AdaBoost/GA et filtrage particulaire: La vision par ordinateur au service de la sécurité routière
Résumé
This thesis presents two ITS applications,which are designed to be installed on a moving vehicle and detect other road users, using a single frontal camera. The two apllications are Stop and Go ACC and Pedestrian impact prediction. The thesis opens by describing the history and current status of the ITS domain. We review several existing systems which represent several approaches and research directions. Among these systems there are ones which are operational or almost operational, and ones which are futuristic. Next we present some novel results in the field of computer vision/machine learning. Thes results are using, and are partly motivated by, the example of pedestrian detection. In particular we present new type of weak-classifiers to be learned by the AdaBoost algorithm, a classifier which is working faster than others and is not dependant of scene lighting conditions. We also present a novel way to collect large high-quality training sets in order to vastly improve the training results. Using thes results, we present a Stop and Go adaptive cruise control (ACC°. We implemented this application with a set of known image processing algorithms, demonstrating how the combination of several relatively-simple algorithms can yield a reliable system. The application is running in 10 images per second and follows the car in front, while using a motion estimator to detect cut-ins. Our second application is a pedestrian detection and impact prediction application. The system is running in 10 image per second and reliably predict the probability of an impact with a pedestrian in some time frame.
Cette Thèse combine des résultats récents et des algorithmes originaux pour créer deux applications temps-réel robustes d'aide à la conduite (projet aussi appelé "le véhicule intelligent"). Les applications - commande de croisière adaptative ("ACC") et prédiction d'impact piétons - sont conçues pour être installées sur un véhicule et détectent d'autres utilisateurs de la route, en utilisant une seule caméra frontale. La thèse commence par un état de l'art sur la vision artificielle. Elle s'ouvre en passant en revue certaines avancées récentes dans le domaine. En particulier, nous traitons l'utilisation récente d'un nouvel algorithme nommé AdaBoost pour la détection des objets visuels dans une image, rapidement et sûrement. Nous développons la théorie, ajoutons des algorithmes et des méthodes (y compris une variante à base d'algorithmes aux besoins de vraies applications d'aide à la conduite. En particulier, nous prouvons plusieurs nouveaux résultats sur le fonctionnement de l'algorithme AdaBoost. Toujours sur le plan théorique, nous traitons des algoritmes d'évaluation de mouvement et des filtres particulaires et leur utilisation dans la vision. De ces développements algoritmiques, nous arrivons à la description de deux applications d'aide à la conduite, toutes les deux entièrement mises en application, validées et démontrées sur le véhicule d'essai du Centre de Robotique de l'Ecole des Mines de Paris. La première application, la commande de croisière adaptative ("ACC"), exploite les formes caractéristiques des véhicules pour les détecter. Ainsi, l'application détecte des véhicules en utilisant un ensemble d'algorithmes classiques de traitement d'image (détection d'ombres, des feux arrières, de symétrie et de bords), ainsi que l'algorithme AdaBoost mentionné ci-dessus. Cet ensemble d'algorithmes est fusionné en se plaçant dans le cadre du filtrage particulaire, afin de détecter les véhicules devant notre voiture. Puis, le système de contrôle prend pour cible la voiture située devant et garde une distance constante par rapport à celle-ci, tout en commandant l'accélération et le freinage de notre voiture. La deuxième application, le prédiction d'impact piétons, estime au temps t la probabilité d'un impact de notre voiture avec un piéton au temps t+s. Dans l'application, la trajectoire de chaque piéton est calculée, et la probabilité d'impact est calculée selon la direction du piéton, du bruit et d'autres facteurs. Cette application utilise un accélérateur matériel spécifique crée dans le cadre du projet européen CAMELLIA (Core for Ambient and Intelligent Imaging Applications).
Loading...