage and Selection Operator
MEG
Magnetoencephalography
MSI
Multivariate Sysnchronization Index
NIRS
Near Infrared Spectroscopy
PET
Positron Emission Tomography
PSDA
Power Spectral Density Analysis
SCP
Slow Cortical Potential
SFC
Sequential Function Chart
SOA
Service Oriented Arquitecture
SSVEP
Steady State Visual Evoked Potential
List of symbols
Letra grega minscula alfa
Letra grega minscula beta
Letra grega minscula zeta
Letra grega minscula epsilon
Pertence
Contents
Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1
INTERFACES CREBRO COMPUTADOR . . . . . . . . . . . . . . 33
1.1
Classificao da ICC . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.1.1
Potenciais evocados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.1.2
Ritmos EEG . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.2
Abordagens para a aquisio e processamento de sinais EEG . . . . 36
1.3
Aquisio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.4
Tcnicas de processamento de sinais . . . . . . . . . . . . . . . . . . 37
VECULOS AUTNOMOS . . . . . . . . . . . . . . . . . . . . . . . 41
2.1
Generalidades sobre Veculos Autnomos . . . . . . . . . . . . . . . . 41
2.2
Estado-da-arte dos Veculos Autnomos . . . . . . . . . . . . . . . . 41
2.2.1
Pesquisas em VATs no Brasil . . . . . . . . . . . . . . . . . . . . . . . . 44
2.2.2
O Veculo Autnomo IARA . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.2.3
Plataforma software CARMEN toolkit . . . . . . . . . . . . . . . . . . . 47
2.2.3.1
Comunicao entre processos (IPC)
ICC-SSVEP PARA O CARRO AUTNOMO . . . . . . . . . . . . . 51
3.1
Preprocessamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.2
Extrao de Caractersticas . . . . . . . . . . . . . . . . . . . . . . . . 51
3.2.1
Domnio da frequncia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.2.1.1
Anlise da Densidade Espectral de Potncia (PSDA)
3.2.2
Domnio do tempo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.2.2.1
Anlise Cannica de Correlao (CCA)
3.2.2.2
Mnima Contrao Absoluta e Operador de Seleo (LASSO)
3.2.2.3
ndice de Sincronizao Multivariado (MSI)
3.2.3
Hbrido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.2.3.1
Hbrido entre Anlise da Densidade Espectral de Potncia e Anlise Cannica de Correlao

(H-PSDA-CCA)
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
49
51
. . . . . . . . . . . . . . . . . . . . . . .
53
. . . . . . . . . . . .
53
. . . . . . . . . . . . . . . . . . . .
54
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
55
3.3
Classificao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.3.1
Reclassificao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.4
Controle de ativao dos estmulos . . . . . . . . . . . . . . . . . . . 58
3.4.1
Dessincronizao Relacionada a Eventos (ERD) . . . . . . . . . . . . . . . 58
3.4.1.1
Envoltria do sinal
3.4.1.2
Filtro Mediana
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
59
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
59
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.4.1.3
Comparador
59
3.5
Medidas de desempenho . . . . . . . . . . . . . . . . . . . . . . . . . 60
ICC COMO DISPOSITIVO DE NAVEGAO E A INTEGRAO

DA ICC-HBRIDA . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.0.1
Interfaces crebro computador para o comando de veculos autnomos . . . 63
4.1
Proposta de comando de um veculo autnomo atravs de uma

ICC-SSVEP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.2
Integrao para a interface hbrida utilizando a metodologia GRAFCET 66
4.2.1
GRAFCET . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.2.2
Etapas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.2.3
Aes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.2.4
Transies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.2.5
Ligaes orientadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.2.6
Receptividade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.2.7
Regras de programao . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.2.8
Implementao para uma ICC hbrida . . . . . . . . . . . . . . . . . . . . 68
RESULTADOS E DISCUSSO . . . . . . . . . . . . . . . . . . . . . 73
5.1
Resultados Off-line . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
5.1.1
Configurao dos teste Off-line . . . . . . . . . . . . . . . . . . . . . . . . 73
5.1.2
Resultados off line das classificaes da ICC sncrona . . . . . . . . . . . . 74
5.1.3
Resultados off line das classificaes da ICC assncrona . . . . . . . . . . . 76
5.2
Resultados On-line . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.2.1
Configurao dos testes On-line . . . . . . . . . . . . . . . . . . . . . . . 77
5.2.2
Resultados On-line das classificaes da ICC sncrona . . . . . . . . . . . . 78
5.2.3
Resultados On-line das classificaes da ICC assncrona . . . . . . . . . . . 78
5.3
Discusso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
CONCLUSES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
Concluses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
Bibliography . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
ANEXOS
95
ANEXO A GRAFCET . . . . . . . . . . . . . . . . . . . . . . . . 97
ANEXO B EMOTIV CERTIFICADO DE CONFORMIDADE
. . 101
ANEXO C CONVITE PARA PARTICIPAR DE UM PROJETO

DE PESQUISA . . . . . . . . . . . . . . . . . . . . . . 103
ANEXO D TERMO DE CONSENTIMENTO LIVRE E ESCLARECIDO . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
29
Introduo
Uma Interface Crebro-Computador (ICC) um canal de comunicao no muscular
para a transmisso de sinais a partir do crebro para o mundo exterior. Neste tipo de
interface as decises mentais so transformadas em sinais de controle atravs da anlise
da atividade bioeltrica do crebro, o que permite ao usurio interagir com a interface
propriamente dita (WOLPAW et al., 2002). Uma ICC pode opera a partir de um paradigma
de sinais eletroencefalogrficos (EEG) e pode ser baseada em imaginao motora, variao
do ritmo ou potenciais evocados. Dentre os potenciais evocados, destacam-se os Potenciais
Evocados Visuais de Regime Permanente (SSVEP, do ingls Steady State Visual Evoked
Potential). Estes potenciais refletem nos sinais EEG a frequncia do estmulo visual
observado pelo usurio em uma tela de vdeo ou outra fonte de estmulos. Uma ICC com
base nesses potenciais chamada ICC-SSVEP (MLLER; BASTOS; SARCINELLI, 2013).
No processo de comandar um veculo autnomo necessrio gerar informaes
relevantes sobre o destino ou o caminho a seguir. O uso de sinais do crebro fornece ento
um novo canal de comunicao atravs do qual podem-se gerar aes para comandar um
veculo autnomo equipado com sistemas de navegao, sistemas de proteo e anti-coliso.
De uma forma geral, o usurio ter apenas que realizar a tomada de decises de alto
nvel, sendo as decises de controle tomadas pelo sistema de bordo do veculo. Um veculo
autnomo qualquer veculo no tripulado integrado com algum nvel de autonomia
(isso inclui desde veculos teleoperados at veculos totalmente inteligentes)(LOBO, 2005).
Dentre as principais caractersticas dos veculos autnomos, temos: a capacidade de se
localizar, se orientar e realizar o planejamento do caminho. Estas capacidades de navegao
exigem um comportamento reativo, com a possibilidade de interpretar informaes sobre os
objetivos de interao com o meio ambiente e recuperao de erros (LOBO, 2005). O veculo
que ser utilizado nesta dissertao de mestrado um veculo autnomo sem condutor,
com um alto grau de autonomia, o qual apresentado na Figura 1. Este veculo autnomo
percebe o ambiente por meio de sistemas complexos, como Laser, radar, GPS e viso
por computador. Os sistemas avanados de controle do veculo servem para interpretar
informaes, identificar o caminho apropriado, os obstculos e sinalizao relevante.
O objetivo principal desta dissertao de mestrado implementar uma interface
crebro computador baseada em potencias evocados visuais do regime permanente para
comandar um veculo autnomo.
30
Introduo
Figure 1 Veculo autnomo da Universidade Federal do Esprito Santo - UFES.
Organizao do documento
Para uma maior compreenso, este trabalho apresenta no primeiro captulo uma
abordagem geral sobre as interfaces crebro computador, as classificaes dos principais
paradigmas, assim como a estrutura de uma interface crebro computador. No segundo
captulo so apresentadas as diferentes pesquisas ao nvel mundial e no Brasil sobre
os veculos autnomos, apresentada tambm a descrio do veculo utilizado nesta
dissertao. No terceiro captulo so apresentados os diferentes tipos de processamento de
sinais para as interfaces baseadas nos potenciais evocados visuais. mostrado, tambm,
nesse mesmo captulo o mecanismo de ativao/desativao dos estmulos utilizando
a deteco relacionada a eventos de dessincronizao. A proposta de uma ICC como
dispositivo de navegao e o esquema de integrao da ICC-Hbrida so apresentados no
quarto captulo. Os resultados off-line e on-line do sistema geral so discutidos no quinto
captulo e, finalmente, no ltimo captulo feito a abordagem sobre os trabalhos futuros e
as concluses obtidas no dessenvolvimento deste projeto de pesquisa.
Contribuio
Nesta dissertao de mestrado adaptada e otimizada para o veculo autnomo
uma interface crebro-computador com base em potenciais evocados visuais de regime
permanente, previamente testada e com eficincia comprovada por pessoas com deficincia
31
em uma cadeira de rodas robtica (MLLER; BASTOS; SARCINELLI, 2013). A interface

implementada consiste em um sistema de estmulos visuais baseado em SSVEP, que so
selecionados pelo usurio. Esses estmulos tm caractersticas de distintas frequnciais, as
quais podem ser classificadas e, posteriormente, gerar comandos de sada. O processo de
otimizao est relacionado com a apresentao destes estmulos, extrao de caractersticas, classificao e treinamento para criar um sistema de alto desempenho. Durante o
processamento de sinais apareceram muitos desafios, principalmente para poder propor
uma sistema que ajudasse as pessoas com deficincia. De todos os desafios enfrentados,
o principal foi integrar neste sistema a possibilidade de controlar a ativao/desativao
dos estmulos de forma a eliminar a fadiga visual, obtendo assim uma interface hbrida.
Foi tambm proposto neste trabalho uma metodologia para integrar as duas interfaces,
utilizando um esquema de programao GRAFCET (do frnces, Graphe Fonctionnel de
Commande Etapes Transitions) para transformar o sistema em blocos funcionais de fcil
entendimento.
33
1 Interfaces Crebro Computador

A maioria das Interfaces Crebro Computador (BCI, do ingls Brain Computer
Interface) usa dispositivos no invasivos baseados em sinais eletroencefalogrficos (EEG).
Estes registram a atividade neuronal utilizando eletrodos posicionados no couro cabeludo
(MICHEL; BRANDEIS, 2010). Por outro lado, a atividade neuronal tambm produz sinais
magnticos e metablicos, os quais podem ser medidos por outros mtodos no invasivos
baseados na anlise de campos magnticos, utilizando um Magnetoencefalgrafo (MEG,do
ingls Magnetoencephalograhy) (KAUHANEN; NYKOPP; SAMS, 2006; MELLINGER
et al., 2007), j a atividade metablica do crebro refletida por mudanas no fluxo
sanguneo e pode ser observada com um Tomgrafo de Emisso de Psitrons (PET, do
ingls Positron Emission Tomography) e por um equipamento de Ressonncia Magntica
Funcional (fMRI, do ingls Functional Magnetic Resonance Imaging) (EKLUND et al.,
2010). Existem tambm tcnicas invasivas utilizando a captura de sinais diretamente do
crebro, como o Electrocorticograma (ECoG, do ingls Electrocorticography) (FELTON
et al., 2007) (BLAKELY et al., 2009) o qual requer cirurgia para inserir os eletrodos no
crebro. Infelizmente as alternativas que no utilizam EEG so excessivamente pessadas,
no portteis e de grande dimenso, alm de serem equipamentos sofisticados e de alto
custo. Na Tabela 1 apresentada uma clasificao dos tipos de equipamentos utilizados
em ICCs (COVOLAN R.AND ARAUJO; SANTOS; CENDES, 2004; NICOLAS-ALONSO;
GOMEZ-GIL, 2012).
1.1 Classificao da ICC

Na Figura 2 apresentado o mapa conceitual das ICCs (GRAIMANN; ALLISON;
PFURTSCHELLER, 2010), onde so destacadas as caractersticas gerais, o processo de
obteno da informao e a sua classificao de acordo com os padres das ondas cerebrais,
e estratgias de aplicao. Para fazer uma anlise geral, podemos dividir as interfaces
crebro-computador em dois grandes grupos:
Aquelas baseadas na resposta evocada a estmulos externos, ou exgenas (eventos)

(ESCUDERO et al., 2008).
Aquelas que so controladas por uma modulao voluntria da atividade cerebral,

ou endgenas (ritmos cerebrais) (WOLPAW; DENNIS, 2004; MILLN et al., 2004).
Resoluo
temporal
Parmetro
fisiolgico
monitorado
Recursos necessrios
para operao
do dispossitivo de
monitoramento
Dispositivo Porttil?
Resolusa
espacial
Nvel de invaso
Atividade eltrica
dos neurnios
Enorme espao,
energia (para refrigerao).
Alto custo do dispossitivo
de gravao.
No
Atividade eltrica
dos neurnios
Pouco espao e
baixo nveis de energia; dispositivo de
baxo custo.
Sim
Da ordem de milissegundos
Baixo: No tem contato

entre os sensores e
a cabea
Fontes elticas podem ser
localizadas com uma preciso de
poucos milmetros, porm
tm efeitos de superposio.
MEG
Mdio: necessrio gel para

melhorar a conductividade
pele-eletrodos.
Vrios centmetros,
porm, cada
eletrodo tem superposio
de sinais de potenciais
gerados no crtex
Da ordem de milissegundos
EEG
Enorme espao,
energia (para refrigerao).
de gravao.
No
Concentrao de hemoglobina
oxigenada e desoxigenada
2 - 5 segundos
Baixo: No tem contato

entre os sensores e
a cabea
Longitude do voxel,
aprox. 3mm
fMRI
Enorme espao.
de gravao e
frmacos-radiolgicos.
No
Fluxo de sangue
1 segundo
Longitude do voxel,
aprox. 2 - 5 mm
Alto: so injetadas substncias

no sangue
PET
34
Chapter 1. Interfaces Crebro Computador
Table 1 Caractersticas dos dispositivos utilizados para o monitoramento de sinais cerebrais.
35
1.1. Classificao da ICC
ICC
Novo canal de sada
No necessrio
Motor de sada
Portanto, adequado
Decincia
grave
que sofrem de
Sindrome de
encerramento
Sinais do crebro
Fornece
Torn-se
Aplicaes e
dispositivos
tal como
Dispositivo de
ortograa e
assistncia
Modo de operao
Estratgia
as quais so
as quais so
aquirido pelo
Mtodo de
gravao
Sinai de controle
Controle
Podem ser classicados

de acordo com
Medidas
Fornece
Podem ser
Sncrono
(sinal do ritmo)
Invasivo
por exemplo
Intracontricais
ECoG
No invasivo
por exemplo
NIRS
Ateno
seletiva
Utilizado em/com
Podem ser
Discreto e
continuo
Assncrono
(a seu do ritmo)
EEG
Luzes
piscando
Ensaio
oddball
padres
cerebrais
provoca
provoca
provoca
SSVEP
p300
SCP
Condicionamento Imaginao
operante
Motora
por
mais especicamente
neurofeedback
imaginao de
movimento
provoca
Atividade
picos
Figure 2 Mapa conceitual das Interfaces Crebro-Computador

(GRAIMANN; ALLISON; PFURTSCHELLER, 2010).
provoca
ERD/ERS
adaptado
de
1.1.1 Potenciais evocados

As ICCs baseadas em potenciais evocados so chamadas de sncronas. Este tipo
de interface apresenta estmulos e o crebro reage, devido a uma resposta fisiolgica
autnoma. Primeiro, o usurio concentra sua ateno em uma tela de computador ou tablet
e, em seguida, atravs de estimulao visual, auditiva ou somatossensorial (BROUWER;
VAN; JAN, 2010) as opes so apresentadas. Quando a opo desejada focada, ocorre
o potencial evocado associado ao evento. Escrever utilizando um teclado virtual um
exemplo clssico de ICCs desta categoria. Nos ltimos anos tem-se utilizado o potencial
P300 para realizar ICCs como soletradores de texto (HOHNE et al., 2010), buscadores de
internet (KARIM et al., 2006), sistemas de movimento de cadeira de rodas (FERREIRA
et al., 2009; ITURRATE et al., 2009), teleoperao de rbos (TONIN et al., 2010), etc. Os
potenciais de erro so outro exemplo de potencial associado ao evento (FERREZ; MILLN,
2007; ITURRATE; MONTESANO; MINGUEZ, 2010). Dentre os potenciais evocados,
destacam-se os Potenciais Evocados Visuais em Estado Permanente (SSVEP, do ingls
Steady State Visual Evoked Potential). Estes potenciais refletem no sinal EEG a frequncia
do estmulo visual observado pelo usurio em uma tela de um tablet ou PC. Uma ICC
baseada nestes potenciais chama-se ICC-SSVEP (MLLER; BASTOS; SARCINELLI,
2013).
36
1.1.2 Ritmos EEG

