LAB · 01 / 09

MOVER em dados

O campus do TCC como dado: o que foi medido, o que foi assumido, por que cada escolha e o que ela rendeu. análise de dados · procedência · glTF real

Visual Leve Como funciona ↓

Como funciona

Modo Visual: sol quente e céu frio com sombras, oclusão de ambiente, bloom na rota e qualidade que se ajusta ao seu aparelho. Modo Leve: sem sombras nem pós-processamento. A análise completa dos dados está logo abaixo.

Ficha de cada análise

Objetivo, por quê, variável alvo, variáveis preditoras, método, métrica, validação e se o objetivo foi atingido.

Escolher a fonte certa

Objetivo: Escolher a fonte de dados capaz de gerar um mapa de simulador.
Por quê: Um mapa sem altura por ponto não tem perfil nem inclinação; começar pela fonte errada invalidaria todo o resto do projeto.
Variável alvo: Layers com pontos 3D úteis ao pipeline.
Variáveis preditoras / explicativas: Grupo temático da layer, número de entidades, pontos com Z.
Método: Inventário programático do DXF (ezdxf) e classificação por convenção de nomes.
Métrica: Layers usadas ÷ total; entidades por grupo.
Validação: Planta 2D descartada por ter Z = 0 em todas as entidades.
Objetivo atingido?: Sim: 19 de 202 layers carregam o mapa inteiro.

Medido ou sintético

Objetivo: Separar o que foi medido do que foi assumido.
Por quê: Banca e grupo precisam saber em que número confiar; misturar medido e assumido sem marcar esconde erro.
Variável alvo: Origem de cada elemento (medido × sintético).
Variáveis preditoras / explicativas: Elemento do mapa, fonte, norma usada.
Método: Tabela de procedência gerada pelo pipeline.
Métrica: Elementos medidos × sintéticos.
Validação: Cada valor sintético cita a norma (CONTRAN, CTB).
Objetivo atingido?: Sim: geometria medida, sinalização sintética e declarada.

O relevo que o caminhão sente

Objetivo: Medir o relevo da rota do caminhão.
Por quê: Rampa muda frenagem e velocidade segura; supor pista plana daria um controle errado.
Variável alvo: Altitude e rampa ao longo da rota.
Variáveis preditoras / explicativas: Distância percorrida, posição das lombadas.
Método: Rampa = Δz ÷ Δs entre pontos vizinhos do trajeto.
Métrica: Desnível (m) e rampa (%).
Validação: Lombadas posicionadas pelas coordenadas medidas, não à mão.
Objetivo atingido?: Sim: 846 m e 14,6 m de desnível.

Uma estação por metro

Objetivo: Substituir medidas fixas por medidas reais de calçada e inclinação.
Por quê: Calçada e inclinação erradas fazem o carro do simulador subir em meio-fio ou escorregar em curva.
Variável alvo: Largura de calçada e superelevação por estação.
Variáveis preditoras / explicativas: Via, posição ao longo do eixo, Z dos dois meios-fios.
Método: Uma estação por metro; regra de cobertura de 50 % para emitir inclinação.
Métrica: Mediana, p90 e cobertura por via.
Validação: Vias com menos de 50 % de estações completas ficaram planas e declaradas.
Objetivo atingido?: Sim: 7 de 9 vias com inclinação medida.

O funil dos objetos

Objetivo: Decidir que objetos levantados entram no simulador.
Por quê: Cada objeto custa desempenho; só vale incluir o que o sensor do caminhão consegue ver.
Variável alvo: Objetos por etapa do funil (campus → 30 m → CARLA → web).
Variáveis preditoras / explicativas: Categoria, distância à via, teto de atores.
Método: Filtro por distância e teto; amostragem espacial de 8 m na web.
Métrica: Contagens por etapa.
Validação: Árvores sobre prédio ou via removidas antes da amostragem.
Objetivo atingido?: Sim: 1.743 → 1.104 → 733 → 415 árvores.

