See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/337732990

AVALIAÇÃO DO LEVANTAMENTO AÉREO DE DEFEITOS EM PAVIMENTOS

ASFÁLTICOS URBANOS

Conference Paper · November 2019

CITATIONS READS

0 21

3 authors:

Paulo Lima Francisco Heber Lacerda de Oliveira

Universidade Federal do Ceará Universidade Federal do Ceará
5 PUBLICATIONS   3 CITATIONS    134 PUBLICATIONS   34 CITATIONS   

SEE PROFILE SEE PROFILE

Arielle Elias Arantes

Universidade Federal do Ceará
14 PUBLICATIONS   145 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Melhoramento de solos para pavimentação rodoviária. View project

Gerência de pavimentos aeroportuários View project

All content following this page was uploaded by Francisco Heber Lacerda de Oliveira on 04 December 2019.

The user has requested enhancement of the downloaded file.

 AVALIAÇÃO DO LEVANTAMENTO AÉREO DE DEFEITOS EM
PAVIMENTOS ASFÁLTICOS URBANOS
Paulo de Souza Lima Neto1, Francisco Heber Lacerda de Oliveira2,
Arielle Elias Arantes3
1
Universidade Federal do Ceará, Fortaleza, Brasil, paulodesouza@det.ufc.br
2
Universidade Federal do Ceará, Fortaleza, Brasil, heber@det.ufc.br
3
Universidade Federal do Ceará, Fortaleza, Brasil, aearantes@det.ufc.br

Resumo

O emprego de Veículos Aéreos Remotamente Pilotados (RPAs) está em ascendência em diversas áreas
de pesquisa e sua utilização como ferramenta para obtenção de imagens fotogramétricas é uma realidade
no contexto da Engenharia de Transportes. Nesse sentido, o objetivo deste artigo é avaliar o potencial de
um RPA quadrirrotor, modelo Phantom 4 pro, para identificar e mensurar os defeitos do tipo buracos e
remendos em pavimentos asfálticos urbanos, comparando os resultados obtidos em levantamentos
realizados em quatro alturas de voo (30, 40, 50 e 60 m), processados com e sem a utilização de pontos de
controle, com medidas de largura e comprimento efetuadas in loco. Para isso, foram utilizados um
software de plano de voo e outro de processamento das imagens e geração dos ortomosaicos em um
trecho de 400 m de uma via da cidade de Fortaleza, Nordeste do Brasil. Mesmo com a movimentação
viária da localidade, os resultados foram satisfatórios, com erros percentuais menores que 5%, sendo
que os erros nas medidas de largura e comprimento dos defeitos nos revestimentos foram maiores para
alturas de 50 e 60 m e menores para os levantamentos com o uso de pontos de controle se comparado
aos sem pontos de controle. Com esta pesquisa espera-se demonstrar que o uso de RPAs para
levantamentos aéreos de defeitos em pavimentos urbanos é uma ferramenta promissora para o
diagnóstico das condições superficiais de revestimentos asfálticos.

Palavras-chave: RPAs; Vias Urbanas; Defeitos; Fotogrametria.

