Estimation du temps de collision en vision omnidirectionnelle

Time to collision estimation on catadioptric vision

• Auteur / Autrice : Fatima Zahra Benamar
• Direction : El Mustapha Mouaddib, Driss Aboutajdine, Sanaa El Fkihi, Cédric Demonceaux
• Type : Thèse de doctorat
• Discipline(s) : Sciences d'ingénieur
• Date : Soutenance en 2014
• Etablissement(s) : Amiens en cotutelle avec Université Mohammed V-Agdal (Rabat, Maroc). Faculté des sciences
• Ecole(s) doctorale(s) : École doctorale Sciences, technologie et santé (Amiens)
• Partenaire(s) de recherche : Laboratoire : Modélisation, Information et Systèmes (Amiens ; 2008-....) - Laboratoire de Recherche en Informatique et Télécommunications (Rabat, Maroc)
• Jury : Examinateurs / Examinatrices : El Mustapha Mouaddib, Driss Aboutajdine, Sanaa El Fkihi, Cédric Demonceaux, Patrick Bouthémy, Abdelmajid Badri, Rachid Oulad Haj Thami, Claude Pégard
• Jury : Rapporteurs / Rapporteuses : Patrick Bouthémy, Abdelmajid Badri

Mots clés

Mots clés contrôlés

Robots mobiles

Mots clés libres

Évitement d'obstacles

Temps à collision, TAC

Flot optique

Résumé

Cette thèse s'intéresse à l'estimation du temps à collision d'un robot mobile muni d'une caméra catadioptrique. Ce type de caméra est très utile en robotique car il permet d'obtenir un champ de vue panoramique à chaque instant. Le temps de collision a été largement étudié dans le cas des caméras perspectives. Cependant, ces méthodes ne sont pas directement applicables et nécessitent d'être adaptées, à cause des distorsions des images obtenues par les caméras omnidirectionnelles. Dans ce travail, nous proposons d'exploiter explicitement et implicitement le flot optique calculé sur les images omnidirectionnelles pour en déduire le temps à collision (TTC) entre le robot et l'obstacle. Nous verrons que la double projection d'un point 3D sur le miroir puis sur le plan caméra aboutit à des nouvelles formulations du TTC pour les caméras catadioptriques. La première formulation est appelée globale basée sur les gradients, elle estime le TTC en exprimant le mouvement apparent en fonction du TTC et l'équation de la surface plane en fonction des coordonnées images et à partir des paramètres de son vecteur normal. Ces deux outils sont intégrés dans l'équation du flot optique (ECMA) afin d'en déduire le TTC. Cette méthode a l'avantage d'être simple rapide et fournit une information supplémentaire sur l'inclinaison de la surface plane. Néanmoins, la méthode globale basée sur les gradients est valable seulement pour les capteurs para-catadioptriques et elle peut être appliquée seulement pour les surfaces planes. La seconde formulation, appelée locale basée sur le flot optique, estime le TTC en utilisant explicitement le mouvement apparent. Cette formulation nous permet de connaître à chaque instant et sur chaque pixel de l'image le TTC à partir du flot optique en ce point. Le calcul du TTC en chaque pixel permet d'obtenir une carte des temps de collision. C'est une méthode plus générale car elle est valable pour tous les capteurs à PVU et elle peut être utilisée pour n'importe quelle forme géométrique d'obstacle. Les deux approches sont validées sur des données de synthèse et des expérimentations réelles

Time to contact or time to collision (TTC) is of utmost importance information for animals as well as for mobile robots because it enables them to avoid obstacles ; it is a convenient way to analyze the surrounding environment. The problem of TTC estimation is largely discussed in perspective images. Although a lot of works have shown the interest of omnidirectional camera for robotic applications such as localization, motion, monitoring, few works use omnidirectional images to compute the TTC. In this thesis, we show that TTC can be also estimated on catadioptric images. We present two approaches for TTC estimation using directly or indirectly the optical fîow based on de-rotation strategy. The first, called ''gradient based TTC'', is simple, fast and it does not need an explicit estimation of the optical flow. Nevertheless, this method cannot provide a TTC on each pixel, valid only for para-catadioptric sensors and requires an initial segmentation of the obstacle. The second method, called ''TTC map estimation based on optical flow'', estimates TTC on each point on the image and provides the depth map of the environment for any obstacle in any direction and is valid for ail central catadioptric sensors. Some results and comparisons in synthetic and real images will be given