The purpose of this thesis is to investigate the possibility of using aerial or satellite images or eventually digital elevation models in order to localize the UAV helicopter in the environment. Matching techniques are investigated in order to match the available on-board image of the area with the live images acquired by the on-board video camera. The problem is interesting because it can provide a redundancy for the UAV navigation system which is based only on GPS. The thesis is in the context of the development of an integrated system for navigation using image sequences from an aircraft. The system is composed of relative position estimation, which computes the current position of the helicopter by accumulating relative displacement extracted from successive aerial images. These successive aerial images are then matched using certain image matching techniques.

L'objectif principal de cette thèse est le développement d'algorithmes événementiels pour la détection et le suivi d'objets. Ces algorithmes sont spécifiquement conçus pour travailler avec une sortie produite par des caméras neuromorphiques. Ce type de caméras sont un nouveau type de capteurs bio inspirés, dont le principe de fonctionnement s'inspire de la rétine: chaque pixel est indépendant et génère des événements de manière asynchrone lorsqu'un changement de luminosité suffisamment important est détecté à la position correspondante du plan focal. Cette nouvelle façon d'encoder l'information visuelle requiert de nouvelles méthodes pour la traiter. D'abord, un suiveur (tracker) plan est décrit. Cet algorithme associe à un objet une série de formes simples reliées par des ressorts. Le système mécanique virtuel résultant est mis à jour pour chaque événement. Le chapitre suivant présente un algorithme de détection de lignes et de segments, pouvant constituer une caractéristique (feature) événementielle de bas niveau. Ensuite, deux méthodes événementielles pour l'estimation de la pose 3D sont présentées. Le premier de ces algorithmes 3D est basé sur l'hypothèse que l'estimation de la pose est toujours proche de la position réelle, et requiert donc une initialisation manuelle. Le deuxième de ces algorithmes 3D est conçu pour surmonter cette limitation. Toutes les méthodes présentées mettent à jour l'estimation de la position (2D ou 3D) pour chaque événement. Cette thèse montre que la vision événementielle permet de reformuler une vaste série de problèmes en vision par ordinateur, souvent donnant lieu à des algorithmes plus simples mais toujours précis. / The main goal of this thesis is the development of event-based algorithms for visual detection and tracking. This algorithms are specifically designed to work on the output of neuromorphic event-based cameras. This type of cameras are a new type of bioinspired sensors, whose principle of operation is based on the functioning of the retina: every pixel is independent and generates events asynchronously when a sufficient amount of change is detected in the luminance at the corresponding position on the focal plane. This new way of encoding visual information calls for new processing methods. First, a part-based shape tracking is presented, which represents an object as a set of simple shapes linked by springs. The resulting virtual mechanical system is simulated with every incoming event. Next, a line and segment detection algorithm is introduced, which can be employed as an event-based low level feature. Two event-based methods for 3D pose estimation are then presented. The first of these 3D algorithms is based on the assumption that the current estimation is close to the true pose of the object, and it consequently requires a manual initialization step. The second of the 3D methods is designed to overcome this limitation. All the presented methods update the estimated position (2D or 3D) of the tracked object with every incoming event. This results in a series of trackers capable of estimating the position of the tracked object with microsecond resolution. This thesis shows that event-based vision allows to reformulate a broad set of computer vision problems, often resulting in simpler but accurate algorithms.

En milieu sous-marin, les mosaïques d'images collectées par un véhicule en déplacement permettent d'obtenir des cartes visuelles d'une zone d'intérêt. La trajectoire estimée du véhicule par simple intégration des vecteurs vitesse présente une dérive qui se répercute dans la mosaïque (en particulier lorsque le véhicule recoupe sa propre trajectoire). Le travail de cette thèse a consisté à estimer de la façon la plus précise la trajectoire du véhicule à partir de mesures de cap et de vitesse et d'une séquence d'images, en tenant compte des lieux de recoupement (ou points de rendez-vous). Nous estimons dans un premier temps ces couples d'instants par appariement d'images, puis les introduisons dans l'algorithme de localisation du véhicule. Dans un deuxième temps, la mosaïque est reconstruite. La méthodologie proposée ici devrait permettre de peaufiner encore la cartographie dans la mesure où les variances des paramètres de mouvement estimés par les images seules sont disponibles. Dans ce cas, une fusion des deux trajectoires est réalisable. Si ce n'est pas le cas, la cartographie visuelle est finalement améliorée au moyen de techniques de déformation d'images.