Alturas: medir onde dá, declarar onde não dá

Objetivo: Dar altura a todos os prédios sem inventar medida.
Por quê: LiDAR e câmeras veem os prédios; altura errada muda a cena, e altura inventada pareceria medida.
Variável alvo: Altura de cada prédio e sua origem.
Variáveis preditoras / explicativas: Cota de topo levantada, número de pavimentos.
Método: Medida quando há cota; 2 pavimentos × 3,5 m quando não há, marcado como assumida.
Métrica: Prédios medidos × assumidos.
Validação: Assumidos formam uma linha em 7 m no gráfico, visíveis como suposição.
Objetivo atingido?: Sim: 12 medidos, 16 assumidos e declarados.

Dez rodadas, cada uma medida

Objetivo: Provar com números que cada rodada melhorou o mapa.
Por quê: "Parece melhor" não fecha TCC; indicadores fixos por rodada pegam regressões que a vista não pega.
Variável alvo: Erro de posição das vagas, furo na malha do CARLA, triângulos.
Variáveis preditoras / explicativas: Rodada do pipeline (r1–r8).
Método: Mesma tabela de indicadores ao fim de cada rodada; emulação do gerador do CARLA.
Métrica: Metros, m² e contagens.
Validação: Validação no consumidor final (CARLA), não só no visualizador próprio.
Objetivo atingido?: Sim: erro 19,04 → 1,78 m; furo 1.124,8 → 0 m².

A volta no simulador

Objetivo: Confirmar no simulador que o mapa novo roda melhor.
Por quê: Um mapa só vale se o caminhão dirige nele; a comparação justa exige mesma volta, câmera e clima.
Variável alvo: FPS, RAM, buracos, quina, vazio, colisões, erro lateral.
Variáveis preditoras / explicativas: Rodada do mapa (r9 × r10).
Método: Volta controlada com 10 pontos fixos de vistoria por raios.
Métrica: Diferença r10 − r9 por métrica.
Validação: Mesmos parâmetros nas duas rodadas; RAM amostrada a cada 10 s.
Objetivo atingido?: Sim: 100 % da rota, 0 colisões, FPS 15,1 → 18,0, buracos 4 → 0.

O resultado que não deu certo (ainda)

Objetivo: Medir se o LiDAR detecta as lombadas reais.
Por quê: Afirmar que detecta sem medir seria o erro mais caro do projeto; medir mostra o que falta coletar.
Variável alvo: Evento de lombada detectado.
Variáveis preditoras / explicativas: Eventos do LiDAR, posição das 4 lombadas da volta, raio de 4 m.
Método: Contagem de acertos e falsos alarmes.
Métrica: Revocação e precisão.
Validação: Primeira volta com lombadas reais no caminho.
Objetivo atingido?: Não ainda: revocação 2/4 e precisão ~6 %; próximo passo é gravar a nuvem bruta do LiDAR.

Um dado, uma origem

Cada número do mapa é MEDIDO no levantamento topográfico ou SINTÉTICO por norma, e a tabela de procedência diz qual. Na maquete, prédio azul tem altura medida; laranja, assumida.

Mesmo referencial

Rota, árvores e prédios vêm de arquivos diferentes do pipeline e caem no mesmo lugar porque todos passam pela mesma conversão de coordenadas do levantamento para a cena.

cena = (X − 232, Z − 741, −Y + 233)

Rampa

A cor da rota é a rampa entre pontos vizinhos do trajeto real, numa escala divergente: azul desce, cinza é plano, laranja sobe.

rampa = Δz / Δs · 100 %

Gerado, não digitado

Um script lê as tabelas do TCC (só leitura) e gera o JSON desta página. Os únicos números copiados à mão são os do relatório da volta no CARLA, com a fonte ao lado.

O MOVER contado pelos dados

O gêmeo digital do caminhão autônomo começou como um arquivo de CAD de 172 MB. Esta página segue o dado do levantamento até a volta no simulador: o que cada tabela respondeu, por que cada escolha foi feita e o que ela rendeu em número. Regra do projeto inteiro: todo valor é MEDIDO ou SINTÉTICO, e nunca se mistura os dois sem dizer qual é qual.

