![](https://usp-aws.org/rails/active_storage/blobs/eyJfcmFpbHMiOnsibWVzc2FnZSI6IkJBaHBBazRCIiwiZXhwIjpudWxsLCJwdXIiOiJibG9iX2lkIn19--0cb6df2b997de8fbbc05bcc629783a27a99bc944/Screen%20Shot%202021-03-04%20at%2015.41.22.png)
O crescimento da população mundial exige que os métodos e tecnologias empregados na produção de alimentos sejam cada vez mais eficientes, produzindo mais com menos espaço. A robótica autônoma é uma área cada vez mais pesquisada para auxiliar nesse problema. Entretanto, o desenvolvimento de um sistema de navegação autônomo eficiente, capaz de conduzir um robô a adentrar e se locomover em uma plantação, ainda é um desafio. Nesse contexto, algoritmos de SLAM (Simultaneous Localization And Mapping, traduzido para Localização e Mapeamento Simultâneos), que conseguem gerar um mapeamento local do ambiente, são potenciais objetos de estudo. Em meios dinâmicos, como o agrícola, esse método é mais suscetível a falhas, já que tipicamente se supõe que o entorno do robô não se modifica. Na busca de melhores resultados, a utilização de redes neurais na identificação dos objetos móveis, eliminando-os do processo de mapeamento, é uma alternativa promissora e é o principal foco deste projeto. Serão utilizadas as imagens captadas pelo TerraSentia, um robô móvel agrícola equipado com uma câmera monocular.