Gestion de la confiance dans un système de fusion multisensorielle : application à la détection de piétons en situations routières

Confidence management in a multi-sensor fusion system : application to pedestrian detection in road situations

• Auteur / Autrice : Fadi Fayad
• Direction : Véronique Berge-Cherfaoui
• Type : Thèse de doctorat
• Discipline(s) : Technologies de l'information et des systèmes
• Date : Soutenance en 2009
• Etablissement(s) : Compiègne

Mots clés

Mots clés contrôlés

Piétons

Reconnaissance des formes (informatique)

Fusion multicapteurs

Temps réel (informatique)

Systèmes embarqués (informatique)

Lidar

Véhicules automobiles -- Capteurs

Conduite automobile

Sécurité routière

Mots clés libres

Fusion de données

Pistage multi-capteur multi-cible

Détection et reconnaissance de piétons

Quantification de la confiance

Gestion crédibiliste de la confiance

Association par hypothèses multiples

Système embarqué temps réel

Fonctions de croyance

Résumé

Cette étude est une contribution aux systèmes d'aide à la conduite automobile en mettant principalement l'accent sur la détection des obstacles routiers. A partir de traitements des données fournies par un ou plusieurs capteurs embarqués sur un véhicule routier, on cherche à détecter, identifier et suivre les obstacles mobiles ce qui permettra d'envisager ensuite une assistance adaptée à la situation. Pour un tel système de fusion de données, la fiabilité des résultats de détection et de reconnaissance est très importante, c'est pourquoi nous proposons une méthode de gestion de la confiance à différentes étapes du processus : détection, reconnaissance et suivi. Lors du suivi temporel, nous proposons une technique de mise à jour de la confiance dans la détection et la reconnaissance à l’aide de fonctions de croyance. La détection de piétons qui est le coeur du projet LOVe (Logiciel d'Observation des Vulnérables) représente un cas particulier de cet étude pour laquelle un système embarqué temps réel à été développé pour détecter, identifier et suivre les piétons. Le système est intégré dans CARMEN, la plateforme du laboratoire HEUDIASYC.

This study is a contribution to the advanced driver assistance systems (ADAS), mainly in the domain of road obstacles detection. Using data provided by one or more sensors embarked on a road vehicle, we're trying to identify and track mobile obstacles, thus allowing an automatic assistance which is adapted to the situation. For such data fusion system, the reliability of objects detection and recognition is very important; this is why we propose to manage the confidence in different stages of the process: detection, recognition and tracking. While tracking objects, we propose a technique to update the confidence in detection and recognition using belief functions. Pedestrian detection, which is the heart of the project LOVe (Logiciel d'Observation des Vulnérables), represents a particular case of this study for which a real time embedded system is developed to detect, identify and track pedestrians. The system is integrated in CARMEN, the experimental vehicle of HEUDIASYC laboratory.