Combination of estimation : obstacle detection application on board an intelligent vehicule
Combinaison d'estimations: application à la détection d'obstacles à bord des véhicules routiers intelligents
Résumé
In road environment, road obstacles tracking is able to extract important information for driving safety. Indeed, kinematic characteristics estimation (relative position, relative speed, ...) provides a clearer road scene comprehension. This estimate is one of the important parameters of driver assistance systems. However, only one sensor generally does not allow to detect quickly (all the potentially dangerous obstacles) in all the directions, under all the atmospheric conditions. Moreover, the degree of obstacle recognition is different according to the sensor used. Multiplication of sensors makes it possible to face these various problems. Amalgamated information will represent entities in further details and with less uncertainty than with only one source. A system of higher level has been thus developed in order to have a robust management of all tracks and measurements coming from various sensors. This system, applied to various sensors measurements combination, gives important obstacles characteristics present in the front bumper of our experimental vehicle (VELAC : LASMEA's experimental vehicle for driving assistance). This state estimate is based on the use of various Bayesian methods (Extended Kalman Filter and Particle Filter). Here we will use the fusion of two obstacle tracking delivered by two independent systems : track to track fusion.These two systems propose estimates characterizing obstacles positions and relative speeds. Fusion estimation is based on the use of Extended Kalman filter (EKF) or particle filters.
Ces activités de recherche s'intégrent à l'un des deux groupes de recherche du laboratoire LASMEA : GRAVIR (GRoupe Automatique VIsion et Robotique), dont l'objectif principal est de développer des concepts théoriques et méthodologiques pour la perception de l'enironnement de machines, et de valider ceux-ci expérimentalement sur des démonstrateurs par des systèmes dédiés. Cet objectif a été pariculièrement suivi dans les véhicules routiers intelligents puisque, depuis plus de quinze ans, les résultats de recherches sur les capteurs, la reconnaissance des formes et la fusion de données obtenues par une dizaine de chercheurs sont appliqués en ce domaine. Ces recherches concernent la fusion de données pour la perception à bord des véhicules routiers intelligents. Elles s'inscrivent parmi deux projets : ARCOS (Action de Recherche pour une COnduite Sécurisée) s'inscrit dans le cadre des actions fédératives du PREDIT (Programme national de recherche et d'innovation dans les transports terrestres, à l'initiative des ministères chargés de la recherche, des transports, de l'environnement et de l'industrie, de l'Ademe et de l'Anvar) et PAROTO (Projet Anticollision Radar et Optronique pour l'auTOmobile) initié par le ministère de la recherche en partenariat avec SAGEM, Division Défense et Sécurité, et l'INRETS (Institut National de REcherche sur les Transports et leur Sécurité). Dans ce cadre, je m'intéresse à un système de perception conduisant, et ceci dans une grande variété de situations, à la définition d'une carte de l'environnement à l'avant du véhicule intelligent : chaque obstacle y est décrit par sa position absolue, son état cinématique et un certain nombre de caractéristiques qui peuvent être déterminantes pour définir l'aide à apporter au conducteur. Cette perception s'appuie sur le développement d'un système de fusion de données appliqué à la détection et au suivi des obstacles. Plusieurs capteurs, dont les complémentarités et redondances ont été soulignées, ont ainsi été installés à l'avant de notre véhicule démonstrateur : VELAC (VEhicule du Lasmea pour l'Aide à la Conduite) ; un capteur RADAR (développé au sein de notre laboratoire) dont l'objectif prioritaire est de fournir une information de vitesse relative des obstacles, un capteur LIDAR (Riegl) permettant une représentation en 3D de la scène routière, un capteur thermique (SAGEM) dont l'objectif était de détecter et de suivre les différents obstacles quelques soient les conditions atmosphériques. Les données de ces différents capteurs sont traitées indépendamment afin de détecter, et de suivre les obstacles à l'avant du véhicule. La problématique de fusion est ainsi vue comme une combinaison de pistages (estimations à l'aide du filtre de Kalman ou à particules). Il devient donc possible, après cette fusion, de représenter une carte précise de l'environnement à l'avant du véhicule intelligent : chaque obstacle y est décrit par sa position absolue, et son état cinématique qui sont déterminants pour définir l'aide à apporter au conducteur. Des résultats ont été validés à bord de notre véhicule démonstrateur VELAC
Loading...