66.039entidades no levantamento

19layers usadas de 202

1.217estações de medida (1 por metro)

1.743árvores levantadas

0colisões na volta ao vivo

Escolher a fonte certa

PerguntaO arquivo que tínhamos dava para virar um mapa de simulador?

Decisão e porquêNão. A planta de arquitetura era 2D: todo Z igual a zero e as cotas só como texto solto. Sem altura por vértice não existe perfil da rua nem inclinação lateral. Trocamos pelo DWG original do levantamento, convertido para DXF, e lemos tudo por biblioteca (ezdxf), porque o importador gráfico travava no arquivo de 172 MB. A convenção de nomes das layers virou a chave do pipeline.

Resultado19 das 202 layers carregam o mapa inteiro. O gráfico mostra o porquê: a maior parte das entidades é edificação e altimetria, e não existe nenhuma layer de faixa de pedestre, semáforo ou placa de PARE. O levantamento é topográfico, não viário.

Fonte: saida9/analise/layers.csv

Ficha técnica da análise

Objetivo: Escolher a fonte de dados capaz de gerar um mapa de simulador.
Por quê: Um mapa sem altura por ponto não tem perfil nem inclinação; começar pela fonte errada invalidaria todo o resto do projeto.
Variável alvo: Layers com pontos 3D úteis ao pipeline.
Variáveis preditoras / explicativas: Grupo temático da layer, número de entidades, pontos com Z.
Método: Inventário programático do DXF (ezdxf) e classificação por convenção de nomes.
Métrica: Layers usadas ÷ total; entidades por grupo.
Validação: Planta 2D descartada por ter Z = 0 em todas as entidades.
Objetivo atingido?: Sim: 19 de 202 layers carregam o mapa inteiro.

entidades
em layers usadas

Medido ou sintético

PerguntaQuando o dado não existe, o que entra no lugar?

Decisão e porquêUma norma citada, nunca um chute, e marcado como SINTÉTICO. Pintura e faixas de pedestre seguem o Manual Brasileiro de Sinalização (CONTRAN); o limite de 30 km/h vem do CTB para via local; a lombada tem 8 cm, dentro da faixa usual da norma. Assim a banca e o grupo sabem em que número confiar.

ResultadoGeometria da via, calçadas, inclinação, lombadas e posição dos objetos são medidas. Sinalização é sintética. Na maquete acima, a camada "Medido × assumido" mostra a mesma divisão nos prédios.

Fonte: saida9/analise/procedencia.csv

Ficha técnica da análise

Objetivo: Separar o que foi medido do que foi assumido.
Por quê: Banca e grupo precisam saber em que número confiar; misturar medido e assumido sem marcar esconde erro.
Variável alvo: Origem de cada elemento (medido × sintético).
Variáveis preditoras / explicativas: Elemento do mapa, fonte, norma usada.
Método: Tabela de procedência gerada pelo pipeline.
Métrica: Elementos medidos × sintéticos.
Validação: Cada valor sintético cita a norma (CONTRAN, CTB).
Objetivo atingido?: Sim: geometria medida, sinalização sintética e declarada.

largura de calcada	medido	variavel, 0 a 3,00 m
altura da calcada	medido	0,163 m = 0,111 + 0,052
superelevacao	medido	-2,8 % a +4,5 %
largura da sarjeta	medido	mediana 0,40 m (18 lados)
lombadas	medido	6 objetos, 1,45-1,71 x 9,3-12,6 m
sarjetoes	medido	2 objetos em R01
posicao dos props	medido	2 076 pontos
largura da pista	medido	4,6 a 9,7 m
eixo das vias	medido	9 roads, 1,1 km
pintura de faixa	sintético	LBO contInua, LMS-1 2/4 m, LFO-1 amarela, 0,10 m
limite de velocidade	sintético	30 km/h (o CARLA so tem placa de 30 a 130)
faixas de pedestre	sintético	16 objetos nas aproximacoes
avental lateral	sintético	shoulder de 1,5 m
altura da lombada	sintético	0,08 m
altura/raio dos props no 3D	sintético	arvore 2,6 m de tronco + copa de 2 m

O relevo que o caminhão sente

PerguntaO anel é plano o bastante para um perfil de velocidade simples?

