Cette thèse, réalisée en coopération avec l'Institut Pascal et Renault, s'inscrit dans le domaine des applications d'aide à la conduite, la plupart de ces systèmes visant à améliorer la sécurité des passagers du véhicule. La fusion de différents capteurs permet de rendre plus fiable la prise de décision. L'objectif des travaux de cette thèse a été de développer un système de fusion entre un radar et une caméra intelligente pour la détection des obstacles frontaux au véhicule. Nous avons proposé une architecture modulaire de fusion temps réel utilisant des données asynchrones provenant des capteurs sans a priori applicatif. Notre système de fusion de capteurs est basé sur des méthodes de suivi de plusieurs cibles. Des méthodes probabilistes de suivi de cibles ont été envisagées et une méthode particulière, basée sur la modélisation des obstacles par un ensemble fini de variables aléatoires a été choisie et testée en temps réel. Cette méthode, appelée CPHD (Cardinalized Probability Hypothesis Density) permet de gérer les différents défauts des capteurs (non détections, fausses alarmes, imprécision de positions et de vitesses mesurées) et les incertitudes liées à l’environnement (nombre inconnu d'obstacles à détecter). Ce système a été amélioré par la gestion de différents types d'obstacles : piéton, voiture, camion, vélo. Nous avons proposé aussi une méthode permettant de résoudre le problème des occultations avec une caméra de manière explicite par une méthode probabiliste en prenant en compte les imprécisions de ce capteur. L'utilisation de capteurs intelligents a introduit un problème de corrélation des mesures (dues à un prétraitement des données) que nous avons réussi à gérer grâce à une analyse de l'estimation des performances de détection de ces capteurs. Afin de compléter ce système de fusion, nous avons mis en place un outil permettant de déterminer rapidement les paramètres de fusion à utiliser pour les différents capteurs. Notre système a été testé en situation réelle lors de nombreuses expérimentations. Nous avons ainsi validé chacune des contributions de manière qualitative et quantitative. / This PhD work, carried out in collaboration with Institut Pascal and Renault, is in the field of the Advanced Driving Assisted Systems, most of these systems aiming to improve passenger security. Sensors fusion makes the system decision more reliable. The goal of this PhD work was to develop a fusion system between a radar and a smart camera, improving obstacles detection in front of the vehicle. Our approach proposes a real-time flexible fusion architecture system using asynchronous data from the sensors without any prior knowledge about the application. Our fusion system is based on a multi targets tracking method. Probabilistic multi target tracking was considered, and one based on random finite sets (modelling targets) was selected and tested in real-time computation. The filter, named CPHD (Cardinalized Probability Hypothesis Density), succeed in taking into account and correcting all sensor defaults (non detections, false alarms and imprecision on position and speed estimated by sensors) and uncertainty about the environment (unknown number of targets). This system was improved by introducing the management of the type of the target: pedestrian, car, truck and bicycle. A new system was proposed, solving explicitly camera occlusions issues by a probabilistic method taking into account this sensor imprecision. Smart sensors use induces data correlation (due to pre-processed data). This issue was solved by correcting the estimation of sensor detection performance. A new tool was set up to complete fusion system: it allows the estimation of all sensors parameters used by fusion filter. Our system was tested in real situations with several experimentations. Every contribution was qualitatively and quantitatively validated.

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.