Fiche de synthèse (PDF - 21 ko)
Transcription
Fiche de synthèse (PDF - 21 ko)
Recherche : En cours Terminée Improved Camera based Detection under Adverse Conditions (ICADAC, Réf. ANR-08-VTT-008) Responsable(s) scientifique(s) : M Didier Aubert Organisme : Ifsttar Equipe : LIVIC Partenaires : Ifsttar, ARMINES, Valeo, AUDI, Fraunhofer IOSB Date de début des travaux : Coût de la recherche : Juillet 2009 3.794.315 €, dont 1.830.806 financements publics (ANR : 681.464 €) Problématique et objet de la recherche Les logiciels d’aide à la conduite, par exemple de détection de piétons, d’obstacle ou d’automatisation de l’éclairage, traitent pour l’essentiel un signal vidéo issu d’une caméra placée dans l’habitacle. L’exploitation de ce signal est complexe et suppose une image exempte de dégradation. Dans la pratique, de nombreux facteurs peuvent venir altérer la qualité du signal produit par la caméra ou par d’autres capteurs extéroceptifs de type optique embarqués à bord d’un véhicule. Pouvoir détecter et quantifier ces conditions dégradées de fonctionnement en s’appuyant uniquement sur les signaux issus de ces mêmes capteurs est un enjeu fort pour les aides à la conduite. Dans le projet, on s’est focalisé sur deux causes essentielles de perturbation de l’image vidéo : la pluie et le brouillard. De nouveaux systèmes d’aides à la conduite ont été également considérés tels que l’automatisation des feux antibrouillard, l’adaptation automatique de l’intensité de ces feux ou l’affichage « tête haute » d’une image restaurée. Méthodologie Au début du projet, le consortium a défini les applications à traiter et a sélectionné les plus prioritaires sur la base de critères industriel, technique et économique. Les caractéristiques de la caméra ont ensuite été définies ainsi que son positionnement dans le véhicule. Divers véhicules ont été instrumentés pour acquérir les données visant à valider les développements. Pour la même raison, des images ont été acquises en salle à brouillard et des bases d’images de synthèse couplées à des données de référence sur la géométrie de la scène et les conditions météorologiques ont été générées. Des bancs de test ont été réalisés pour obtenir une référence terrain sur les caractéristiques du brouillard nocturne et pour générer de la pluie en roulant. Des algorithmes de traitement d'image s’appuyant sur des modèles physiques des phénomènes à détecter ont été développés permettant ainsi de détecter et de quantifier la présence du brouillard diurne, du brouillard nocturne, de la pluie sur le pare-brise et de la route mouillée. Ensuite, le domaine de fonctionnement courant du capteur a pu être déterminé dynamiquement (distance de visibilité ou carte des zones masquées). Par ailleurs, pour accroître la fiabilité et le domaine de fonctionnement de la caméra dans des conditions de visibilité dégradées le projet a aussi produits des algorithmes de restauration d’images. Des comparaisons avec l’état de l’art ont démontré la supériorité de toutes réalisations du projet. Principaux résultats ICADAC a permis des avancées majeures dans divers domaines, plaçant les résultats obtenus en tête de l’état de l’art. Le système de détection du brouillard nocturne couvre un domaine d’usage plus large que les approches de l’état de l’art. Par ailleurs, c’est la première fois qu’une caractérisation du brouillard nocturne est obtenue. Pour le brouillard de jour, un système de caractérisation existant a été étendu pour traiter de nouvelles situations. Le système de détection des gouttes focalisées sur le pare-brise est libéré des hypothèses restrictives des systèmes existants. Compte tenu de ses qualités, ce système breveté peut servir de référence pour évaluer les développements sur la détection des gouttes défocalisées ; dans ce domaine encore peu abordé, les résultats surpassent l’existant mais ne permettent pas encore une utilisation embarquée. En détection de route mouillée, les résultats obtenus présentent un gain par rapport à la littérature. Des démonstrations embarquées de ce système valident la pertinence de l’approche développée. Les progrès en restauration d’image sont significatifs ; des versions de test ont été embarquées pour évaluer l’usage des différents systèmes de restauration, et une comparaison avec l’existant sur une base commune d’images a prouvé la supériorité des approches du projet. Par ailleurs, une évaluation de performance (taux de détection, portée de détection) a été effectuée pour un système de reconnaissance de panneaux de signalisation en condition de brouillard démontrant le gain qu’on peut attendre d’une image restaurée en amont d’un tel système. Un gain important en temps de réaction a été démontré sur un panel de sujets avec affichage tête haute de l’image restaurée en présence d’obstacles. Les données recueillies à partir des capteurs embarqués, ainsi que les images et données de synthèse, sont un autre produit du projet. Ces dernières, accessibles à la communauté, sont de plus en plus citées, ce qui contribue à notre visibilité dans le domaine. C’est un acquis très utile pour les futurs projets de recherche et développement.