As ICCs baseadas na modulao voluntria da atividade cerebral chamam-se de
assncronas, isto , o usurio decide quando enviar um comando, de acordo com sua vontade,
gerando padres de atividade conhecidos ou que podem ser medidos e discriminados de
todo o espectro do EEG. Uma das ICCs mais utilizadas a baseada na imaginao
motora (WOLPAW; DENNIS, 2004). O usurio concentra-se em imaginar o movimento
muscular de alguma parte de seu corpo e este pensamento cria uma atividade no crtex
motor que se reflete em uma dessincronizao dos neurnios nessa zona. A imaginao
motora nas ICCs pode ser utilizada, por exemplo, para mexer o ponteiro do mouse em
uma tela de computador (WOLPAW; DENNIS, 2004), ativar sistemas de estimulao
eltrica funcional (PFURTSCHELLER et al., 2006), jogos eletrnicos (SCHERER et al.,
2011), dentre outros. Outros tipos de ICCs baseadas na modulao da atividade cerebral
so aquelas chamadas de tarefas mentais (MILLN et al., 2004). Neste paradigma,
o usurio concentra-se em alguma das tarefas mentais predefinidas, relacionadas com a
linguagem, o clculo, o rotacionamento de figuras complexas, etc. As tarefas mentais tm
sido utilizadas fundamentalmente para controlar rbos (MILLN et al., 2004) e cadeiras
de rodas robticas (GLAN et al., 2008).
1.2
Abordagens para a aquisio e processamento de sinais EEG
A possibilidade de comunicao crebro-computador baseada no eletroencefalograma (EEG) tem sido pesquisada durante mais de quatro dcadas (VIDAL, 1973). Em
um trabalho pioneiro, Farwell e Donchin (FARWELL; DONCHIN, 1988) descreveram a
utilizao de potenciais evocados auditivos para aplicaes prticas em ICCs. Nas ICCs
possvel distinguir pelo menos trs partes fundamentais (Figura 3):
Sistema de Aquisio: responsvel por monitorar a atividade do crebro e

melhorar a relao sinal/rudo. A sada deste bloco um sinal com o mesmo tipo de
entrada, isto , o sinal no sofre transformao.
Processamento de Sinais: Este mdulo responsvel pela decodificao do processo neurofisiolgico que reflete a inteno do usurio, gerando um vetor de caractersticas e classificao.
Aplicao: o mdulo de interao com o meio ambiente, por exemplo, controlar

uma cadeira de rodas ou escrever em um teclado virtual.
37
1.3. Aquisio
ICC
Aquisio
A
Sensores
Sinal EEG
A/D
Processamento
Pre-Processamento
Extrao de
caractersticas
Classicao
Comando
Aplicao
Controlador de
Dispositivo
Figure 3 Esquema geral de uma Interface Cerbro Computador (ICC).
1.3 Aquisio
O sistema internacional 10/20, permite definir nveis de amplitude, fase e frequncia
do EEG, pois essas caractersticas dependem da posio do eletrodo sobre o crnio
(GRAIMANN; ALLISON; PFURTSCHELLER, 2010). Para sua implementao, a cabea
mapeada por 4 pontos: Nasion, Inion, e pontos pr-auriculares direito e esquerdo. Os
eletrodos so definidos atravs da medio da distncia Nasion-Inion e estabelecendo
pontos a cada 10%, 20%, 20%, 20%, 20% e 10% ao longo de seu comprimento. Esta
disposio conhecida como Sistema Internacional ou Protocolo 10/20 (Figura 4).
Quando preciso ter uma densidade maior de eletrodos utilizado o protocolo
10/10, como apresentado na Figura 5.
1.4 Tcnicas de processamento de sinais

Toda ICC tem um mdulo de processamento de sinais. Este mdulo funcional
divide-se em trs etapas que interagem de forma sequencial:
Pr-processamento: Este componente encarrega-se de remover os artefatos (rudos
devidos a outro tipo de atividade bioeltrica, como a que ocorre pelo movimento
ocular ou muscular) que contaminam o sinal de entrada.
38

Vrtice
20%
Fz
20%
20%
20%
Pz
F7
P3
20%
F p1
F p2
F p1
C3
F3
10%
Nasion
20%
Cz
Fz
F3
F4
F8
20%
20%
F7
10%
T3
Nasion
T5
T3
O1
Cz
C3
C4
T4
10%
Ponto
20%
10%
Pr-auricular
T5
Inion
P3
P4
Pz
O2
O1
Inion
O1
20%
10%
Figure 4 Protocolo 10/20, sobre a disposio dos eletrodos.
Nz
Fp1
F9
AF7 AF
3
F7
Fpz
AFz
F5 F3 F F
1
z
Fp2
AF4 AF8
F8
F2 F4 F6
F10
FT 9 FT FC
FT 8 FT 10
7
5 FC 3 FC 1 FC z FC 2 FC 4 FC 6
A1 T9
T7
C5 C3
C1 Cz
C2
C4
C6
T8
T10 A2
CP CP1 CPz CP2 CP4 CP6 TP

8 TP 10
TP 9 TP 7 CP5 3
P9
P P P
P7 P7 P3 1 z 2 P4 P7 P7
PO7 PO3 POz PO4 PO8
O2
O1 O
P10
Iz
Figure 5 Protocolo 10/10, sobre a disposio dos eletrodos para ICC-SSVEP (MLLER;
BASTOS; SARCINELLI, 2013).
Extrao de caractersticas: Transforma o sinal cerebral de entrada num vetor

de caractersticas que tem correlao com o fenmeno neurolgico associado ao sinal.
Este processo totalmente dependente do transdutor e a parte mais complexa do
design, j que se procura melhorar a velocidade e preciso das ICCs existentes. Uma
variedade de tcnicas tem sido utilizadas para a extrao de caractersticas para o
projeto das ICCs como a amplitude dos sinais EEG (KAPER et al., 2004), densidade
espectral de potncia (CHIAPPA; BENGIO, 2004), Parmetros Autorregresivos e
Adaptivos Autorregresivos (PENNY; ROBERTS, 1999), Caractersticas de tempofrequncia (CASTILLO-GARCIA et al., 2014a), etc.
1.4. Tcnicas de processamento de sinais
39
Classificador: Esta etapa transforma o vetor de caractersticas em um sinal de

controle adequado ao dispossitivo que se pretende controlar. Existem classificadores
baseados em redes neurais as quais servem para tentar modelar processsos ou
sistemas no lineares (HAZRATI; ERFANIAN, 2010), classificadores baseados em
tcnicas probabilsticas (BENEVIDES; BASTOS; SARCINELLI, 2012) ou mtodos
mais simples como comparador baseado na distncia Euclidiana, para deteco de
frequncias em uma ICC-SSVEP (CASTILLO-GARCIA et al., 2014b).
41
2 Veculos Autnomos
Neste captulo so apresentadas as caractersticas gerais sobre veculos autnomos e,
o modelo de representao utilizado na emulao do processo de dirigir como um motorista
humano. apresentado tambm o estado da tecnologia dos veculos autonmos no contexto
mundial e no Brasil, feita uma descrio do veculo autnomo IARA da UFES, alm de
algumas de suas caractersticas de software e hardware.
2.1 Generalidades sobre Veculos Autnomos

Um veculo autnomo visa emular, de alguma forma, o comportamento e a tomada
de deciso, como faria um motorista, utilizando sensores necessrios para essa tarefa.
A partir desta perspectiva, uma viso geral de um sistema de comando de um veculo
autnomo apresentada na Figura 6. Podem ser destacados os nveis de navegao de um
veculo autnomo propostos em (THURLING et al., 2010) e apresentados a seguir:
Nvel de Controle: o mais baixo nvel de controle, o qual surge a partir da
comunicao direta com sensores: GPS, Laser, etc. Neste nvel de controle feito o
monitoramento de competncias comportamentais, por exemplo, a manuteno de
uma direo, velocidade, etc.
Nvel de Comando: O nvel mdio de comando de um veculo autnomo tem a ver
com uma abstrao de informaes do sensor, que chamado de percepo. A partir
deste se realizam os microcomandos, a fim de conduzir o veculo. Ou seja, este nvel
est relacionado com o monitoramento baseado em regras de comportamento. Assim,
pode-se definir uma velocidade de referncia ou distncia, regras de parada com
semforo vermelho, ou mudar de faixa em uma estrada.
Nvel de Planejamento: o nvel mais alto, o qual atua sobre uma estrutura
de abstrao, onde as decises so tomadas e executadas, o que chamado de
planejamento, e que corresponde ao comportamento do conhecimento. Isso requer
uma anlise de deciso consciente, informao ambiental e marcas.
2.2 Estado-da-arte dos Veculos Autnomos

A construo de veculos autnomos teve incio na dcada de 1960 e seu objetivo era
criar dispositivos automticos com capacidade de movimento. Estas pesquisas tinham como
42
Chapter 2. Veculos Autnomos
Decises
Percepes
Sensaes
Planejamento
Comando
Aes
Ambiente
Controle
Figure 6 Representao dos nveis de navegao para um veculo autnomo. Adaptado

de (THURLING et al., 2010).
objetivo desenvolver veculos controlados remotamente para fins militares e de explorao

em ambientes terrestre, areo, martimo e espacial (CHOSET et al., 2005).
Em 1977, o Laboratrio de Engenharia Mecnica da Universidade de Tsukuba, no
Japo, construiu o que considerado pela literatura cientfica como o primeiro veculo
robtico inteligente. Tratava-se de um veculo dotado de um sistema de viso computacional
baseado em cmeras e uma unidade de processamento. O sistema permitia deteco de
obstculos e seguimento de linhas brancas no solo (TSUGAWA, 1994). Na dcada de
1980, o engenheiro aeroespacial alemo Ernst Dickmanns (considerado o pioneiro do
veculo autnomo) e sua equipe da Universitt der Bundeswehr Mnchen, na Alemanha,
desenvolveram uma srie de projetos na rea de conduo autnoma. Destes projetos
destaca-se o veculo VaMoRs, de 1985, que uma van Mercedes-Benz equipada com cmeras
e outros sensores, onde a direo e outros componentes eram controlados automaticamente.
O veculo podia, de forma autnoma, atingir at 100 km/h em vias sem trfego (BROGGI;
BERTOZZI; FASCIOLI A. E CONTE, 1999).
Em 1987, as empresas japonesas Fujitsu e Nissan desenvolveram o PVS (do ingls,
Personal Vehicle System), um sistema baseado em viso computacional aplicado a um
micro-nibus. O PVS baseava-se em um conjunto de cmeras estreo, processador de
imagens e computadores de controle que permitiam detectar marcaes na pista, alm de
detectar obstculos (TSUGAWA, 1994). Entre os anos de 1987 e 1995, diversos grupos
de pesquisas europeus (entre os quais as equipes de Ernst Dickmanns, da BMW, da
Daimler-Benz e da Jaguar) uniram esforos para desenvolvimento do projeto EUREKA
Prometheus (do ingls, PROgraMme for a European Traffic of Highest Efficiency and
Unprecedented Safety) com o intuito de tornar mais eficiente o trfego urbano na Europa.
Dentre as diversas pesquisas, em 1994, Dickmanns apresentou um veculo Mercedes-Benz
Classe-S modificado, chamado de VaMP, que dirigiu de forma autnoma por mais de 1.000
quilmetros, com velocidades de at 130 km/h. Em 1995, o veculo VaMoRs-P foi capaz
de atingir velocidade de navegao de at 160 km/h na Autobahn alem, executando uma
2.2. Estado-da-arte dos Veculos Autnomos
43
srie de manobras que permitia inclusive ultrapassar outros veculos (DICKMANNS et al.,
1994).
Outra pesquisa participante do projeto EUREKA foi o projeto italiano VisLab (do
ingls, Artificial Vision and Intelligent Systems Laboratory) do Departamento de Tecnologia
da Informao da Universidade de Parma que, em cooperao com a Universidade de
Turim, desenvolveu um prottipo chamado de MobLab, que servia como plataforma de
pesquisa para todos os grupos de pesquisa italiano envolvidos com o projeto EUREKA.
Com o encerramento do projeto, o VisLab segmentou-se em outros projetos, entre os quais
destaca-se o projeto ARGO desenvolvido entre 1997 e 2001 pela Universidade de Parma.
Tratava-se de um prottipo de veculo que seguia marcas pintadas em uma estrada nomodificada, utilizando duas cmeras de vdeo preto-e-branco de baixo custo e algoritmos
de viso estereoscpica. O projeto permitiu a navegao por uma distncia de 2.000 km
por seis dias, com velocidade mdia de 90 km/h e 94% do tempo em modo autnomo
(BROGGI; BERTOZZI; FASCIOLI A. E CONTE, 1999).
Na dcada de 1980, a DARPA (do ingls, Defense Advanced Research Projects
Agency) iniciou pesquisas com o ALV (do ingls, Autonomous Land Vehicle), baseadas nas
tcnicas oriundas do desenvolvimento do rob Shakey. O ALV era um prottipo de veculo
que possua radar, viso computacional e mecanismo de controle robtico. As primeiras
demonstraes em 1985 atingiam velocidade mxima 3 km/h em navegao autnoma,
progredindo para 10 km/h em 1986 e 21 km/h em 1987 (GAGE, 1995)
Desde 1984, o Laboratrio de Navegao da Universidade Carnegie Mellon tem
construdo diversos prottipos para navegao autnoma chamados de NavLab. Em 1995,
o veculo semiautnomo NavLab 5 (no qual apenas a direo possua controle autnomo)
foi utilizado no evento No Hands Across America, navegou por quase 5.000 km, entre
as cidades de Pittsburgh e San Diego, deslocando-se de forma autnoma por 98,2 % do
tempo (POMERLEAU, 1995).
Nos anos da dcada de 1990, o Governo dos EUA financiou trs projetos conhecidos
como Demo I e III (pelo exrcito dos EUA) e Demo II (pelo DARPA) que permitiram
a pesquisa para navegao autnoma de veculos terrestres no tripulados em terrenos
de difcil navegao, permitindo o desvio de obstculos (OZGUNER U.AND STILLER;
REDMILL, 2007).
Em 2002, o DARPA lanou o evento Grand Challenge, uma competio para
estimular a pesquisa em navegao para veculos terrestres no tripulados por parte de
empresas e organizaes de pesquisa (OZGUNER U.AND STILLER; REDMILL, 2007).
A primeira competio foi realizada em 2004, com um prmio de US$ 1 milho e tinha
como objetivo navegar 228 km, sem interveno humana em, no mximo, 10 horas. A
escolha do cenrio deveu-se s grandes variaes do terreno, alta quantidade de sujeira,
curvas sinuosas e pequena frao de estradas pavimentadas (THRUN et al., 2006). O
44
desafio foi repetido em 2005, com o prmio de US$ 2 milhes. O veculo da Universidade
de Stanford, chamado Stanley, foi considerado o campeo, finalizando o percurso em 6
horas, 53 minutos e 08 segundos. Stanley foi produzido por uma equipe de pesquisadores
de Stanford, da Intel Research, da Volkswagen e de outras entidades. Tratava-se de um
veculo Volkswagen Touareg R5 TDI com uma plataforma com seis processadores Intel e
um conjunto de sensores e atuadores para navegao autnoma (THRUN et al., 2006).
Em 2007 foi realizada a terceira verso da competio do DARPA, sob o nome de
DARPA Urban Challenge. A mudana de nome ocorreu devido alterao do cenrio
de provas, agora em um ambiente urbano simulado (MONTERMELO et al., 2009). O
vencedor foi o veculo Boss da Universidade Carnegie Mellon: o qual possua um sistema
de controle integrado a um conjunto de sensores Laser, radares e cmeras, sendo capaz de
reconhecer regras de trnsito, detectar outros veculos, realizar seguimento de veculos a
uma distncia segura, entre outras funes (??).
Na Tabela 2 so apresentadas as principais pesquisas sobre veculos autnomos.
2.2.1
Pesquisas em VATs no Brasil
No Brasil, at o ano de 2014, houve poucos grupos de pesquisas cientficas, governamentais e empresariais sobre veculo robticos. Quatro grupos de pesquisa vm
desenvolvendo aplicaes especficas para veculos robticos: o Laboratrio de Sistemas de
Computao e Robtica do Departamento de Engenharia Eltrica da Universidade Federal
de Minas Gerais (CORO-UFMG), o Laboratrio de Robtica Mvel da Universidade de
So Paulo - Campus So Carlos (LRM-USP), o Laboratrio de Computao de Alto
Desempenho da Universidade Federal do Esprito Santo (LCAD- UFES) e o Laboratrio de
Topografia e Geodsia da Escola Politcnica da Universidade de So Paulo (LTG-EPUSP).
Destes grupos, trs (CORO- UFMG, LRM-USP e LCAD-UFES) possuem um enfoque
nos aspectos robticos do veculo, e um (LTG-EPUSP) possui o enfoque nos aspectos de
Geomtica e Engenharia de Transportes envolvidos no projeto de um veculo robtico.
As pesquisas do CORO-UFMG so realizadas pelo Grupo de Pesquisa e Desenvolvimento de Veculos Autnomos (PDVA). O objetivo do grupo desenvolver ferramentas
robticas para instrumentao, navegao e controles embutidos para veculos terrestres e
areos, autnomos ou semiautnomos. O grupo desenvolveu o CADU (Carro Autnomo
Desenvolvido na UFMG), um automvel integrado a um conjunto de componentes tecnolgicos para navegao autnoma. Uma lista dos trabalhos do grupo pode ser visualizada
em http://coro.cpdee.ufmg.br/.
O LRM-USP, laboratrio integrante do Instituto Nacional de Cincia e Tecnologia
em Sistemas Embarcados Crticos (INCT-SEC), vem desenvolvendo aplicaes robticas
para uso agrcola e navegao urbana. O projeto CaRINA (Carro Robtico Inteligente para
SRI (EUA)
Universidade de Tsukaba
(Japo)
Universitt der Bundeswehr
Munchen (Alemanha)
Nissan e Fujitsu
(Japo)
Munchen (Alemanha)
Munchen (Alemanha)
Universidade de Parma
(Itlia)
DARPA
Laboratrio de Navegao
Universidade Carnegie Mellon
Universidade de Stanford
Universidade Carnegie
Mellon e GM
Shakey
Veculo Inteligente
NavLab
Stanley
Boss
ALV
ARGO
VaMoRs-P
VaMP
PVS
VaMoRs
Grupo de pesquisa
Nome do Veculo
Vel. mxima de 123 km/h
Velocidade mxima
Vel. mxima entre 3 km/h

(1985) a 21 km/h (1987)
1984 - atualmente Vel. mxima entre (NavLab 1)
32 km/h a 144 km/h
(NavLab 5)
2005
Velocidade limitada a
80 km/h devido s exigncias do
DARPA Grand Challenge
2007
Velocidade mdia de
22 km/h
1985-1987
1997-2001
1995
1994
1987
1985
1966-1972
1977
Ano

45
Table 2 Principais pesquisas robticas sobre veculos autnomos.
46
Navegao Autnoma) envolve a construo de um veculo desenvolvido para navegao

urbana utilizando tcnicas de localizao, mapeamento e estratgia de movimento utilizando
recursos da robtica mvel. Uma lista de trabalhos desenvolvidos pelo grupo est em
http://www.lrm.icmc.usp.br.
O LTG-EPUSP realiza pesquisas com o Equipe de Veculo Autnomo do Grupo
de Investigao em Geomtica Aplicada Engenharia (EVA - GIGA), cuja proposta
a criao de ferramentas e recursos para navegao autnoma sob enfoque da Geomtica e da Engenharia de Transportes. Os trabalhos do grupo esto disponveis em
http://www.teses.usp.br/
J o Grupo do LCAD-UFES, em parceria com a Universidade Federal do Rio de
Janeiro (UFRJ), desenvolveu o veculo autnomo IARA (do ingls, Intelligent Autonomous
Robotic Automobile), o qual tem como objetivo realizar mapeamento e localizao simultaneamente (SLAM, do ingls Simultaneous localization and mapping), utilizando
recursos matemticos-computacionais para resoluo de problemas de processamento de
alto desempenho. Uma lista de trabalhos desenvolvidos pelo grupo apresentada em
http://www.lcad.inf.ufes.br/.
Ressalta-se que nenhum destes grupos de pesquisa utiliza Interface Crebro Computador para o comando do veculo, o que a principal contribuio desta dissertao de
mestrado.
2.2.2 O Veculo Autnomo IARA

