Dans cette thèse, nous nous concentrons sur les techniques d'asservissement visuel (AV), critiques pour de nombreuses applications de vision robotique et insistons principalement sur les AV directs. Afin d'améliorer l'état de l'art des méthodes directes, nous nous intéressons à plusieurs composantes des lois de contrôle d'AV traditionnelles. Nous proposons d'abord un cadre générique pour considérer l'histogramme comme une nouvelle caractéristique visuelle. Cela permet de définir des lois de contrôle efficaces en permettant de choisir parmi n'importe quel type d'histogramme pour décrire des images, depuis l'histogramme d'intensité à l'histogramme couleur, en passant par les histogrammes de Gradients Orientés. Une nouvelle loi d'asservissement visuel direct est ensuite proposée, basée sur un filtre particulaire pour remplacer la partie optimisation des tâches d'AV classiques, permettant d'accomplir des tâches associées à des fonctions de coûts hautement non linéaires et non convexes. L'estimation du filtre particulaire peut être calculée en temps réel à l'aide de techniques de transfert d'images permettant d'évaluer les mouvements de caméra associés aux déplacements des caractéristiques visuelles considérées dans l'image. Enfin, nous présentons une nouvelle manière de modéliser le problème de l'AV en utilisant l'apprentissage profond et les réseaux neuronaux convolutifs pour pallier à la difficulté de modélisation des problèmes non convexes via les méthodes analytiques classiques. En utilisant des techniques de transfert d'images, nous proposons une méthode permettant de générer rapidement des ensembles de données d'apprentissage de grande taille afin d'affiner des architectures de réseau pré-entraînés sur des tâches connexes, et résoudre des tâches d'AV. Nous montrons que cette méthode peut être appliquée à la fois pour modéliser des scènes connues, et plus généralement peut être utilisée pour modéliser des estimations de pose relative entre des couples de points de vue pris de scènes arbitraires. / In this thesis we focus on visual servoing (VS) techniques, critical for many robotic vision applications and we focus mainly on direct VS. In order to improve the state-of-the-art of direct methods, we tackle several components of traditional VS control laws. We first propose a method to consider histograms as a new visual servoing feature. It allows the definition of efficient control laws by allowing to choose from any type of his tograms to describe images, from intensity to color histograms, or Histograms of Oriented Gradients. A novel direct visual servoing control law is then proposed, based on a particle filter to perform the optimization part of visual servoing tasks, allowing to accomplish tasks associated with highly non-linear and non-convex cost functions. The Particle Filter estimate can be computed in real-time through the use of image transfer techniques to evaluate camera motions associated to suitable displacements of the considered visual features in the image. Lastly, we present a novel way of modeling the visual servoing problem through the use of deep learning and Convolutional Neural Networks to alleviate the difficulty to model non-convex problems through classical analytic methods. By using image transfer techniques, we propose a method to generate quickly large training datasets in order to fine-tune existing network architectures to solve VS tasks.We shows that this method can be applied both to model known static scenes, or more generally to model relative pose estimations between couples of viewpoints from arbitrary scenes.

Au cours de cette thèse, nous avons abordé la problématique du suivi du mouvement humain. Nous proposons d'utiliser plusieurs caméras vidéos, permettant de s'affranchir de contraintes sur l'environnement de capture ainsi que de la pose de marqueurs sur l'acteur, au contraire des systèmes courament utilisés. Cela complexifie la recherche d'une information pertinente dans les images mais aussi la corrélation de cette information entre les différentes images ainsi que l'interprétation de cette information en terme de mouvements articulaires du corps humain. Nous nous intéressons à une approche utilisant les contours occultants du corps et étudions le lien entre le mouvement articulaire du corps et le mouvement apparent des contours dans les images. La minimisation de l'erreur entre les contours extraits des images et la projection du modèle nous permet d'estimer le mouvement de l'acteur. Nous montrons que l'utilisation d'images video permet entre autres de produire des informations complémentaires telles que les contacts entre les parties du corps de l'acteur. Ces informations sont importantes pour la ré-utilisation des mouvements en animation 3D.

