Fusion multicapteurs pour la détection et le suivi de formes par filtrage particulaire : une approche dense

par Patrick Lanvin

Thèse de doctorat en Automatique, génie informatique, traitement du signal et des images

Sous la direction de Mohammed Benjelloun et de Jean-Charles Noyer.

Soutenue en 2004

à Littoral .


  • Résumé

    Ces travaux de thèse portent sur le suivi, l'estimation de la position et du mouvement, et la détection d'objets 3D, dans un contexte multicapteurs. L'originalité du travail repose sur une modélisation dense de l'objet qui permet de s'affranchir de tout prétraitement des images. Le problème est posé sous la forme d'un modèle d'état non-linéaire dont on propose une résolution par une méthode de Monte-Carlo séquentielle, le filtrage particulaire. Ce dernier est en effet praticulièrement bien adapté au traitement des non-linéarités de modèle. L'utilisation d'une architecture de fusion centralisée permet de garantir l'optimalité des traitements. L'essentiel du travail se décompose en deux parties : la première concerne le cas des objets 2D. La méthode a été validée sur des séquences synthétiques et réelles monoculaires à faible rapport signal sur bruit. L'approche a ensuite été étendue à la détection et au suivi d'objets dans le cas où plusieurs hypothèses sont possibles. La seconde partie propose une modélisation globale dans le cas d'objets 3D et plus particulièrement dans un environnement multicapteurs, en fusionnant les mesures issues d'images d'intensité et de profondeur. En guise de perspective, une dernière partie décrit quelques stratégies possibles pour diminuer le coût calculatoire de la méthode.

  • Titre traduit

    Multisensor fusion for object detection and tracking using the particule filtering : a dense modelling


  • Résumé

    The aim of this work is the tracking, the estimation of the position and the motion, and the detection of 3D objects, in a multisensor environment. The originality of this work relies on a dense modelling of the object which avoids any preprocessing of the images. The problem relies on a non-linear state modelling whose solution is based on a sequential Monte-Carlo method. This one is particularly suitable to process the non-linearities of the models. The use of a centralized fusion architectureallows to preserve the optimality of the processing. The works can be essentially split into two main parts : the first part concerns the detection and the tracking of 2D objects where more than one hypothesis are possible. The method is applied on synthetic and real monocular image sequences with low signal/noise ratios. The second part proposes a global modelling in the case of 3D objects and more particularly in a multisensor environment, by fusing the measurements from reflectance and range images. By way of perspective, a last part describes any possible strategies to decrease the computing load of this method.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : v-173 p.
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. p. [161]-173

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Université du Littoral-Côte d'Opale (Calais, Pas-de-Calais). Bibliothèque. Section Sciences.
  • Disponible pour le PEB
  • Bibliothèque : Université du Littoral-Côte d'Opale (Calais, Pas-de-Calais). Bibliothèque. Section Sciences.
  • Consultable sur place dans l'établissement demandeur

Cette version existe également sous forme de microfiche :

  • Bibliothèque : Université de Lille. Service commun de la documentation. Bibliothèque universitaire de Sciences Humaines et Sociales.
  • Non disponible pour le PEB
  • Cote : 2004DUNK0115
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.