O veculo autnomo IARA utilizado nesta proposta de dissertao de mestrado,
consiste em um veculo Ford Escape Hybrid, apresentado na Figura 7. No veculo a tecnologia eletrnica de acionamento dos atuadores (volante, acelerador, freio, entre outros) do
automvel foi desenvolvida pela empresa Torc Robotics (http://www.torcrobotics.com). As
modificaes feitas no veculo permitem enviar/receber comandos de um computador. O sistema necessrio para as tarefas de posicionamento, localizao, deteco de obstculos, entre
outros, composto por cmeras estreo Bumblebee XB3 e XB2 (http://www2.ptgrey.com)
(Figura 8).
O veculo autnomo possui tambm um sensor Laser robusto que proporciona uma
visibilidade de 360 do ambiente na horizontal. O sistema LIDAR (do ingls, Light Detection
and Rangin)(http://www.velodynelidar.com) possui 32 sensores Laser na vertical, e faz
uma rotao em seu prprio eixo, gerando uma nuvem de 700 mil pontos por segundo,
com um alcance de 70m e preciso em torno de 2cm.
A georefernciao feita por um sistema GPS auxiliado por uma unidade de
medio Inercial e um sensor de presso esttica (AHRS, do ingls Altitude and Heading
Reference System) (http://www.xsens.com). O seu uso auxilia principalmente na correo
47
Figure 7 Veculo autnomo Iara, modelo Ford Escape Hybrid.
Figure 8 Sensores do veculo autnomo (sistema LIDAR, cmeras e GPS).
da localizao do veculo. Os sensores citados so utilizados para realizar o mapeamento

do ambiente, assim como para a localizao no mesmo. Portanto, a partir deles que so
obtidos os dados para estimar a localizao do veculo e os obstculos presentes ao seu
redor, ambos utilizados durante o planejamento de caminho.
O porta-malas do carro rob pode ser observado na Figura 9. Ele est equipado
com um sistema para extrair energia da bateria do veculo e alimentar os computadores
responsveis por todo o processamento necessrio. Para processar todos os dados dos sensores, o veculo tambm conta com um computador Dell Precision R5500 (2 Processadores
Intel Xeon 2.13 GHZ, 12 GB de memria DDR3 1333MHZ, 2 HDs SSD 120GB em RAID0,
2 Placas de Rede 1GB, Placa de Vdeo Quadro 600 e Placa de Vdeo Tesla C2050).
2.2.3 Plataforma software CARMEN toolkit

A plataforma de software sobre a qual os processos a bordo do veculo so executados
baseada no software CARMEN. Desenvolvido em 2002, CARMEN (do ingls Carnegie
Mellon) um sistema de controle robtico aberto GPL (http://carmen.sourceforge.net),
48
Figure 9 Recursos computacionais do veculo autnomo.
o qual fornece uma interface consistente e um conjunto bsico de primitivas para a

pesquisa em robtica, permitindo a abstrao de boa parte da implementao necessria,
principalmente no que tange comunicao e cooperao entre diversos mdulos. Os
principais objetivos da plataforma CARMEN so a diminuio da barreira para a criao
de novos algoritmos robticos e a facilitao do compartilhamento de pesquisas e algoritmos
entre diferentes instituies (MONTEMERLO; ROY; THRUN, 2003). Esse sistema foi
projetado sobre uma arquitetura modular, orientada a servios (SOA, do ingls Service
Oriented Architecture), a qual fornece algoritmos bsicos para construo de mapas,
localizao e navegao em uma mesma interface (MELCHIOR; SMART, 2004).
A plataforma CARMEN foi desenvolvida com uma arquitetura de software modular,
onde cada nova funcionalidade criada como um mdulo separado. Essa modularidade traz
vrios benefcios importantes, como a flexibilidade, na qual podem ser combinadas diversas
bases para diferentes tipos de robs e sensores simplesmente executando os mdulos
apropriados. Isso elimina a necessidade de acomodar todas as configuraes possveis de
hardware em um nico processo (MONTEMERLO; ROY; THRUN, 2003). Outra vantagem
que um mdulo pode ser executado em processadores e em computadores diferentes que
se comunicam por uma rede. Isso possibilita uma maior confiabilidade, j que esse nvel
de independncia no causa falha nos demais mdulos caso algum deles falhe. Por ltimo,
a modularidade proporciona usabilidade e extensibilidade, pois diferentes mdulos que
executam a mesma funo convergem para uma nica interface abstrata.
Na plataforma CARMEN, a comunicao feita a partir do software de comunicao
entre processos, criado em 1994 por Reid Simmons na universidade Carnegie Mellon. Esse
tipo de comunicao foi projetada para facilitar a interao entre processos (JAMES,
2011).
49
2.2.3.1 Comunicao entre processos (IPC)

O IPC (do ingls, Inter-Process Communication) um pacote de software projetado
para facilitar a comunicao entre controle de processos heterogneos em sistemas de
engenharia. Um importente princpio de projeto para os pacotes IPC que estes devem
prover suficiente funcionalidade e flexibilidade para as necessidades dos sistemas autnomos
em tempo real tambm. sendo robustos e de baixo custo computacional. O pacote bsico de
comunicao IPC simples: essencialmente um modelo de publicao/suscripo (HOHPE;
WOOLF, 2003), onde as tarefas/processos indicam seus interesses em receber mensagens
de certo tipo, e quando outras tarefas/processos publicam mensagens, todos os subcriptores
recebem uma cpia da mensagem. A partir da recepo da mensagem, que assncrona,
cada subscritor prov uma funo de chamado (um "manipulador") que invocado para
cada instncia do tipo de mensagem. As tarefas/processos podem-se conectar a redes de
IPC, definir mensagens, publicar mensagens, e escutar para (e processar) instncias das
mensagens para o qual eles subscrevem. O IPC tambm suporta a verso do paradigma
cliente/servidor, enviando uma resposta direta ou uma "consulta".
Memria Compartilhada. Quando um mesmo trecho (segmento) de memria
encontra-se no espao de endereamento de dois ou mais processos o Sistema operacional
oferece chamadas, permitindo a criao da regio de memria compartilhada, mas no
se envolve diretamente na comunicao entre os processos (e.x., shmget, shmat). Se um
processo realiza alguma modificao nesta regio, ela vista por todos os processos que
compartilham o segmento de memria. Na Figura 10 apresentado o esquema da memria
compartilhada.
Processo A
Ponteiro
Memria
compartilhada
Processo B
Ponteiro
Espao do usurio
Figure 10 Representao de memria compartilhada.

Mensagens. Por meio de mensagens, uma estrutura de dados (m) copiada a
partir do espao do processo de remetente para um buffer de mensagem no espao do
sistema, e, em seguida, novamente copiada a partir da memria intermediria no sistema
de espao para o estrutura no espao do processo de recepo. A fim de permitir que as
mensagens transmitam do outro lado da fronteira do processo, os buffers de mensagens
so sinalizados: Cada processo que cria um buffer de mensagens se refere ao nome do
buffer na mesma mensagem (o kernel cria um novo objeto de mensagem e retorna um
50
identificador, ou volta ala s se o buffer de mensagens for criada por outro processo.) As
alas devolvidas pelo kernel so locais para cada processo. A transferncia de mensagem
copiada a partir do espao do processo de remetente para um buffer de mensagem no
espao do sistema, e, em seguida, novamente copiada a partir da memria intermdiara no
espao do sistema para a estrutura de espao do processo de recepo. A transferncia
de mensagem normalmente atribuda dinamicamente. Mensagens so menos eficientes
do que a memria compartilhada (exige tamponamento e sincronizao), mas por vezes,
so mais adequadas, devido sincronizao embutida. Na Figura 11 pode-se observar o
mecanismo para a troca de mensagens no software do veculo autnomo.
Processo A
Processo B
Espao do Usurio
Espao do Sistema
Envia (&m)
Buer de
Mensagem
Reeve (&m)
Figure 11 Representao de transferncia de mensagens.

No veculo autnomo IARA pode-se instalar todo o processo de aquisio de sinais
eltroencefalograficos e processamiento de sinais para a obteno de uma interface crebro
computador para o auxilio na movilidades de pessoas com deficincia motora. A gerao
dos estmulos pode ser feito no computador de abordo do veculo autnomo e utilizando
um dispositivo portabel para aquisio do sinal pode-se configurar um sistema baseado
em potencias evocados visuais, uma interface crebro computador para escolher possveis
destinos do interesse do usurio, anterior presentao no menu.
51
3 ICC-SSVEP para o carro autnomo

As ICCs com base em potenciais evocados visuais caracterizam-se por apresentar
altos ndices de desempenho (acurcia, ITR, e Kappa) e por no apresentar fase de treinamento para utiliz-las. Existem diferentes abordagens para a obteno de caractersticas
dos sinais EEG no processamento e deteco das frequncias dos estmulos. As caractersticas mais utilizadas esto baseadas no domnio do tempo e no domnio da frequncia. Como
foi apresentado na figura 3 o mdulo de processamento consiste em preprocessamento,
extraco de caractersticas e a classificao.
3.1 Preprocessamento
O preprocessamento feito para este sistema foi implementado a filtragem espacial
CAR (do ingls, Common Average Reference). Onde obtida a mdia de todos os canais
e o valor substrado de cada canal para mehorar a relao sinal/rudo do sistema
(NICOLAS-ALONSO; GOMEZ-GIL, 2012).
3.2 Extrao de Caractersticas

Os mtodos implementados nesta dissertao so baseados no estudo do domnio
da frequncia e do tempo e so explicados a seguir.
3.2.1 Domnio da frequncia

A seguir so mostrados os mtodos utilizados no processo de extrao de caractersticas baseados em implementaes do domnio da frequncia, embora que exitem
outras tcnicas de deteco no domnio da frequncia como o teste F-spectal, a Combinao de mnimo energia, que podem ser consultadas em (MULLER; BASTOS-FILHO;
SARCINELLI-FILHO, 2010; FRIMAN; VOLOSYAK; GRASER, 2007), neste trabalho
vo ser descritos os mtodos baseados na anlise da densidade espectral de potncia.
3.2.1.1 Anlise da Densidade Espectral de Potncia (PSDA)
O mtodo PSDA (do ingls, Power Spectral Density Analysis) usado frequentemente como mtodo de reconhecimento de uma ICC-SSVEP (TANAKA; ZHANG; HIGASHI, 2012). A Figura 12 mostra uma representao da densidade espectral de potncia
e as frequncias dos estmulos. Na anlise da densidade espectral de potncia tradicional,
simplesmente feita a procura das densidades de potncia dos estmulos, obtendo a relao
52
Chapter 3. ICC-SSVEP para o carro autnomo
sinal/rudo, como mostrado na Equao 3.1.

Sk = 10log10 Pn/2
m=1
nP (fk )
P (fk + mfres ) + P (fk mfres )
(3.1)
onde n o nmero de dados em torno da frequncia do estmulo, P (fk ) a densidade

de potncia na frequncia do estmulo, fres a resoluo de frequncia, que depende do
nmero de amostras utilizadas para o clculo da transformada de Fourier, e P (fk + mfres )
e P (fk mfres ) so as densidades de potncia em torno das frequncias de interesse.
Outro mtodo baseado no PSDA (CASTILLO-GARCIA et al., 2014a) pode ser
definido como especificado na Equao 3.2.
=
|fk fh |
erro
=
,
amplitude
P (fh )
(3.2)
onde k = 1, 2, , n o nmero do estmulos, fk so as frequncias dos k-simos estmulos,

fh a frequncia onde acontece um mximo no espectro de potncia, e P (fh ) a magnitude
da frequncia mais prxima frequncia (ou harmnicos) dos estmulos ou frequncias
alvos. Quando existe um mximo na frequncia alvo ou seus harmnicos, o erro zero.
Quando o erro diferente de zero, mas a amplitude na frequncia prxima maior, isso
faz com que esta relao (diferena de frequncia/amplitude) seja pequena, mostrando
que esta fica muito prxima ao estmulo.
Amplitude
Frequncia
Figure 12 Representao da densidade espectral de potncia de um sinal EEG e apresentao das frequncias alvos e seu primeiro harmnico.
3.2.2 Domnio do tempo

Na extrao de caractersticas tambm so utilizadas implementaes no domnio
do tempo, as quais so baseadas em processos iterativos. Outras tcnicas utilizam anlises
estatsticas como a correlao ou covarincia.
53
3.2. Extrao de Caractersticas
3.2.2.1 Anlise Cannica de Correlao (CCA)

A CCA (do ingls, Canonical Correlation Analysis) uma tcnica de anlise
estatstica multivariada que obtm a mxima semelhana entre dois conjuntos de dados
(BIN et al., 2009). A Figura 13 mostra uma representao clssica do CCA, onde o
vetor multidimensional X representa os sinais de EEG para os N canais, e o vetor Y
multidimensional representa os sinais de referncia, os quais so compostos de senos e
cossenos das frequncias fundamentais e harmnicas dos estmulos, como mostrado na
Equao 3.3 (WEI; XIAO; LU, 2011).
Y =
sin (2fk )
cos (2fk t)
..
.
sin (2Nh fk t)
cos (2Nh fk ) ,
(3.3)
A CCA tem por objetivo encontrar a combinao linear das matrizes que apresenta
a maior correlao. Com isso, so definidas as limitaes expressas nas Equaes 3.4 e 3.5.
A correlao total calculada como a razo entre a correlao cruzada e a autocorrelao
dos vetores de entrada e de sada, de acordo com a Equao 3.6.
h
(3.4)
(3.5)
E xxT = E xT x = E WxT XX T Wx = 1
E yy T = E y T y = E WyT Y Y T Wy = 1
k = Wx ,Wy (x, y) =
E [ xT y ]
E[xT x]E[y T y]
E [WxT XY T Wy ]
(3.6)
E[WxT XX T Wx ]E [WyT Y Y T Wy ]
3.2.2.2 Mnima Contrao Absoluta e Operador de Seleo (LASSO)

O LASSO (do ingls, Least Absolute Shrinkage and Selection Operator) um
mtodo de estimativa linear. Seja (xi , yi ) i = 1, 2, , N , onde xi = (xi1 , ,xip )0 so variveis
preditivas e yi a resposta. Supe-se que as observaes so independentes e que yi
condicionalmente independente de xij . Finalmente supe-se que xij normalizado, de
P
P
modo que i xij /N = 0, i x2ij /N = 1. A soluo obtida pela aplicao da Equao 3.7
das desigualdades com restries quadrticas apresentada em (TIBSHIRANI, 1996). Esta
tcnica permite uma melhor previso da regresso e da representao, pois um conjunto
54
X
Ensaios
Y1
CCA
Distncia
Euclidiana
>
Gerador
de sinais
de referncia
Yp
CCA
Figure 13 Representao esquemtica da anlise cannica de correlao.
menor de coeficientes obtido para a predio.
= argmin
= (1 , ,p )T (
, )
N
X
i=1
(yi
j xij )2
(3.7)
3.2.2.3 ndice de Sincronizao Multivariado (MSI)

O mtodo MSI (do ingls, Multivariate Synchronization Index) tem como objetivo
estimar a sincronizao entre os sinais atuais misturados com os sinais de referncia,
e expresado como um ndice de potencial para reconhecer a frequncia do estmulo.
Resumidamente, utiliza-se um estimador S como ndice. O estimador S foi concebido
para medir a quantidade de sincronizao atravs de uma nica ou de duas regies do
crtex. O estimador S baseia-se na entropia dos valores prprios normalizados da matriz
de correlao de sinais multivariados (ZHANG et al., 2014). Os sinais EEG so expressos
por uma matriz X de dimenso N xM , e os sinais de referncias por uma matriz Y de
dimenso 2Nh xM , onde N o nmero de canais, M o nmero de amostras, e Nh o
nmero de harmnicos dos componentes seno e cosseno. Em seguida, a matriz de correlao
calculada como:
C11 C12
c=
,
C21 C22
(3.8)
onde,
C11 =
1
XX T ,
M
(3.9)
55
3.2. Extrao de Caractersticas
C12 =
1
Y Y T,
M
(3.10)
C21 =
1
Y XT ,
M
(3.11)
C22 =
1
Y Y T.
M
(3.12)
Foi adotada a seguinte transformao linear para reduzir a influncia na medida

da sincronizao da autocorrelao com a correlao cruzada de X e Y :
C11(1/2)
0
U =
0
C22(1/2)
(3.13)
Em seguida, a matriz de correlao transformada :

R = U CU T ,
(3.14)
sendo, 1 , 2 , . . . , p valores prprios da matriz R. Os valores prprios normalizados so

calculados a seguir:
i
i
0 i = P p
(3.15)
=
tr (R)
i=1 i
O ndice de sincronizao entre dois conjuntos de sinais pode ser calculado como especificado
na Equao 3.16.
PP
S =1+
0 i log (0 i )
log (P )
i=1
(3.16)
3.2.3 Hbrido
Os mtodos baseados no domnio do tempo e da frequncia podem ser integrados
para obter um novo mtodo que tenha as melhores caractersticas de desempenho dos dois
domnios. Um exemplo de mtodo hbrido, utilizado neste trabalho, baseia-se na anlise
da densidade espectral de potncia e na anlise cannica de correlao.
3.2.3.1 Hbrido entre Anlise da Densidade Espectral de Potncia e Anlise Cannica de
Correlao (H-PSDA-CCA)
Como j foi apresentado, a anlise cannica de correlao (CCA) uma tcnica
estatstica para a obteno da mxima similaridade entre um conjunto de sinais. Por outro
lado, a anlise da densidade espectral de potncia (PSDA) obtm os valores de potncia
para um conjunto de sinais de uma faixa de frequncia definida. O mtodo H-PSDA-CCA
(do ingls, Hybrid Power Spectral Density Analysis Canonical Correlation Analysis)
obtm o espectro de potncia dos sinais de entrada e calcula a correlao entre o espectro
56
dos dados de entrada e de uma referncia, que contm as frequncias dos estmulos e
rudo gaussiano. O rudo gaussiano inserido para tentar modelar o sinal EEG devido
a processos mentais. Na Figura 14 mostrada a representao do CCA no domnio da
frequncia (TANAKA; ZHANG; HIGASHI, 2012), onde o vetor X representa os sinais
EEG para N canais, e o vetor Y representa os sinais de referncia os quais so senos e
cossenos das frequncia fundamentais e os harmnicos, como mostrado na Equao 3.17.
Y =
sin (2fk ) + cos (2fk t) +

Pp
i=1 (sin (2fk ) + cos (2fk t)) +
..
.
Pp
sin (2Nh fk t) + i=1 sin (2Nh fi t) +

