1 / 35

Comité de Pilotage Mardi 2 décembre 2008 SATORY

Comité de Pilotage Mardi 2 décembre 2008 SATORY. SP3- Fusion de données. SP3 - Présentation. Fusion de donn é es dans LOVe : fusion de donn é es issues de  «  capteurs ext é roceptifs  » diff é rents Approche méthodologique Mise à jour de pistes ou d’objets « piéton » Notes de détection

errin
Download Presentation

Comité de Pilotage Mardi 2 décembre 2008 SATORY

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Comité de Pilotage Mardi 2 décembre 2008 SATORY

  2. SP3- Fusion de données

  3. SP3 - Présentation • Fusion de donnéesdans LOVe : fusion de données issues de « capteurs extéroceptifs » différents • Approche méthodologique Mise à jour de pistes ou d’objets « piéton » • Notes de détection • Notes de reconnaissance • Notes d’importance • Notes de pistage • Notes de mesure

  4. SP3 - Approches développées • Coopération de capteurs : • Ex : le télémètre définit des zones dans lequel il a détecté un obstacle et la caméra confirme par un algorithme de reconnaissance de piétons • Fusion d’objets : • Fusion des résultats de détection/identification de piétons par plusieurs modalités. • Fusion dans une grille d’occupation : • Représentation de l’espace libre ou occupé par un obstacle et combinaison par filtrage bayésien • Fusion de pistes : • Fusion des résultats de plusieurs modalités de pistage. • Paramétrage des algorithmes de fusion

  5. SP3 - Livrables Rapport R3.2.3. Septembre 2009 «Résultat des méthodes combinées et de fusion. » Modules • de nombreux modules livrés (voir tableau sur site) • tous ne fonctionnement pas

  6. SP3 - Quelques résultats • Fusion série • Fusion synchone • Fusion de grilles d’occupation • Fusion par pistage

  7. Fusion série Lidar seul (CAOR)

  8. Fusion série (CAOR) Lidar puis Adaboost

  9. Fusion série (LIVIC)

  10. Fusion série (LIVIC)

  11. Fusion synchrone laser/monocaméra (Lasmea)

  12. Séquences d’expérimentation • Séquence Renault 12_12_2007_006 Rectangles jaunes : Résultats du module de fusion. Points rouges : détections fournies par un module lidar. Rectangle bleus : détections fournies par un module vidéo. Taux de bonnes et de fausses détections () associé à leur écart-type respectif ().

  13. Séquences d’expérimentation • Séquence Renault 12_12_2007_006 Variation du Facteur de Confiance sur la Fusion des Données (FCFD) en fonction de la qualité de la fusion laser/vidéo . Résultat du pistage en x et y. Les mesures (laser et vidéo) sont représentées par des cercles gris. Chaque piste identifiée est représentée par une couleur différente.

  14. Séquences d’expérimentation • Séquence Renault 12_12_2007_004 Rectangles jaunes : Résultats du module de fusion. Points rouges : détections fournies par un module lidar. Rectangles bleus : détections fournies par un module vidéo. Taux de bonnes et de fausses détections () associé à leur écart-type respectif ().

  15. Séquences d’expérimentation • Séquence Renault 12_12_2007_004 Variation du Facteur de Confiance sur la Fusion des Données (FCFD) en fonction de la qualité de la fusion laser/vidéo. Résultat du pistage en x et y. Les mesures (laser et vidéo) sont représentées par des cercles gris. Chaque piste identifiée est représentée par une couleur différente.

  16. Commentaires • Taux de fausses détections clairement amélioré sur les deux séquences. • Taux de bonnes détections amélioré sur la séquence Renault_6 mais pas sur la séquence Renault_4. Les principales causes sont : • Taux de détections laser et vidéo moins élevés. • Mauvaise précision des détections vidéo en position (erreur parfois > 1 mètre), rendant difficile l’association avec les données laser. • Valeur de l’écart-type élevé. S’explique simplement par le faible nombre de piétons ou de fausses alarmes présents dans le champ de vue du capteur (< 4) à un instant donné.

  17. Fusion dans une grille d’occupation (Emotion) Stéréovision BOF Tracker Zone travailLOVe Pistes LOVe Grille D'occupation (estimation) Grilles d'occupation (observations) ObjetsLOVe

  18. Appariement – Utilisation de la méthode du LIVIC Double corrélation  Appariement avec les hypothèses « monde horizontal » et « monde vertical »  Les pixels « route » et « obstacles » sont immédiatement séparés : Carte de disparité « obstacle » Carte de disparité « route » Avantages  Plus efficace en temps de calcul / mémoire Meilleure carte de disparité (moins d'erreurs / plus précis sur la route)

  19. Modèle stéréo Gaussien

  20. Construction de la grille d’occupation

  21. Estimation de la grille d’occupation, en utilisant le BOF

  22. Estimation (BOF)

  23. Clustering / Tracking (FCTA) • Retour à une représentation au niveau objet (pistes) • Retour au repère LOVe • Le tracker donne des ellipses • Le RUSL exige des cercles Considérant les piétons frontaux, on prend : L = 3*xx LPRUSL Grille observée Grille estimée Objets détectés (Tracker)

  24. Résultats

  25. Résultats

  26. Résultats

  27. Grille d'occupation LORUSL L'idée :Attribuer une probabilité d'occupation gaussienne aux détections LORSUL (diamètre = largeur à demihauteur de la gausienne) L P r 

  28. Fusion dans le BOF LAS24A LIS23A BOF Tracker

  29. Un nouveau résultat • Prise en compte du « champ libre »

  30. Portage du BOF sur hardware

  31. Quelques modules en difficulté • Pas de mode asynchrone dans le lecteur LOVe (HEU32) • Pas d’entrée au format attendu (CEA-LIST)

  32. Fusion d’objets par pistage Entrées asynchrones (Heudiasyc) lorusl Gestiondes pistes Mise à jourdes pistes module de détection lorucm Créationdes pistes Notesdet. et rec. module de détection lprusl lorucs Note pistage module de détection AssociationPiste/Objet Dimension lorusl module de détection Destructiondes pistes Dynamique données proprio fichier de configuration

  33. Testé en local

  34. HEUDIASYC - Séminaire LOVe – 13 Janvier 2009

  35. SP3 - Conclusion • 3 modes principaux de fusion • Détection par lidar puis confirmation par caméra (série) • Fusion d’objets/pistes • Fusion de grille • Les partenaires du SP3 ont trop attendu les résultats du SP2 • Les résultats arrivent maintenant

More Related