Bayesian Model for multi-modal analysis of cluttered environments : an automotive application
Modèle bayésien pour l'analyse multimodale d'environnementsdynamiques et encombrés : Application à l'assistance à la conduite en milieu urbain
Résumé
A prerequisite to the design of future Advanced Driver Assistance Systems for cars is a sensing system providing all the information required for high-level driving assistance tasks. In particular, target tracking is still challenging in urban traffic situations, because of the large number of rapidly maneuvering targets. The goal of this thesis is to present an original way to perform target position and velocity estimation, based on the occupancy grid framework. The main interest of this method is to avoid the decision problem of classical multi-target tracking algorithms. Obtained occupancy grids are then combined with danger estimation to perform an elementary task of obstacle avoidance with an electric car.
La perception de l'environnement constitue un prérequis fondamental pour l'extension des systèmes d'assistance actuels aux situations complexes de conduite induites par le milieu urbain. En particulier, le nombre et la dynamique des acteurs de la circulation rendent la poursuite multicible peu fiable, et par conséquent le contrôle du véhicule impossible. Cette thèse présente une représentation alternative de l'environnement du véhicule, qui évite les prises de décision prématurées de la poursuite multicible. Nous utilisons pour cela les grilles d'occupation de manière originale. En particulier ces grilles portent sur l'espace d'état des acteurs de la circulation (position et vitesse relative au véhicule), et sont égocentrées. L'absence de notion d'objet en tant que tel dans les grilles d'occupation permet de contourner les difficultés de la poursuite multi-objet. Un filtrage temporel inspiré des filtres bayésiens est également ajouté à l'estimation des grilles pour prendre en compte la dynamique de la scène. Le document illustre de manière incrémentale les qualités de notre représentation sur de nombreux exemples. Nous commençons par illustrer l'estimation statique de grille, lorsqu'un puis plusieurs capteurs fournissent une unique puis plusieurs observations. Par statique, nous entendons sans prise en compte de la dynamique temporelle de la scène. L'estimation dynamique est ensuite illustrée en suivant la même progression. Enfin, l'intérêt de cette représentation dans le contexte automobile est montrée par l'implémentation d'un algorithme d'évitement de collisions sur le Cycab. Le contrôle du Cycab est alors effectué sans qu'aucune décision sur les objets n'ait été prise.
Loading...