Ce travail traite des aides optroniques aux déplacements des non-voyants. Préalablement à ce travail, deux " détecteurs de passage " ont été développés au Laboratoire Aimé Cotton le " Tom Pouce " et le " Télétact ". Le " Tom Pouce " est simple d'utilisation mais présente des limitations pour détecter les passages étroits à des distances supérieures à trois mètres ainsi que pour éviter les poteaux fins. Le " Télétact " permet de gérer l'ensemble des situations mais le nombre d'utilisateurs est limité par l'effort cognitif important que demande son utilisation ainsi que sa fragilité.Le but principal de cette thèse est d'améliorer les capteurs ainsi que leur façon de représenter l'espace afin d'avoir un dispositif facile d'utilisation détectant tous les passages.Dans un premier temps, l'hypothèse que la forme de la zone de protection idéale devrait être d'aspect cylindrique est émise. La réalisation approchée de cette forme à partir de capteurs infrarouges est analysée théoriquement et validée expérimentalement. Deux dispositifs le " Tom Pouce II " et le " Minitact " utilisant ce concept ont été proposés à des non-voyants et ont reçu un accueil favorable. Dans un second temps, les capteurs laser télémétriques du " Télétact " ont été revus afin d'améliorer leurs performances permettant entre autres une moindre sensibilité aux contraintes mécaniques. Une nouvelle forme d'association des capteurs infrarouges et laser permet de gérer l'ensemble des configurations de passages, y compris en chicane, avec une interface tactile ayant seulement trois niveaux d'alerte correspondant à trois zones de protection (moins de 2 mètres de profondeur sur 10 cm de large, entre 2 et 6 mètres sur plus de 50 cm de large, plus de 6m de profondeur et 1m de large ) avec un effort cognitif très réduit par rapport au " Télétact " initial utilisant 32 sons différents. Des outils pour pouvoir analyser objectivement les performances des dispositifs dans des environnements contrôlés ont été mis au point afin de pouvoir ajuster finement les formes des zones de protection. Un dernier point concerne les possibilités d'identification des obstacles, l'imagerie est explorée mais s'avère immature, actuellement seules les " astuces d'utilisation " des capteurs sont opérationnelles.

Ce travail traite des aides optroniques aux déplacements des non-voyants. Préalablement à ce travail, deux « détecteurs de passage » ont été développés au Laboratoire Aimé Cotton le « Tom Pouce » et le « Télétact ». Le « Tom Pouce » est simple d’utilisation mais présente des limitations pour détecter les passages étroits à des distances supérieures à trois mètres ainsi que pour éviter les poteaux fins. Le « Télétact » permet de gérer l’ensemble des situations mais le nombre d’utilisateurs est limité par l’effort cognitif important que demande son utilisation ainsi que sa fragilité.Le but principal de cette thèse est d’améliorer les capteurs ainsi que leur façon de représenter l’espace afin d’avoir un dispositif facile d’utilisation détectant tous les passages.Dans un premier temps, l’hypothèse que la forme de la zone de protection idéale devrait être d’aspect cylindrique est émise. La réalisation approchée de cette forme à partir de capteurs infrarouges est analysée théoriquement et validée expérimentalement. Deux dispositifs le « Tom Pouce II » et le « Minitact » utilisant ce concept ont été proposés à des non-voyants et ont reçu un accueil favorable. Dans un second temps, les capteurs laser télémétriques du « Télétact » ont été revus afin d’améliorer leurs performances permettant entre autres une moindre sensibilité aux contraintes mécaniques. Une nouvelle forme d’association des capteurs infrarouges et laser permet de gérer l’ensemble des configurations de passages, y compris en chicane, avec une interface tactile ayant seulement trois niveaux d’alerte correspondant à trois zones de protection (moins de 2 mètres de profondeur sur 10 cm de large, entre 2 et 6 mètres sur plus de 50 cm de large, plus de 6m de profondeur et 1m de large ) avec un effort cognitif très réduit par rapport au « Télétact » initial utilisant 32 sons différents. Des outils pour pouvoir analyser objectivement les performances des dispositifs dans des environnements contrôlés ont été mis au point afin de pouvoir ajuster finement les formes des zones de protection. Un dernier point concerne les possibilités d’identification des obstacles, l’imagerie est explorée mais s’avère immature, actuellement seules les « astuces d’utilisation » des capteurs sont opérationnelles. / This work deals with optical electronic travel aids for visually impaired people. Initially, two devices allowing the detection of an unrestricted path were developed at the Aime Cotton Laboratory: the "Tom Pouce" and the "Télétact". The "Tom Pouce" is simple to use but