Détection d'obstacles pour conduite assistée par vision stéréo
Institution:
Paris 11Disciplines:
Directors:
Abstract EN:
For a multisensor car with data fusion the stereo vision must deliver independent data from the other sensors. We tested two groups of methods to do that, one predicting the dense disparity maps to save CPU time and the other eliminating road surface points and looking for obstacles in the contour points left. To predict the disparity maps we need the position of the expansion center and the expansion coefficient, the latter depending on speed. We tested uniform and depth-dependent expansion, depth being estimated from the disparity values. Parameter estimations were made comparing several estimated disparity maps' values. The prediction methods can extend the considered disparity values' range without loss of image size and can follow correct matches over time. On the other hand, they don't follow the objects' own movement and in lack of everywhere dense contrast points in road situations the estimations cannot be corrected. Road surface elimination needs matching several road surface points. Supposing some are on an arc of circle more or less tangent to the car, we apply a Hough transform to find them. On planar road the matching parameters vary dependently with the car's pitch movement and we exploit that to use just one road point matched. On the contour points left we look for quasi-vertical scending sequences with quasi-constant disparity values close to that of the road surface at the beginning of the sequence. This gives a very fast algorithm yielding positions and confidence values (length of the ascending sequence) of obstacle contours.
Abstract FR:
Pour une voiture munie d'un système multicapteur avec fusion de données, la détection d'obstacles doit fournir des données indépendantes des autres capteurs. Dans ce but, nous avons essayé deux groupes de méthodes, l'une basée sur la prédiction de la carte de disparité dense à partir de celle des images précédentes (pour un gain de temps) et une méthode d'élimination de la surface de la route et recherche des contours restants dans les images. La prédiction des cartes de disparités nécessite l'estimation de la position du centre de l'expansion de l'image ainsi que du taux d'expansion, fonction de la vitesse. Les estimations testées étaient par expansion uniforme et par expansion dépendant de la distance - estimée de la carte de disparité - du point dans l'image. Les estimations des paramètres sont faites en comparant les valeurs données par plusieurs prédictions de la carte de disparité. Les méthodes de prédiction des cartes de disparités peuvent s'affranchir des limites des disparités considérés et suivre les bons mises en correspondances dans le temps, mais elles ne prévoient pas le mouvement propre des objets et la correction des cartes estimées est infaisable sur route, faute de contours partout denses dans l'image. L'élimination de la surface de la route nécessite la mise en correspondance de plusieurs points sur la route. On les cherche par un transformée de Hough, supposant qu'ils sont alignés sur un arc de cercle plus ou moins tangent à la voiture. En cas de route plane, les paramètres de mise en correspondance des deux images changent de façon prévisible pendant le tangage de la voiture, ce que l'on exploite pour mettre un seul point de la route en correspondance. Sur les points de contour restants nous cherchons des suites quasi-verticales montantes avec des disparités quasi-constantes et avoisinant celui de la route au départ. Ce calcul rapide donne la position et une valeur de confidence (longueur de la suite) des contours d'obstacles.