1 Introdução

Como principal modo de transporte do País, as rodovias brasileiras devem estar em análise constante,
sendo verificado continuadamente seu estado de conservação para que os usuários possam utilizá-las de
uma forma mais segura, com maior conforto e menor custo operacional. Segundo [1], o Brasil possui
uma malha rodoviária total de 1.720.700 km, representando 61% da movimentação anual de cargas e
95% da de passageiros, dessa malha, apenas 12,4% é pavimentada. Além disso, 57% das rodovias
estaduais e federais analisadas apresentavam algum problema no pavimento, sinalização ou geometria.
Devido à má condição da malha rodoviária, [1] verificou ainda que o custo operacional de transporte
de cargas pode ter um aumento entre 18,8% e 91,5%, dependendo da condição da rodovia. Estes custos
podem ser incrementados devido ao gasto desnecessário de combustível e troca precoce de peças e
pneus, devido ao esforço excessivo causado pela má condição da via. Além dessa problemática, o mau
estado de conservação das rodovias causa vários acidentes de alto custo ao governo.
Desta forma, os defeitos de pavimentos devem ser gerenciados de forma que não proporcionem riscos
e maiores custos aos usuários. Existem alguns métodos para levantamento de defeitos de pavimentos
como: avaliação objetiva e subjetiva da superfície, levantamento visual contínuo, Pavement Condition
Index, entre outros. Todavia, a maioria desses ou demanda bastante tempo e custo ou são bastante
subjetivos, existindo uma certa imprecisão nos levantamentos.
Para que seja possível diminuir a quantidade de tempo, custos e erros dos levantamentos de defeitos
em pavimentos, deve-se aplicar e estudar novas tecnologias presentes na atualidade. Uma das novas
ferramentas introduzidas no mercado e que vem sendo cada vez mais aplicada em diversos campos da
Engenharia são as Aeronaves Remotamente Pilotadas, em inglês Remotely-Piloted Aircrafts (RPA). Sua

1
empregabilidade vai desde a obtenção de imagens e filmagens comerciais até projetos fotogramétricos,
monitoração ambiental entre outros.
Na Engenharia de Transportes, o emprego das RPAs ainda se encontra em um estágio inicial,
existindo poucos trabalhos teóricos e práticos. A Engenharia Rodoviária é uma parte do mercado que
começou, nos últimos 5 anos, empregar e pesquisar essa nova tecnologia como meio de obtenção de
dados para construção de novas vias, determinar volume de jazidas de solos para empréstimo, defeitos
de pavimentos, contagem de tráfego entre outros fins. Adotando uma ferramenta como as RPAs para
levantamento de defeitos de vias, é possível obter imagens com boa precisão. Assim, com levantamentos
periódicos, torna-se possível uma análise temporal do pavimento e de suas áreas afetadas por defeitos.
Vale ressaltar que esta ferramenta não tem como finalidade substituir por completo os métodos
existentes, e sim auxiliá-los, complementando as informações obtidas com os métodos já existentes.
Como metodologias mais próximas com o que este trabalho procura atingir, [2], [3] e [4], propuseram
métodos para levantamentos de defeitos de pavimentos com a utilização de RPAs. [2] e [3]
desenvolveram algoritmos para detecção automática de defeitos nos pavimentos, sendo que os dois
obtiveram bons resultados relacionados a determinação do tipo de defeito, o primeiro alcançando 92%
de acurácia na identificação de defeitos em pavimentos e o segundo 97,3% para objetos selecionados
como marcações, carros, pista de tráfego e alguns defeitos. A diferença entre os trabalhos está
relacionada a metodologia de aprendizagem da máquina desenvolvida em cada uma e ao RPA utilizado,
o primeiro empregando uma aeronave de asa fixa e o segundo um quadrirrotor Inspire 1.
Diferente das pesquisas anteriores, o objetivo desta pesquisa é avaliar o potencial de um RPA
quadrirrotor, modelo Phantom 4 pro, para identificar e mensurar os defeitos do tipo buracos e remendos
em pavimentos flexíveis urbanos, comparando os resultados obtidos em levantamentos realizados em
quatro alturas de voo (30, 40, 50 e 60 m), processados com e sem a utilização de pontos de controle, com
medidas de largura e comprimento efetuadas in loco.

