Stéréovision embarquée sur véhicule : de l'auto-calibrage à la détection d'obstacles

Onboard stereovision : from auto-calibration to obstacle detection

• Auteur / Autrice : Vincent Lemonde
• Direction : Michel Devy
• Type : Thèse de doctorat
• Discipline(s) : Systèmes informatiques
• Date : Soutenance en 2005
• Etablissement(s) : Toulouse, INSA
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Analyse et d'Architecture des Systèmes (Toulouse ; 1968-....)

Mots clés

Mots clés contrôlés

Vision artificielle (robotique)

Résumé

La complexité croissante de l'environnement routier et le souci d'amélioration de la sécurité routière expliquent un nombre important de travaux sur l'aide à la conduite. De nombreux systèmes (ultrasons, laser, radar,. . . ) ont déjà été mis en oeuvre pour percevoir l'environnement autour d'un véhicule. Tous se heurtent à la diversité des scènes observées, que ce soit en milieu urbain ou routier. Il est donc nécessaire d'exploiter des capteurs qui donnent une information riche pouvant être analysée dans plusieurs fonctions et quelle que soit la configuration. La vision semble tout à fait adéquate ; elle est d'ailleurs une source sensorielle capitale dans la prise de décision chez l'humain. Les méthodes décrites dans cette thèse consistent donc à proposer un système complet et autonome de stéréovision passive pour la détection d'obstacles sur un véhicule, dit intelligent, évoluant en milieu urbain ou routier. La problématique majeure relative à l'exploitation d'un banc de stéréovision sur un robot ou un véhicule concerne la qualité du calibrage qui tend à varier au cours du temps. Un tel système n'est en effet viable que si les paramètres qui décrivent la géométrie du capteur peuvent être correctement estimés, y compris en présence de chocs et vibrations. Nous présentons donc d'abord une méthode de recalibrage en ligne d'un système initialement calibré, consistant en une correction dynamique de ses paramètres. Affranchi des problèmes de calibrage, le deuxième problème abordé est la détection d'obstacles en milieu routier. Les méthodes décrites dans ce document proposent une construction du profil longitudinal de la route afin d'en extraire un modèle d'obstacle tenant compte des variations de pente et du dévers et/ou roulis. Notre approche exploite les données 3D fournies par la stéréo-vision. La dernière application concerne un système de perception pour l'aide au parking; nous présentons une méthode générique de construction incrémentale d'un modèle 3D de l'espace libre. Cette méthode suppose que le déplacement du véhicule est estimé avec une bonne précision. Le modèle est alors analysé pour détecter et caractériser une place de parking; le but est d'alimenter un planificateur de mouvement permettant la réalisation automatique de la manoeuvre. Toutes les méthodes ont été intégrées dans l'environnement RT-MAPS, et ont été validées soit en ligne sur le démonstrateur du LAAS, soit sur des séquences d'images acquises sur des véhicules.

The increasing complexity of road environments and the will to improve driving safety may explain the large number of studies (investigations / research programs ) on driving assistance. Numerous systems (based on ultrasonic sensors, laser range, radar,. . . ) have been set up to perceive the environment around a vehicle. All of them have to deal with the diversity of scenes observed, both in urban and road contexts. Therefore, one has to use sensors providing rich information that can be analysedin several functions and in any configuration. Vision seems to be a relevant choice. It is indeed an essential sensorial source for human's decision making process. Thus, the methods described in this thesis consist in proposing a complete and autonomous passive stereovision system for obstacles detection on a so-called "intelligent" vehicle, evolving in urban or road environments. The main issue about using a sterovision bench on board a robot or a vehicle concerns the calibration accuracy, which tend to vary with time. Indeed, such a system can only be reliable if the parameters describing the sensor's geometry can be correctly estimated, in spite of vibrations and possible shocks. First, an on-line recalibration method for an initially calibrated system will be presented. It consists in a dynamic correction of its parameters. Once calibration issue is tackled, the second one considered is obstacles detection in road environment. The methods described in this document propose a building of the longitudinal profile of the road so as to extract an obstacle model from it, which takes into account the variations in pitch (superelevation) and/or roll. This approach processes 3D data provided by stereovision. The last application concerns a perception system for parking assistance; a generic method for an incrementalbuilding of a 3D model of free space will be presented. That method assumes that the vehicle movement is estimated with a good precision. The 3D model obtained is then analysed to detect a parking space and estimate its characteristics; the goal is to provide information to a motion planning system enabling an automatic achievement of the parking manoeuvring. Every method has been integrated in the RT-MAPS environment, and validated on-line on board one of the LAAS robots or with images sequences taken on board vehicles.