P
cos (2Nh fk ) + pi=1 cos (2Nh fi t) +
(3.17)
onde p o nmero de estmulos. A expreo pi=1 (sin (2fk ) + cos (2fk t)) contm a
frequncia dos outros estmulos, corresponde ao rudo gaussiano, N o nmero de
estmulos e h o nmero de harmnicos da frequncia alvo, Nh o N -simo harmnico da frequncia objetivo ou alvo. O rudo do sinal EEG apresenta frequncias
relacionadas aos estmulos e outros processos neuronais. Por esta razo, a expresso

P
Ph
0.1 N
i=1
j=1 (sin (2jfi t) + cos (2jfi t)) + usada, e contm as frequncias de todos
os estmulos, seus harmnicos e rudo gaussiano. Neste caso, representa o rudo gaussiano
do processo neuronal.
P
PSDA
Ensaios
PSDA
Y1
CCA
Gerador de
sinais de
referncia
Distncia
Euclidiana
>
PSDA
Yp
Figure 14 CCA no domnio da frequncia.
CCA
57
3.3. Classificao
3.3 Classificao
O processo para determinar a classe a que pertence um conjunto de amostras
baseado na comparao direta dos ndices ou valores obtidos pelos mtodos de extraco de
caractersticas. No caso da anlise da densidade espectral de potencia, como foi apresentado
na seo 3.2.1.1, o valor gerado pela anlise PSDA uma relao sinal/rudo. Para calcular
a classe de sada do sistema necessrio comparar os valores para cada frequncia dos
estmulos utilizados e escolher o maior. Na seo a seguir proposto um processo de
reclassificao na tentativa de melhorar a taxa de sucesso.
3.3.1 Reclassificao
O processo de extrao de caractersticas definido para uma janela de anlise e
uma sobreposio dos dados. Para cada janela de anlise o sistema realiza um processo de
classificao ou deteco da frequncia do estmulo da entrada. Os canais O1, O2 e Oz
(localizados na regio visual) so analisados e classificados separadamente aps a filtragem
do sinal. A classificao final obtida atravs de um processo de reclassificao, cujo
exemplo apresentado pela Figura 15. A sada de cada janela enviada a um proceso
de votao para estimar o nvel de confiana. possvel que o valor de sada seja -1, o
que quer dizer que no foi reconhecida a frequncia do estmulo. Isso ocorre quando o
processo de votao fica em empate. Na Figura 15, trs janelas apresentam a classe (3)
aps o processo de classificao. A outra janela apresenta a classe (2). O clculo do nvel
de confiana neste caso seria de 3/4, mostrando que a classe final seria a classe = 1.
Janela de anlise
Tempo de
classicao
c
=
1
c
=
1
c
Votao
Classe = 1
=
1
Nvel de
Conana=
3/4
c
=
1
c
=
2
Figure 15 Processo de Reclassificao.
58
3.4 Controle de ativao dos estmulos

As ICCs baseadas em potenciais evocados visuais apresentam altos ndices de
desempenho (acurcia e taxa de transmisso de informao), mas o fato de utilizarem
luzes piscando gera um alto nvel de desconforto no usurio. Uma estratgia para reduzir
desvantagemda ICC-SSVEP consiste em desativar os estmulos aps a escolha da frequncia
que permite enviar o comando. O problema que surge agora como ativar de novo os
estmulos para realizar uma nova escolha ou envio de comando. O sistema proposto
nesta dissertao de mestrado consiste no processo de deteco do fechamento e abertura
dos olhos como sinal de disparo para a ativao/desativao dos estmulos (DELISLERODRIGUEZ et al., 2014b) (DELISLE-RODRIGUEZ et al., 2014a). Na deteco da
transio dos olhos fechados/abertos utilizada a anlise do ritmo alfa denominada
Dessincronizao Relacionada a Eventos (ERD), que apresentada a seguir.
3.4.1 Dessincronizao Relacionada a Eventos (ERD)

O ERD (do ingls, Event Relation Desynchronization) utilizado para obter a
envoltria do sinal como resposta apresentao de um evento (FERREIRA et al., 2009).
No caso deste trabalho, quando o usurio fecha os olhos durante um pequeno instante de
tempo, pode ser detectada uma variao da energia do ritmo alfa nos eletrodos da regio
occipital do crebro, especificamente nos eletrodos Oz, O1 e O2. Aps a captura, feita a
filtragem do sinal no intervalo de 8 Hz a 13 Hz e, em seguida, obtida a envoltoria do sinal.
Uma filtragem baseada na mediana feita para reduzir as variaes do sinal. Quando
obtida a envoltria do sinal e o evento detectado, utilizado um limiar adaptativo
baseado no clculo da mediana da janela de anlise. Para o clculo do limiar adaptativo,
considerada a primeira metade da janela da anlise, a qual tem um valor de duas vezes a
mediana, sendo que a segunda metade s e calculada como a mediana. Quando um evento
ocorre o limiar da primeira menor do que o limiar da segunda janela. A representao
esquemtica do detector de eventos mostrada na Figura 16.
20
25
25
20
0
15
16
14
14
12
12
10
10
10
20
5
40
15
0
5
60
10
Mediana(2-4s)
2* Mediana(0-2s)
10
15
80
5
2
20
100
12
16
20
12.5
13
13.5
14
14.5
15
15.5
16
25
12
12.5
13
13.5
14
14.5
15
Ritmo Alfa
Sinal de entrada
Regio Occipital
8 Hz
13 Hz
15.5
16
0
12
12.5
13
13.5
14
14.5
15
15.5
16
0
12
12.5
13
13.5
14
14.5
15
15.5
16
0
12
Mediana (0-2 s)
12.5
13
13.5
14
14.5
15
Envoltria
Filtro Mediana
Comparador
Transformada Hilbert
Mediana (128 samples)
2*Mediana (0-2 s) <

Mediana (2-4s)
15.5
Figure 16 Esquema do sistema de ativao e desativao dos estmulos visuais.
16
3.4. Controle de ativao dos estmulos
59
3.4.1.1 Envoltria do sinal

A envoltria a variao da amplitude do sinal. A Transformada de Hilbert pode
ser usada para efetuar a demodulao em amplitude do sinal, obtendo a envoltria. A
aplicao da transformada de Hilbert para obter a envoltria dividida em 4 passos
discutidos a seguir:
Aplicar a FFT no sinal.

Transladar o sinal da frequncia seccionada para o ponto zero, dobrando o comprimento do vetor com zeros.
Aplicar a Transformada Inversa de Fourier para retornar ao domnio do tempo.
Retificar o sinal efetuando a raiz quadrada da multiplicao do sinal pelo seu
complexo conjugado, obtendo-se o mdulo.
3.4.1.2 Filtro Mediana

A mediana o valor numrico de separao da metade superior da metade inferior
de uma amostra de dados. O filtro aplicado no sinal de EEG executado atravs da
mediana. Cada valor da entrada substituda pela mediana de seus vizinhos. O padro de
vizinhos (nmero de elementos) chamado de "janela de correr". O principal objetivo
obter caractersticas mais suaves para aumentar o desempenho do sistema.
3.4.1.3 Comparador
O comparador utilizado para deteco de ERD consiste em um limiar adaptativo,
o qual calcula a mediana da janela de anlise. O valor da mediana no influenciado
pela presena de valores atpicos ou Outliers. Utilizando esta vantagem, a janela divida
em duas metades. Na primera metade feito o clculo de duas vezes o valor da mediana,
sendo assim obtido o primeiro valor a comparar. Na segunda metade calculado apenas
o valor da mediana. Se houver um evento, a mediana da segunda metade da janela de
anlise ser maior do que duas vezes a mediana da primeira metade da janela de anlise,
como apresentado na Figura 17. Neste processo obtido o limiar adaptativo para detectar
o evento. O sistema implementado no precisa de calibrao para a deteco do evento.
O valor A o limiar da primeira metade da janela de anlise, enquanto B o limiar
da segunda metade. Quando A < B significa que tem ocorrido o evento de fechamento de
olhos.
60

16
14
12
10
Mediana (14s-16s)
2*Mediana (12s-14s)
6
4
Mediana (12s-14s)
2
0
12
12.5
13
13.5
14
14.5
15
15.5
16
Figure 17 Limiar adaptativo para deteco do evento de abrir e fechar os olhos.
3.5 Medidas de desempenho

Para avaliar o desempenho de uma interface so utilizados parmetros como
acurcia, ITR, Coeficiente Kappa, sensibilidade e especificidade como apresentado a
seguir:
Acurcia a taxa de acerto do classificador. A acurcia definida para um sistema de
2 classes deve ser superior a 81% para garantir um nvel de concondana aceitvel,
oseja a acurcia est por fora do valor aleatrio (JAPKOWICZ; SHAH, 2011).
ITR (do ingls, Information Transfer Rate) uma medida frequentemente utilizada
em sistemas de comunicao. Ela oferece informao da quantidade de dados por
unidade de tempo, depende do nmero de comandos e da acurcia (MILLN et al.,
2004). A ITR definida pela Equao 3.18.

B = (1 Pu ) log2 N + P log2 P + (1 P ) log2
1P
N 1

(3.18)
onde N o nmero de classes, P a taxa de acerto do classificador, e Pu a

porcentagem de tempo onde no h classificaes. A unidade de medida da ITR
[bits/s], mas pode ser expressa em [bits/min].
Coeficiente Kappa um parmetro que representa a concordncia entre os alvos e
os valores preditos. Neste sentido, o ndice aqui utilizado foi proposto por Cohen
(COHEN, 1960). O coeficiente Kappa definido na Equao 3.19.
Pq
Kappa =
pii qi=1 pi pi
,
P
1 qi=1 pi pi
i=1
(3.19)
onde qi=1 pii a acurcia, e qi=1 pi pi o probabilidade a priori. Kappa> 0.61

mostra uma boa concordncia (COHEN, 1960).
P
61
3.5. Medidas de desempenho
Sensibilidade e especificidade so medidas que fornecem informaes sobre a capacidade do classificador de detectar uma classe especfica (verdadeiro positivo ou
negativo). A sensibilidade e a especificidade so calculadas nas equaes 3.20 e 3.21.
TP
,
TP + FN
TN
,
Especif icidade =
FP + TN
Sensibilidade =
(3.20)
(3.21)
onde T P o verdadeiro positivo; F N falso negativo; T N verdadeiro negativo e

F P falso positivo.
63
4 ICC como dispositivo de navegao e a integrao da ICC-Hbrida

Neste captulo formalizada a proposta de interface para o comando do veculo
autnomo IARA e apresentada a metodologia de programao tipo GRAFCET para a
implementao da interface hbrida.
4.0.1 Interfaces crebro computador para o comando de veculos autnomos

De acordo com o estado-da-arte, das diferentes interfaces que tm sido implementadas para o comando de veculos diversos (robs mveis, cadeiras de rodas, etc), foram
escolhidos alguns trabalhos que desenvolveram aplicaes no nvel de comando seo 2.1,
como (MILLN et al., 2004; LEEB R.AND KEINRATH et al., 2006; PFURTSCHELLER
et al., 2006; TREJO; ROSIPAL; MATTHEWS, 2006; MA; GAO; GAO, 2007; MARTINEZ; BAKARDJIAN; CICHOCKI, 2007; PIRES; CASTELO-BRANCO; NUNES, 2008;
MCFARLAND et al., 2008; GLAN et al., 2008; BROUWER; VAN, 2008; RON; DAZ;
VELASCO, 2009.; MLLER; BASTOS; SARCINELLI, 2013; GHRING et al., 2013), e
outras interfaces aplicadas no nvel de planejamento seo 2.1, como (VALBUENA et
al., 2007; BELL et al., 2008; FERREIRA et al., 2009). No nvel de controle seo 2.1
no foram encontradas na literatura exemplos de interfaces, devido alta velocidade de
comunicao das informaes dos sensores e do usurio. Na Tabela 3 so apresentados
alguns desses trabalhos, os quais foram utilizados como base para o desenvolvimento da
proposta desta dissertao de mestrado.
Table 3 Algumas interfaces para o comando de veculos autnomos.
Nvel de Planejamento
Valvuena et al. (2007);
Bell et al. (2008);
Ferreira et al.(2009)
Nvel de Comando
Milln et al (2004);
Leeb et al. (2006);
Pfurtscheller et al. (2006);
Trejo et al. (2006);
Ma et al. (2007);
Martinez et al. (2007);
Pires et al. (2008);
McFarland et al (2008);
Galn et al. (2008);
Brouwer et al.(2008);
Ron-angevin et al. (2009);
Mller et al. (2013);
Lee et al. (2013)
Nvel de Controle
No encontrado
64
Chapter 4. ICC como dispositivo de navegao e a integrao da ICC-Hbrida
4.1 Proposta de comando de um veculo autnomo atravs de uma

ICC-SSVEP
A proposta desta dissertao de mestrado apresentada na Figura 18, a qual
baseada em uma interface crebro computador hbrida (COTRINA-ATENCIO et al., 2014).
A razo de desenvolver uma ICC-Hbrida reside no fato de tentar minimizar a fadiga visual
do usurio produzida pelo uso de SSVEP. Uma ICC-SSVEP tem um alto desempenho em
relao taxa de sucesso, mas a presena dos estmulos teis nos momentos em que no
necessria uma seleo de comandos um aspecto que precisa ser melhorado.
ICC
Asncrona
ERD
ICC
Sncrona
Estmulo
Veculo
autnomo
Planeja.
Comando
Realimentao
Ambiente
Menu
Controle
Usurio
Figure 18 Proposta de sistema de comando de veculo autnomo utilizando uma interface

crebro-computador hbrida.
A ICC-Hbrida aqui proposta serve ento para ativar/desativar os estmulos visuais
sob a vontade do usurio, reduzindo assim a fadiga visual que poderia apresentar quando
ser exposto aos estmulos por longo do tempo. Nesta interface proposta, os comandos de
classificao so enviados ao mdulo de planejamento do veculo autnomo, e as aes so
ento executadas (RAMOS, 2013; GONALVES, 2013). Para a seleo dos comandos de
destino para o veculo autnomo, foi desenvolvido um menu (Figura 19) que apresenta ao
usurio os possveis destinos que esto georreferenciados. Cada seleo tem uma validao
de comando. Quando a deciso tiver sido validada, o sistema desativa os estmulos visuais.
Quando o usurio deseja solicitar uma nova atividade, ele deve fechar e abrir os olhos, e a
ICC-Hbrida detecta esta condio e ativa novamente os estmulos.
4.1. Proposta de comando de um veculo autnomo atravs de uma ICC-SSVEP
Ativar
Estmulos
Sim
No
Olhos
Fechados?
ICC
Assncrona
Enviar
Comando
Desativar
Estmulos
Enviar
Comando
65
Figure 19 Menu para a seleo do destino e controle da ativao/desativao dos estmulos

visuais.
66
4.2 Integrao para a interface hbrida utilizando a metodologia

GRAFCET
No desenvolvimento de uma interface, as sucesses de operaes podem ser facilmente implementadas com programao sequencial. Entretanto, para operaes como
ateno de eventos, sincronizao de tarefas, sequncias simultneas ou de superviso,
esse tipo de programao no muito eficiente. A programao que utiliza a metodologia
GRAFCET permite que um problema complexo seja representado com base nos conceitos
de etapa e de receptividade, os quais simplificam a sntese de problemas em tarefas simples
(GAERTNER; THIRION, 1999).
4.2.1 GRAFCET
O GRAFCET foi criado em 1977 na Frana e surgiu pela necessidade de ter um
mtodo de descrio de processos sequenciais que fosse eficaz, simples e interpretvel
por tcnicos de diferentes campos. O GRAFCET um diagrama funcional que descreve
a evoluo do processo a automatizar. Est definido por elementos grficos e regras de
evoluo que refletem a dinmica do comportamento do sistema. Posteriormente, em 1988
o GRAFCET foi adotado como um padro internacional (norma IEC 848) e denominado
(SFC, do ingls Sequential Function Chart). Todo automatismo sequencial ou concorrente
pode ser estruturado em um srie de etapas que representam estados ou subestados dos
sistemas nos quais se realizam uma ou mais aes, assim como as transies, que so
as condies que devem ocorrer para passar de uma a outra etapa. Na Figura 20 so
apresentadas as partes principais que contm um GRAFCET, que segue os seguintes
conceitos bsicos e representaes grficas para sua construo:
Etapas ou estados a que as aes esto associadas.
Aes (tarefas ou funes) a realizar.
Transies que esto associadas s receptividades.
Receptividades, que so as condies que tm de ser cumpridas para garantir a
evoluo do sistema.
Ligaes orientadas, que indicam o sentido da evoluo e interligaes entre etapas e
receptividades.
Regras de evoluo, que so as consideraes principais para obter um sistema
robusto e sem incoerncia na definio da evoluo.
4.2. Integrao para a interface hbrida utilizando a metodologia GRAFCET
Etapa
E1
Transio
Liga
t1
E2
67
Ao
Receptividade
Desliga
Ligao
Figure 20 Esquema geral de um GRAFCET e suas partes principais.
4.2.2 Etapas
Uma etapa caracteriza-se por um comportamento invarivel em uma parte ou na
totalidade do sistema, num instante determinado, e segundo a evoluo do sistema. As
etapas representam-se por um quadrado com um nmero como identificao. A entrada e
sada de uma etapa aparecem na parte superior e inferior, respectivamente. O conjunto
formado pelo quadrado e a extenso das entradas e sadas formam o smbolo completo da
etapa. As etapas ativas identificam-se por meio de um ponto na parte inferior dos smbolos
das etapas (Figura 20).
4.2.3 Aes
Podem ser descritas de forma literal ou simblica, no interior de um ou vrios
retngulos unidos ao smbolo da etapa em que esto associados (Figura 20).
4.2.4 Transies
Uma transio refere-se possibilidade de evoluo entre as etapas. Esta evoluo
pode ser produzida por franqueio de uma transio. O cumprimento de uma transio
provoca o passo entre o comando de uma situao a outra. A transio pode ser validada ou
no. Diz-se que validada quando todas as etapas imediatamente ligadas a essa transio
esto ativas. A transio entre as duas fases representada por uma linha perpendicular
linha de ligao de duas etapas (Figura 20).
4.2.5 Ligaes orientadas

Indicam o sequenciamento do GRAFCET pela interligao de uma etapa a uma
transio e desta a outra etapa. O sentido convencionado de cima para baixo, quando
no for o caso, deve-se indic-lo (Figura 20).
68
4.2.6 Receptividade
Cada transio est associada com uma proposio lgica denominada receptividade.
A capacidade de resposta uma funo da informao externa/interna (input) ou do
estado de contadores, temporizadores, estados ativos ou inativos das outras estapas. A
receptividade escrita de forma literal ou simblica. Quando a resposta escrita de
forma simblica, uma tabela deve dar a correspondncia entre cada smbolo utilizado e a
informao correspondente. Quando no h condio associada a uma transio dito que
a receptividade sempre verdadeira, ou seja, igual a 1 (Figura 20).
4.2.7 Regras de programao

