Odométrie visuelle et Détection de piétons

Odométrie visuelle et Détection de piétons

Odométrie visuelle

La localisation est une problématique majeure dans le cadre du véhicule autonome, il est indispensable de connaître avec précision la position du véhicule sur une carte au cours du temps. Les technologies à base de GNSS permettent une localisation d’une précision de quelques mètres, ce qui est insuffisant par exemple pour déterminer dans quelle voie se situe le véhicule à un instant donné.

Deplus,cessystèmesnécessitentunenviron nement propice à la communication avec les satellites pour pouvoir fonctionner. Ainsi, dans le cas d’une conduite sous un tunnel ou en ville à proximité de bâtiments, les cap teurs GNSSdeviennent beaucoupmoinsprécis voire inutilisables. Pour répondre à cette problématique de localisation précise, nous proposons un al gorithme d’odométrie visuelle utilisant la caméra de recul du véhicule.

Le principe est le suivant : on cherche à déterminer le déplacement du véhicule entre deux images suc cessives. Par itérations il est alors possible de reconstruire la trajectoire complète du vé hicule et donc de connaître la position de celui-ci par rapport à une position initiale à tout instant. Remarquons que la trajectoire calculée à partir des déplacements succes sifs du véhicule a tendance à diverger au cours du temps.

Ainsi, le déplacement effectué entre deux images n’est pas déterminé avec une précision de 100% par rapport à la réa lité. Lors du calcul de la trajectoire la composition des déplacements successifs accumule les erreurs sur chaque déplacement et fait donc diverger la trajectoire. Il convient donc d’utiliser l’odométrie visuelle avec d’autres capteurs ou informations pour effectuer un recalage de la trajectoire et éviter une divergence trop forte (comme un capteur GNSS).

Par exemple, OHNOetcollab.[2003]proposent d’utiliser un capteur GNSS, de l’odométrie et une fusion de données à partir d’un filtre de Kalman étendu [MAYBECK, 1982] pour dé terminer la localisation d’un robot mobile en extérieur. Ainsi les auteurs obtiennent une localisation pouvant compenser les erreurs du capteur GNSS grâce à l’odométrie et qui ne diverge pas.

Dans le cadre de ce manuscrit, nous nous limiterons cependant à la pré sentation de la partie concernant l’algorithme d’odométrie visuelle, la fusion de données avec unautre capteur ne sera pas abordée.

Fonctionnement de l’algorithme

Nous avons choisi de reprendre l’algorithme de LOVEGROVE et collab. [2011]. Les au teurs proposent d’utiliser l’Efficient Second order Minimisation (ESM), telle que définie par MALIS [2004], pour déterminer le déplacement effectué par le véhicule à partir de deux images successives. Remarquons que l’algorithme est de type dense,

c’est-à-dire qu’il utilise toute l’image (ou une région d’intérêt) pour procéder, contrairement à des algorithmes dits sparse qui utilisent des points d’intérêts pour calculer le déplacement. Pour déterminer le déplacement du véhicule, l’algorithme se base sur l’hypothèse que la route est approximable par un plan, nous considérerons donc dans la suite de la section quela route est un plan.

Configuration

Pour commencer, il convient de définir la configuration de l’installation. Un schéma de principe est donné en figure 6.1, la caméra C est située à l’arrière du véhicule. Son repère RC (C,xc,yc,zc) est illustré en bleu dans le schéma.

La projection du centre op tique C sur le plan de la route suivant l’axe zc est noté O. Pour la suite nous définissons le repère orthonormé RV (V,xv,yv,zv), tel que V soit la projection de C sur le plan de la route suivant la normale de ce plan, tel que zv soit orthogonal au plan de la route et tel quela rotation entre RC et RV autourdel’axe zv soit nulle