Système embarqué de détection multi-sensorielle de véhicules : application à la gestion intelligente des interdistances

On-board multi-sensor vehicle detection system : application to acc

• Auteur / Autrice : Ayoub Khammari
• Direction : Fawzi Nashashibi
• Type : Thèse de doctorat
• Discipline(s) : Informatique temps réel, robotique, automatique
• Date : Soutenance en 2005
• Etablissement(s) : Paris, ENMP

Mots clés

Mots clés contrôlés

Véhicules automobiles -- Capteurs

Fusion multicapteurs

Télédétection

Automobiles

Systèmes de transport intelligent

Mots clés libres

Télémétrie laser

Reconnaissance forme

Projet ARCOS

Résumé

Ce travail de thèse a pour sujet l'étude et le développement d'un système de détection de véhicules pour une conduite plus sécurisée, avec comme principale application la gestion intelligente de la distance inter véhiculaire. En effet, près d'un accident corporel sur quatre est dû à une collision arrière. Nous considérons que notre système améliore sensiblement la robustesse de la détection de véhicules par rapport à l'existant. Deux points sont à l'origine de cette amélioration. Premièrement, nous avons accordé beaucoup d'intérêt à la détection par monovision, en concevant une approche original basée sur une analyse fine du gradient et l'extraction d'attributs d'image, renforcée par l'algorithme de classification adaboost/ga. Deuxièmement, nous avons conçu un outil générique de fusion basé sur la théorie des croyances, ayant pour but de combiner les confiances en provenance de plusieurs sources différentes qu'elles soient physiques ou algorithmiques. Cela nous a permis de bâtir une architecture modulaire et souple permettant d'exploiter au mieux les ressources disponibles pour mieux distingur les véhicules des autres objets de la scène routière. Ce système est actuellement opérationnel et implémenté sur le démonstrateur lara du caor. Il aété évalué lors de la clôture du projet arcos et a prouvé sa fiabilité au cours des démonstrations sur piste sur des scénarios critiques élaborés par les architectes de la fonction ''gestion des interdistances''.

This ph. D. Thesis tackles the problem of improving the robustness of vehicle detection for acc applications. In fact, one corporal accident out of four is due to a rear collision. For this sake, we combine two sensors : a frontal camera and a laser scanner. The improvement of the robustness stems from two aspects. First, we addressed the visionb based detection by developing an original approach based on fine gradient analysis, enhanced with the algorithm adaboost/ga for vehicle recognition. Then, we use the theory of evidence as a fusion framework to combine confidences delivered by the sensors and algorithms in order to improve the classification ''vehicle vs. Non vehicle''. The final architecture of the system is not only modular but also generic and flexible, that it could be used for other detection applications. The system was successfully implemented on lara, the prototype vehicle of the robotics center. It was evaluated at the final session of the project arcos and has demonstrated its fiability over various test scenarios elaborated specifically for acc applications.