Um GRAFCET est devidamente projetado se :
A situao inicial do GRAFCET caracteriza-se pelo comportamento da parte operacional e corresponde etapa ativa no incio das fases de operao.
A etapa ser ativada quando a etapa imediatamente anterior ainda estiver ativa e a
receptividade existente entre elas, validada. A etapa anterior desativada e a nova
ativada.
Uma ao deve ser executada se a etapa que est associada ativa.
Se durante a operao de uma ao, que deve estar desligada e ligada ao mesmo
tempo, ela permanecer ativa.
Vrias transies so penetrveis juntamente se so franqueadas simultaneamente.
Esta regra permite descompor o GRAFCET em vrios diagramas, especificando
claramente as suas interligaes.
4.2.8 Implementao para uma ICC hbrida

Na implementao das interfaces assncrona e sncrona, estas respondem ao modelo
bsico de uma ICC tradicional, ou seja requer um processamento sequencial o qual no
depende de outros blocos funcionais para seu funcionamento. Pensando em uma ICC
hbrida, o esquema de implementao requer uma viso onde a integrao deve ser feita
considerando que cada processamento diferente, e que a ICC sncrona depende do estado
ou sada da ICC assncrona. Para resolver este conflito, foi necessrio implementar a
ICC hbrida utilizando o esquema de programao tipo GRAFCET onde, dependendo
da etapa (estado) da interface e de algumas condies, pode-se controlar o fluxo de
execuo do sistema. Na Figura 21 apresentado o diagrama GRAFCET utilizado para a
implementao da interface hbrida para o comando do veculo autnomo.
As aes mostradas na Figura 21 so descritas em detalhe:
69
A0
=1
=1
10
A=B
3x
C=5
A1
t=1s
C=5
A3
Adquisio
=1
3a
4x
A=B
Menu=2
4a
=1
8x
A8
Menu=1
6x
=1
ICC-Hbrida
=1
7x
A<B
A7
A0=
A1=
A2=
A3=
A4=
A5=
A6=
A7=
A8=
A9=
A10=
Aes
Setup
Share
Read
C=C+1;A;B;
C=1
MSI1
MSI2
Reclassification
Send; Off=1
C=1;Next
Turnon ;Menu
Turnof f ; Save
SSVEP
Figure 21 Representao em GRAFCET do sistema proposto para o comando do veculo

autnomo baseado em ICC-SSVEP.
A0. Nesta ao realizam-se todos os processos de configurao do sistema, por
exemplo, definio da frequncia de amostragem, definio do tempo de anlise, a
gerao das frequncias de referncia, etc.
A1. O sistema de aquisio comunica-se com o software de processamento atravs de
memria compartilhada, porm o sistema implementado sistema tem que sincronizar
o equipamento de aquisio.
A2. Nesta ao feita leitura dos dados, sendo incrementado um contador, e so
calculados os valores A (refere-se ao valor de duas vezes a mediana da primeira
metade da janela de anlise) e B (mediana da segunda metade da janela de anlise).
A3. O contador resetado.
70
A4. calculado o MSI e armazenado em um registro.

A5. calculado o MSI e armazenado em outro registro.
A6. feita a reclassificao.
A7. enviado o comando ao veculo autnomo e o indicador para desligar os estmulos
(Off=1 ).
A8. O contador redefinido e outra opo apresentada no menu.
A9. Os estmulos so ligados, o veculo deve parar, e apresentado o menu para uma
escolha.
A10. Os estmulos so desligados, o veculo deve comear a marcha e o menu
atualizado e armazenado num registro.
Quando executa-se o sistema, a etapa (0) ativada e so configurados todos os

parmetros do sistema. Em seguida, as etapas (1) e (10) so ativadas.
Na etapa (10) executa-se o processo de incio de aquisio dos dados. Passado
1 segundo, a etapa (11) ativada, executando a ao de clculo dos parmetos para a
deteco de olhos abertos/fechados (A e B). Aps feitos os clculos, novamente iniciado
o processo de aquisio de dados pelo mdulo de aquisio.
Se ocorre um evento de olhos abertos/fechados (A < B), a etapa (2) ativada,
executando a funo de ligar os estmulos, enviando um comando para que o veculo
autnomo pare e apresente o menu para uma escolha.
O evento de abrir e fechar os olhos se desloca no tempo, fazendo com que a condio
(A B) ocorra e, aps 5 segundos a etapa (3a) ativada, fazendo que seja executada a
funo da ICC-SSVEP.
Quando os estmulos esto presentes, possvel utiliz-los para estimular o usurio
obtendo a frequncia dos estmulos observados na regio occipital.
No bloco SSVEP calculado o MSI para realizar o processo de reclassificao e
obter o resultado do menu.
Se o menu (2), incrementa-se para outro elemento ou destino, sendo que este
um arranjo cclico.
Se por outro lado, a escolha j foi feita, o menu ser (1). Isto quer dizer que foram
selecionadas algumas das opes apresentadas e ento, procede-se enviando o comando
para o veculo autnomo e desligar os estmulos.
71
Vale ressaltar que qualquer parte da execuo do bloco ICC-SSVEP pode ser
interrompida pelo bloco da interfaces hbrida. Cada vez que os estmulos forem ligados, o
veculo tem que parar para poder fazer uma nova escolha no menu.
Para detectar quando o usurio cai no sono enquanto estiver dirigindo o veculo
autnomo, seria necessrio implementar uma funo que modela os processos que esto
associados a esta condio e devem ser includa na etapa (11) e adicionar um indicador na
transio que une a etapa (3a) e (4).
73
5 Resultados e discusso
Os testes realizados neste trabalho foram configurados para avaliar o sistema
desenvolvido no modo off-line e on-line. No modo off-line so apresentados todos os
mtodos de extrao de caractersticas descritos nos outros captulos, e no modo on-line
s descritos os resultados para o mtodo que apresentou melhor desempenho no modo
off-line.
5.1 Resultados Off-line

Os resultados desta pesquisa permitiram desenvolver a interface aqui apresentada
para atender a um sistema que facilite a operao segura do veculo autnomo. Os algoritmos
j desenvolvidos e implementados conseguiram melhorar os problemas relacionados com a
taxa de sucesso das interfaces, o grau de conforto para o usurio e a fadiga mnima. Para
garantir o conforto do usurio, os algoritmos de classificao foram implementados em um
sistema de reclassificao e validao dos resultados gerados, tentando ter um impacto
positivo sobre a taxa de acerto e, portanto, no conforto do usurio.
5.1.1 Configurao dos teste Off-line

A ICC-SSVEP sincrona foi testada em 19 pessoas com idade entre 28 7 anos, das
quais 6 delas tinham algum tipo de deficincia motora (MLLER; BASTOS; SARCINELLI,
2013). O equipamento utilizado para a captura dos sinais cerebrais foi o BrainNet, o
qual possui 32 canais (FERREIRA et al., 2009). Os teste feitos com o equipamento
BrainNet consentidos pelo Comit de tica de Pesquisada (CEP) -048/08. Os clculos
de desenvolvimento dos algoritmos para processamento e classificao foram feitos em
um PC com velocidade de 2,4 GHz e 2 GB de RAM. O software foi implementado em
R verso 2012b. O protocolo de teste consistiu na apresentao de estmulos,
MATLAB
durante 20 segundos, para cada uma das frequncias alvo (5,6, 6,4, 6,9 e 8,0 Hz), repitendo
o processo trs vezes. O usurio estava a uma distncia de 70 cm dos estmulos. Os
Canais utilizados foram P7, PO7, P5, PO3, POz, PO4, P6, PO8, P8, O1, O2 e Oz. A
frequncia de amostragem foi fixada em 600 Hz, para melhorar a relao sinal/rudo foi
utilizado o filtragem espacial CAR (do ingls,Common Average Reference. Para testar a
ICC assincrona foi implementado um protocolo experimental o qual consistiu no processo
de fechar/abrir os olhos durante (2 e 3 segundos) respectivamente, este processo se repetiu
10 vezes por cada usurio. O equipamento utilizado foi o Emotiv epoch. Os canais utilizados
foram AF3, AF4, F3, F4, F7, F8, FC5, FC6, T7, T8, P7, P8, O1 e O2. A frequncia de
74
Chapter 5. Resultados e discusso
amostragem do equipamento de 128 Hz, para melhorar a relao sinal/rudo foi utilizado
o filtro CAR.
5.1.2 Resultados off line das classificaes da ICC sncrona

Na Tabela 4 so apresentados os resultados obtidos aps o processamento e classificao dos dados para diferentes usurios. Os primeiros 6 usurios tm algum tipo de
deficincia. Para cada uma das tcnicas de classificao, foram calculadas a taxa de sucesso
e a taxa de transmisso de bits (ITR) e o (Pu) o tempo de no classificao ou classe =
-1.
0.4
0.2
Vol19
Vol18
Vol17
Vol16
Vol15
Vol14
Vol13
Vol12
Vol11
Vol10
Vol9
Vol8
Vol7
Vol1
0.4
0.2
Vol19
Vol18
Vol17
Vol16
Vol15
Vol14
Vol13
Vol12
Vol11
Vol10
Vol9
Vol8
Vol7
Vol6
0.0
Vol5
Vol19
Vol18
Vol17
Vol16
Vol15
Vol14
Vol13
Vol12
Vol11
Vol9
Vol8
Vol7
Vol6
Vol5
Vol4
Vol3
Vol2
0.0
Vol10
0.2
0.6
Vol4
0.4
0.8
Vol3
0.6
1.0
Vol2
0.8
Vol1
Taxa de sucesso [%]
Janela de anlise 4 s
1.0
Vol1
Taxa de sucesso [%]
Vol6
0.0
Vol19
Vol18
Vol17
Vol16
Vol15
Vol14
Vol13
Vol12
Vol11
Vol9
Vol8
Vol7
Vol6
Vol5
Vol4
Vol3
Vol2
0.0
Vol10
0.2
0.6
Vol5
0.4
0.8
Vol4
0.6
Vol3
0.8
1.0
Vol2
Taxa de sucesso [%]
1.0
Vol1
Taxa de sucesso [%]

com base em potencias evocados visuais de rgime permanente.
Na figure 22 so apresentadas as taxas de sucesso para diferentes janelas de anlises

de cada um dos mtodos de extrao de caractersticas implementados. Os seis primeiros
usurios presentam algum tipo de deficincia motora.
Na Figura 23 apresentada a acurcia dos mtodos implementados e os resultados
para diferentes janelas de anlises. Os mtodos baseados no domnio do tempo apresentam
os melhores desempenhos para todas as janelas de anlises.
Na Figura 24 apresentado o custo computacional, avaliando o tempo para obteno
de uma classificao para cada mtodo de extrao de caracterstica. O custo computacional
baixo para os mtodos no domnio do tempo como no domnio da frequncias, exceto
o mtodo LASSO, que iterativo e s vezes no consegue convergir a um resultado
satisfatrio. O mtodo hbrido de composio do domnio temporal e frequencial requer
mais tempo de computao.
90.2
52.6
91.5
86.9
76.3
84.2
93.0
76.2
90.2
73.8
99.4
70.1
90.7
79.8
59.7
96.2
96.8
93.5
97.4
84.1
Mdia
Acur.
10.1
4.4
27.5
5.0
7.5
13.1
8.1
15.6
14.4
7.5
6.3
3.8
30.6
5.0
10.0
26.9
0.6
1.3
2.5
2.5
Pu
ITR
67.0
79.2
10.9
82.3
68.4
43.4
61.9
77.3
42.7
76.8
42.4
111.8
27.0
80.3
51.6
17.1
101.8
103.6
90.6
104.3
Trad PSDA
#1 *
#2 *
#3 *
#4 *
#5 *
#6 *
#7
#8
#9
#10
#11
#12
#13
#14
#15
#16
#17
#18
#19
Voluntrio
90.4
85.1
74.2
92.6
95.2
97.1
46.2
90.7
88.2
97.4
96.7
98.1
91.7
94.9
93.3
91.2
96.2
96.8
96.3
96.1
Acur.
15.2
6.9
40.6
6.3
15.0
28.1
40.6
28.8
31.9
2.5
5.0
3.8
20.0
2.5
26.9
21.9
1.3
3.1
1.3
3.1
Pu
77.2
64.6
27.4
84.5
83.9
76.1
5.4
60.1
52.7
104.6
99.1
105.8
69.9
95.2
67.6
67.2
101.1
101.6
101.3
98.9
ITR
Ratio PSDA
94.3
96.8
78.9
96.2
95.4
85.1
94.4
94.9
88.5
96.2
95.6
100.0
95.7
96.2
96.8
92.6
97.5
96.3
96.1
98.1
Acur.
7.4
3.1
25.0
3.1
4.4
8.1
28.1
6.9
16.3
0.6
1.9
2.5
11.3
2.5
10.0
11.3
0.6
0.6
3.8
0.6
Pu
91.6
101.5
41.4
99.3
95.1
63.9
69.1
91.0
65.4
101.8
98.2
117.0
106.2
99.8
94.3
80.1
106.8
102.0
98.3
109.5
ITR
hPSDA_CCA
94.0
96.8
76.0
96.2
95.4
87.1
93.6
91.6
88.5
96.2
95.6
99.4
95.7
96.2
96.8
92.6
97.5
96.3
96.1
98.1
Acur.
9.2
3.1
26.3
3.1
4.4
15.0
50.6
11.9
16.3
0.6
1.3
1.3
11.3
2.5
10.0
11.3
0.6
0.6
3.8
0.6
Pu
CCA
89.3
101.5
36.5
99.3
95.1
63.4
46.1
76.7
65.4
101.8
98.9
114.7
106.2
99.8
94.3
80.1
106.8
102.0
98.3
109.5
ITR
94.3
96.8
79.4
96.2
95.4
87.0
94.4
93.0
88.5
96.2
95.6
99.4
95.7
96.2
96.8
92.6
97.5
96.3
96.1
98.1
Acur.
7.5
3.1
27.5
3.1
4.4
15.0
16.3
12.5
16.3
0.6
1.3
1.3
11.3
2.5
10.0
11.3
0.6
0.6
3.8
0.6
Pu
LASSO
91.5
101.5
40.9
99.3
95.1
63.1
80.3
80.1
65.4
101.8
98.9
114.7
106.2
99.8
94.3
80.1
106.8
102.0
98.3
109.5
ITR
94.2
95.5
78.5
96.2
97.5
96.8
90.0
96.5
91.9
96.2
94.3
98.8
93.3
96.8
85.2
91.3
97.5
96.9
98.1
98.7
Acur.
3.8
3.1
11.3
2.5
2.5
3.1
6.3
4.4
4.4
1.3
2.5
0.6
5.6
2.5
8.8
5.6
0.6
1.9
1.9
3.1
Pu
MSI
95.0
96.8
48.4
99.9
104.7
101.3
77.1
99.2
84.2
101.2
93.2
112.3
112.8
102.1
63.5
81.4
106.7
103.0
107.8
109.2
ITR
5.1. Resultados Off-line

75
Table 4 Resultados dos testes para 19 usurios, onde 6 deles (*) apresentam algum tipo
de deficincia motora.
76
Taxa de Sucesso
100.0
Acurcia
95.0
Janela
de anlise
90.0
85.0
4s
3s
80.0
2s
75.0
1s
MSI
LASSO
CCA
h PSDA-CCA
Ratio-PSDA
Trad-PSDA
70.0

com base em potencias evocados visuais de rgime permanente.
Custo computacional
Tempo[s]
0.4000
0.3500
0.3000
Janela
de anlise
0.2500
0.2000
4s
0.1500
3s
0.1000
2s
0.0500
1s
MSI
LASSO
CCA
h PSDA-CCA
Ratio-PSDA
Trad-PSDA
0.0000
Figure 24 Custo computacional dos classificadores utilizados para a interface crebrocomputador com base em potencias evocados visuais de rgime permanente.
Na Figura 25 apresentada a taxa de transmisso de informao (ITR) dos diferentes

mtodos implementados, para diferentes janelas de anlises. Como o ITR depende da
acurcia, pode-se observar que para os mtodos do domnio do tempo os resultados de
ITR so maiores do que os mtodos no domnio da frequncia. Pode-se verificar que o
mtodo MSI apresenta o melhor desempenhos que os outros mtodos ou tcnicas.
5.1.3 Resultados off line das classificaes da ICC assncrona

Na Tabela 5 so apresentados os resultados off-line para a ICC assncrona. Na
Tabela pode-se notar que os resultados da sensibilidade, especificidade e acurcia esto
acima de 80% mostrando que o sistema implementado apresenta altos desempenhos, tal
como especificado tambm por (JAPKOWICZ; SHAH, 2011).
77
5.2. Resultados On-line
Taxa de Transmisso de Informao

100.0
ITR[bit/min]
90.0
80.0
Janela
de anlise
70.0
60.0
50.0
4s
40.0
3s
30.0
2s
20.0
1s
10.0
MSI
LASSO
CCA
h PSDA-CCA
Ratio-PSDA
Trad-PSDA
0.0
Figure 25 Taxa de transmisso de informao (ITR) dos classificadores utilizados para

a interface crebro-computador com base em potencias evocados visuais de
rgime permanente.
Table 5 Resultados para a ICC assncrona
Voluntrio
Sensibilidade
Especificidade
Acurcia
Kappa
1
2
3
4
5
6
7
8
9
10
11
0.92
0.98
1.00
0.91
0.95
1.00
1.00
0.96
1.00
0.96
0.95
1.00
0.94
0.83
0.95
0.63
0.73
0.87
0.96
0.92
1.00
0.65
0.96
0.96
0.90
0.93
0.70
0.81
0.92
0.96
0.96
0.98
0.72
0.91
0.91
0.80
0.87
0.40
0.62
0.84
0.91
0.91
0.96
0.44
Mdia
0.97
0.86
0.89
0.78
5.2 Resultados On-line

Os testes no veculo autnomo foram feitos no campus da UFES. Na Figura 26
possvel ver a disposio dos estmulos e o menu na tela do computador do veculo.
5.2.1 Configurao dos testes On-line

Os testes on-line foram realizados no veculo autonomo por dois voluntrios
saudveis. O dispositivo utilizado foi o Emotiv (http://www.emotiv.com), o qual no
utiliza fios (wireless), nem gel condutor. Ele foi modificado para garantir que a referncia
fosse estvel para conter os eletrodos O1, O2 e Oz (Figura 5.2.1). Os teste feitos com
o equipamento Emotiv foram consentidos pelo Comit de tica de Pesquisa (nmero:
651.475).
78
Figure 26 Testes no veculo autonomo da UFES.
5.2.2 Resultados On-line das classificaes da ICC sncrona