presents limitations for detecting narrow passages at distances over three meters as well as avoiding fine posts. The "Télétact" allows users to manage every situation but the number of users is restricted due to the cognitive effort required.The main purpose of this thesis is to improve the sensors as well as the way the spatial information is transmitted to the user to allow the safe detection of all passages with reduced cognitive effort.First, the hypothesis is that the ideal protection zone could be a cylindrical shape. The approached realization of the cylindrical shape with infrared sensors is theoretically analyzed and experimentally tested. Two devices,"Tom Pouce II" and "Minitact”, using this concept were proposed to visually impaired people already using the “Tom Pouce I”. They greatly appreciated the improvement.Second, the laser telemetric laser sensors of the «Télétact» were modified to improve their performance and to reduce the sensitivity of mechanical constraints during daily use. The association of infrared sensors and laser telemetric sensors allowed the management of all kinds of passages, including chicanes, with a tactile interface having only three levels of alert corresponding to three zones of protection (less than 2 meters deep and 10 cm wide, between 2 and 6 meters deep and about 50 cm wide, and more than 6m deep and 1m wide). The cognitive effort is greatly reduced compared to the initial "Télétact" , which used 32 different sounds.Third, tools to objectively analyze the performance of the implemented devices in controlled environments were developed to finely adjust the shape of the protection zones.The last point dealt with the possibilities of identification of obstacles, imagery is explored but it is proved to be premature. Nowadays only tricks of the trade are effectively working.

Dans la vie de tous les jours, nous assistons à des chorégraphies surprenantes dans les déplacements de foules de piétons. Les mécanismes qui sont à la base de la dynamique des foules humaines restent peu connus. Un des modes d’observation des piétons consiste à réaliser des mesures en conditions réelles (exemple : aéroport, gare, etc.). La trajectoire empruntée, la vitesse et l’accélération sont les données de base pour une telle analyse. C’est dans ce contexte que se placent nos travaux qui combinent étroitement observations en milieu naturel et expérimentations contrôlées. Nous avons proposé un système pour le suivi de plusieurs piétons dans un environnement fermé, à l’aide d’un réseau de télémètres lasers à balayage. Nous avons fait avancer l’état de l’art sur quatre plans.Premièrement, nous avons introduit une méthode de fusion automatique des données, permettant de discriminer les objets statiques (murs, poteaux, etc.) et aussi d’augmenter le taux de détection.Deuxièmement, nous avons proposé une méthode de détection non paramétrique basée sur la modélisation de la marche. L’algorithme estime la position du piéton, que celui-ci soit immobile ou en mouvement.Finalement, notre suivi repose sur la méthode Rao-Blackwell Monte Carlo Association de Données, avec la particularité de suivre un nombre variable de piétons.L’algorithme a été évalué quantitativement par des expériences de comportement social à différents niveaux de densité. Ces expériences ont eu lieu dans une école, près de 300 piétons ont été suivis dont une trentaine simultanément. / In everyday life, we witness surprising choreographies in the movements of crowds of pedestrians. The mechanisms that underlie the dynamics of human crowd dynamics remain poorly understood. One of the ways of observing pedestrians consists in taking measurements in real conditions (e. g. airport, station, etc.). The trajectory, speed and acceleration are the basic data for such an analysis. It is in this context that our work is placed, which closely combines observations in the natural environment with controlled experiments. We proposed a system for tracking multiple pedestrians in a closed environment using a network of scanning laser rangefinders. We have advanced the state of the art on four levels: first, we have introduced an automatic data fusion method to discriminate static objects (walls, poles, etc.) and also to increase the detection rate; second, we have proposed a non-parametric detection method based on walking modeling. The algorithm estimates the position of the pedestrian, whether stationary or moving, and finally, our monitoring is based on the Rao-Blackwell Monte Carlo Association Data Method, with the particularity of tracking a variable number of pedestrians, which was quantitatively evaluated by experiments in social behaviour at different levels of density. These experiments took place in a school, nearly 300 pedestrians were followed, about thirty of them simultaneously.

