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.