Na Tabela 6 so apresentados os resultados para avaliar a deteo dos estmulos
utilizando o sistema implementado no veculo autnomo.
Table 6 Resultados para ICC sncrona on-line
Voluntrio
Sensibilidade
Especificidade
Acurcia
Kappa
1
2
0.89
0.91
0.82
1.00
0.85
0.95
0.70
0.90
Mdia
0.90
0.91
0.90
0.80
5.2.3 Resultados On-line das classificaes da ICC assncrona

Na Tabela 7 so apresentados os resultados para avaliar a deteco abrir e fechar
os olhos utilizando o sistema implementado no veculo autnomo.
Table 7 Resultados para ICC assncrona on-line.
Voluntrio
Sensibilidade
Especificidade
Acurcia
Kappa
1
2
0.83
0.73
1.00
0.78
0.90
0.75
0.80
0.50
Mdia
0.78
0.89
0.83
0.65
5.3 Discusso
Os testes off-line e on-line mostram que o sistema vivel para ser utilizado fora do
laboratrio, em aplicaes reais, como o caso de aplicaes no veculo autnomo, mesmo
79
5.3. Discusso
Ground
Eletrodos
Referncia 1
Referncia 2
Figure 27 Touca em Neoprene com Emotiv EPOC

eletrodos.
TM
modificado e as posios dos
com o veculo ligado e em movimento. Os resultados das avaliaes off-line mostaram que o
mtodo MSI foi o que apresentou o melhor desempenho (acurcia e ITR). Com os resultados
obtidos do sistema geral, tanto para voluntrios saudveis como para os voluntrios com
algum tipo de deficincia, pode-se inferir que algumas tcnicas apresentaram resultados
similares, permitindo ajustar os mtodos antes mesmo de serem utilizados com pessoas com
deficincia. O mtodo proposto para a deteco do evento relacionado a abrir e fechar os
olhos apresentou um alto desempenho, e no foi necessrio nenhum processo de calibrao
80
ou ajuste. O sistema de integrao para a obteno da interface hbrida foi eficiente em

termos de permitir modificar o nmero de estmulos e o nmero de elementos no menu,
dado que a implementao de programao baseada em GRAFCET converteu o problema
geral em pequenas tarefas.
81
6 Concluses
Neste trabalho foi desenvolvido um sistema que gera comandos para serem enviados ao mdulo de planejamento do veculo autnomo, utilizando uma interface crebrocomputador baseada em potenciais evocados visuais.
Na implementao da interface hbrida foi preciso se basear na estrutura de programao denominada GRAFCET. Com esta metodologia obteve-se um diagrama funcional
que permite descrever os comportamentos do sistema com relao s informaes que
o mesmo recebe, impondo um funcionamento rigoroso e eliminando qualquer tipo de
incoerncia, bloqueios ou conflitos no funcionamento na interao das interfaces (sncrona
e assncrona). Em cada nvel de descrio, este diagrama pode modificar-se ou corrigir-se,
sem necessidade de retornar a partes j implementadas, por exemplo, no acrscimo dos
possveis destinos desejados pelo usurio ou nmero de estmulos, j que essas funes
podem ser inseridas no sistema apenas com poucas modificaes no cdigo.
A integrao do controle de ativao/desativao dos estmulos permite reduzir
a fadiga visual do usario, contribuindo para o conforto, o que pode facilitar o uso do
sistema, e dessa forma incrementar sua usabilidade e aceitao por parte do usurio final.
O menu proposto mantm as opes mais frequentes escolhidas pelo usurio, na
tentativa de otimizar o tempo de uso do sistema. Alm disso, o sistema faz um registro das
atividades do usurio, a fim de propor a ele um nvel de adaptao no processo de escolha.
As tcnicas implementadas permitiram testar e comparar resultados de usurios
com algum nvel de deficincia e usurios saudveis. Assim, foi possvel testar com usurios
saudveis e extrapolar os resultados, obtendo-se uma ferramenta que no precisa de
calibrao exaustiva.
Pensando em sistemas para aplicaes fora do laboratrio (especificamente utilizando o sistema na rua ou ambientes no controlados), foi percebido que os mtodos de
extrao de caractersticas aqui propostos no foram influenciados pelos campos eletromagnticos presentes no veculo autnomo (chaveamento eletrnico, das baterias e sistema
LIDAR, os quais geram grandes quantidades de rudo eletromgnetico).
Com relao ICC desenvolvida, foi obtida uma acurcia de at 90% (superior
81%, especificado no item 3.5) e valores de kappa de at 0.8 (superior a 0.61, especificado
no item 3.5). Destaca-se tambm a alta eficincia do mtodo MSI, o qual apresentou o
melhor desempenho entre todos os classificadores abordados.
82
Chapter 6. Concluses
Trabalhos futuros
Como trabalhos futuros, so propostas implementaes baseadas em outros paradigmas de interfaces crebro-computador, que possam gerar comandos para os usurios que
apresentem nveis de deficincia severa como Esclerose Lateral Amiotropica (ALS, do ingls
Amyotrophic Lateral Sclerosis ). Aplicar detectores MORD( do ingls, Multivariate Objetive Response Detectors) para procura da reduco do tempo na classificao e o acrscimo
na acurcia do sistema (BONATO et al., 2007). Alm disso, prope-se implementar um
nmero maior de estmulos sempre que estes no gerem desconforto ao usurio.
Publicaes
Apresenta-se uma relao das produes cientficas geradas, frutos das pesquisas
realizadas na rea de interfaces crebro-computador:
Captulos de livros publicados

1. VALADO, CARLOS; SARMIENTO, JHON, GOULART, C.; CASTILLO-GARCIA,
J. ; BASTOS-FILHO, TEODIANO FREIRE . Manipulation Technologies for Developing Cognitive Skills. In: Teodiano Freire Bastos-Filho; Dinesh Kant Kumar;
Sridhar Arjunan. (Org.). Devices for Mobility and Manipulation for People with
Reduced Abilities (Rehabilitation Science in Practice Series). 1ed.: CRC Press, 2014,
v. 1, p. 167-178.
2. AZORIN, J. M. ; IANEZ, E. ; UBEDA, A. ; CASTILLO-GARCIA, J.; CAICEDO,
E. ; FERREIRA, A. ; MULLER, S. ; FILHO, TEODIANO FREIRE BASTOS ;
SARCINELLI FILHO, M. ; LIMA, E. R. . Interfaces baseadas na atividade cerebral.
In: Jos Mara Azorn; Ramn Ceres; Anselmo Frizera Neto; Teodiano Freire Bastos.
(Org.). A Interao de Pessoas com Deficincia com o Computador. 1ed.Madri:
CYTED, 2014, v. 1, p. 125-146.
3. AZORIN, J. M. ; IANEZ, E. ; UBEDA, A. ; CASTILLO-GARCIA, J.; CAICEDO,
E. ; FERREIRA, A. ; MULLER, S. ; BASTOS-FILHO, TEODIANO FREIRE ;
LIMA, E. R. . Interfaces basadas en la actividad cerebral. In: Jos Mara Azorn;
Ramn Ceres; Anselmo Frizera Neto; Teodiano Freire Bastos. (Org.). La interaccin
de personas con discapacidad con el computador. 1ed.Madri: CYTED, 2013, v. 1, p.
125-145.
4. COTRINA-ATENCIO A.; CASTILLO-GARCIA, J.; TRAUERNICHT M.; DOLORES M.; FERREIRA A.; BASTOS FILHO, T. F. TOWARD A HYBRID BRAIN-
83
COMPUTER INTERFACE. Tecnologias, Tcnicas e Tendncias em Engenharia

Biomdica. Canal6 Editora, 2014.
5. GOULART C.; POMER-ESCHER A.; TRAUERNICHT M.; CASTILLO-GARCIA,
J.; BASTOS F. ANALYSIS OF EMOTIONS BASED ON EEG IN AUTISTIC
SPECTRUM DISORDER AND STRESS. Tecnologias, Tcnicas e Tendncias em
Engenharia Biomdica. Canal6 Editora, 2014.
6. MULLER, S., CASTILLO-GARCIA, J., TELLO R., FERREIRA A., CAICEDO
E, BASTOS T. BRAIN-COMPUTER INTERFACE APPLIED TO A ROBOTIC
WHEELCHAIR AND AN AUTONOMOUS CAR. Tecnologias, Tcnicas e Tendncias
em Engenharia Biomdica. Canal6 Editora, 2014.
7. TRAURNICHT M., CASTILLO-GARCIA, J.,COTRINA-ATENCIO A., GOULART
C., POMER ALEXANDRE, CALDEIRA E., Teodiano F. Bastos-Filho3,4. Towards
EEG-Based Emotion Recognition Using Brain Computer Interfaces. Tecnologias,
Tcnicas e Tendncias em Engenharia Biomdica. Canal6 Editora, 2014.
8. LONGO B., CASTILLO-GARCIA, J., VILLA C., DELISLE-RODRIGUEZ D.
and BASTOS T. EEG-BCI technologies for NEUROREHABILITATION. Tecnologias, Tcnicas e Tendncias em Engenharia Biomdica. Canal6 Editora, 2014.
Trabalhos completos publicados em anais de congressos

1. Benevides A.; COTRINA-ATENCIO A.; BENAVIDES A. ;CASTILLO-GARCIA,
J.; BASTOS FILHO, T. F. An Ethernet Sniffer for On-line Acquisition of EEGwith
the BrainNet36 R Device Applied to a BCI. In: 5th IEEE Biosignals and Biorobotics
Conference (BRC 2014), 2014, Salvador. Proc. of the 5th IEEE Biosignals and
Biorobotics Conference, 2014. p. 6 pg.
2. CASTILLO-GARCIA, J.; MULLER, S. ; CAICEDO, E. ; BASTOS FILHO, T.
F. . Feature Extraction Techniques Based on Power Spectrum for a SSVEP-BCI. In:
IEEE Int. Symp. on Industrial Electronics (ISIE 2014), 2014, Istambul. Proc. of the
IEEE Int. Symp. on Industrial Electronics, 2014. p. 1052-1055.
3. COTRINA-ATENCIO A. ; CASTILLO-GARCIA, J. ; BENEVIDES, A. ; LONGO,
B. B. ; FERREIRA, A. ; POMER-ESCHER, A. ; SOUZA, M. D. P. ; BASTOS
FILHO, T. F. . Computing Stress-Related Emotional State via Frontal Cortex Asymmetry to be Applied in Passive-ssBCI. In: 5th IEEE Biosignals and Biorobotics
Biorobotics Conference, 2014. p. 6 pg..
84
4. LONGO, B. B. ; BENEVIDES, A.; CASTILLO-GARCIA, J. ; BASTOS FILHO,

T. F. . Using Brain-Computer Interface to Control an Avatar in a Virtual Reality
Environment. In: 5th IEEE Biosignals and Biorobotics Conference (BRC 2014), 2014,
Salvador. Proc. of the 5th IEEE Biosignals and Biorobotics Conference, 2014. p. 6
pg..
5. CASTILLO-GARCIA, J. ; MULLER, S. ; CAICEDO, E. ; SOUZA, Alberto
Ferreira de ; BASTOS FILHO, T. F. . Proposal of a Brain Computer Interface to
Command an Autonomous Car. In: 5th IEEE Biosignals and Biorobotics Conference
(BRC 2014), 2014, Salvador. Proc. of the 5th IEEE Biosignals and Biorobotics
Conference, 2014. p. 6 pg..
6. DELISLE, D. ; CASTILLO-GARCIA, J.. ; BASTOS FILHO, T. F. ; FRIZERA
NETO, Anselmo ; DELIS, A. L. . Using Linear Discriminant Function to Detect Eyes
Closing Activities through Alpha Wave. In: 5th IEEE Biosignals and Biorobotics
Biorobotics Conference, 2014. p. 6 pg..
7. CASTILLO-GARCIA, J. ; MULLER, S. ; COTRINA-ATENCIO A. ; CAICEDO,
E. ; BASTOS FILHO, T. F. Comparison Among Feature Extraction Techniques Based
on Power Spectrum for a SSVEP-BCI. In: International Conference on Industrial
Informatics (INDIN2014), 2014, Porto Alegre. Proc. of the International Conference
on Industrial Informatics (INDIN2014), 2014. p. 1-6.
8. CASTILLO-GARCIA, J. ; COTRINA-ATENCIO A. ; BENEVIDES, Alessandro
Botti ; DELISLE, D. ; LONGO, B. B. ; CAICEDO, E. ; BASTOS FILHO, T. F. .
Adaptive BCI Based on Software Agents. In: 36th Annual International Conference
of the IEEE Engineering in Medicine and Biology Society (EMBC14), 2014, Chicago.
Proc. of the 36th Annual International Conference of the IEEE Engineering in
Medicine and Biology Society, 2014. p. 1-4.
9. COTRINA-ATENCIO A. ; BENEVIDES, Alessandro Botti ; FERREIRA, A. ;
BASTOS FILHO, T. F. ; CASTILLO-GARCIA, J.. ; Menezes, Maria Luiza ;
Pereira, Carlos . Towards an Architecture of a Hybrid BCI Based on SSVEP-BCI and
Passive-BCI. In: 36th Annual International Conference of the IEEE Engineering in
Medicine and Biology Society (EMBC14), 2014, Chicago. Proc. of the 36th Annual
International Conference of the IEEE Engineering in Medicine and Biology Society,
2014. v. 1. p. 1-4.
10. CASTILLO-GARCIA, J. ; CAICEDO, E. ; BASTOS FILHO, T. F. . Interfaz
Cerebro Computador Adaptativa Basada en Agentes de Software. In: Congresso
Brasileiro de Automtica, 2014, Belo Horizonte. Anais do Congresso Brasileiro de
Automtica, 2014. v. 1. p. 1-6.
85
11. COTRINA-ATENCIO A. ; BENEVIDES A. ; FERREIRA A. ; BASTOS FILHO

T. F. ; CASTILLO-GARCIA, J.. ; MENEZES M. ; PEREIRA C. Evaluation
of Emotional Components to Improve a SSVEP-BCI. In: Congresso Brasileiro de
Automtica, 2014, Belo Horizonte. Anais do Congresso Brasileiro de Automtica,
2014. p. 1-6.
12. COTRINA-ATENCIO A. ; CASTILLO-GARCIA, J. ; FERREIRA, A. ; BASTOS
FILHO, T. F. . Towards a SSVEP-BCI Based on Depth of Field. In: 6th International
Brain-Computer Interface Conference 2014, 2014, Graz. Proc. of the 6th International
Brain-Computer Interface Conference 2014, 2014. v. 1. p. 1-6.
13. DELISLE, D. ; CASTILLO-GARCIA, J. ; BASTOS FILHO T. F. ; FRIZERA
A. ; DELIS A. L. . Detection of Eyes Closing Activities through Alpha Wave by
VariabilityAnalysis. In: 6th International Brain-Computer Interface Conference 2014,
2014, Graz. Proc. of the 6th International Brain-Computer Interface Conference
2014, 2014. p. 1-6.
14. CASTILLO-GARCIA, J. ; CAICEDO, E. ; LONGO, B. B. ; FLORIANO, A.
; BASTOS FILHO, T. F. Motor Imagery Based on Wavelet Power Spectrum for
a Brain Computer Interface. In: Congresso Brasileiro de Engenharia Biomdica
(CBEB), 2014, Uberlndia. Anais do Congresso Brasileiro de Engenharia Biomdica
(CBEB), 2014. p. 4 pg.
15. GOULART, C. ; CASTILLO-GARCIA, J. ; TRAUERNICHT, M. ; Valado,
Carlos ; Eliete Maria de Oliveira Caldeira ; BASTOS FILHO, T. F. . Estudo de
Estados Emocionais e Mentais de Crianas com Autismo Baseado em EEG na
Interao com um Rob Mvel. In: Congresso Brasileiro de Engenharia Biomdica
(CBEB), 2014. p. 4 pg
16. LONGO, B. B. ; FLORIANO, A. ; CASTILLO-GARCIA, J. ; BASTOS FILHO,
T. F. . A Multi-Proposal Mobile EEG System. In: Congresso Brasileiro de Engenharia
Biomdica (CBEB), 2014, Uberlndia. Anais do Congresso Brasileiro de Engenharia
Biomdica (CBEB), 2014. p. 4 pg.
17. DELISLE D. ; PARRA C. ; CASTILLO-GARCIA, J. ; MORALES C. ; BASTOS
FILHO, T. F. ; FRIZERA A. ; DELIS A. L. Development of an EEG and sEMG
Wireless System for a Robotic Walker. In: Congresso Brasileiro de Engenharia
Biomdica (CBEB), 2014, Uberlndia. Anais do Congresso Brasileiro de Engenharia
Biomdica (CBEB), 2014. p. 4 pg.
18. FLORIANO, A. ; CASTILLO-GARCIA, J.. ; LONGO, B. B. ; BASTOS FILHO,
T. F. . Proposal of a Telepresence Robot Using Brain Computer Interface for People
86
with Motor Disabilities. In: Congresso Brasileiro de Engenharia Biomdica (CBEB),

