Localisation de véhicules à l'aide de la perception de scènes

Vehicle localization based on scene perception

• Auteur / Autrice : Linrunjia Liu
• Direction : Yassine Ruichek, Cindy Cappelle
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 30/06/2021
• Etablissement(s) : Bourgogne Franche-Comté
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur et microtechniques (Besançon ; 1991-....)
• Partenaire(s) de recherche : Laboratoire : Connaissance et Intelligence Artificielle Distribuées (CIAD) (Dijon) - ciad
• Partenaire(s) de recherche : Etablissement de préparation : Université de technologie de Belfort-Montbéliard (1999-....)
• Jury : Président / Présidente : Jean-Charles Noyer
• Jury : Examinateurs / Examinatrices : Yassine Ruichek, Cindy Cappelle, Abdelmalik Taleb-Ahmed, Fadi Dornaika, Cyril Meurie
• Jury : Rapporteurs / Rapporteuses : Abdelmalik Taleb-Ahmed, Fadi Dornaika

Mots clés

Mots clés contrôlés

Véhicules automobiles -- Localisation automatique

Reconnaissance des formes (informatique)

Analyse de scènes (informatique)

Mots clés libres

Reconnaissance de lieux

Représentation d'entités

Suppression d'objets dynamiques

Flou d'images

Amélioration d'images

Place recognition

Feature representation

Dynamic objects removal

Image blurring

Image enhancement

Résumé

Dans cette thèse, la tache de localisation de véhicule basée sur la vision est abordée comme un problème de reconnaissance de lieu. La représentation de l'image étant une étape essentielle dans le processus de reconnaissance de lieux, donc des méthodes de reconnaissance de lieux axées sur l'augmentation de la qualité des caractéristiques de l'image sont proposées.Tout d'abord, une étape de detéction et suppression d'objets dynamiques tels que des véhicules et des piétons est proposée. Les objets dynamiques sont détectés par segmentation sémantique puis supprimés, les parties manquantes sont alors reconstruites par une approache d'inpainting (restauration) de l'arrière-plan.Dans un deuxième temps, il est proposé de réduire au lieu de supprimer de l'image les informations non permanentes de la scène (les objets dynamiques). En appliquant un flou sur l'image pour réduire le bruit de l'image, les performances de la reconnaissance de lieu sont améliorées avec un coût calculatoire moindre que l'étape de suppression d'objets dynamiques et reconstruction du fond. Dans un troisième temps, on s'intéresse à la reconnaissance de lieu dans le cas particulier et difficile jour/huit. Pour cela, l'idée est d'équilibrer la qualité des images entre les conditions jour et nuit. Les images diurnes (souvent de meilleures qualité) sont alors dégradées alors que les images nocturnes sont améliorées.L'apport des images générées par ces différentes méthodes de pré-traitement proposées est évalué dans le cadre de la même approche de reconnaissance de lieu et leur efficacité est prouvée par comparaison avec d'autres méthodes avancées de reconnaissance de lieu de la littérature.

The vision-based vehicle localization task is tackled as an image-based place recognition problem in this thesis. As image representation is an important process to place recognition, we proposed place recognition methods focusing on increasing the quality of image features. First, the dynamic object removal step is proposed to remove the dynamic objects, such as vehicles and pedestrians, of an image by semantic segmentation method and restore their background information by image inpainting method. Second, reducing instead of removing the noisy information of an image is proposed. Using the image blurring method to reduce the image noise, the performance of place recognition is improved with less time consuming compared to the dynamic objects removal step. Third, the feature similarity achievement method is proposed for the day and night place recognition problem. Blurring the daytime images and enhancing the nighttime images to achieve a balance in their feature quality is the key to improve the place recognition performance. The images generated by the proposed methods are evaluated in the same place recognition step and are proved their effectiveness by compared with other advanced place recognition methods.