Afin d’améliorer la précision des systèmes de navigation ainsi que de garantir la sécurité et la continuité du service, il est essentiel de connaitre la position et l’orientation du véhicule en tout temps. La localisation absolue utilisant des systèmes satellitaires tels que le GPS est souvent utilisée `a cette fin. Cependant, en environnement urbain, la localisation `a l’aide d’un récepteur GPS peut s’avérer peu précise voire même indisponible `a cause des phénomènes de réflexion des signaux, de multi-trajet ou de la faible visibilité satellitaire. Afin d’assurer une estimation précise et robuste du positionnement, d’autres capteurs et méthodes doivent compléter la mesure. Dans cette thèse, des méthodes de localisation de véhicules sont proposées afin d’améliorer l’estimation de la pose en prenant en compte la redondance et la complémentarité des informations du système multi-capteurs utilisé. Tout d’abord, les mesures GPS sont fusionnées avec des estimations de la localisation relative du véhicule obtenues `a l’aide d’un capteur proprioceptif (gyromètre), d’un système stéréoscopique(Odométrie visuelle) et d’un télémètre laser (recalage de scans télémétriques). Une étape de sélection des capteurs est intégrée pour valider la cohérence des observations provenant des différents capteurs. Seules les informations validées sont combinées dans un formalisme de couplage lâche avec un filtre informationnel. Si l’information GPS est indisponible pendant une longue période, la trajectoire estimée par uniquement les approches relatives tend `a diverger, en raison de l’accumulation de l’erreur. Pour ces raisons, les informations d’une carte numérique (route + bâtiment) ont été intégrées et couplées aux mesures télémétriques de deux télémètres laser montés sur le toit du véhicule (l’un horizontalement, l’autre verticalement). Les façades des immeubles détectées par les télémètres laser sont associées avec les informations_ bâtiment _ de la carte afin de corriger la position du véhicule.Les approches proposées sont testées et évaluées sur des données réelles. Les résultats expérimentaux obtenus montrent que la fusion du système stéréoscopique et du télémètre laser avec le GPS permet d’assurer le service de localisation lors des courtes absences de mesures GPS et de corriger les erreurs GPS de type saut. Par ailleurs, la prise en compte des informations de la carte numérique routière permet d’obtenir une approximation de la position du véhicule en projetant la position du véhicule sur le tronc¸on de route correspondant et enfin l’intégration de la carte numérique des bâtiments couplée aux données télémétriques permet d’affiner cette estimation, en particulier la position latérale. / In some dense urban environments (e.g., a street with tall buildings around), vehicle localization result provided by Global Positioning System (GPS) receiver might not be accurate or even unavailable due to signal reflection (multi-path) or poor satellite visibility. In order to improve the accuracy and robustness of assisted navigation systems so as to guarantee driving security and service continuity on road, a vehicle localization approach is presented in this thesis by taking use of the redundancy and complementarities of multiple sensors. At first, GPS localization method is complemented by onboard dead-reckoning (DR) method (inertial measurement unit, odometer, gyroscope), stereovision based visual odometry method, horizontal laser range finder (LRF) based scan alignment method, and a 2D GIS road network map based map-matching method to provide a coarse vehicle pose estimation. A sensor selection step is applied to validate the coherence of the observations from multiple sensors, only information provided by the validated sensors are combined under a loosely coupled probabilistic framework with an information filter. Then, if GPS receivers encounter long term outages, the accumulated localization error of DR-only method is proposed to be bounded by adding a GIS building map layer. Two onboard LRF systems (a horizontal LRF and a vertical LRF) are mounted on the roof of the vehicle and used to detect building facades in urban environment. The detected building facades are projected onto the 2D ground plane and associated with the GIS building map layer to correct the vehicle pose error, especially for the lateral error. The extracted facade landmarks from the vertical LRF scan are stored in a new GIS map layer. The proposed approach is tested and evaluated with real data sequences. Experimental results with real data show that fusion of the stereoscopic system and LRF can continue to localize the vehicle during GPS outages in short period and to correct the GPS positioning error such as GPS jumps; the road map can help to obtain an approximate estimation of the vehicle position by projecting the vehicle position on the corresponding road segment; and the integration of the building information can help to refine the initial pose estimation when GPS signals are lost for long time.

