Etapes principales de l’approche retenue

L’approche propos´ee tient compte des nombreux travaux introduits dans les paragraphes pr´ec´edents, tout en se focalisant sur l’acquisition d’une connaissance de l’environnement proche `a mˆeme d’assurer une navigation autonome. Il ne s’agit donc pas d’une m´ethode centr´ee sur la cartographie absolue, ou sur l’estimation d’une trajectoire.

1. Informations visuelles :

On se base tout d’abord sur une d´etection et un suivi, dans le temps et sur une paire de cam´eras, de points d’int´erˆet. Si les m´ethodes `a base d’apprentissage obtiennent d’ores et d´ej`a de tr`es bons r´esultats en mati`ere de d´etection d’obstacles, il ne s’agit pas d’une approche g´en´erale, dans le sens o`u elle se limite aux classes d’objets d´ej`a identifi´ees. Notre travail s’est concentr´e sur une m´ethode plus agnostique, de d´etection des objets mobiles, quelconques. Une fusion de ces techniques est cependant possible, et sans doute souhaitable.

Nous avons, par ailleurs, fait le choix d’un suivi de points sp´ecifiques, et non de l’int´egralit´e de l’image, pour cette premi`ere ´etape d’ac-quisition d’informations sur l’environnement. Un flux optique dense fonctionne, en effet, grˆace `a une contrainte d’optimisation globale, qui assure un suivi optimal en moyenne mais ne garantit pas la qualit´e des suivis individuels. Dans le cas du suivi dans le temps de points visuellement non d´efinis (par une absence de contraste local notamment), un suivi dense fournira par exemple un r´esultat dont la qualit´e n’est pas v´erifiable, ce que nous souhaitons ´eviter. On devine par ailleurs sur la figure 3.5 que tous les ´el´ements du flux optique ne sont pas n´ecessairement corrects dans cette approche dense. Il est ensuite difficile de d´eterminer les ´el´ements fautifs, et nous avons donc choisi de nous concentrer sur une approche parcellaire. Un suivi

dense dans le temps est par ailleurs d´elicat `a mettre en œuvre en temps r´eel, et cette ex´ecution rapide constituait un de nos pr´erequis initiaux.

Le maintien d’un ensemble de points d’int´erˆet d´ecrivant la sc`ene proche du porteur constitue ainsi une premi`ere ´etape de notre algorithme, qui sera d´etaill´ee dans le chapitre 3.

2. Estimation du mouvement et de l’environnement statique : L’influence des mouvements du porteur dans l’´evolution de la sc`ene per¸cue, et l’int´erˆet de l’accumulation des informations dans le temps, motivent ensuite le chapitre 4. L’´etat de l’art des m´ethodes de d´etermination du mouvement d’une cam´era est important et sera pr´esent´e, ainsi que l’approche que nous proposons. Celle-ci vise `a r´epondre `a des besoins de rapidit´e et de robustesse, tout en exploitant le cadre pr´ec´edent de suivi de points d’int´erˆet sur une paire st´er´eoscopique, mais nous ne d´eveloppons pas d’estimation globale de la trajectoire.

La multiplicit´e des observations (les mˆemes points d’int´erˆet peuvent ˆetre observ´es de mani`ere r´ep´et´ee) nous am`ene ensuite `a proposer un filtrage de la position des points observ´es, dans la mesure o`u ceux-ci sont statiques. On peut en effet dissocier `a cet ´etape de d´etermination du mouvement les points respectant un mouvement d’ensemble coh´erent, et `a l’inverse isoler de potentiels points mobiles.

3. Gestion des ´el´ements mobiles :

Les points ne respectant pas une transformation rigide de la sc`ene peuvent ˆetre confondus avec des erreurs de suivi, et ne sont pas vraiment exploitables en l’´etat car trop nombreux et non structur´es.

