M. Beauvais, S. Lakshmanan, and . Clark, CLARK: a heterogeneous sensor fusion method for finding lanes and obstacles, Proceedings of the IEEE Intelligent Vehicles Symposium1998, 1998.
DOI : 10.1016/S0262-8856(99)00035-9

]. A. Bensrhair01, M. Bensrhair, A. Bertozzi, P. Broggi, S. Miché et al., A cooperative approach to vision-based vehicle detection, ITSC 2001. 2001 IEEE Intelligent Transportation Systems. Proceedings (Cat. No.01TH8585), 2001.
DOI : 10.1109/ITSC.2001.948657

D. Bernstein and A. Kornhauser, Map Matching for personal navigation assistant, th Annual Meeting, the transport research board, pp.11-15, 1998.

C. Berthelon, D. Mestre, and R. Taramino, Anticipation d'une collision au cours d'un déplacement curviligne : niveau d'expertise et traitement de l'information visuelle, INRETS, 1992.

]. M. Bertozzi98, A. Bertozzi, and . Broggi, GOLD: a parallel real-time stereo vision system for generic obstacle and lane detection, IEEE Transactions on Image Processing, vol.7, issue.1, p.1, 1998.
DOI : 10.1109/83.650851

M. Betke and H. Nguyen, Highway Scene Analysis from a Moving Vehicle under Reduced Visibility Conditions, 1998.

M. Betke, E. Haritaoglu, and L. S. Davis, Multiple vehicle detection and tracking in hard real-time, Proceedings of Conference on Intelligent Vehicles, 1996.
DOI : 10.1109/IVS.1996.566405

]. A. Broggi00a, M. Broggi, A. Bertozzi, C. G. Fascioli, A. Bianco et al., Visual perception of obstacles and vehicles for platooning, IEEE Transactions on Intelligent Transportation Systems, vol.1, issue.3, pp.164-176, 2000.
DOI : 10.1109/6979.892153

]. Burie96 and J. Burie, Postaire ? " Enhancement of the road safety with a stereovision system based on linear cameras, IEEE Intelligent Vehicle Symposium, 1996.

A. Damville, C. Mautuit, T. Perron, and C. Thomas, Défaillance des conducteurs en fonction de l'infrastructure routière, 1999.

E. D. Dickmanns and B. D. Myslieweiz, Recursive 3-D road and relative ego-state recognition, Transactions on Pattern Analysis and Machine Intelligence, pp.199-213
DOI : 10.1109/34.121789

F. Thomanek, E. D. Dickmanns, and D. Dickmanns, Multiple object recognition and scene interpretation for autonomous road vehicle guidance, Proceedings of the Intelligent Vehicles '94 Symposium, pp.231-236, 1994.
DOI : 10.1109/IVS.1994.639510

K. Dietmayer, J. Sparbert, and D. Streller, Model Based Object Classification and Object Tracking in Traffic Scenes from Range Images, Proceedings of the IEEE Intelligent Vehicles Symposium, 2001.

L. E. Dubins, On Curves of Minimal Length with a Constraint on Average Curvature, and with Prescribed Initial and Terminal Positions and Tangents, American Journal of Mathematics, vol.79, issue.3, pp.497-516, 1957.
DOI : 10.2307/2372560

E. Maan, P. Najjar, L. Bonnifait, C. Alberton, G. Nachtergaele et al., Sélection de segments sur un réseau routier pour la localisation d'une automobile Scénariostypes de production de "l'erreur humaine" dans l'accident de la route : problématique et analyse qualitative, INRETS, juin 1997 [Fang01] Fang Y., Masaki I., Horn B., Distance Range Based Segmentation in Intelligent Transportation Systems : Fusion of Radar and binocular Stereo, Proceedings of the IEEE Intelligent Vehicles Symposium, 1996.

F. Fleury, C. Fernandez, D. Lepesant, and . Lechner, Analyse typologique des manoeuvres d'urgence en intersection, INRETS, mars, 1988.

S. Fleury, P. Souères, J. Laumond, and R. Chatila, Primitives for smoothing paths of mobile robots, Proc. of the IEEE Int. Conf. On Robotics and Automation, pp.832-839, 1993.

T. Fraichard and C. Laugier, Smooth trajectory planning for a car-like vehicle in a structured world, 1991.

]. U. Franke00, A. Franke, and . Joos, Real-time stereo vision for urban traffic scene understanding, Proceedings of the IEEE Intelligent Vehicles Symposium 2000 (Cat. No.00TH8511), 2000.
DOI : 10.1109/IVS.2000.898354

M. Gaudry and K. Vernier, Effets du tracé et de l'état des routes sur la vitesse et la sécurité, 2000.

[. John and A. , Laser Intensity-Based Obstacle Detection and Tracking, Thèse de Carnegie Mellon university, The Robotics Institute, 1999.