Les GNSS sont désormais largement présents dans le domaine des transports. Actuellement, la communauté scientifique désire développer des applications nécessitant une grande précision, disponibilité et intégrité.Ces systèmes offrent un service de position continu. Les performances sont définies par les paramètres du système mais également par l'environnement de propagation dans lequel se propagent les signaux. Les caractéristiques de propagation dans l'atmosphère sont connues. En revanche, il est plus difficile de prévoir l'impact de l'environnement proche de l'antenne, composé d'obstacles urbains. L'axe poursuivit par le LEOST et le LAGIS consiste à appréhender l'environnement et à utiliser cette information en complément de l'information GNSS. Cette approche vise à réduire le nombre de capteurs et ainsi la complexité du système et son coût. Les travaux de recherche menés dans le cadre de cette thèse permettent principalement de proposer des modélisations d'erreur de pseudodistances et des modélisations de l'état de réception encore plus réalistes. Après une étape de caractérisation de l'erreur, plusieurs modèles d'erreur de pseudodistance sont proposés. Ces modèles sont le mélange fini de gaussiennes et le mélange de processus de Dirichlet. Les paramètres du modèle sont estimés conjointement au vecteur d'état contenant la position grâce à une solution de filtrage adaptée comme le filtre particulaire Rao-Blackwellisé. L'évolution du modèle de bruit permet de s'adapter à l'environnement et donc de fournir une localisation plus précise. Les différentes étapes des travaux réalisés dans cette thèse ont été testées et validées sur données de simulation et réelles.

Dans cette thèse, nous nous intéressons à une classe particulière de modèles stochastique de croissance de plantes structure-fonction à laquelle appartient le modèle GreenLab. L'objectif est double. En premier lieu, il s'agit d'étudier les processus stochastiques sous-jacents à l'organogenèse. Un nouveau cadre de travail combinatoire reposant sur l'utilisation de grammaires formelles a été établi dans le but d'étudier la distribution des nombres d'organes ou plus généralement des motifs dans la structure des plantes. Ce travail a abouti à la mise en place d'une méthode symbolique permettant le calcul de distributions associées à l'occurrence de mots dans des textes générés aléatoirement par des L-systèmes stochastiques. La deuxième partie de la thèse se concentre sur l'estimation des paramètres liés au processus de création de biomasse par photosynthèse et de son allocation. Le modèle de plante est alors écrit sous la forme d'un modèle de Markov caché et des méthodes d'inférence bayésienne sont utilisées pour résoudre le problème.

Cette thèse s'intéresse aux interactions entre immunologie, épidémiologie et biologie évolutive. Nous utilisons une combinaison d'approches mathématiques et statistiques pour comprendre les processus gouvernant les dynamiques épidémiologiques et les phylogénies observées pour différents pathogènes de l'échelle individuelle aux populations. Nous prenons l'exemple de la grippe humaine. Trois hypothèses permettent de rendre compte de la phylodynamique particulière de la grippe: (i) il existe un mécanisme de densité-dépendance directe médié par une période temporaire d'immunité totale après infection ; (ii) le nombre de phénotypes possibles est limité, les virus les ré-explorant sans cesse ; (iii) l'évolution de l'antigène principal de la grippe est ponctuée, les échappements ponctuels à l'immunité induisant des balayages sélectifs. (iii) domine aujourd'hui et rend compte de la variabilité des épidémies de grippe, de larges échappements à l'immunité en induisant de plus grandes. Nous montrons que le formalisme ayant mené à (iii) induit de manière implicite un processus immunologique irréaliste pour la grippe. Nous révélons que les séries temporelles d'incidences grippales ne peuvent pas fournir une preuve du caractère ponctué de l'évolution antigénique, un modèle parcimonieux prenant en compte une évolution antigénique purement graduelle les reproduisant. La nature chaotique de ces dynamiques marque une limite fondamentale à la prédictibilité de la taille des épidémies de grippe et ce, indépendamment de la contingence évolutive. Nous développons un formalisme confrontable aux données pour tester les différentes hypothèses rendant compte de la phylodynamique de la grippe.