La perception de scènes routières est un domaine de recherche très actif. Cette thèse se focalise sur la détection et le suivi d’objets par fusion de données d’un système multi-capteurs composé d’un télémètre laser, une caméra fisheye et un système de positionnement global (GPS). Plusieurs étapes de la chaîne de perception sont ´ étudiées : le calibrage extrinsèque du couple caméra fisheye / télémètre laser, la détection de la route et enfin la détection et le suivi d’obstacles sur la route.Afin de traiter les informations géométriques du télémètre laser et de la caméra fisheye dans un repère commun, une nouvelle approche de calibrage extrinsèque entre les deux capteurs est proposée. La caméra fisheye est d’abord calibrée intrinsèquement. Pour cela, trois modèles de la littérature sont étudiés et comparés. Ensuite, pour le calibrage extrinsèque entre les capteurs,la normale au plan du télémètre laser est estimée par une approche de RANSAC couplée `a une régression linéaire `a partir de points connus dans le repère des deux capteurs. Enfin une méthode des moindres carres basée sur des contraintes géométriques entre les points connus, la normale au plan et les données du télémètre laser permet de calculer les paramètres extrinsèques. La méthode proposée est testée et évaluée en simulation et sur des données réelles.On s’intéresse ensuite `a la détection de la route à partir des données issues de la caméra fisheye et du télémètre laser. La détection de la route est initialisée `a partir du calcul de l’image invariante aux conditions d’illumination basée sur l’espace log-chromatique. Un seuillage sur l’histogramme normalisé est appliqué pour classifier les pixels de la route. Ensuite, la cohérence de la détection de la route est vérifiée en utilisant les mesures du télémètre laser. La segmentation de la route est enfin affinée en exploitant deux détections de la route successives. Pour cela, une carte de distance est calculée dans l’espace couleur HSI (Hue,Saturation, Intensity). La méthode est expérimentée sur des données réelles. Une méthode de détection d’obstacles basée sur les données de la caméra fisheye, du télémètre laser, d’un GPS et d’une cartographie routière est ensuite proposée. On s’intéresse notamment aux objets mobiles apparaissant flous dans l’image fisheye. Les régions d’intérêts de l’image sont extraites `a partir de la méthode de détection de la route proposée précédemment. Puis, la détection dans l’image du marquage de la ligne centrale de la route est mise en correspondance avec un modelé de route reconstruit `a partir des données GPS et cartographiques. Pour cela, la transformation IPM (Inverse Perspective Mapping) est appliquée à l’image. Les régions contenant potentiellement des obstacles sont alors extraites puis confirmées à l’aide du télémètre laser.L’approche est testée sur des données réelles et comparée `a deux méthodes de la littérature. Enfin, la dernière problématique étudiée est le suivi temporel des obstacles détectés `a l’aide de l’utilisation conjointe des données de la caméra fisheye et du télémètre laser. Pour cela, les resultats de détection d’obstacles précédemment obtenus sont exploit ´es ainsi qu’une approche de croissance de région. La méthode proposée est également testée sur des données réelles. / Road scene understanding is one of key research topics of intelligent vehicles. This thesis focuses on detection and tracking of obstacles by multisensors data fusion and analysis. The considered system is composed of a lidar, a fisheye camera and aglobal positioning system (GPS). Several steps of the perception scheme are studied: extrinsic calibration between fisheye camera and lidar, road detection and obstacles detection and tracking. Firstly, a new method for extinsic calibration between fisheye camera and lidar is proposed. For intrinsic modeling of the fisheye camera, three models of the literatureare studied and compared. For extrinsic calibration between the two sensors, the normal to the lidar plane is firstly estimated based on the determination of ń known ż points. The extrinsic parameters are then computed using a least square approachbased on geometrical constraints, the lidar plane normal and the lidar measurements. The second part of this thesis is dedicated to road detection exploiting both fisheye camera and lidar data. The road is firstly coarse detected considering the illumination invariant image. Then the normalised histogram based classification is validated using the lidar data. The road segmentation is finally refined exploiting two successive roaddetection results and distance map computed in HSI color space. The third step focuses on obstacles detection, especially in case of motion blur. The proposed method combines previously detected road, map, GPS and lidar information.Regions of interest are extracted from previously road detection. Then road central lines are extracted from the image and matched with road shape model extracted from 2DŋSIG map. Lidar measurements are used to validated the results.The final step is object tracking still using fisheye camera and lidar. The proposed method is based on previously detected obstacles and a region growth approach. All the methods proposed in this thesis are tested, evaluated and compared to stateŋofŋtheŋart approaches using real data acquired with the IRTESŋSET laboratory experimental platform.