Méthodes conjointes de détection et suivi basé-modèle de cibles distribuées par filtrage non-linéaire dans les données lidar à balayage

Joint detection and model-based tracking methods of extended targets in scanning laser rangefinder data using non-linear filtering techniques

• Auteur / Autrice : Benoît Fortin
• Direction : Jean-Charles Noyer
• Type : Thèse de doctorat
• Discipline(s) : Automatique, Génie Informatique, Traitement du signal
• Date : Soutenance le 22/11/2013
• Etablissement(s) : Littoral
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur (Lille)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique, signal et image de la Côte d'Opale (Calais, Pas de Calais)
• Jury : Président / Présidente : Philippe Bonnifait
• Jury : Examinateurs / Examinatrices : Fawzi Nashashibi, Patrice Aknin, Régis Lherbier
• Jury : Rapporteur / Rapporteuse : Roland Chapuis, André Monin

Mots clés

Mots clés contrôlés

Automobiles -- Systèmes d'aide à la conduite

Analyse de scènes (informatique)

Reconnaissance des formes (informatique)

Monte-Carlo, Méthode de

Filtres (informatique)

Fusion multicapteurs

Mots clés libres

Perception multi-capteurs

Suivi multi-cibles

Cibles distribuées

Détection

Méthodes de Monte-Carlo séquentielles

Filtrage PHD

Système d'assistance à la conduite

Multi-sensor perception system

Multi-target tracking

Distributed targets

Detection

Sequantial Monte-Carlo methods

PHD filtering

Advanced Driver Assistance Systems

Résumé

Dans les systèmes de perception multicapteurs, un point central concerne le suivi d'objets multiples. Dans mes travaux de thèse, le capteur principal est un télémètre laser à balayage qui perçoit des cibles étendues. Le problème desuivi multi-objets se décompose généralement en plusieurs étapes (détection, association et suivi) réalisées de manière séquentielle ou conjointe. Mes travaux ont permis de proposer des alternatives à ces méthodes en adoptant une approche ''track-before-detect'' sur cibles distribuées qui permet d'éviter la succession des traitements en proposant un cadre global de résolution de ce problème d'estimation. Dans une première partie, nous proposons une méthode de détection travaillant directement en coordonnées naturelles (polaires) qui exploite les propriétés d'invariance géométrique des objets suivis. Cette solution est ensuite intégrée dans le cadre des approches JPDA et PHD de suivi multicibles résolues grâce aux méthodes de Monte-Carlo séquentielles. La seconde partie du manuscrit vise à s'affranchir du détecteur pour proposer une méthode dans laquelle le modèle d'objet est directement intégré au processus de suivi. C'est sur ce point clé que les avancées ont été les plus significatives permettant d'aboutir à une méthode conjointe de détection et de suivi. Un processus d'agrégation a été développé afin de permettre une formalisation des données qui évite tout prétraitement sous-optimal. Nous avons finalement proposé un formalisme général pour les systèmes multicapteurs (multilidar, centrale inertielle, GPS). D'un point de vue applicatif, ces travaux ont été validés dans le domaine du suivi de véhicules pour les systèmes d'aide à la conduite.

In multi-sensor perception systems, an active topic concerns the multiple object tracking methodes. In this work, the main sensor is a scanning laser rangefinder perceiving extended targets. Tracking methods are generally composed of a three-step scheme (detection, association and tracking) which is jointly or sequentially implemented. This work proposes alternative solutions by considering a track-before-detect approach on extended targets. It avoids the classic procedures by proposing a global framework to solve this estimation problem. Firstly, we propose a detection method dealing with measurements in natural coordinates (polar) which is founded on geometrical invariance properties of the tracked objects. This solution is then integrated in the JPDA and PHD multi-target tracking frameworks solved with the sequential Monte-Carlo methods. The second part of this thesis aims at avoiding the detection step to propose an approach where the object model is directly embedded in the tracking process. This lets to build a novel joint detection and tracking approach. An aggregation process was developed to construct a measurement modeling avoiding any suboptimal preprocessing. We finally proposed a general framework for multi-sensor systems ( multiple lidar, inertial sensor, GPS). Theses methods were applied in the area of multiple vehicle tracking for the Advanced Driver Assistance Systems.