]. M. Hariyama00, T. Hariyama, and M. Takeuchi, Kameyama ? « Reliable stero matching for highly-safe intelligent vehicles and its VLSI implementation, IEEE Intelligent Vehicle Symposium, 2000.

P. V. Hough, Methods and means for recognizing complex patterns, U.S. Patent, vol.3, pp.69-654, 1962.

]. N. Ishikawa, K. Ishikawa, K. Fujinami, T. Sasaki, and . Otsuka, In-vehicle rear collision warning system using sensor fusion

[. Jouannin and S. , Association et fusion de données : application au suivi et à la localisation d'obstacles par radar à bord d'un véhicule routier intelligent, 1999.

]. T. Kalinke98, C. Kalinke, W. V. Tzomakas, and . Seelen, A texture-based object detection and an adaptive model-based Classification, Proceedings of the IEEE International Conference on Intelligent Vehicles, pp.143-148, 1998.

T. Kato, Y. Ninomiya, and I. Masaki, An obstacle detection method by fusion of radar and motion stereo, Proceedings of the IEEE Intelligent Vehicles Symposium, 2001.
DOI : 10.1109/TITS.2002.802932

A. Kirchner and C. Ameling, Integrated obstacle and road tracking using a laser scanner, Proceedings of the IEEE Intelligent Vehicles Symposium 2000 (Cat. No.00TH8511), 2000.
DOI : 10.1109/IVS.2000.898426

J. S. Kim, J. H. Lee, T. H. Kang, W. Y. Lee, and Y. G. Kim, Node based map matching algorithm for car navigation system, Proceedings of the 29 th ISATA Symposium, pp.121-126, 1996.

]. C. Knoeppel00, A. Knoeppel, B. Schanz, and . Michaelis, Robust vehicle detection at large distance using low resolution cameras, Proceedings of the IEEE Intelligent Vehicles Symposium 2000 (Cat. No.00TH8511), 2000.
DOI : 10.1109/IVS.2000.898353

]. D. Koller94, T. Koller, and J. Luong, Malik ? « Binocular stereopsis and lane marker flow for vehicle navigation: lateral and longitudinal control, 1994.

H. Kuroda, S. Kuragaki, T. Minowa, and K. Nakamura, An Adaptive Cruise Control System Using A Millimeter Wave Radar, Proceedings of the IEEE Intelligent Vehicles Symposium, 1998.

]. R. Labayrade02, D. Labayrade, and J. P. Aubert, Tarel, « Real time obstacle detection in stereo vision on non flat road geometry through V-disparity representation, p.2002, 2002.

D. Langer, An Integrated MMW Radar System for Outdoor Navigation, Thèse de Carnegie Mellon university, The Robotics Institute, 1997.

J. Laumond, Guidelines in nonholonomic motion planning for mobile robots, LAAS Report, vol.98211, 1998.
DOI : 10.1007/BFb0036070

]. B. Lee99 and . Lee, A Study on the Correction of Positioning Accuracy of Car Navigation System and Map-matching algorithm, 1999.

J. Michel, Accidents en virage, rapport interne LAB CEESAR INRETS, 1999.

B. Nagy and A. Kelly, Trajectory Generation for Car-Like Robots Using Cubic Curvature Polynomials,in 'Field and Service Robots, 2001.

W. Nelson, Continuous curvature paths for autonmous vehicles, IEEE Int. Conf.on Robotics and Automation ', vol.3, pp.1260-1264, 1989.

]. H. Nguyen93, O. Nguyen, F. Chararas, and . Pabot, Obstacle recognition and tracking algorithms: implementation onboard the vehicle and experiments, Congreso Mondial IRF, 1993.

J. Pierowicz, E. Jocoy, M. Lloyd, A. Bittner, and B. Pirson, Intersection Collision avoidance using ITS countermeasures, Final Report : Performance Guidelines, National Highway Traffic Security Administration, 2000.

T. [. Pomerleau, C. Jochem, P. Thorpe, D. Batavia, J. Pape et al., Run-off-road Collision Avoidance using IVHS Countermeasures, National Highway Traffic Security Administration, 1999.

]. M. Nishigaki00, M. Nishigaki, T. Saka, H. Aoki, and M. Yuhara, Kawai ? « Fail output algorithm of vision sensing, IEEE Intelligent Vehicle Symposium, 2000.

S. Pace, The global positioning system, assessing national policies, 1995.

. Parent01, M. Parent, and M. Crisostomo, Collision Avoidance for Automated Urban Vehicles, Proceedings of the IEEE Intelligent Vehicles Symposium, 2001.

