Contribution à la fusion d'informations par filtrage non-linéaire : application à l'estimation de la structure et du mouvement 3D dans un contexte multi-capteurs

Contribution to data fusion using non-linear filtering : application to the estimationof the 3D structure and motion in a multisensor framework

• Auteur / Autrice : Christophe Boucher
• Direction : Mohammed Benjelloun, Jean-Charles Noyer
• Type : Thèse de doctorat
• Discipline(s) : Génie informatique, Automatique et Traitement du signal
• Date : Soutenance en 2000
• Etablissement(s) : Littoral
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Analyse des Systèmes du Littoral (Calais, Pas-de-Calais)
• Jury : Président / Présidente : Rachid Deriche
• Jury : Rapporteurs / Rapporteuses : Florent Chavand, Jean-Michel Jolion, Dominique Meizel

Mots clés

Mots clés contrôlés

Filtrage du signal

Traitement d'images

Capteurs (technologie)

Vision par ordinateur

Analyse de scènes (informatique)

Traitement du signal

Fusion multicapteurs

Résumé

Cette thèse s’inscrit dans le cadre de l’utilisation du filtrage non –linéaire pour la fusion d’informations. On cherche notamment à identifier le mouvement et la structure 3D des objets d’une scène vue par un système de perception multi-capteurs. La dynamique est décrite par un modèle affiné dont les paramètres sont inconnus et la primitive utilisée est le segment de droite. On a tout d’abord estimé les caractéristiques de structure et de mouvement à partir des projections 2D de la scène. L’utilisation de la représentation de Plücker a permis de remonter aux informations souhaitées à partir de séquences d’images monoculaires et de la connaissance des mouvements relatifs de l’objet 3D. L’ajout d’un capteur actif délivrant des mesures de profondeur a conduit à une meilleure observabilité du système. L’estimation conjointe de la structure et du mouvement 3D est réalisée par un filtre unique qui fusionne les informations issues des capteurs pour poursuivre les primitives 2D dans les séquences d’images et estimer les positions et le mouvement de l’objet 3D. La solution repose sur un filtre de Kalman Etendu centralisé. Cette méthode a été validée sur des données simulées et réelles. L’intérêt réside surtout dans son indépendance par rapport au type de capteur utilisé et sa capacité à gérer un système de perception composé de capteurs de nature différente. Enfin, pour palier les limitations intrinsèques du filtrage de Kalman Etendu, une première étude est menée sur l’apport du filtrage particulaire à ce problème non-linéaire d’estimation.

This thesis deals with non-linear filtering for data fusion. One tries to identify the motion and structure of 3D objects viewed by a multisensory system. The dynamics is described by an affine model whose parameters are unknown and the used feature is the line segment. One estimated first the characteristics of the structure and motion from 2D projected data of the scene. The use of Plücker’s reprensentation allowed to recover the whished information from monocular image sequences and the knowledge of the 3D object motion. The use of an active sensor leads to an increase of the system observability. The joint estimation of the 3Dstructure and motion is done using an unique filter which fuses information from sensors to track the 2D features in the image sequences and estimate the positions and motion of the 3D object. The solution lies on a centralized Extended Kalman filter. This method was applied successfully on simulated and real data. Interest lies especially in its independence to the kind of sensor and its capacity to manage a system composed by different sensors. Finally, to avoid the intrinsic drawbacks of Extended Kalman filtering, a first study is led on the contribution of the particle filtering to this non-linear estimation problem.