Decisão e porquêMedimos a altitude a cada ponto do trajeto real (entrada pela portaria, anel e saída) em vez de supor uma pista plana. A rampa entre pontos vizinhos mostra onde o caminhão sobe e desce; as lombadas estão nas posições medidas.

ResultadoA rota tem 846 m e 14,6 m de desnível entre o ponto mais baixo e o mais alto. O controle e o perfil de velocidade precisam lidar com essa subida, por isso o mapa leva a elevação real em vez de uma pista plana.

Fonte: dados_origem/mapa/trajeto.csv (rodada 10)

Ficha técnica da análise

Objetivo: Medir o relevo da rota do caminhão.
Por quê: Rampa muda frenagem e velocidade segura; supor pista plana daria um controle errado.
Variável alvo: Altitude e rampa ao longo da rota.
Variáveis preditoras / explicativas: Distância percorrida, posição das lombadas.
Método: Rampa = Δz ÷ Δs entre pontos vizinhos do trajeto.
Métrica: Desnível (m) e rampa (%).
Validação: Lombadas posicionadas pelas coordenadas medidas, não à mão.
Objetivo atingido?: Sim: 846 m e 14,6 m de desnível.

altitude (m)

rampa (%) (±12 %)

distância na rota (m) · ● lombada

Uma estação por metro

PerguntaUsar 2 m fixos de calçada e pista plana, ou medir?

Decisão e porquêMedir. Cada via ganhou uma estação por metro com a largura da calçada dos dois lados e a inclinação lateral tirada do Z dos dois meios-fios. A inclinação só foi emitida nas vias em que pelo menos metade das estações tinha os dois meios-fios medidos: com só um lado, um único meio-fio mandaria no resultado.

ResultadoCalçada mediana de 1,61 m (p90 2,25 m), não 2 m. Inclinação lateral mediana de -0,14 %, quase plana, entre -2,65 % e 1,64 % em 90 % das estações. 7 das 9 vias receberam inclinação; as outras 2 ficaram planas e declaradas como assumidas.

Fonte: dados_origem/analise/estacoes.csv

Ficha técnica da análise

Objetivo: Substituir medidas fixas por medidas reais de calçada e inclinação.
Por quê: Calçada e inclinação erradas fazem o carro do simulador subir em meio-fio ou escorregar em curva.
Variável alvo: Largura de calçada e superelevação por estação.
Variáveis preditoras / explicativas: Via, posição ao longo do eixo, Z dos dois meios-fios.
Método: Uma estação por metro; regra de cobertura de 50 % para emitir inclinação.
Métrica: Mediana, p90 e cobertura por via.
Validação: Vias com menos de 50 % de estações completas ficaram planas e declaradas.
Objetivo atingido?: Sim: 7 de 9 vias com inclinação medida.

largura da calçada (m)

superelevação (%)

O funil dos objetos

PerguntaColocar no simulador tudo o que foi levantado?

Decisão e porquêNão. Os sensores do caminhão só enxergam perto da via, e cada objeto custa desempenho no CARLA. Corte em 30 m da via e um teto de cerca de 800 atores. Grelhas e portões foram extraídos, mas não entram no cenário. Na maquete web, as árvores que caem sobre prédio ou via saem e as restantes são espaçadas a 8 m.

ResultadoDas 1.743 árvores, 1.104 ficam a até 30 m da via e 733 entram no CARLA; a maquete web mostra 415. A camada "Funil das árvores" na cena acima mostra onde cada uma ficou.