L. Pyeatt and A. Howe, Decision Tree Function Approximation in reinforcement Learning, 1998.

J. Reeds and L. Shepp, Optimal paths for a car that goes both forwards and backwards ,Paci, Journal of Mathematics, vol.145, pp.367-393, 1990.

]. Y. Ruichek00, H. Ruichek, J. Issa, and . Postaire, Genetic approach for obstacle detection using linear stereo vision, Proceedings of the IEEE Intelligent Vehicles Symposium 2000 (Cat. No.00TH8511), 2000.
DOI : 10.1109/IVS.2000.898352

N. Shimomura, K. Fujimoto, T. Oki, and H. Muro, An Algorithm for Distinguishing the types of Objects on the Road Using Laser Radar and Vision, Proceedings of the IEEE Intelligent Vehicles Symposium, Comparison of Edge Detectors using an Object Recognition Task, IEEE Computer Vision and Pattern Recognition, 1999.

. Stiller98, C. Stiller, J. Hipp, C. Rössig, and A. Ewald, Multisensor obstacle detection and tracking, Proceedings of the IEEE Intelligent Vehicles Symposium, 1998.
DOI : 10.1016/S0262-8856(99)00034-7

A. Takahashi, T. Hongo, and Y. Ninomiya, Local path planning and control for AGV in positioning, in 'IEEE Int.Conf.Intelligent Robots and Systems, Tanzi 98] T. Tanzi, Système spatial temps réel d'aide à la décision, application aux risques autoroutiers, pp.392-395, 1989.

G. Taylor and B. Geoffrey, Road Reduction Filtering using GPS, 3th AGILE Conference on Geographic Information Science, 2000.

S. Terakubo, M. Morii, and T. Kashihara, Development of a Road Obstacle Sensor Combining ImageProcessing and a Laser Radar, Proceedings of the IEEE Intelligent Vehicles Symposium, 1998.

E. Mitchell and . Timin, The robot auto racing simulator, 1995.

. Tsai, A versatile camera calibration technique for high-accuracy 3D machine vision metrology using off-the-shelf TV cameras and lenses, IEEE Journal on Robotics and Automation, vol.3, issue.4, pp.323-344, 1987.
DOI : 10.1109/JRA.1987.1087109

A. Vogt and J. G. Bared, Accident models for two-lane rural roads : segments and intersections, Tuner Fairbank Highway Research Center, 1998.

J. Yerpez, F. Fernandez, J. Michel, and C. Nachtergaele, Accidentologie des routes départementales : insécurité et aménagement, INRETS, septembre, 1992.

]. T. Zielke92, M. Zielke, W. Brauckmann, and . Von-seelen, Intensity and edgebased symmetry detection applied to carfollowing, 1992.

. Les-traitements-d, extraction des indices utilisés ne seront pas expliqués en détail Ce sont des algorithmes classiques fréquemment employés en vision par ordinateur Nous nous contenterons donc de donner le principe de chacun ainsi que leur enchaînement. Les informations que nous allons extraire sont les coins des carrés de la mire apparaissant dans l'image. Ces coins seront obtenus en calculant les intersections des droites extraites dans l'image plutôt que d

. La-mire-présente-des-carrés-noirs-sur-fond-blanc, La première opération consiste donc à supprimer de l'image l'information colorimétrique en la transformant en image d'intensité, puis en image binaire. Ce traitement permet de réduire la quantité de données à traiter et de faire ressortir l'information pertinente en

. Pour-finir, La détection du placement, dans la mire, de chaque disque extrait est automatisée Elle se base sur la connaissance des positions relatives des carrés les uns par rapport aux autres de et sur l'hypothèse que les lignes joignant les coins détectés de la mire présentent un angle inférieur à 45° par rapport à la caméra. Sur la base d'une hypothèse d'alignement et d'espacement régulier pour les coins des carrés, il est facile d'identifier ceux qui correspondent effectivement à un carré de la mire et quelles sont leurs positions relatives par rapport au "coin de référence"; les autres seront rejetés, Ceci, constitue donc une dernière discrimination des composantes connexes indésirables. Les sommets retenus sont donc finalement associés à une position spatiale connue

. Dans-cette-première-phase-de-l-'algorithme, nous allons déterminer les paramètres extrinsèques de la caméra sauf T Z , c'est-à-dire (?,?,?,T X ,T Y ), en supposant les autres fixes. C'est la raison pour laquelle la méthode nécessite la donnée de valeurs initiales approximatives pour f, X opt ima et Y opt ima . Ces deux dernières seront simplement initialisées aux demies résolutions de l'image, en largeur et en hauteur respectivement