2 Fundamentação Teórica

A ASP (American Society of Photogrammetry), em 1979, definiu fotogrametria como sendo a arte,
ciência e tecnologia de obtenção de informação confiável sobre objetos físicos e o meio ambiente através
de processos de gravação, medição e interpretação de imagens fotográficas e padrões de energia
eletromagnética radiante e outras fontes [5]. Segundo [6], a fotogrametria originalmente consistia em
analisar fotografias obtidas de câmeras de filme, mas atualmente com o surgimento de câmeras digitais,
o processo de análise de fotografias é quase que completamente automatizado.
A fotogrametria pode ser classificada de diversas formas, sendo uma das principais a classificação
por instrumentação. Os métodos mais arcaicos de processamento de dados fotogramétricos
necessitavam de instrumentos analógicos, assim o processo ficou conhecido como fotogrametria
analógica. Com a chegada dos computadores e a evolução desses equipamentos ao longo dos últimos
anos, tornou-se possível a redução da participação instrumental no processo fotogramétrico. Assim,
gerou-se um aumento na precisão e uma sofisticação nos modelos matemáticos, sendo essa descrita
como fotogrametria analítica [5]. Segundo [7], com o grande aumento do emprego da Fotogrametria
Digital, tornou-se possível a utilização de fotografias para a geração direta de um mapa. Assim, com o
tratamento e a adição de algumas informações essa fotografia passa de ser um insumo e se torna parte
do mapa. O produto resultante é denominado ortofotocarta.
Para que seja possível uma melhor visualização da ampla área fotografada, são feitas montagens de
imagens, ou seja, um mosaico fotogramétrico. Esse procedimento causa uma impressão de continuidade
entre as fotografias, pois faz-se entender que ali é uma única imagem formada por todas as outras. Para
entender melhor a formação dos mosaicos, é necessário compreender que existem imagens sobrepostas
em um recobrimento aéreo. Segundo [8], mesmo com o número de fotografias maior, o recobrimento
permite uma maior operacionalidade das imagens. Existindo dois tipos distintos de sobreposição: lateral
e longitudinal, a primeira sendo aquela cujo valor é geralmente 30% e ocorre entre as faixas do bloco; a
segunda, sendo geralmente, superior a 60% e que ocorre entre as fotografias, como mostrado na Figura
1. Segundo [9], quando utilizado aeronaves, o recobrimento na linha de voo é obtido de forma que haja
superposição longitudinal (ao longo da faixa de voo) que, geralmente, é da ordem de 60%. De maneira

2
semelhante, entre faixas de fotos existe uma superposição lateral (transversalmente à direção de voo)
que é da ordem de 30%, permitindo assim, a composição de pares estereoscópicos, como demonstrado
na Figura 1. Estes valores são utilizados em fotogrametria de grande formato e podem ser alterados de
acordo com o levantamento.

Figura 1. Exemplificação de levantamento aéreo com sobreposição longitudinal [9].

Para que seja possível distinguir as informações contidas em certa área da superfície terrestre,
existem diversas nomenclaturas para cada abordagem, dentre elas podem ser citadas o Modelo Digital
de Terreno (MDT), Modelo Numérico de Terreno (MNT), Modelo Digital de Elevação (MDE) e o
Modelo Digital de Superfície (MDS). Sendo ao MDT e MDE os produtos com maior utilidade e
interesse entre os profissionais e pesquisadores de SIG [10]. Um Modelo Digital de Terreno (MDT) é
uma representação matemática da distribuição espacial de uma determinada característica vinculada a
uma superfície real, utilizado para modelagem do relevo e outros tipos de informações que variam de
acordo com ele. Por exemplo, a representação topográfica, batimétrica, representação de temperatura,
dentre outros [10]. De acordo com [11], um Modelo Digital de Elevação (MDE) é a representação da
superfície da Terra, no modo digital, cuja característica principal é descrever a morfologia de uma área
qualquer de forma contínua visando representar a altimetria sem a cobertura vegetal e/ou edificações.
[9] completa explanando que o MDE visa representar a altimetria de uma área com todos seus elementos
presentes, ou seja, leva em consideração o terreno e demais elementos como vegetação, edificações e
automóveis. Estes modelos de elevação não possuem representação topográfica uma vez que apresentam
variações de acordo com os elementos da paisagem.
A distribuição, a densidade e acurácia dos pontos de referências, bem como a escolha dos métodos
de modelagem são fatores primordiais para gerar um modelo mais confiável [12]. Várias são as
aplicações do modelo digital na área de informações espaciais. Para o presente trabalho destaca-se a
utilização do MDE e MDT no processo de ortorretificação de imagens. Segundo [13], no processamento
de imagens da RPA utiliza-se de técnicas automáticas implementadas em softwares baseados em
algoritmos SfM (Structure from Motion Procedures) que possibilitam a segmentação de pontos chave
em imagens tomadas pelas câmeras, em angulações distintas. Tais pontos são então representados nos
planos X, Y e Z. Posteriormente são gerados automaticamente as nuvens de pontos, os modelos digitais
de terreno e elevação e o mosaico georreferenciado e ortorretificado.
No que diz respeito aos pontos de controle, pode-se afirmar que esses são pontos que podem ser
identificados nas fotografias, sendo classificados em ponto de controle artificial (pintados com tinta) ou
ponto de controle natural, podendo ser objetos, alvos e detalhes singulares no terreno que vão aparecer
nas imagens aéreas (Figura 2).
O objetivo destes pontos é ajustar a coordenada das fotografias aéreas, cujos parâmetros de entrada
são as informações do GPS embarcado e da IMU (Sistema Inercial), sendo que a maioria das aeronaves
utiliza um receptor GNSS de navegação (erro posicional em média de 5 a 10 metros), com pontos de
referência obtidos no solo por meio de com um receptor GNSS geodésico (erro posicional centimétrico
ou milimétrico). A função dos pontos de controle é servir de referência para amarrar o bloco
fotogramétrico ao terreno, em um processo estatístico, onde tem-se os parâmetros de entrada e após o

