Uso do OpenCV na Identificação de Pisos Táteis em Ambientes Internos

• Cristiano da Silva Andrade IFS
• Carlos Alberto Santana dos Santos IFS
• Luiz Eduardo Andrade de Oliveira IFS
• Stephanie Kamarry Alves de Sousa IFS
• Fábio Luiz Sá Prudente IFS

DOI: https://doi.org/10.5753/erbase.2026.30438

Resumo

Este artigo apresenta o desenvolvimento e a avaliação experimental de um sistema em tempo real para detectar pisos táteis em ambientes internos com OpenCV. O método combina segmentação por cor no espaço de Matiz, Saturação e Valor (HSV), filtragem morfológica e análise de contornos. Nas seis condições positivas controladas, com piso tátil visível em todos os quadros, o sistema detectou os 4.368 quadros analisados. Esse resultado corresponde a uma taxa de detecção de 100% nas amostras positivas, não à precisão geral do sistema. O tempo médio ponderado de processamento foi de 2,04 ms por quadro. A taxa efetiva permaneceu limitada pela captura da câmera, próxima de 29,98 quadros por segundo. Ainda são necessários testes com cenas negativas e ambientes reais.

Referências

ABNT (2020). Nbr 9050: acessibilidade a edificações, mobiliário, espaços e equipamentos urbanos. Technical report, Associação Brasileira de Normas Técnicas, Rio de Janeiro.

Aktaş, A., Doğan, B., and Demir, O. (2020). Tactile paving surface detection with deep learning methods. Journal of the Faculty of Engineering and Architecture of Gazi University, 35(3):1685–1700.

Bradski, G. and Kaehler, A. (2008). Learning OpenCV: Computer Vision with the OpenCV Library. O’Reilly Media, Sebastopol, CA.

BRASIL (2015). Lei n. 13.146, de 6 de julho de 2015: Lei brasileira de inclusão da pessoa com deficiência. [link].

dos Santos, C. A. S., Santos, J. P. S. S., de Sousa, S. K. A., Santos, P. C., Freire, E. O., and Givigi, S. N. (2026). Eliciting intuitive gestures in drones via controlled frustration: A multidisciplinary study. In 2026 Brazilian Conference on Robotics (CROS), pages 519–524. IEEE.

Ghilardi, M. C., Macedo, R. C. O., and Manssour, I. H. (2016). A new approach for automatic detection of tactile paving surfaces in sidewalks. Procedia Computer Science, 80:662–672.

Howse, J. and Minichino, J. (2020). Learning OpenCV 4 Computer Vision with Python 3. Packt Publishing, Birmingham, 3 edition.

IBGE (2025). Censo demográfico 2022: pessoas com deficiência e pessoas diagnosticadas com transtorno do espectro autista: resultados preliminares da amostra. Technical report, Instituto Brasileiro de Geografia e Estatística, Rio de Janeiro.

Ito, Y., Premachandra, C., Sumathipala, S., Premachandra, H. W. H., and Sudantha, B. S. (2021). Tactile paving detection by dynamic thresholding based on hsv space analysis for developing a walking support system. IEEE Access, 9:20358–20367.

Karakan, A. (2024). A new approach to automatic detection of tactile coating surfaces with deep learning. Bitlis Eren University Journal of Science, 13(4):885–895.

Kassim, A. B. M., Yasuno, T., Suzuki, H., Aras, M. S. M., Shukor, A. Z., Jaafar, H. I., and Jafar, F. A. (2018). Vision-based tactile paving detection method in navigation systems for visually impaired persons. In Advances in Human and Machine Navigation Systems. IntechOpen.

Niu, L. and Bao, H. (2024). Fast tactile paving segmentation model based on reparameterized structure. In Proc. 2024 Int. Conf. on Generative Artificial Intelligence and Information Security (GAIIS ’24). ACM.

Soares, M. O. et al. (2021). Navegação autônoma de cadeira de rodas motorizada com base nos segmentos de pisos táteis. Instituto Federal de Sergipe / UFCG.

Takano, T., Nakane, T., Yu, J., and Zhang, C. (2024). Tactile paving detection and tracking using tenji10k dataset. IEEJ Transactions on Electrical and Electronic Engineering, 19(10):1661–1672.

Zhang, Z. (2024). Research on object detection based on yolo and its application in tactile paving recognition. Highlights in Science, Engineering and Technology, 122:64–76.