Dans ce mémoire, on utilise la résolution particulaire du filtrage non-linéaire optimal pour le traitement du signal radar. Cette méthode, dite Filtrage Particulaire, permet de traiter de modèles non-linéaires sans restrictions sur la nature des non-linéarités ou sur la distribution des processus aléatoires qui représentent la dynamique du modèle et le bruit d'observation. Le principe du filtrage particulaire est de construire la probabilité conditionnelle aux mesures des variables à estimer par un peigne de Dirac généralisé, dont les supports suivent le flot stochastique de la variable, et dont les masses sont issues de la correction Bayesienne due aux mesures. L'application de cette nouvelle méthode aux techniques radar d'ouverture synthétique inverse (ISAR) permet d'estimer conjointement la trajectoire et l'image d'une cible non-coopérative à de faibles rapports signal/bruit. Dans ce cas, chaque particule dans l'espace d'état est porteuse d'une grille rigide qui représente la cible et dont la vraisemblance fournit le poids. Selon la finesse de la grille, l'algorithme peut être adapté aux problème d'imagerie radar ou simplement de poursuite d'une cible en présence de glint.

Les robots sont des agents artificiels qui peuvent agir dans le monde des humains grâce aux capacités de perception. Dans un contexte d'interaction homme-robot, les humains et les robots partagent le même espace de communication. En effet, les robots compagnons sont censés communiquer avec les humains d'une manière naturelle et intuitive: l'une des façons les plus naturelles est basée sur les gestes et les mouvements réactifs du corps. Pour rendre cette interaction la plus conviviale possible, un robot compagnon doit, donc, être doté d'une ou plusieurs capacités lui permettant de percevoir, de reconnaître et de réagir aux gestes humains. Cette thèse a été focalisée sur la conception et le développement d'un système de reconnaissance gestuelle dans un contexte d'interaction homme-robot. Ce système comprend un algorithme de suivi permettant de connaître la position du corps lors des mouvements et un module de niveau supérieur qui reconnaît les gestes effectués par des utilisateurs humains. De nouvelles contributions ont été apportées dans les deux sujets. Tout d'abord, une nouvelle approche est proposée pour le suivi visuel des membres du haut du corps. L'analyse du mouvement du corps humain est difficile, en raison du nombre important de degrés de liberté de l'objet articulé qui modélise la partie supérieure du corps. Pour contourner la complexité de calcul, chaque membre est suivi avec un filtre particulaire à recuit simulé et les différents filtres interagissent grâce à la propagation de croyance. Le corps humain en 3D est ainsi qualifié comme un modèle graphique dans lequel les relations entre les parties du corps sont représentées par des distributions de probabilité conditionnelles. Le problème d'estimation de la pose est donc formulé comme une inférence probabiliste sur un modèle graphique, où les variables aléatoires correspondent aux paramètres des membres individuels (position et orientation) et les messages de propagation de croyance assurent la cohérence entre les membres. Deuxièmement, nous proposons un cadre permettant la détection et la reconnaissance des gestes emblématiques. La question la plus difficile dans la reconnaissance des gestes est de trouver de bonnes caractéristiques avec un pouvoir discriminant (faire la distinction entre différents gestes) et une bonne robustesse à la variabilité intrinsèque des gestes (le contexte dans lequel les gestes sont exprimés, la morphologie de la personne, le point de vue, etc). Dans ce travail, nous proposons un nouveau modèle de normalisation de la cinématique du bras reflétant à la fois l'activité musculaire et l'apparence du bras quand un geste est effectué. Les signaux obtenus sont d'abord segmentés et ensuite analysés par deux techniques d'apprentissage : les chaînes de Markov cachées et les Support Vector Machine. Les deux méthodes sont comparées dans une tâche de reconnaissance de 5 classes de gestes emblématiques. Les deux systèmes présentent de bonnes performances avec une base de données de formation minimaliste quels que soient l'anthropométrie, le sexe, l'âge ou la pose de l'acteur par rapport au système de détection. Le travail présenté ici a été réalisé dans le cadre d'une thèse de doctorat en co-tutelle entre l'Université "Pierre et Marie Curie" (ISIR laboratoire, Paris) et l'Université de Gênes (IIT - Tera département) et a été labelisée par l'Université Franco-Italienne.

