Le travail de cette thèse a été consacré au développement d’une nouvelle méthode de détection pour un système anticollision par la mesure de trajectographie, ce qui pourrait contribuer aux systèmes d’aide à la conduite. Pour obtenir une haute probabilité de détection, nous avons choisi la solution de vidéo stéréoscopique coopérative : la coopération entre véhicules rend la détection plus facile et fiable. Il y a deux participants dans le système : les véhicules « porteurs du système » aussi bien que les « suiveurs », sont équipés de caméras stéréoscopiques, c’est à dire de deux capteurs d’image, appartenant à des familles technologique à haute cadence; les véhicules « cibles » sont équipés des feux à Leds modulés, dont la fréquence de modulation est déjà connue par les véhicules « suiveurs ». Après filtrage dans l’espace temporel, le système ne détecte que des signaux issus des feux modulés, ce qui réduit fortement l’information à traiter par rapport aux calculs de trajectographie traditionnels. La détection de feux modulés est donc réalisée par le filtrage par traitement numérique des images, qui est adapté à la fréquence de modulation recherchée. Pour cela, nous avons proposé 3 types de filtres adaptés à la fréquence de modulation et conçus de façon à rejeter au mieux les signaux de fond.Pour évaluer les performances tant en détection qu’en réjection des fausses alarmes, nous avons d’abord effectué des simulations numériques en prenant en compte des signaux artificiels, puis des calculs sur vrais signaux obtenus dans les expérimentations avec véhicule d’essai statique, puis roulant. Les roulages étaient de différentes vitesses, de 30km/h jusqu’à 100km/h, ce qui nous a permis d’analyser le signal issu du feu ainsi que le comportement de nos filtres à des vitesses angulaires de feu nulles, faibles ou élevées. Le résultat de ces expérimentations montre que le filtrage permet de détecter les feux à Leds de type DRL jusqu’à 140m sans aucune fausse détection sur le fond. Ces expérimentations sont une étape essentielle pour définir de façon plus précise un tel système, en particulier dans le choix du seuil. Nous avons aussi évalué des technologies qui peuvent améliorer la performance du système, mais qui ne sont pas encore prêtes à industrialiser. Par exemple, les « rétines » artificielles nous permettent d’utiliser les filtres analogiques intégrés, et ainsi de réduire leurs bandes passantes. / This thesis was devoted to the development of a new detection method for vehicular collision avoidance system based on trajectory measurement, which could contribute to driver assistance systems.In order to obtain high detection probability, we have chosen the cooperative stereoscopic video solution: the cooperation between vehicles makes it easier and more reliable when they aim to detect each other. There are two participants in the system: the “system carriers" vehicles, or the " followers" are equipped with stereoscopic cameras (two image sensors), who belong to high speed technology families; the "targets" vehicles are equipped with modulated LED lights, with the modulation frequency being already known by the "followers". After space-time filtering, the system detects the signals emitted bymodulated lights sources, which greatly reduces the amount of information to be processed comparing to traditional trajectory calculations methods. The detection of modulated light is achieved by filtering based on digital image processing, which is adapted to the desired modulation frequency. We have proposed three types of filters suitable for detecting the modulation at this frequency and at the same time for rejecting the background as well as possible.In order to be able to evaluate the performances of both detecting signals and rejecting false alarms, we first performed numerical simulations based on the model signals, then calculations on real signals acquired in static and driving experiments. The tested speeds were from 30km/h up to 100km/h, which allowed us to analyze the signals emitted from vehicle lights as well as the behavior of our filters under different angular velocities of the lights (zero, low and high). The result of these experiments showed that our method of filtering could detect LED-type DRL lights up to 140m without any false alarm. This is essential to define more precisely the values of thresholds of such systems. We have also evaluated technologies that are possible to improve system performance in the future, which are not yet ready to be used in industry productions. For example, artificial "retinas" could allow us to integrate analog filters in the chips, and thus to reduce bandwidth of the filters.

Annually, road accidents cause more than 1.2 million deaths, 50 million injuries, and US$ 518 billion of economic cost globally. About 90% of the accidents occur due to human errors such as bad awareness, distraction, drowsiness, low training, fatigue etc. These human errors can be minimized by using advanced driver assistance system (ADAS) which actively monitors the driving environment and alerts a driver to the forthcoming danger, for example adaptive cruise control, blind spot detection, parking assistance, forward collision warning, lane departure warning, driver drowsiness detection, and traffic sign recognition etc. Unfortunately, these systems are provided only with modern luxury cars because they are very expensive due to numerous sensors employed. Therefore, camera-based ADAS are being seen as an alternative because a camera has much lower cost, higher availability, can be used for multiple applications and ability to integrate with other systems. Aiming at developing a camera-based ADAS, we have performed an ethnographic study of drivers in order to find what information about the surroundings could be helpful for drivers to avoid accidents. Our study shows that information on speed, distance, relative position, direction, and size & type of the nearby vehicles & other objects would be useful for drivers, and sufficient for implementing most of the ADAS functions. After considering available technologies such as radar, sonar, lidar, GPS, and video-based analysis, we conclude that video-based analysis is the fittest technology that provides all the essential support required for implementing ADAS functions at very low cost. Finally, we have proposed a Smart-Dashboard system that puts technologies – such as camera, digital image processor, and thin display – into a smart system to offer all advanced driver assistance functions. A basic prototype, demonstrating three functions only, is implemented in order to show that a full-fledged camera-based ADAS can be implemented using MATLAB. / Phone# 00966-56-00-56-471