Fonte: dados_origem/analise/props.csv

Ficha técnica da análise

Objetivo: Decidir que objetos levantados entram no simulador.
Por quê: Cada objeto custa desempenho; só vale incluir o que o sensor do caminhão consegue ver.
Variável alvo: Objetos por etapa do funil (campus → 30 m → CARLA → web).
Variáveis preditoras / explicativas: Categoria, distância à via, teto de atores.
Método: Filtro por distância e teto; amostragem espacial de 8 m na web.
Métrica: Contagens por etapa.
Validação: Árvores sobre prédio ou via removidas antes da amostragem.
Objetivo atingido?: Sim: 1.743 → 1.104 → 733 → 415 árvores.

no campus
até 30 m da via
no CARLA

Comprimento da barra em raiz quadrada da contagem, para as categorias pequenas aparecerem.

Alturas: medir onde dá, declarar onde não dá

PerguntaTodos os prédios têm altura no levantamento?

Decisão e porquêNão. 12 dos 28 prédios têm cota de topo medida. Os outros receberam 2 pavimentos × 3,5 m e ficaram marcados como ASSUMIDA, em vez de uma altura inventada que pareceria medida.

ResultadoNo gráfico, os prédios assumidos formam uma linha reta em 7 m: é a assinatura visual da suposição. Os medidos vão de 4,2 m a 17,4 m. Para o caminhão isso pesa pouco (prédio não está na pista), mas para o LiDAR e para as câmeras muda a cena.

Fonte: dados_origem/analise/edificacoes.csv

Ficha técnica da análise

Objetivo: Dar altura a todos os prédios sem inventar medida.
Por quê: LiDAR e câmeras veem os prédios; altura errada muda a cena, e altura inventada pareceria medida.
Variável alvo: Altura de cada prédio e sua origem.
Variáveis preditoras / explicativas: Cota de topo levantada, número de pavimentos.
Método: Medida quando há cota; 2 pavimentos × 3,5 m quando não há, marcado como assumida.
Métrica: Prédios medidos × assumidos.
Validação: Assumidos formam uma linha em 7 m no gráfico, visíveis como suposição.
Objetivo atingido?: Sim: 12 medidos, 16 assumidos e declarados.

medida (12)
assumida (16)

área (m²) (escala log) × altura (m)

Dez rodadas, cada uma medida

PerguntaComo saber se uma rodada melhorou o mapa?

Decisão e porquêCada rodada fecha com indicadores na mesma tabela. Três lições mudaram o método: quando um erro é grande demais (vagas a 19 m do lugar), não é ajuste, é bug; uma checagem mede uma definição, e se a definição não é a do defeito o número passa e o defeito fica; e o artefato tem de ser validado no consumidor final. A malha que validávamos o CARLA nunca leu, então passamos a emular o gerador dele.

ResultadoErro máximo das vagas de 19,04 m para 1,78 m (limite 3 m). Furo na malha do CARLA de 1.124,8 m² para 0. A malha cresceu de 100 mil para 448 mil triângulos ao fechar o pavimento.

Fonte: saida8/analise/evolucao.csv

Ficha técnica da análise

Objetivo: Provar com números que cada rodada melhorou o mapa.
Por quê: "Parece melhor" não fecha TCC; indicadores fixos por rodada pegam regressões que a vista não pega.
Variável alvo: Erro de posição das vagas, furo na malha do CARLA, triângulos.
Variáveis preditoras / explicativas: Rodada do pipeline (r1–r8).
Método: Mesma tabela de indicadores ao fim de cada rodada; emulação do gerador do CARLA.
Métrica: Metros, m² e contagens.
Validação: Validação no consumidor final (CARLA), não só no visualizador próprio.
Objetivo atingido?: Sim: erro 19,04 → 1,78 m; furo 1.124,8 → 0 m².

Erro máx. de posição das vagas (m)

Furo na malha do CARLA (m²)

Triângulos da malha

A volta no simulador

PerguntaO mapa novo (rodada 10) roda melhor que o anterior com o caminhão de verdade dirigindo?