On propose donc dans le chapitre 5 un cadre algorithmique pour d´etecter tout d’abord les points mobiles, puis les segmenter en objets relativement rigides (car affichant un vecteur vitesse approximative-ment uniforme, la tol´erance pr´esente lors des ´etapes de segapproximative-mentation permettant de prendre en compte les l´eg`eres disparit´es pr´esentes sur des objets d´eformables, tels que des pi´etons) ; et enfin filtrer et suivre dans le temps ces ´el´ements mobiles. La segmentation propos´ee exploite les informations qui d´ecoulent des ´etapes pr´ec´edentes, et qui ne sont pas communes dans la litt´erature. On dispose en effet de nuages de points ´echantillonn´es dans le temps, et dont les associa-tions temporelles sont connues, ce qui nous permet de proposer une d´etection des points mobiles et une segmentation sp´ecifiques.

On dispose finalement d’une repr´esentation en trois dimensions des ´el´e-ments fixes de la sc`ene, sous la forme de dizaines de milliers de points

po-Acquisition des indices visuels

Sommaire

3.1 Introduction . . . . 62 3.2 Etat de l’art . . . .´ 62 3.2.1 Densit´e d’informations . . . 63 3.2.2 Algorithmes«´epars» . . . 66 3.2.3 Algorithmes denses . . . 72 3.3 Algorithme propos´e . . . . 75

3.3.1 Processus g´en´eral : D´etection et maintien d’un en-semble de points d’int´erˆet . . . 75 3.3.2 Choix d’un algorithme de suivi de points . . . 76 3.3.3 Suivi redondant sur une paire st´er´eo . . . 77 3.3.4 S´election de nouveaux points . . . 79 3.4 Impl´ementation et ´evaluation . . . . 81 3.4.1 D´etection de points d’int´erˆet . . . 81 3.4.2 Suivi de points . . . 87 3.5 Conclusion . . . . 94

61

3.1 Introduction

On s’int´eresse ici `a quelques unes des approches pr´esentes dans la litt´erature dans le domaine de l’acquisition d’informations visuelles, avant de pr´eciser l’algorithme que nous proposons et avons mis en œuvre. De nombreuses informations peuvent ˆetre acquises visuellement (reconnais-sance d’objets, d´etection de mouvement, etc), et il s’agit d’un domaine de recherche particuli`erement important ces derni`eres ann´ees. Comme pr´esent´e dans la section 2.6, nous nous sommes concentr´es sur un moyen d’acquisition d’informations quasi-ponctuelles `a partir d’images successives, et ne nous ne d´etaillerons donc pas l’ensemble des diff´erentes techniques accessibles. On pourra cependant retenir que d’autres approches, parfois compl´ementaires `a la nˆotre, sont possibles, et qu’il s’agit d’une perspective de d´eveloppement de notre travail `a ne pas n´egliger.

Les indices visuels qui constituent le premier ´el´ement de notre chaˆıne gorithmique peuvent ˆetre d´efinis de diverses fa¸cons, notamment selon les al-gorithmes utilis´es. Il s’agit dans tous les cas d’´el´ements singuliers de l’image, c’est-`a-dire diff´erentiables de leurs voisins (selon une m´etrique qui consid`ere souvent une forme de corr´elation sur leur voisinage). Cette singularit´e est le plus souvent seulement locale, c’est-`a-dire qu’il n’y a pas n´ecessairement uni-cit´e de ce point, mˆeme accompagn´e de son voisinage proche, dans l’image enti`ere. On notera par la suite ces indices visuels «points d’int´erˆet ». Il s’agira paradoxalement d’´el´ements ayant tous les attributs de la ponctualit´e dans l’espace, mais ´etant d´efinis sur un ensemble d’´el´ements du plan image.

On pr´esentera tout d’abord un ´etat de l’art des algorithmes pr´esents dans la litt´erature, apr`es avoir introduit la notion de densit´e d’informations

per-¸cues, et expliqu´e notre choix de nous concentrer sur la d´etection et le suivi d’´el´ements singuliers de l’image. Une seconde partie sera consacr´ee `a la pr´e-sentation de l’algorithme que nous proposons pour assurer le suivi fiable de nombreux points d’int´erˆet. Une derni`ere partie sera enfin consacr´ee `a une

´evaluation des performances obtenues, et `a l’explication de quelques sp´ecifi-cit´es techniques mises en œuvre.