Vision sous-marine monoculaire pour la reconnaissance d'objets

par Stéphane Bazeille

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

Sous la direction de Luc Jaulin.

Soutenue en 2008

à Brest , dans le cadre de École doctorale Santé, information-communication et mathématiques, matière (Brest, Finistère) , en partenariat avec Laboratoire E3I2 - Extraction et exploitation de l'information en environnements incertains (Brest, Finistère) (laboratoire) et de École nationale supérieure des ingénieurs des études et techniques d'armement (autre partenaire) .

mots clés

• Vision
• Sous-marin
• Reconnaissance
• Robot autonome
• Computer vision
• Underwater
• Recognition
• Autonomous vehicle
• Vision par ordinateur
• Océanographie optique
• Robots sous-marins
• Reconnaissance (science militaire)

Résumé

Dans le contexte sous-marin, et à l’inverse du capteur sonar qui reste le plus employé à grande distance pour la détection et la classification, la caméra vidéo est efficace à faible portée lors des phases d’approche, de reconnaissance d’objets et d’intervention. Elle dispose en effet d’atouts notables comme une haute résolution, une facilité d’interprétation on encore un faible coût. Aujourd’hui presque tous les véhicules sous-marins scientifiques, industriels ou militaires en sont équipés. Ils sont actuellement plutôt télé-opérés par un opérateur et on y trouve associés des traitements automatiques que très rarement. Ces traitements automatiques sont pourtant des technologies essentielles pour les développements émergents des robots autonomes sous-marins très prisés aujourd’hui dans un contexte d’expansion des marchés liés à la sécurité et à l’exploitation des ressources maritimes. Ces travaux de thèse visent à apporter les innovations nécessaires, et à promouvoir l’emploi du capteur vidéo dans le domaine sous-marin. L’étude proposée concerne le développement des traitements automatiques de reconnaissance d’objets en vidéo sous-marine, avec une attention particulière apportée aux objets manufacturés. Les scènes sous-marines observées sont classiquement plus simples et plus limitées en profondeur d’observation que les scènes urbaines ou que l’intérieur d’un bâtiment. Toutefois, ce contexte présente des difficultés spécifiques telles que les variations d’éclairage et la turbidité de l’eau qui limitent la visibilité et dégradent fortement les images. Ceci a pour conséquence de rendre les traitements difficiles et nécessite donc la création de nouveaux algorithmes de vision robotique.

Titre traduit

Monocular underwater vision for object recognition

Résumé

In underwater context, traditional sensing methods like sonar are used at large range for detection and classification of objects. For a few years, the sonar sensor has been complemented by a vision sensor more efficient at short range for the approach, the object recognition and the intervention phases. Indeed, the camera has noticeable advantages like for example high resolution, simple interpretation or low cost. Today, it equips nearly any scientific, industrial or military underwater vehicles. Currently, underwater vehicles are rather distance controlled by a manipulator, and automatic processing is really uncommon. However, automatic processing is an essential technology for the AUV development. These kinds of vehicles are very popular today with the expansion of the market related to the security and the exploitation of the marine resources. This thesis aims at supplying the required advances and promoting the use of video technologies. The proposed study addresses the problem of automatic processing for underwater objects recognition, with a particular focus on man-made objects. Observed underwater scenes are traditionally simpler but more limited in depth than urban scenes or inside building scenes. Nevertheless, this context presents very specific difficulties like lighting variations and water turbidity which limit visibility and degrade considerably images. As a consequence processing is difflcult and require the development of new robotic vision algorithms.