Ces dernières années se caractérisent par la prolifération des systèmes de vidéo-surveillance et par l’automatisation des traitements que ceux-ci intègrent. Parallèlement, le problème du suivi d’objets est devenu en quelques années un problème récurrent dans de nombreux domaines et notamment en vidéo-surveillance. Dans le cadre de cette thèse, nous proposons une nouvelle méthode de suivi d’objet, basée sur la méthode Ensemble Tracking et intégrant deux améliorations majeures. La première repose sur une séparation de l’espace hétérogène des caractéristiques en un ensemble de sous-espaces homogènes appelés modules et sur l’application, sur chacun d’eux, d’un algorithme basé Ensemble Tracking. La seconde adresse, quant à elle, l’apport d’une solution à la nouvelle problématique de suivi induite par cette séparation des espaces, à savoir la construction d’un filtre particulaire spécifique exploitant une pondération des différents modules utilisés afin d’estimer à la fois, pour chaque image de la séquence, la position et les dimensions de l’objet suivi, ainsi que la combinaison linéaire des différentes décisions modulaires conduisant à l’observation la plus discriminante. Les différents résultats que nous présentons illustrent le bon fonctionnement global et individuel de l’ensemble des propriétés spécifiques de la méthode et permettent de comparer son efficacité à celle de plusieurs algorithmes de suivi de référence. De plus, l’ensemble des travaux a fait l’objet d’un développement industriel sur les consoles de traitement de la société partenaire. En conclusion de ces travaux, nous présentons les perspectives que laissent entrevoir ces développements originaux, notamment en exploitant les possibilités offertes par la modularité de l’algorithme ou encore en rendant dynamique le choix des modules utilisés en fonction de l’efficacité de chacun dans une situation donnée. / Recent years have been characterized by the overgrowth of video-surveillance systems and by automation of treatments they integrate. At the same time, object tracking has become, within years, a recurring problem in many domains and particularly in video-surveillance. In this dissertation, we propose a new object tracking method, based on the Ensemble Tracking method and integrating two main improvements. The first one lies on the separation of the heterogeneous feature space into a set of homogenous sub-spaces called modules and on the application, on each of them, of an Ensemble Tracking-based algorithm. The second one deals with the new tracking problem induced by this separation by building a specific particle filter. This filter weights each used module in order to estimate, for each frame in the sequence, both position and dimensions of the tracked object and the linear combination of modular decisions leading to the most discriminative observation. The results we present illustrate the global and individual efficiency of all the specific properties of our method and allow comparing this efficiency with the one of several reference tracking algorithms. Furthermore, all this work has led to an industrial development on the treatment systems of the partner company. In conclusion of this work, we present the prospects generated by these original developments, more particularly using the possibilities offered by the algorith mmodularity or making the modules choice dynamic according to their efficiency in a given situation.