3
ajustamento das observações, tem-se os parâmetros de saída. Ao se utilizar pontos de controle coletados
por um receptor geodésico, adiciona-se pontos com uma precisão milimétrica ou até centimétrica, assim
corrigindo os parâmetros iniciais das imagens e ajustando os parâmetros finais do processamento, ou
seja, as coordenadas que antes tinham uma precisão métrica, após o processo terão uma precisão
centimétrica [14].

Figura 2. Ilustrações mostrando um ponto de controle artificial e natural [15].

3 Materiais e Métodos

3.1 Área de estudo

Como localidade de estudo, foi escolhido um trecho urbano de cerca de 400 m de extensão, da Avenida
Corrêa Lima, localizado no município de Fortaleza, estado do Ceará, Nordeste do Brasil. A via possui
quatro faixas de tráfego, pavimentada em concreto asfáltico e com canteiro dividindo em duas pistas
(Figura 3).

Figura 3. Trecho de estudo da Avenida Corrêa Lima.

A região onde está localizada essa via é de grande importância, pois serve para interligar dois bairros
de média movimentação de veículos da cidade de Fortaleza. Dessa maneira, a via apresenta um fluxo
de tráfego leve e predominante de veículos de passeio, além de ter locais apropriados para o pouso e
decolagem do RPA, facilitando a realização dos levantamentos necessários.

4
3.2 Materiais

3.2.1 RPA

Para a coleta de imagens foi utilizado o RPA quadrirrotor Phantom 4 Pro (Figura 4). O equipamento
compreende uma plataforma aérea com sensores e câmera acoplados que possibilitam a obtenção de
imagens fotogramétricas, sensores que aumentam a estabilidade da aeronave, como também a
transmissão de dados para que seja possível o acompanhamento da missão em tempo real.

Figura 4. RPA quadrirrotor Phantom 4 Pro [16].

O RPA escolhido já vem acoplado com uma câmera, que segundo a própria fabricante, tem as
seguintes especificações: um sensor de 1 polegada atualizado com capacidades fotográficas de 20
megapixels. Esse sensor maior lhe permite 11,6 pontos de alcance dinâmico, o que mantem uma grande
precisão, mesmo em situações ruins de iluminação, além de a mesma já ser acoplada a um Gimbal
avançado de 3 eixos que elimina vibrações e movimentos indesejados durante o voo, permitindo que a
câmera capture imagens suaves e fluidas mesmo durante manobras complexas.