2014, Uberlndia. Anais do Congresso Brasileiro de Engenharia Biomdica (CBEB),
2014. p. 4 pg.
19. POMER-ESCHER, A. ; Tello, Richard ; CASTILLO-GARCIA, J.. ; BASTOS
FILHO, T. F. . Analysis of Mental Fatigue in Motor Imagery and Emotional
Stimulation Based on EEG. In: Congresso Brasileiro de Engenharia Biomdica
(CBEB), 2014. p. 4 pg.
20. CASTILLO-GARCIA, J.. ; DELISLE, D. ; POMER-ESCHER, A. ; FRIZERA
NETO, Anselmo ; LIMA, E. R. ; BASTOS FILHO, T. F. . Neurofeedback Tool
to Improve the Onset Delay and Sequential Movements During Motor Tasks. In:
Congresso Brasileiro de Engenharia Biomdica (CBEB), 2014, Uberlndia. Anais do
Congresso Brasileiro de Engenharia Biomdica (CBEB), 2014. p. 4 pg.
21. COTRINA-ATENCIO A. ; CASTILLO-GARCIA, J.. ; BENEVIDES, A.; LONGO,
B. ; FERREIRA, A. ; BASTOS FILHO, T. Statistical Spectral Power Evaluation of
Alpha Rhythms for Hybrid-BCI. In: Congresso Brasileiro de Engenharia Biomdica
(CBEB), 2014. p. 4 pg.
22. LONGO, B. B. ; CASTILLO-GARCIA, J.. ; BASTOS FILHO, T. F. . Controle de
um Avatar em um Ambiente Virtual Baseado em uma Interface Crebro-Computador.
In: Congresso Brasileiro de Engenharia Biomdica (CBEB), 2014, Uberlndia. Anais
do Congresso Brasileiro de Engenharia Biomdica (CBEB), 2014. p. 4 pg.
23. CASTILLO-GARCIA, J.. ; LONGO, B. B. ; FLORIANO, A. ; CAICEDO, E. ;
BASTOS FILHO, T. F. Optimizacin de una Intefaz Cerebro Computador Basada en
Imaginera Motora Usando Emotiv Epoc. In: VI Jornadas AITADIS de Rehabilitacin
y Tecnologas de Apoyo a la Discapacidad, 2014, Asuncin. Memorias de las VI
Jornadas AITADIS de Rehabilitacin y Tecnologas de Apoyo a la Discapacidad,
2014. p. 4 pg.
24. CASTILLO-GARCIA, J.. ; DELISLE, D. ; POMER-ESCHER, A. ; CAICEDO,
E. ; FRIZERA A. ; LIMA, E. ; BASTOS FILHO, T. F. . Propuesta de una ICC como
Herramienta de Neuro-Realimentacin. In: VI Jornadas AITADIS de Rehabilitacin
y Tecnologas de Apoyo a la Discapacidad, 2014, Asuncin. Memorias de las VI
Jornadas AITADIS de Rehabilitacin y Tecnologas de Apoyo a la Discapacidad,
2014. p. 4 pg.
25. CASTILLO-GARCIA, J.. ; CAICEDO, E. ; BASTOS FILHO, T. F. ; CALDEIRA
E. ; SOUZA A. ; CHEEIN F. Propuesta de Interfaz Cerebro Computador para el
87
Comando de un Vehculo Autnomo. In: VII Congreso Iberoamericano de Tecnologas

de Apoyo a la Discapacidad - Iberdiscap 2013, 2013, Santo Domingo. Memorias del
VII Congreso Iberoamericano de Tecnologas de Apoyo a la Discapacidad - Iberdiscap
2013, 2013. p. 4 pg.
Resumos publicados em anais de congressos

1. GOULART, C. ; CASTILLO-GARCIA, J.. ; VALADO, CARLOS ; BASTOSFILHO, TEODIANO FREIRE. EEG Analysis and Mobile Robot as Tools for
Emotion Characterization in Autism. In: 5 Congresso Brasileiro de Biotecnologia,
2013, Florianpolis. Anais do 5o Congresso Brasileiro de Biotecnologia, 2013. p. 1.
Prmios
1. Travel Scholarship IEEE-INDIN2014, pelo artigo Comparison Among Feature
Extraction Techniques Based on Power Spectrum for a SSVEP-BCI.
2. Brain Computer Interface Competition no XXIV Congresso Brasileiro de Engenharia
Biomdica 2014, pelo artigo A Setup to a Novel SSVEP-BCI Stimulation
Based on Depth of Field
89
Bibliography
BELL, C. et al. Control of a humanoid robot by a noninvasive brain-computer interface in
humans. J Neural Eng, v. 2, p. 214220, 2008. Citado na pgina 63.
BENEVIDES, A.; BASTOS, T.; SARCINELLI, M. Pseudo-Online Classification of Mental
Tasks Using Kullback-Leibler Symmetric Divergence. Journal of Medical and Biological
Engineering., v. 32, n. 6, p. 411416, 2012. Citado na pgina 39.
BIN, G. et al. An online multi-channel SSVEP-based brain-computer interface using a
canonical correlation analysis method. Journal of neural engineering, v. 6, n. 4, 2009.
Citado na pgina 53.
BLAKELY, T. et al. Robust, long-term control of an electrocorticographic brain-computer
interface with fixed parameters. Neurosurgical Focus, v. 27, n. 1, p. E13, 2009. PMID:
19569888. Citado na pgina 33.
BONATO, F. et al. Multivariate objective response detectors (mord): Statistical tools for
multichannel eeg analysis during rhythmic stimulation. Annals of Biomedical Engineering,
Kluwer Academic Publishers-Plenum Publishers, v. 35, n. 3, p. 443452, 2007. ISSN
0090-6964. Disponvel em: <http://dx.doi.org/10.1007/s10439-006-9231-4>. Citado na
pgina 82.
BROGGI, A.; BERTOZZI, M.; FASCIOLI A. E CONTE, G. Automatic Vehicle Guidance:
The Experience of the ARGO Autonomous Vehicle. [S.l.]: World Scientific Publishing,
Singapore, 1999. Citado 2 vezes nas pginas 42 and 43.
BROUWER, A.; VAN, E.; JAN, B. A tactile p300 brain-computer interface. Frontiers in
Neuroscience, v. 4, n. 19, 2010. ISSN 1662-453X. Citado na pgina 35.
BROUWER, A.; VAN, J. A tactile P300 BCI and the optimal number of tactors: Effects
of target probability and discriminability. In: In: Proceedings of the 4th International
Brain- Computer Interface Workshop and Training Course 2008. Verlag der Technischen
Universitt Graz, Graz. [S.l.: s.n.], 2008. p. 280285. Citado na pgina 63.
CASTILLO-GARCIA, J. et al. Feature Extraction Techniques Based on Power Spectrum
for a SSVEP-BCI. 2014. IEEE Int. Symp. on Industrial Electronics (ISIE 2014). Citado
2 vezes nas pginas 38 and 52.
CASTILLO-GARCIA, J. et al. Proposal of a Brain Computer Interface to Command an
Autonomous Car. 2014. 5th IEEE Biosignals and Biorobotics Conference (BRC 2014).
Citado na pgina 39.
CHIAPPA, S.; BENGIO, S. Hmm and iohmm modeling of eeg rhythms for asynchronous
bci systems. In: European Symposium on Artificial Neural Networks ESANN. [S.l.: s.n.],
2004. IDIAP-RR 03-49. Citado na pgina 38.
CHOSET, H. et al. Principles of Robot Motion. [S.l.]: Cambridge University Press, 2005.
Citado na pgina 42.
90
Bibliography
COHEN, J. A coefficient of agreement for nominal scales. Educ Psychol Meas., v. 20, p.
3746, 1960. Citado na pgina 60.
COTRINA-ATENCIO, A. et al. Towards an Architecture of a Hybrid BCI Based on
SSVEP-BCI and Passive-BCI. 2014. 36th Annual International Conference of the IEEE
Engineering in Medicine and Biology Society (EMBC14). Citado na pgina 64.
COVOLAN R.AND ARAUJO, D.; SANTOS, A.; CENDES, F. Ressonncia magntica
funcional: as funes do cerbro reveladas por spins nucleares. Cincia e Cultura, scielocec,
v. 56, p. 40 42, 01 2004. ISSN 0009-6725. Citado na pgina 33.
DELISLE-RODRIGUEZ, D. et al. Detection of Eyes Closing Activities through Alpha
Wave by VariabilityAnalysis. 2014. 6th International Brain-Computer Interface Conference
(Graz 2014). Citado na pgina 58.
DELISLE-RODRIGUEZ, D. et al. Using Linear Discriminant Function to Detect Eyes
Closing Activities through Alpha Wave. 2014. 5th IEEE Biosignals and Biorobotics
Conference (BRC 2014). Citado na pgina 58.
DICKMANNS, E. et al. The seeing passenger car VaMoRs-P. 1994. Citado na pgina
43.
EKLUND, A. et al. A brain computer interface for communication using real-time fmri.
In: Pattern Recognition (ICPR), 2010 20th International Conference on. [S.l.: s.n.], 2010.
p. 36653669. ISSN 1051-4651. Citado na pgina 33.
ESCUDERO, F. A. et al. Registro de seales de eeg para aplicaciones de interfaz cerebro
computadora (icc) basado en potenciales evocados visuales de estado estacionario (pevee).
In: MLLER-KARGER, C.; WONG, S.; CRUZ, A. L. (Ed.). IV Latin American Congress
on Biomedical Engineering 2007, Bioengineering Solutions for Latin America Health.
[S.l.]: Springer Berlin Heidelberg, 2008, (IFMBE Proceedings, v. 18). p. 8790. ISBN
978-3-540-74470-2. Citado na pgina 33.
FARWELL, L.; DONCHIN, E. Talking off the top of your head: Toward a mental
prosthesis utilizing event-related brain potentials. Electroencephalography and Clinical
Neurophysiology, v. 70, p. 510523, 1988. Citado na pgina 36.
FELTON, E. A. et al. Electrocorticographically controlled braincomputer interfaces
using motor and sensory imagery in patients with temporary subdural electrode implants.
Journal of Neurosurgery, v. 106, n. 3, p. 495500, 2007. Citado na pgina 33.
FERREIRA, A. et al. Improvements of a Brain-Computer Interface Applied to a Robotic
Wheelchair. In: Ana Fred; Joaquim Filipe; Hugo Gamboa. (Org.). Biomedical Engineering
Systems and Technologies. Berlim: Springer Berlin Heidelberg, v. 52, p. 6473, 2009.
Citado 4 vezes nas pginas 35, 58, 63, and 73.
FERREZ, P.; MILLN, J. EEG-Based Brain-Computer Interaction: Improved Accuracy
by Automatic Single-Trial Error Detection. In: Advances in Neural Information Processing
Systems 21. [S.l.: s.n.], 2007. Citado na pgina 35.
FRIMAN, O.; VOLOSYAK, I.; GRASER, A. Multiple channel detection of steady-state
visual evoked potentials for brain-computer interfaces. Biomedical Engineering, IEEE
Transactions on, v. 54, n. 4, p. 742750, April 2007. Citado na pgina 51.
Bibliography
91
GAERTNER, N.; THIRION, B. GRAFCET: an analysis pattern for Even Driven

Real-time Systems. Proceedings of PLoP 1999, p. 111, 1999. Citado na pgina 66.
GAGE, D. UGV History 101: A Brief History of Unmanned Ground Vehicle (UGV)
Development Efforts. [S.l.]: In: Unmanned Systems Magazine, 1995. Citado na pgina 43.
GLAN, F. et al. A brain-actuated wheelchair: Asynchronous and non-invasive
braincomputer interfaces for continuous control of robots. Clinical Neurophysiology,
v. 119, n. 9, p. 2159 2169, 2008. ISSN 1388-2457. Citado 2 vezes nas pginas 36 and 63.
GONALVES, M. Algoritmo A Estrela de estado hbrido aplicado navegao autnoma
de veculos. Dissertao (Mestrado) Progama de Ps-graduao em Informtica, revised
4 oct/2014. 2013. Citado na pgina 64.
GRAIMANN, B.; ALLISON, B.; PFURTSCHELLER, G. Revolutionizing human-computer
interaction. In:
. [S.l.]: Springer-Verlag, 2010. cap. Brain-Computer Interface: A
Gentle Introduction, p. 128. Citado 4 vezes nas pginas 17, 33, 35, and 37.
GHRING, D. et al. Semi-autonomous car control using brain computer interfaces. In:
LEE, S. et al. (Ed.). Intelligent Autonomous Systems 12. [S.l.]: Springer Berlin Heidelberg,
2013, (Advances in Intelligent Systems and Computing, v. 194). p. 393408. ISBN
978-3-642-33931-8. Citado na pgina 63.
HAZRATI, M. K.; ERFANIAN, A. An online eeg-based braincomputer interface for
controlling hand grasp using an adaptive probabilistic neural network. Medical Engineering
& Physics, v. 32, n. 7, p. 730 739, 2010. ISSN 1350-4533. Citado na pgina 39.
HOHNE, J. et al. Two-dimensional auditory p300 speller with predictive text system.
Conf Proc IEEE Eng Med Biol Soc., p. 41858, 2010. Citado na pgina 35.
HOHPE, G.; WOOLF, B. Enterprise Integration Patterns: Designing, Building, and
Deploying Messaging Solutions. [S.l.]: Addison - Weley Professional, 2003. Citado na
pgina 49.
ITURRATE, I. et al. A noninvasive brain-actuated wheelchair based on a p300
neurophysiological protocol and automated navigation. Robotics, IEEE Transactions on,
v. 25, n. 3, p. 614627, June 2009. ISSN 1552-3098. Citado na pgina 35.
ITURRATE, I.; MONTESANO, L.; MINGUEZ, J. Robot reinforcement learning using
eeg-based reward signals. In: Robotics and Automation (ICRA), 2010 IEEE International
Conference on. [S.l.: s.n.], 2010. p. 48224829. ISSN 1050-4729. Citado na pgina 35.
JAMES, R. Inter Process Communication - A Reference Manual. 2011. Citado na pgina
48.
JAPKOWICZ, N.; SHAH, M. Evaluation Learning Algorithms a Classification Perspective.
1. ed. 32 Avenue of the Americas , New York: Cambridge University Press, 2011. 110
125 p. ISBN 978-0-521-19600-0. Citado 2 vezes nas pginas 60 and 76.
KAPER, M. et al. Bci competition 2003-data set iib: support vector machines for the
p300 speller paradigm. Biomedical Engineering, IEEE Transactions on, v. 51, n. 6, p.
10731076, June 2004. ISSN 0018-9294. Citado na pgina 38.
92
Bibliography
KARIM, A. et al. Neural internet: Web surfing with brain potentials for the completely
paralyzed. Neurorehabilitation and Neural Repair, v. 20, n. 4, p. 508515, 2006. Citado
na pgina 35.
KAUHANEN, L.; NYKOPP, T.; SAMS, M. Classification of single {MEG} trials related
to left and right index finger movements. Clinical Neurophysiology, v. 117, n. 2, p. 430
439, 2006. ISSN 1388-2457. Citado na pgina 33.
LEEB R.AND KEINRATH, C. et al. Walking by thinking: the brainwaves are crucial, not
muscles! Presence: Teleop virtural Environ, v. 5, p. 500514, 2006. Citado na pgina 63.
LOBO, F. Sistemas e veculos Autnomos - Aplicaes na Defensa. Dissertao (Mestrado)
Faculdade de Engenharia da Universidade do Porto, revised 4 sep/2013. 2005. Citado
na pgina 29.
MA, Z.; GAO, X.; GAO, S. Enhanced P300-based cursor movement control. Lecture Notes
in Computer Science (including subseries Lecture Notes in Artificial Intelligence and
Lecture Notes in Bioinformatics). LNAI, v. 4565, p. 120126. ., 2007. Citado na pgina
63.
MARTINEZ, P.; BAKARDJIAN, H.; CICHOCKI, A. Fully online multicommand
brain-computer interface with visual neurofeedback using SSVEP paradigm. Comput
Intell Neurosci, 2007. Citado na pgina 63.
MCFARLAND, D. et al. Emulation of computer mouse control with a noninvasive
brain-computer interface. J Neural Eng, v. 2, p. 101110, 2008. Citado na pgina 63.
MELCHIOR, N.; SMART, W. A framework for robust mobile robot systems. 2004.
145-154 p. Citado na pgina 48.
MELLINGER, J. J. et al. An meg-based braincomputer interface (bci). NeuroImage,
v. 36, n. 3, p. 581 593, 2007. ISSN 1053-8119. Citado na pgina 33.
MICHEL, C.; BRANDEIS, D. Simultaneous EEG and fMRI: Recording, Analysis, and
Application. In:
. [S.l.]: Oxford University Press, 2010. cap. Physiological Basics of
EEG and fMRI, p. 319. Citado na pgina 33.
MILLN, J. et al. Noninvasive brain-actuated control of a mobile robot by human EEG.
IEEE transactions on bio-medical engineering, v. 51, n. 6, p. 10261033, 2004. Citado 4
vezes nas pginas 33, 36, 60, and 63.
MONTEMERLO, M.; ROY, N.; THRUN, S. Perspectives on standardization in mobile
robot programming: the carnegie mellon navigation (carmen) toolkit. In: IROS03. [S.l.:
s.n.], 2003. p. 24362441. Citado na pgina 48.
MONTERMELO, M. et al. Junior: The Stanford Entry in the Urban Challenge. [S.l.]:
The DARPA Urban Challenge: Springer Tracts in Robotics Advance, 2009. 91-123 p.
Citado na pgina 44.
MULLER, S.; BASTOS-FILHO, T.; SARCINELLI-FILHO, M. Incremental ssvep analysis
for bci implementation. In: Engineering in Medicine and Biology Society (EMBC), 2010
Annual International Conference of the IEEE. [S.l.: s.n.], 2010. p. 33333336. Citado na
pgina 51.
Bibliography
93
MLLER, S.; BASTOS, T.; SARCINELLI, M. Proposal of a SSVEP-BCI to Command a

Robotic Wheelchair. Journal of Control, Automation and Electrical Systems, v. 24, p.
97105, 2013. Citado 7 vezes nas pginas 17, 29, 31, 35, 38, 63, and 73.
NICOLAS-ALONSO, L.; GOMEZ-GIL, J. Brain computer interfaces, a review.
Sensors, v. 12, n. 2, p. 12111279, 2012. ISSN 1424-8220. Disponvel em:
<http://www.mdpi.com/1424-8220/12/2/1211>. Citado 2 vezes nas pginas 33 and 51.
OZGUNER U.AND STILLER, C.; REDMILL, K. Systems for Safety and Autonomous
Behavior in Cars: The DARPA Grand Challenge Experience. [S.l.]: Proceedings of IEEE,
2007. 397-412 p. Citado na pgina 43.
PENNY, W.; ROBERTS, S. Eeg-based communication via dynamic neural network
models. In: Neural Networks, 1999. IJCNN 99. International Joint Conference on. [S.l.:
s.n.], 1999. v. 5, p. 35863590 vol.5. ISSN 1098-7576. Citado na pgina 38.
PFURTSCHELLER, G. et al. Walking from thought. Cognitive Brain Research, v. 1, p.
145152, 2006. Citado 2 vezes nas pginas 36 and 63.
PIRES, G.; CASTELO-BRANCO, M.; NUNES, U. Visual P300-based BCI to steer
a wheelchair: A Bayesian approach. In: Proceedings of the 30th Annual International
Conference of the IEEE Engineering in Medicine and Biology Society, EMBS08
Personalized Healthcare through Technology art no 4649238. [S.l.: s.n.], 2008. p. 658661.
Citado na pgina 63.
POMERLEAU, D. Ralph: Rapidly adapting lateral position handler. [S.l.]: In: IEEE
Symposium on Intelligent Vehicles, 1995. 506 - 511 p. Citado na pgina 43.
RAMOS, R. Planejamento de movimento para veculos convencionais usando
Rapidly-Explorng Random Tree. Dissertao (Mestrado) Progama de Ps-graduao
em Informtica, revised 4 oct/2014. 2013. Citado na pgina 64.
RON, R.; DAZ, A.; VELASCO, F. A two-class brain computer interface to freely navigate
through virtual worlds (Ein Zwei-Klassen-Brain-Computer-Interface zur freien Navigation
durch virtuelle Welten). Biomed Tech 54:, v. 3, p. 126133, 2009. Citado na pgina 63.
SCHERER, R. et al. Non-invasive brain-computer interfaces: Enhanced gaming and
robotic control. In: CABESTANY, J.; ROJAS, I.; JOYA, G. (Ed.). Advances in
Computational Intelligence. [S.l.]: Springer Berlin Heidelberg, 2011, (Lecture Notes in
Computer Science, v. 6691). p. 362369. ISBN 978-3-642-21500-1. Citado na pgina 36.
TANAKA, T.; ZHANG, C.; HIGASHI, H. SSVEP Frequency detection methods
considering background EEG. IEEE SCIS-ISIS, p. 2024, 2012. Citado 2 vezes nas
pginas 51 and 56.
THRUN, S. et al. Stanley: The Robot that Won the DARPA Challenge. 2006. 661692 p.
Citado 2 vezes nas pginas 43 and 44.
THURLING, M. et al. Brain-computer interfain applying our minds to human-computer
interaction. In:
. [S.l.]: Springer, 2010. cap. EEG-Based Navigation form a Human
Factors Perspective, p. 99105. Citado 3 vezes nas pginas 17, 41, and 42.
94
Bibliography
TIBSHIRANI, R. REGRESSION SHRINKAGE AND SELECTION VIA THE LASSO.

