The use of remotely piloted aircrafts (RPAs) for industrial inspection has grown a lot thanks to the latest developments in the related technologies and in embedded systems. In the oil and gas industry, RPAs can be of great value for the inspection of different types of structures and components. Among these are the flexible risers, pipes that perform an important role in offshore oil and gas exploration. The present work describes the development of a ROS/Gazebo simulation environment for 3D optical inspection of risers through photogrammetry. The simulations allow for multiple testing scenarios that would be expensive to be done on the field with varying types of acquisition strategies and sensors. Also presented is the 3D reconstruction base on images retrieved from simulations, as well as an analysis of part of a measured riser. Resumo: A utilização de aeronaves remotamente pilotadas (RPAs) na inspeção industrial tem crescido muito graças aosúltimos avanços das tecnologias envolvidas e dos sensores embarcados. Na indústria do petróleo e gás os RPAs podem ser de grande valia na inspeção de diversas estruturas e componentes. Dentre estas, os risers flexíveis, que são tubulações que cumprem um importante papel na exploração de petróleo e gás em alto mar. O presente trabalho descreve o desenvolvimento de um ambiente de simulação ROS (Robot Operating System) e Gazebo (a multi-robot simulator) para a inspeçãoóptica 3D de risers utilizando fotogrametria. As simulações permitem realizar inúmeros testes que seriam muito dispendiosos para serem executados em campo, como a variação de estratégias de aquisição e sensores. Apresenta-se também a reconstrução 3D a partir de imagens obtidas por simulação, assim como a análise de um dos trechos de risers medidos.

In the present work, we present an approach for automatic detection and recognition of vehicular plates considering factors such as: changes of illumination in the images, low contrast, noise, and different acquisition perspectives. For plate detection, a filter based on mathematical morphological operations is applied, followed by a combination of morphologicalgeometric operations and two classification approaches based on SVM-HOG and the CNN Inception ResNet v2 architecture. Then, the characters are segmented by a quality rating algorithm for the plates. Finally, the same classification approaches are used to recognize the characters. A database with images acquired on a street in the city of São Paulo was used, obtaining an overall system accuracy of 97%. Thus, its feasibility to be implemented in different intelligent transport systems applications. Resumo: No presente trabalhoé apresentada uma proposta para a detecção e reconhecimento automático de placas veiculares considerando fatores como: mudanças de iluminação nas imagens, baixo contraste, ruido e diferentes perspectivas de aquisição. Para a detecção da placa,é aplicado um filtro baseado em operações morfológicas matemáticas, seguido de uma combinação de operações morfológicas-geométricas e duas abordagens de classificação baseadas em SVM-HOG e a arquitetura CNN Inception ResNet v2. Depois, segmenta-se os caracteres através de um algoritmo de classificaçao de qualidade das placas. Por ultimo, são utilizadas as mesmas abordagens de classificação para reconhecer os caracteres. Foi usado um banco de dados com imagens adquiridas em uma rua da cidade de São Paulo, Obtendo uma acurácia global do sistema de 97%. Mostrando assim, sua viabilidade para ser implementado em diferentes aplicações de sistemas inteligentes de transporte.