3.2.2 Receptor GNSS/RTK

Para obtenção dos pontos de controle no solo foi utilizado o receptor Topcon, modelo Hiper V (Figura
5), com recursos de rastreamento GNSS/RTK com 226 canais para rastreamento das constelações GPS
e GLONASS nas portadoras L1/L2/L2C e SBAS, totalmente integrado (receptor, antena, memória, rádio
UHF, modem celular e bateria).

Figura 5. Montagem do receptor GNSS/RTK.

5
3.2.3 Software para planejamento dos voos

Para o planejamento dos voos autônomos, foi utilizado o software Map Pilot (Figura 6), proveniente da
empresa Maps Made Easy. Este software possibilita o planejamento de missões do tipo Linear
(Corredor), percorrendo a localidade em linha reta, capturando as imagens de acordo com a sobreposição
desejada. Durante o planejamento são definidas algumas variáveis como: altura, sobreposição de
imagens, quantidade de baterias necessárias, entre outros. Sua interface também é bastante
desenvolvida, disponibilizando todos os dados para a realização e controle do voo, podendo ser
verificado onde estão sendo feitas as imagens e acompanhar a movimentação do RPA em tempo real.

Figura 6. Plano de voo no software Map Pilot.

Para a presente pesquisa, o software escolhido para o processamento de imagens foi o Agisoft
PhotoScan, versão 1.4.2, desenvolvido pela empresa Agisoft, o qual realiza o processamento das
fotografias e gera os ortomosaicos e o modelo 3D da área levantada. Estes dados são então inseridos em
um Sistema de Informação Geográfica (SIG) para a realização das medições indiretas de largura,
comprimento e área de objetos em várias escalas. A tecnologia empregada no Agisoft PhotoScan utiliza-
se da técnica de fotogrametria digital implementada com métodos de visão por computador. Isso resulta
em um sistema de processamento automatizado e inteligente, que pode ajustar o fluxo de trabalho para
várias tarefas específicas e para tipos de dados obtidos. Para cumprir uma tarefa de georreferenciamento,
o programa usa dados de GPS aerotransportados, combinados com uma tecnologia de nuvem de pontos
para uma execução de resultados mais precisos. Com a introdução de pontos de controle em terra, pode
ocorrer uma significativa melhora na precisão dos resultados.

3.3 Métodos

Para a elaboração desta pesquisa realizaram levantamentos in loco, possibilitando a verificação e a

medição, de largura e comprimento, dos defeitos presentes no pavimento da via de estudo. Em seguida,
foi elaborado um memorial descritivo, com imagens de cada defeito, capturada com smartphone e suas
respectivas medidas de largura e comprimento, essas obtidas pela medição por trena. Foram levantados
e analisados um total de 7 panelas e 10 remendos. As Figuras 7 e 8 mostram alguns dos defeitos
identificados no pavimento.

6
 Figura 7. Exemplos de Panelas encontradas na região de estudo.

Figura 8. Exemplos de Remendos encontrados na região de estudo.

Após o levantamento in loco foram realizados os levantamentos fotogramétricos com o quadrirrotor.
Antes do voo foram realizados os planos de voo no software Map Pilot, no qual selecionou-se a altura,
a velocidade e a o percentual de sobreposição das fotos, sendo estabelecido automaticamente o tempo
de voo e quantidade de carga necessária das baterias. Para o presente artigo foi estabelecido um único
plano de voo para identificação de defeitos em um trecho de 400 m de extensão, mantendo as mesmas
faixas de sobreposição de 70% lateral e 80% longitudinal, variando as alturas em 30, 40, 50 e 60 metros.
Com um primeiro levantamento foi possível determinar os locais que receberiam os pontos de
controle. Eles foram levantados em campo empregando o sistema GNSS com posicionamento RTK
descrito no Item 3.2. Para realizar o levantamento dos pontos, foi estabelecida uma base com um dos
receptores GNSS, em seguida os pontos foram levantados em cada localidade pré-determinada. Foram
levantados seis pontos de controle, sendo o equipamento posicionado por cerca de um minuto em cada
um deles. Em seguida, a base foi corrigida em pós processamento de acordo com o levantamento PPP
do IBGE, assim também corrigindo os pontos levantados, os resultados obtidos com as correções feitas
encontram-se na Tabela 1, a qual contém os valores das coordenadas X, Y e Z de cada ponto levantado.
Tabela 1. Coordenadas dos pontos de controle levantados.
Ponto X Y Z (Ortométrica)
Base1 559000,477 9582025,566 7,7100
P1 559136,447 9581721,539 13,219
P2 559150,967 9581829,226 12,583
P3 559173,310 9581907,286 12,187
P4 559157,604 9581932,968 12,658
P5 559145,226 9581872,792 12,344
P6 559119,514 9581749,026 13,063