Journal aof the Royal Statistical Society. Series B (Methodological)., v. 58, p. 267288,
1996. Citado na pgina 53.
TONIN, L. et al. The role of shared-control in bci-based telepresence. In: Systems Man
and Cybernetics (SMC), 2010 IEEE International Conference on. [S.l.: s.n.], 2010. p.
14621466. ISSN 1062-922X. Citado na pgina 35.
TREJO, L.; ROSIPAL, R.; MATTHEWS, B. Brain-computer interfaces for 1-D and 2-D
cursor control: designs using volitional control of the EEG spectrum or steady-state visual
evoked potentials. IEEE transactions on neural systems and rehabilitation engineering :
a publication of the IEEE Engineering in Medicine and Biology Society, v. 14, n. 2, p.
225229, 2006. Citado na pgina 63.
TSUGAWA, S. Vision-based vehicles in Japan: Machine Vision Systems and Driving
Control-Systems. 1994. Citado na pgina 42.
VALBUENA, D. et al. BRAIN-COMPUTER INTERFACE FOR HIGH-LEVEL
CONTROL OF REHABILITATION ROBOTIC SYSTEMS. IEEE 10th International
Conference on Rehabilitation Robotics, ICORR 07, art no 4428489,, p. 619625, 2007.
Citado na pgina 63.
VIDAL, J. Toward direct brain-computer communication. Annual review of biophysics
and bioengineering, v. 2, p. 157180, 1973. Citado na pgina 36.
WEI, Q.; XIAO, M.; LU, Z. A Comparative Study of Canonical Correlation Analysis and
Power spectral Density analysis for SSVEP detection. Third International Conference on
Intelligent Human-Machine Systems and Cybernetics, p. 710, 2011. Citado na pgina 53.
WOLPAW, J. et al. Brain-computer interfaces for communication and control.
Clinical neurophysiology : official journal of the International Federation of Clinical
Neurophysiology, v. 113, n. 6, p. 767791, 2002. Citado na pgina 29.
WOLPAW, J.; DENNIS, M. Control of a two-dimensional movement signal by a
noninvasive brain-computer interface in humans. Proceedings of the National Academy of
Sciences of the United States of America, v. 101, n. 51, p. 1784917854, 2004. Citado 2
vezes nas pginas 33 and 36.
ZHANG, Y. et al. Multivariate synchronization index for frequency recognition of
ssvep-based braincomputer interface. Journal of Neuroscience Methods, v. 221, n. 0, p.
32 40, 2014. ISSN 0165-0270. Citado na pgina 54.
Annex
97
ANNEX A GRAFCET
0
A0
=1
=1
1
10
A=B
C=5
12
A3
4x
A=B
Menu=2
4a
8x
A8
Menu=1
6x
=1
A5
C=5
A10
=1
A1
t=1s
=1
3a
A2
=1
A4
3x
A7
=1
7x
A<B
ICC-Hbrida
11
C=5
A3
=1
2a
A1
A0=
A1=
A2=
A3=
A4=
A5=
A6=
A7=
A8=
A9=
A10=
Aes
Setup
Share
Read
C=C+1;A;B;
C=1
MSI1
MSI2
Reclassication
Send; O=1
C=1;Next
Turn on ;Menu
Turn of f ; Save
SSVEP
Figure 28 Representao GRAFCET da interface hbrida quando ocorre o evento de

fechar e abrir os olhos.
98
ANNEX A. GRAFCET
A0
=1
=1
1
10
A=B
C=5
12
A3
4x
A=B
Menu=2
4a
8x
A8
Menu=1
6x
=1
A5
C=5
A10
=1
A1
t=1s
=1
3a
A2
=1
A4
3x
A7
=1
7x
A<B
ICC-Hbrida
11
C=5
A3
=1
2a
A1
A0=
A1=
A2=
A3=
A4=
A5=
A6=
A7=
A8=
A9=
A10=
Aes
Setup
Share
Read
C=C+1;A;B;
C=1
MSI1
MSI2
Reclassication
Send; O=1
C=1;Next
Turn on ;Menu
Turn of f ; Save
SSVEP
Figure 29 Representao GRAFCET da interface hbrida da execuo da rotina SSVEP.
99
A0
=1
=1
1
10
A=B
C=5
12
A3
4x
A=B
Menu=2
4a
8x
A8
Menu=1
6x
=1
A5
C=5
A10
=1
A1
t=1s
=1
3a
A2
=1
A4
3x
A7
=1
7x
A<B
ICC-Hbrida
11
C=5
A3
=1
2a
A1
A0=
A1=
A2=
A3=
A4=
A5=
A6=
A7=
A8=
A9=
A10=
Aes
Setup
Share
Read
C=C+1;A;B;
C=1
MSI1
MSI2
Reclassication
Send; O=1
C=1;Next
Turn on ;Menu
Turn of f ; Save
SSVEP
Figure 30 Representao GRAFCET da interface hbrida quando ocorre um evento de

fechar e abrir os olhos durante a execuo da rotina SSVEP.
101
ANNEX B Emotiv Certificado de

Conformidade
TCB
TCB
GRANT OF EQUIPMENT
AUTHORIZATION
Certification
Issued Under the Authority of the
Federal Communications Commission
By:
Compliance Certification Services
47173 Benicia Street
Fremont, CA 94538
Date of Grant: 04/28/2010

Application Dated: 04/28/2010
Emotiv Systems Inc

199 New Montgomery Street
Suite 1202
San Francisco, CA 94105
Attention: Geoffrey Mackellar , Research Manager
NOT TRANSFERABLE
EQUIPMENT AUTHORIZATION is hereby issued to the named GRANTEE,
and is VALID ONLY for the equipment identified hereon for use under the
Commission's Rules and Regulations listed below.
FCC IDENTIFIER: XUE-EPOC01
Name of Grantee: Emotiv Systems
Grant Notes
Inc
Equipment Class: Part 15 Low Power Transceiver, Rx Verified

Notes:
Wireless EEG Headset for PC Interface and
Gaming
Frequency
Output
Frequency
Range (MHZ)
Watts
Tolerance
FCC Rule Parts
15C
2402.0 - 2480.0
Emission
Designator
103
ANNEX C Convite para Participar de um

Projeto de Pesquisa
INFORMAO SOBRE O PROJETO DE PESQUISA
Ttulo do Projeto de Pesquisa: INTERFACE CREBRO COMPUTADOR
PARA O COMANDO DE UM VECULO AUTNOMO
Pesquisadores Envolvidos:
Prof. Dr. Teodiano Freire Bastos Filho (Coordenador do Projeto de Pesquisa,
Tel.:4009-2077)
Javier Castillo, M.Sc. (Estudante de Mestrado, Tel.: 27-99187583)
Prezado(a) Senhor(a),
Voc est sendo convidado a participar de um Projeto de Pesquisa que ser pelo
Laboratrio de Automao Inteligente (LAI) da UFES. Este formulrio descreve o Projeto
de Pesquisa em uma linguagem direta. Por favor, leia este formulrio cuidadosamente e
certifique que voc e entendeu o seu contedo antes de decidir participar. Se voc tiver
qualquer dvida em relao ao ao Projeto, por favor, pergunte a um dos pesquisadores do
mesmo.
Quem est envolvido neste Projeto de Pesquisa? Por que ele est sendo
realizado? Neste Projeto de Pesquisa esto envolvidos o Prof. Dr. Teodiano Freire Bastos,
do Departamento de Engenharia Eltrica da UFES, Coordenador do Projeto, e Javier
Castillo, estudante de mestrado do Programa de Ps-Graduao em Engenharia Eltrica
da UFES e orientado pelo Prof. Dr. Teodiano Freire Bastos. Este Projeto de Pesquisa est
sendo realizado comandar a um veculo autnomo atravs de sinais cerebrais.
Por que voc foi escolhido? Voc foi escolhido porque inicialmente o sistema
vai ser otimizado antes de ser utilizado pelos potenciais usurios.
Sobre o qu o Projeto de Pesquisa? Qual o objetivo da pesquisa? O
Projeto de pesquisa um estudo sobre potenciais evocados visuais para aplicao em um
veculo autnomo comandado por sinais cerebrais. O objetivo da pesquisa conseguir
enviar ao veculo comandos de alto nvel (escolha de lugares onde ir) atravs de sinais
cerebrais.
Se eu concordar em participar, o que eu preciso fazer? Para participar da
pesquisa, sero inicialmente colocados catorze eletrodos (com auxlio de um gorro) na
104
ANNEX C. Convite para Participar de um Projeto de Pesquisa
superfcie da cabea, alm das orelhas, e ser aplicado uma soluo salina de acoplamento
aos eletrodos. Em seguida voc se sentar em frente a um monitor de computador. Voc
ser instrudo a no se mover e manter ambos os braos relaxados.
Um sinal sonoro indicar ento que o experimento comear. Aparecer ento na
tela do computador uns retngulos pretos e brancos que iro piscar a uma determinada
frequncia. Os valores da frequncia de piscada iro variar de 5 at 8 Hz.
Quais so os riscos envolvidos na minha participao? No h qualquer
risco envolvido, pois sero utilizados eletrodos e equipamentos normalmente utilizados na
coleta de dados de sinais cerebrais.
Quais so os benefcios associados com a minha participao? Os benefcios com a sua participao so que voc estar contribuindo para que seja desenvolvido
um veculo autnomo que posse ser conduzido por sinais cerebrais.
O que acontecer com a informao que eu fornecerei? A informao que
voc fornecer durante a realizao das pesquisas no ser utilizada para que voc seja
identificado, a no ser por deciso judicial ou por uma ordem expressa sua.
Quais so os meus direitos como participante? Os direitos que voc tem
como participante desta pesquisa so os seguintes:
1. Direito de desistir de participar, em qualquer momento, sem prejuzo para voc.

2. Direito de ter qualquer informao sobre a sua participao destruda, se voc
considerar que ela pode ser utilizada para te identificar ou se voc considerar que os
experimentos representam riscos para sua.
3. Direito de ter todas as suas dvidas esclarecidas, em qualquer momento.
Quem eu deveria procurar, se eu tiver qualquer dvida? Teodiano Freire

Bastos Filho (Tel.: 4009-2077, E-mail: teodiano@ele.ufes.br) ou Javier Castillo (Tel.:
2799187583, E-mail: javier.castillo@aluno.ufes.br)
Sobre quais outros aspectos eu deveria ser informado se eu decidir participar? Esta pesquisa no apresenta qualquer risco para os participantes, pois envolve o
uso de eletrodos e equipamentos geralmente utilizados em captao de sinais cerebrais.
Alm disso, os experimentos envolvem procedimentos no-invasivos e o equipamento que
ser utilizado para adquirir os sinais cerebrais um equipamento comercial que atende
a requerimentos de segurana. Todos os dados obtidos durante os experimentos sero
gravados de tal forma que os participantes no so e no podero ser identificados.
105
Atenciosamente,
Prof. Dr. Teodiano Freire Bastos

(Coordenador do Projeto de Pesquisa)
Javier Castillo (Estudante de Mestrado)
107
ANNEX D Termo de Consentimento Livre

e Esclarecido
NOME DO PACIENTE:
DATA DE NASCIMENTO:
RESPONSVEL:
ENDEREO:
TELEFONE:
Eu,
do registro e identidade nmero
pelo paciente
as afirmaes abaixo relacionadas:
, portador(a)
, responsvel
, declaro que li e concordo com
1. Ttulo da Pesquisa: INTERFACE CREBRO COMPUTADOR PARA O COMANDO DE UM VECULO AUTNOMO.

2. Pesquisadores Responsveis: Dr. Teodiano Freire Bastos Filho e Javier Castillo, M.Sc.
3. A pesquisa consiste na aquisio de sinais eletroencefalogrficos (impulsos eltricos
gerados no crtex cerebral).
4. A pesqisa ser realizada com os sinais captados do crtex cerebral, atravs de
equipamento comercial para aquisio de sinais cerebrais.
5. A pesquisa envolve risco mnimo, pois o exame realizado no requer sedao ou
anestesia, bem como no envolve qualquer procedimento invasivo.
6. Terei direito a desistir de participar da pesquisa a qualquer momento sem que isto
traga prejuzos a mim ou pessoa sob a minha responsabilidade.
7. Terei direito a todas as informaes pertinentes pesquisa, mesmo que isto comprometa a minha participao na mesma.
8. Autorizo a divulgao e publicao dos resultados dos exames exclusivamente para
fins acadmicos e cientficos.
Confirmo que li e entendi todas as instrues que me foram repassadas pelos
coordenadores desta pesquisa e, portanto, dou meu consentimento livre e esclarecido para
participar da mesma.
108
ANNEX D. Termo de Consentimento Livre e Esclarecido
Vitria,
de
Paciente ou Responsvel
Pesquisador Responsvel
de 2014.
109
Index
Aes, 64
Acurcia, 60
Adaptativo, 59
Alfa, 58
ALS, 80
Assncronas, 36
Ativao, 57
BCI, 33
Bioeltrica, 29
Kappa, 60
LASSO, 54
Ligaes orientadas, 64
Mediana, 59
Medidas de desempenho, 59
MEG, 33
MSI, 54
Navegao, 61
CCA, 52
Comando, 41
Controle, 41
Off-line, 71
On-line, 74
Desativao, 57
PET, 33
Planejamento, 41
PSDA, 51
ECoG, 33
EEG, 29
endgenas, 33
ERD, 58
Especificidade, 60
Etapa, 64
Evocados, 35
exgenas, 33
fMRI, 33
Franqueio, 65
GRAFCET, 64
H-PSDA-CCA, 55
Hbrido, 55
IARA, 46
ICC, 29
ICC-Hibrida, 61
ICC-SSVEP, 51
Interface, 29
ITR, 60
Receptividades, 64
Reclassificaa, 56
Regras de evoluo, 64
Sncronas, 35
Sensibilidade, 60
SFC, 64
SSVEP, 29
Transformada Fourier, 51
Transformada Hilbert, 58
Transies, 64
Veculo Autnomo, 29

Controlling An Autonomous Car Through A Brain Computer Interface

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Controlling An Autonomous Car Through A Brain Computer Interface

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE FEDERAL DO ESPRITO SANTO

JAVIER FERNEY CASTILLO GARCIA

INTERFACE CREBRO COMPUTADOR

JAVIER FERNEY CASTILLO GARCIA

INTERFACE CREBRO COMPUTADOR BASEADA EM

Universidade Federal do Esprito Santo UFES

Supervisor: Prof. Dr. Teodiano Freire Bastos Filho

Dados Internacionais de Catalogao-na-publicao (CIP)

Garcia, Javier Ferney Castillo, 1978G216i

JAVIER FERNEY CASTILLO GARCIA

INTERFACE CREBRO COMPUTADOR BASEADA EM

Prof. Dr. Teodiano Freire Bastos Filho

Prof. Andr Ferreira

Profa. Sandra Mara Mller

Prof. Leonardo Bonato Flix

Este trabalho dedicado a Deus pela

Nomes dos integrantes do Laboratrio de Automao Inteligente (LAI2)

Desconocemos tanto del mundo, que cada

Key-words: SSVEP, BCI, Hybrid-BCI, Autonomous Car.

Figure 4 Protocolo 10/20, sobre a disposio dos eletrodos. . . . . . . . . . . . . 38

Figure 10 Representao de memria compartilhada. . . . . . . . . . . . . . . . . 49

Figure 25 Taxa de transmisso de informao (ITR) dos classificadores utilizados

List of abbreviations and acronyms

Brain Computer Interface

Carnegie Mellon Navigation

Canonical Correlation Analysis

Event Related Desynchronization

Event Related Sysnchronization

Fast Fourier Transform

Functional Magnetic Resonance Imaging

Global Positioning System

Graphe Fonctionnel de Commande, tapes Transitions

Hybrid Power Density and Canonical Correlation Analysis

Intelligent Autonomous Robotic Automobile

Interface Crebro-Computador Hbrida

Interface Crebro Computador baseada SSVEP

International Electrotechnical Commission

Information Transfer Rate

Least Absolute Shrinkage and Selection Operator

Multivariate Sysnchronization Index

Near Infrared Spectroscopy

Positron Emission Tomography

Power Spectral Density Analysis

Slow Cortical Potential

Sequential Function Chart

Service Oriented Arquitecture

Steady State Visual Evoked Potential

Letra grega minscula alfa

Letra grega minscula beta

Letra grega minscula zeta

Letra grega minscula epsilon

INTERFACES CREBRO COMPUTADOR . . . . . . . . . . . . . . 33

Abordagens para a aquisio e processamento de sinais EEG . . . . 36

Tcnicas de processamento de sinais . . . . . . . . . . . . . . . . . . 37

Generalidades sobre Veculos Autnomos . . . . . . . . . . . . . . . . 41

Estado-da-arte dos Veculos Autnomos . . . . . . . . . . . . . . . . 41

Pesquisas em VATs no Brasil . . . . . . . . . . . . . . . . . . . . . . . . 44

O Veculo Autnomo IARA . . . . . . . . . . . . . . . . . . . . . . . . . . 46

Plataforma software CARMEN toolkit . . . . . . . . . . . . . . . . . . . 47

Comunicao entre processos (IPC)

ICC-SSVEP PARA O CARRO AUTNOMO . . . . . . . . . . . . . 51

Anlise da Densidade Espectral de Potncia (PSDA)

Anlise Cannica de Correlao (CCA)