DS06 - Mobilité et systèmes urbains durables

Imagerie Non Conventionnelle pour une Mobilité sécurisée en Milieu Urbain – ICUB

Systèmes d'aide à la conduite avacncée en conditions dégradées

L'imagerie polarimétrique caractérise la réflexion de la lumière. L'utilisation de cette particularité nous permettra d'aller au delà des problèmes liés à la reconnaissance de formes seule. L’interaction lumière-matériaux et le rapport entre la polarisation, la réflexion et le brouillard sera un atout majeur pour L'analyse de scènes routières en conditions de visibilité réduite. Par ailleurs, les réseaux profonds ont montré leur supériorité par rapport aux méthodes classiques de détection.

Prototype de detection d'obstacles routiers en conditions dégradées

-Démontrer que l'analyse de scènes routières par méthodes actuelles peinent à être efficaces dans des conditions météo dégradées<br />-Proposer une technologie capteur basée sur la vision polarimétrique et des algorithmes d'IA associés pour :<br />-L'analyse de scènes routières conditions dégradées <br />-L'estimation de la distances des obstacles routiers détectés

-Segmentation
-Estimation de la profondeur
-Détection,/classification
-Fusion de données multi-capteurs
-Réseaux de neurones profonds

-Segmentation d'images polarimétriques
-Augmentation d'images polarimétriques par méthodes classiques et par méthodes génératives adverseriales (GAN)
-Estimation de la profondeur en se basant sur une seule image (monodepth)
-Détection d'obstacles routiers en conditions météo dégradées par fusion multi-capteur (classique et polarimétrique)

-Validation des algorithmes de détection développés sur des images acquises au CEREMA (Clermont Ferrand) dans des condition de visibilité très réduite (brouillard fort, pluie forte, nuit)
-Application des algorithmes d'estimation monodepth sur des cas d'usages complexes (soleil frontal, réflexion fortes, mauvaise météo)
-Prise en compte de l'aspect temporel (vidéo)
Expérimentation sur des pistes locales
-Detection temps réel d'obstacle routier en condition météo dégradées par leur sémantique et leur distance par rapport au conducteur
-Expérimentation à grande échelle dans la ville de Paris (Stellantis)

-BLIN, Rachel, AINOUZ, Samia, CANU, Stéphane, et Fabrice Mériaudeau. A new multimodal RGB and polarimetric image dataset for road scenes analysis. In : Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops. p. 216-217. 2020
-BLIN, Rachel, AINOUZ, Samia, CANU, Stéphane, et Fabrice Mériaudeau. Road scenes analysis in adverse weather conditions by polarization-encoded images and adapted deep learning. In : 2019 IEEE Intelligent Transportation Systems Conference (ITSC). 2019
-Blin, R., Ainouz, S., Canu, S., & Meriaudeau, F. (2019, July). Adapted learning for polarization-based car detection. In Fourteenth International Conference on Quality Control by Artificial Vision (Vol. 11172, p. 1117218). International Society for Optics and Photonics.
-BLANCHON, Marc, SIDIBÉ, Désiré, MOREL, Olivier, et al. P2D: a self-supervised method for depth estimation from polarimetry. arXiv preprint arXiv:2007.07567, ICPR 2020.
-BLANCHON, Marc, MOREL, Olivier, MERIAUDEAU, Fabrice, et al. Polarimetric image augmentation. arXiv preprint arXiv:2005.11044, ICPR, 2020.
-ZHANG, Yifei, MOREL, Olivier, BLANCHON, Marc, et al. Exploration of Deep Learning-based Multimodal Fusion for Semantic Road Scene Segmentation. In : VISIGRAPP (5: VISAPP). 2019. p. 336-343.

Dans le cadre des systèmes d’aide à la conduite avancée (ADAS), le projet ICUB propose de relever le défi de réaliser un système capable de détecter les obstacles routiers en toutes circonstances : obstacles dynamiques, présence d’objets réfléchissants, de flaques d’eau sur la chaussée, conditions météo dégradées ou obstacles lointains. Ce projet présente un ensemble cohérent allant de l’acquisition à la détection des obstacles par leur sémantique. En ce qui concerne notre système imageur, celui-ci comportera un couple stéréo polarimétrique. La détection des obstacles se fera par fusion des informations données par deux modalités : la polarimétrie et la carte de disparité obtenue par stéréovision. L’objectif majeur de la multimodalité est de tirer profit conjointement des avantages de l’imagerie polarimétrique pour la discrimination à une échelle fine des objets, et de l’information de profondeur pour estimer la distance de l’obstacle par rapport au véhicule et par conséquent son degré de dangerosité. L’utilisation de l’imagerie non conventionnelle représente une alternative intéressante aux méthodes de détection existantes en se basant sur des propriétés traduisant l’interaction surface/lumière plutôt que sur des propriétés scalaires ou géométriques. Le projet ICUB est un projet de recherche collaboratif qui réunit deux laboratoires de recherche (LE2I, LITIS) et deux partenaires industriels (Stereolabs et PSA), tous convaincus de la valeur ajoutée de la polarimétrie pour l’analyse de scènes routières.

Coordinateur du projet

Madame Samia AINOUZ (Laboratoire d'Informatique du traitement de l'Information et des Systèmes)

L'auteur de ce résumé est le coordinateur du projet, qui est responsable du contenu de ce résumé. L'ANR décline par conséquent toute responsabilité quant à son contenu.

Partenaire

STEREOLABS STEREOLABS
PSA ID PSA ID
ImViA Laboratoire Imagerie et Vision Artificielle
LITIS Laboratoire d'Informatique du traitement de l'Information et des Systèmes

Aide de l'ANR 483 525 euros
Début et durée du projet scientifique : décembre 2017 - 48 Mois

Liens utiles

Explorez notre base de projets financés

 

 

L’ANR met à disposition ses jeux de données sur les projets, cliquez ici pour en savoir plus.

Inscrivez-vous à notre newsletter
pour recevoir nos actualités
S'inscrire à notre newsletter