Com todos os voos realizados, as imagens foram armazenadas no dispositivo de memória do RPA e
as missões ficaram registradas nos aplicativos utilizados. Assim, foi possível verificar a quantidade de

7
imagens capturadas e o tempo de voo. As imagens foram transferidas para o computador para que fosse
possível realizar os processamentos no Agisoft PhotoScan. O programa Agisoft PhotoScan trabalha em
um sequenciamento de etapas. Desta maneira, para que seja possível realizar o processamento de
imagens para a construção do ortomosaico, cada uma das etapas foi seguida rigorosamente. Assim
algumas dessas etapas são: remoção de erros e distorções provenientes do processo de levantamento
de imagens, geração de nuvem de pontos para a fotorretificação, geração de modelo digital de terreno e
elevação e geração de ortomosaico com precisão.
Em seguida, após os processos de correção, as imagens puderam ser georreferenciadas pelo mesmo
software, que obtém os pontos de controle levantados e de acordo com as coordenadas orienta todas
para a formação de um mosaico georreferenciado (Figura 9). Com a obtenção deste mosaico foi possível
fazer mensurações como volume, área e perímetro. Dessa maneira, com os dados obtidos, foram
comparadas as diferenças medidas entre o levantamento fotogramétrico e levantamento in loco, sendo
então calculado os erros (%).

Figura 9. Ortomosaico com pontos de controle distribuídos.

Após a geração do ortomosaico, as medições dos defeitos foram feitas diretamente na plataforma do
programa, como mostrado na Figura 10. Quando são adicionados os pontos de controle no
processamento é perceptível a alteração de localidade dos defeitos, ou seja, o melhor
georreferenciamento das imagens. A Figura 11 expõe a localização dos defeitos antes de ser adicionado
os pontos, marcações em branco, e a nova localização do defeito após o processamento com pontos de
controle. Os valores obtidos nas medições foram organizados em tabelas para melhores comparações,
que serão apresentados posteriormente.

Figura 10. Ortomosaico com medições de defeitos feitas.

8
 Figura 11. Modificação de localidade dos defeitos após adição de pontos de controle.

4 Análise e Discussão dos Resultados

Para que fosse possível realizar uma comparação entre os resultados, foi elaborada a Tabela 2 e os
Figuras 12 e 13. neles encontram-se presentes os valores de erros médios para panelas e remendos,
comparando os levantamentos utilizando pontos de controle e sem a utilização de pontos de controle.
Tabela 2. Comparação entre resultados com e sem pontos de controle.
Panelas Remendos
Erro Erro
Alturas Erro Médio Erro Médio
Pontos de Médio Médio
de Voo Comprimento Comprimento
Controle Largura Largura
(m) (%) (%)
(%) (%)
30 SEM 3,96 2,90 1,63 1,21
30 COM 2,17 1,77 0,90 0,65
40 SEM 4,03 3,42 2,55 1,69
40 COM 2,80 2,22 1,39 0,80
50 SEM 4,35 3,82 2,97 1,68
50 COM 2,88 2,37 1,59 0,88
60 SEM 4,55 3,88 3,44 1,72
60 COM 2,91 2,80 2,40 0,91

9
 Relação Erro x Velocidade x Altura
5

4,5

3,5
Erros em %

2,5

1,5
30 40 50 60
Alturas (m)
Erro Largura Sem Pontos Erro Largura Com Pontos
Erro Comprimento Sem Pontos Erro Comprimento Com Pontos

Figura 12. Comparação da utilização de pontos de controle para panelas.

