Vers un système complet

Fusion de données multi sources

. Définition La fusion de données multi sensorielle n’est pas une idée nouvelle. Les humains et les animaux ont naturellement développé la combinaison de leurs divers sens pour assurer leur survie : lorsque la vision est réduite la nuit, l’ouïe et l’odorat apportent des informations complémentaires qui améliorent la « perception » de la scène ambiante. Un exemple plus proche de la thématique de ce mémoire est celui se ramenant à la conduite automobile lors de laquelle l’homme corrèle les différentes informations lui provenant de : – sa vue (frontale, latérale, arrière (rétroviseur)) – son ouïe (bruit du moteur, klaxon, clignotant, frein) – son toucher (retour d’effort volant, pédales) – son équilibre (accélération, virage,…) – ses connaissances (trajet, règles de conduite, autres usagers,…) La définition de la fusion d’informations communément admise dans la littérature est la suivante : « La fusion d’informations consiste à combiner des informations issues de plusieurs sources afin d’améliorer la prise de décision. » (Bloch, 2003) La fusion de données multi-sensorielle homogène ou hétérogène peut donc être vue comme l’utilisation de données fournies par plusieurs sources d’informations pour construire une source de connaissance, plus précise et plus riche que les informations initiales prises indépendamment les unes des autres et ceci dans le but de prendre une décision ou d’effectuer un diagnostic ou de réaliser une meilleur estimation. 

Problématique

Incertitude et imprécision

La difficulté du problème de la fusion de données multi sensorielle réside dans le fait que les connaissances apportées par les différents capteurs peuvent être : – incomplètes : certaines données ne sont pas disponibles – imprécises : le contenu de l’information peut faire paraître plusieurs options (valeurs) – floues : le contenu de certaines propositions est flou, énoncé de façon vague – incertaines : la valeur de vérité d’une connaissance (existence) est connue avec plus ou moins de précision – inconsistantes : les informations peuvent être contradictoires Vers un système complet Alexandre Bargeton – Centre de Robotique – Mines ParisTech – 2009 143 Voyons ces notions dans une série d’exemples simples confrontant la distance d’un véhicule se situant devant nous. Exemple 1 : Le véhicule se situe à une distance de 1,72m. Proposition nette et propriété précise. Exemple 2 : Le véhicule se situe à une distance entre 1,70m et 1,75m. Proposition nette et propriété imprécise (appartenance à un intervalle). Exemple 3 : Le véhicule se situe à une distance aux alentours de 1,72m. Proposition floue (quel est l’intervalle de donnée ?). Exemple 4 : Le véhicule se situe probablement à une distance de 1,72m. Proposition incertaine. Exemple 5 : Le véhicule se situe sans doute à une distance entre 1,70m et 1,75m. Proposition incertaine et imprécise. Exemple 6 : Le véhicule se situe probablement à une distance de 1,80m. Le véhicule se situe certainement à une distance de plus de 1,60m. On peut diminuer l’incertitude d’une proposition en augmentant son imprécision. b) Redondance et complémentarité Ces propriétés concernent les sources d’informations. Celles-ci sont redondantes quand elles donnent des informations de même nature sur le même phénomène ou le même objet. Cette propriété est généralement exploitée pour améliorer la qualité des informations en termes de précision et d’incertitude. Les sources d’informations sont complémentaires lorsqu’elles fournissent des informations sur des caractéristiques différentes du phénomène observé ou sur des objets différents. Cela permet d’obtenir une vision plus complète ou plus générale sur le phénomène. Exemple 1 : Estimation d’une distance d par capteur ultrason et télémètre laser. Les données sont redondantes. Exemple2 : Détection des objets par leur forme et leur position. Les données sont complémentaires. c) Concordance et conflit Ces propriétés concernent les informations et donc les sources dont elles proviennent. Les informations sont en conflit lorsque leurs affirmations ne sont pas compatibles, c’est à dire qu’elles ne peuvent être vraies simultanément. Elles sont en concordance quand rien n’empêche qu’elles soient vraies simultanément. Le conflit peut être partiel et ne porter que sur une partie des informations. Quand il n’y a aucun conflit, les informations sont concordantes. Exemple 1 : Source 1 : la mesure d ∈ [12,15] Source 2 : la mesure d ∈ [10,13] Les informations données par les deux sources sont concordantes. Si les données sont fusionnées, la qualité des informations est améliorée. Exemple 2 : Source 1 : la mesure d ∈ [12,15] Source 2 : la mesure d ∈ [9,11] Les informations données par les deux sources sont en conflit. Si les données sont fusionnées, la qualité du résultat est dégradée. d) Combinaison et décision La combinaison est l’opération fondamentale de la fusion de données. Elle permet d’obtenir une information qu’il ne serait pas possible d’avoir en n’utilisant qu’une seule source. Quand les sources sont concordantes, la qualité des informations en termes de précision et de certitude ne peut se dégrader, et la quantité d’information reste constante. Quand les sources sont discordantes, il est parfois possible de combiner quand même les informations, mais la qualité des informations est dégradée, et il y a souvent une perte d’information. Lorsque tous les traitements et les combinaisons ont été réalisés, il s’agit de déterminer le résultat en fonction des informations et d’un ou de plusieurs critères de décision.