Decisão e porquêMesma volta, mesma câmera, mesmo clima e 10 pontos fixos de vistoria por raios nas duas rodadas, para a comparação ser justa. A RAM passou a ser registrada a cada 10 s, e o mundo deixou de ser gerado de novo em cada sessão.

ResultadoRota concluída a 100 % (843 m em 211 s), 0 colisões, 0 recuperações, 0 % de contramão, erro lateral médio de 0,1 m. Testes offline de 321 para 353, sem falhas. Ainda pendente: 4 invasões de faixa contínua.

Fonte: RELATORIO_TESTE20.md (07/10/2026)

Ficha técnica da análise

Objetivo: Confirmar no simulador que o mapa novo roda melhor.
Por quê: Um mapa só vale se o caminhão dirige nele; a comparação justa exige mesma volta, câmera e clima.
Variável alvo: FPS, RAM, buracos, quina, vazio, colisões, erro lateral.
Variáveis preditoras / explicativas: Rodada do mapa (r9 × r10).
Método: Volta controlada com 10 pontos fixos de vistoria por raios.
Métrica: Diferença r10 − r9 por métrica.
Validação: Mesmos parâmetros nas duas rodadas; RAM amostrada a cada 10 s.
Objetivo atingido?: Sim: 100 % da rota, 0 colisões, FPS 15,1 → 18,0, buracos 4 → 0.

métrica	r9	r10	variação
FPS médio na volta	15,1 fps	18 fps	▲ 19 %
RAM do servidor (máx.)	2,4 GB	2,17 GB	▲ -10 %
buracos para o vazio na pista	4	0	▲ -100 %
quina máxima na pista	16,9 cm	5,1 cm	▲ -70 %
vazio no corredor (offline)	177 m²	0 m²	▲ -100 %
dente da borda (offline)	1,19 m	0,15 m	▲ -87 %
pontos aprovados na vistoria	6 /10	7 /10	▲ 17 %

O resultado que não deu certo (ainda)

PerguntaO LiDAR detecta as lombadas reais?

Decisão e porquêMedir antes de afirmar. Na primeira volta com lombadas reais no caminho, contamos quantas das 4 lombadas da rota geraram evento e quantos eventos caíram a menos de 4 m de uma lombada.

ResultadoRevocação de 2 em 4 e precisão de cerca de 6 % (3 de 48 eventos). Os falsos positivos se repetem na mesma reta da R01. Conclusão: o detector precisa ser calibrado com a nuvem bruta do LiDAR, que os logs resumidos não guardam. O próximo passo é gravar essa nuvem numa volta dedicada.

Fonte: RELATORIO_TESTE20.md §4

Ficha técnica da análise

Objetivo: Medir se o LiDAR detecta as lombadas reais.
Por quê: Afirmar que detecta sem medir seria o erro mais caro do projeto; medir mostra o que falta coletar.
Variável alvo: Evento de lombada detectado.
Variáveis preditoras / explicativas: Eventos do LiDAR, posição das 4 lombadas da volta, raio de 4 m.
Método: Contagem de acertos e falsos alarmes.
Métrica: Revocação e precisão.
Validação: Primeira volta com lombadas reais no caminho.
Objetivo atingido?: Não ainda: revocação 2/4 e precisão ~6 %; próximo passo é gravar a nuvem bruta do LiDAR.

2/4revocação · 50 %

3/48precisão · 6 %

O que cada dado contribuiu

Pontos 3D do levantamento: a altura real da via, sem a qual não haveria perfil, inclinação nem meio-fio.
Estações a cada metro: calçadas e inclinação medidas, e a regra dos 50 % que decide quando confiar.
Tabela de procedência: separa medido de sintético e diz qual norma sustenta cada valor assumido.
Indicadores por rodada: transformam "parece melhor" em número e pegaram os bugs que a vista não pegava.
Telemetria da volta: FPS, RAM, erro lateral e colisões provam que o mapa novo é melhor dentro do simulador, onde importa.
Contagem do detector: mostrou o limite honesto do que já funciona e qual dado falta coletar.

Estudo de caso completo do MOVER →Abrir a maquete 3D publicada ↗