Relação Erro x Velocidade x Altura

3,5

2,5

2
Erros em %

1,5

0,5

0
30 40 Alturas (m) 50 60

Erro Largura Sem Pontos Erro Largura Com Pontos

Erro Comprimento Sem Pontos Erro Comprimento Com Pontos

Figura 13. Comparação da utilização de pontos de controle para remendos.

Com a verificação dos gráficos das Figuras 12 e 13, é perceptível que os erros médios tendem a
crescer de acordo com o aumento das alturas. Isso ocorre porque quanto menor a altura de voo, menor
o GSD (Ground Sampling Distance) e mais detalhes são observados nas fotografias aéreas. Com isso, e
devido a relação entre a altura, GSD e área, o tempo de processamento é maior em voos de menor GSD
e menor altura. A utilização de pontos de controle levou à redução dos erros nas medidas de largura e
comprimento dos defeitos, se comparado as medidas de campo. Os menores valores do erro médio para
os remendos ocorreu na altura de 30 m, com 0,90% na largura e 0,65% no comprimento, e 2,17% na
largura e 1,77% no comprimento para as panelas. O erro médio foi maior para as medidas de largura das

10
panelas e remendos, o que ocorreu devido a menor dimensão destas feições no sentido lateral se
comparado a dimensão longitudinal indicada pelo comprimento.
Além dessa diferença, percebe-se que nos erros de tipo panela ocorrem tabém maiores diferenças de
valores que os erros tipo remendo, isso deve acontecer por conta das dimessões desses defeitos, visto
que as panelas são erros de menores proporssões, assim quando não existiam os pontos de controle os
dados fotogramétricos eram mais imprecisos para esses defeitos já que os mesmos não estavam presentes
em diversas imagens, diferentemente dos remendos. Com isso, com a adição dos pontos foi possível
adicionar uma maior quantidade de dados ao processamento, diminuindo os erros médios existentes.

5 Conclusão

Com os dados obtidos neste artigo foi possível verificar que existe uma certa diferença entre os dados
levantados em campo comparativamente aos derivados dos processamentos. Isso mostra que mesmo
sem os pontos de controle é possível fazer a verificação de defeitos em pavimentos asfálticos urbanos
com o emprego deste tipo de RPA.
Além disso, também se verificou que as diferenças de alturas de voo e de tamanhos dos defeitos
presentes nos pavimentos influenciaram no processamento das imagens e nos valores medidos. Também
é possível verificar que a utilização de pontos de controle faz com que os resultados sejam mais
próximos aos valores reais, ou seja, há um aumento de qualidade nos processamentos. É importante
salientar que essa metodologia tem o intuito de agregar dados aos outros levantamentos que são feitos
para verificação de defeitos em pavimentos asfálticos, visto que proporciona mosaicos que podem ser
medidos, possibilitando o acompanhamento da evolução dos defeitos. Além de ser possível obter bons
resultados sem e com a utilização de pontos de controle, ou seja, cabe ao usuário determinar qual a
porcentagem de erro aceitável para o levantamento realizado.
Por fim, é possível afirmar que quanto menor a altura de voo, menores os valores de erros obtidos,
assim sendo, cabe-se também ao usuário definir qual o método de voo (de acordo com a altura e com ou
sem pontos de controle) que apresenta um erro que se adequa melhor a sua necessidade. Assim sendo,
é perceptível que a utilização de RPA quadrirrotor para levantamentos de defeitos em pavimentos
asfálticos urbanos é bastante promissora, pois proporciona medições que podem ser utilizadas para
estimar condições funcionais de pavimentos, em termos de conforto ao rolamento e segurança dos
usuários, inserindo a Infraestrutura de Transportes no contexto das novas tecnologias aplicadas à
Engenharia Rodoviária.

