Anneau de caméras asynchrones pour l'assistance au conducteur – DrAACaR

Ce projet s'intéresse au développement d'un réseau asynchrone hybride composée de caméras grand-angle et de lasers 2D pour un système de conduite assistée (DAS). Il est bien établi que les caméras et les lasers sont très utiles pour des tâches telles que la détection de route, l'estimation de mouvement, l'évitement d'obstacles,…Plusieurs configurations sont possibles en fonction des périphériques optiques (perspectives, catadioptriques, caméras fish-eye, caméras infrarouges,…), des capteurs lasers (visible / invisible, 2D/3D) et de leur nombre (mono, stéréo, multiples). Dans ce projet, nous intéresserons surtout à l'utilisation de plusieurs caméras fisheye grand angle, en collaboration avec un ensemble de lasers 2D. Cette configuration a pour principal avantage d'être peu coûteux mais aussi très efficace. Généralement, ces systèmes multi-capteurs sont composés de dispositifs qui sont parfaitement synchronisés et étalonnés. Cependant, ici on ne pas imposer de contraintes sur la synchronisation des caméras et des lasers, ainsi que sur leur position relative. Ces aspects de non-synchronisation et de calibration inconnue constituent les principales contributions de notre projet. En outre, ils représentent un véritable défi scientifique puisque plusieurs questions fondamentales doivent être résolues.
Les différentes applications que nous proposons de développer pour les DAS sont les Dense Hybrid Structure du mouvement autour du véhicule, la détection de route pour la localisation des véhicules, et la détection d'obstacle.
Le dense Hybrid Structure de Motion prend en entrée un ensemble d'images et de données 3-D et vise à estimer la structure 3D de la scène et la position du véhicule. Contrairement aux méthodes existantes, nous proposons de combiner les scanners laser avec les caméras fisheye dans une structure dite hybride qui nous amène à un problème difficile à résoudre qu'est la non synchronisation entre les capteurs.
La détection de la route consiste à extraire le chemin navigable à partir des données acquises. La détection/évitement d'obstacle nécessite d'une part, de détecter les objets qui pourraient entrer en collision avec le véhicule, et d'autre part, de modifier la trajectoire du véhicule pour éviter la collision. Le système de vision omnidirectionnelle-laser proposé est conçu pour observer et détecter les obstacles éventuels dans toutes les directions. Notre méthode consiste à fusionner les images et les données de balayage laser 3-D obtenues par les caméras fisheye et les scanners laser pour détecter et suivre les obstacles dangereux qui pourraient entrer en collision avec le véhicule.
Un problème commun à la réussite de ces trois tâches est la nécessité de développer des méthodes de mises en correspondance sur les séquences obtenues à partir des différentes caméras et scanners laser. Dans notre cas, ces séquences n'étant pas synchronisées, ce processus d'appariement devient particulièrement critique et les méthodes existantes ne peuvent les résoudre.L'objectif consistera alors à développer de nouvelles techniques d'appariement en tenant compte de la non-synchronisation. Il est néanmoins important de noter quelques caractéristiques intéressantes dans notre application: les caméras et les scanners laser ont un étalonnage inconnu mais rigide, les véhicules circulent sur un terrain (localement) plat et vérifient des contraintes non-holonomes, et les scènes urbaines présentent des caractéristiques de structure connue.
Nous allons développer un véhicule autonome avec l'aide de nos partenaires coréens qui travaillent sur un véhicule d'essai depuis 2009. Un véhicule utilitaire SUV sera ainsi fourni par la Société de Hyundai Motors et sera modifié pour accepter le commandement basé sur CAN pour un contrôle automatique du véhicule. Il sera mis à jour pour fournir suffisamment de courant continu et courant alternatif pour les composants embarqués tels que capteurs de navigation, les lasers, caméras, et ordinateurs.