6 Referências

[1] CNT (2018). Pesquisa CNT de rodovias 2018: Relatório Gerencial. Brasília, Brasil: CNT.
[2] Castelo Branco, L. H. (2016). MANIAC: Uma Metodologia Para O Monitoramento Automatizado das
Condições dos Pavimentos Utilizando VANTs. 2016. São Carlos, SP, Brasil: Universidade de São Carlos.
[3] Di Renzo, A,B (2017). Desenvolvimento de Metodologia para Monitoramento Remoto de Rodovias –
VANTRod. Curitiba, PA, Brasil: Universidade Tecnológica Federal do Paraná.
[4] Parente, D. C., Felix, N. C., Picanço, A. P. (2017). Utilização de veículo aéreo não tripulado (VANT) na
identificação de patologia superficial em pavimento asfáltico. Acessado em 31 maio 2017 de Revista
ALCONPAT: http://dx.doi.org/10.21041/ra.v7i2.161.
[5] Tommaselli, A. M. G. (2009) ARMOD - Automação dos processos de Reconstrução e orientação de Modelos
usando imagens digitais. Brasil: Conselho Nacional de Desenvolvimento Científico e Tecnológico – CNPq.
[6] Wolf, P. R..; Dewitt, B. A (2014). Elements of Photogrammetry with Applications in GIS. Nova York, EUA:
Mcgraw-Hill Education.
[7] Lima, E. M.; Thomaz, T. A. M.; Severo, T. C. (2016). Mapeamento aerofotogramétrico digital utilizando
fotografias de médio formato. Porto Alegre, Brasil: Universidade Federal do Rio Grande do Sul.
[8] Coelho Filho, L. C. T.; Silva, J. L. N. B. (2007). Fotogrametria Digital. Rio de Janeiro, RJ, Brasil: Eduerj.
[9] Ferreira, A. M. R. (2014). Avaliação de câmara de pequeno formato transportada por veículo aéreo não
tripulado-VANT, para uso em aerolevantamento. Brasília, Brasil: Universidade Brasília.

11
 [10] Zanardi, R. P. (2006). Geração de Modelo Digital de Terreno a Partir de Par Estereoscópico do Sensor CCD
do satélite CBERS-2 e Controle de Qualidade das Informações Altimétricas. Universidade Federal do Rio Grande
do Sul, Porto Alegre, Rio Grande do Sul, Brasil: Universidade Federal do Rio Grande do Sul.
[11] Gripp Jr, J. (2009). Ortorretificação de imagens de alta resolução para aplicação no cadastro técnico rural
e mapeamento de área de preservação permanente e reservas legais. Viçosa, Minas Gerais, Brasil: Universidade
Federal de Viçosa.
[12] Andrade, J. B. (1994). Fotogrametria. Curitiba, PA, Brasil: SBEE.
[13] Pereira, O. J. R.; Tamamaru, R. (2013). Geração de modelos digitais de elevação com base em técnicas de
estereoscopia digital, por meio de imagens VANT: Subsídio a identificação de manchas de desmatamento em
áreas de preservação permanente. Foz do Iguaçu, Brasil: XVI Simpósio Brasileiro de Sensoriamento Remoto.
[14] Silva Neto, M.; Machancoses, N.; Campiteli, M.; Arias, A. (2017). Mapeamento aéreo com Phantom.
Acessado em 06 de agosto de 2018 em: http://conteudo.droneng.com.br/case-mapeamento-aereo-com-phantom.
[15] Horus Aeronaves (2018). Guia prático de operação e aplicação dos drones no mapeamento aéreo. Acessado
em 06 de agosto de 2018 em https://drones.horusaeronaves.com/guia-
pratico?gclid=EAIaIQobChMIv_yJl4ih4gIVmYSzCh0V8AVGEAAYASAAEgJTXfD_BwE.
[16] DJI (2018). Acessado em 06 de agosto de 2018 em: https://www.dji.com/br/phantom-4-pro.

12

View publication stats