Un signal GPS est modulé par une porteuse et est étalé par un code pseudo aléatoire. Sa puissance, qui est portée en dessous du niveau du bruit, ne peut pas être directement mesurée. Les estimateurs classiques de la littérature utilisent les paramètres statistiques du maximum de la corrélation, obtenus après le désétalement du signal pour mesurer la puissance du signal reçu. Ces estimateurs nécessitent une longue période d'intégration pour être précis. De plus, ils ne tiennent pas compte de l'effet de la fréquence Doppler et du nombre de satellites visibles sur la statistique du maximum de la corrélation. Ces effets perturbateurs faussent l'estimation de la valeur C/N0 et limitent les applications qui utilisent cette grandeur telle que la réflectométrie des signaux GNSS. Ce travail de thèse propose un estimateur du rapport signal à bruit propre à chaque satellite, à partir d'un signal GPS L1. Pour présenter cet estimateur, nous avons adopté une approche en deux étapes. On suppose dans la première étape que le signal GPS est numérisé sur 1 bit, et on établit une fonction reliant l'amplitude du signal reçu au maximum de corrélation. Cette fonction non linéaire est déduite de l'architecture radio du récepteur GPS et des paramètres du signal qui sont : la fréquence Doppler et le déphasage du signal reçu. En effet, le rapport signal à bruit est une mesure relative, et pour pouvoir estimer l'amplitude du signal, on suppose que le bruit est blanc, gaussien, centré et de variance unitaire. La fonction proposée étant fortement non linéaire, nous proposons dans une deuxième étape, un estimateur dynamique de l'amplitude du signal, qui utilise le filtrage d'état non linéaire et les observations du maximum de la corrélation. Deux filtres sont évalués à cet effet ; le friltrage de Kalman sans parfum et le filtrage particulaire. / A gps signal es modulated by a carrier and is spreaded by a pseudo random code. Its power, which is carried below the level of noise, can't be directly measured. Conventional estimators literature using the statistical parameters of the maximum of the correlation, obtained after despreading of the signal to measure the received signal strength. These estimators require a long period of integration to be precise. Moreover, they do not take into account the effect of the Doppler frequency and the number of visible satellites on the statistical maximum of the correlation. These disruptive effects falsify the estimated value of C/N0 and limit the applications of the reflectometry. This thesis proposes an estimator of the signal to noise ratio own to each satellite, from a GPS L1 signal. To present this estimator, we have adopted a two-step approach. it is assumed in the first stage that the GPS signal is digitized on 1 bit, and sets a function relating the amplitude of the signal received to maximum correlation knowing the parameters of the GPS signal which are : the Doppler frequency and the phase shift of the received signal. indeed, the signal to noise ratio is a relative measure, and to estimate the signal amplitude is assumed that the noise is white, Gaussian, centered and unit variance. The proposed function is highly non-linear. We propose in a second step a dynamic estimator of the signal amplitude, which uses the non-linear state filter and the observations of the maximum correlation. Two filters are assessed in this case the Unscented Kalman filter and a particle filter.

La navigation dans les environnements contraints tels que les zones portuaires ou les zones urbainesdenses est souvent exposée au problème du masquage des satellites GPS. Dans ce cas, le recours auxcapteurs proprioceptifs est généralement la solution envisagée pour localiser temporairement le véhiculesur une carte. Cependant, la dérive de ces capteurs met rapidement en défaut le système de navigation.Pour localiser le véhicule, on utilise dans cette thèse, un magnétomètre pour la mesure du cap dans unrepère absolu, un capteur de vitesse et une carte numérique du réseau de routes.Dans ce contexte, le premier apport de ce travail est de proposer la mise en correspondance desmesures de cap avec la carte numérique (map matching) pour localiser le véhicule. La technique proposéefait appel à un filtre particulaire défini dans le domaine circulaire et à un préfiltrage circulairedes mesures de cap. On montre que cette technique est plus performante qu’un algorithme de map matchingtopologique classique et notamment dans le cas problématique d’une jonction de route en Y. Ledeuxième apport de ce travail est de proposer un filtre circulaire multi-modèles CIMM défini dans uncadre bayésien à partir de la distribution circulaire de von Mises. On montre que l’intégration de cettenouvelle approche dans le préfiltrage et l’analyse des mesures de cap permet d’améliorer la robustesse del’estimation de la direction pendant les virages ainsi que d’augmenter la qualité du map matching grâce àune meilleure propagation des particules du filtre sur le réseau de routes. Les performances des méthodesproposées sont évaluées sur des données synthétiques et réelles. / Navigation in constrained areas such as ports or dense urban environments is often exposed to theproblem of non-line-of-sight to GPS satellites. In this case, proprioceptive sensors are generally used totemporarily localize the vehicle on a map. However, the drift of these sensors quickly cause the navigationsystem to fail. To localize the vehicle, a magnetometer is used in this thesis for heading measurementunder an absolute reference together with a velocity sensor and a digital map of the road network.In this context, the first contribution of this work is to provide a matching of the vehicle’s headingwith the digital map (map matching) to localize the vehicle. The proposed technique uses a particle filterdefined in the circular domain and a circular pre-filtering on the heading measurements. It is shown thatthis technique is more efficient than a conventional topological map matching algorithm, particularly inambiguous cases like a Y-shape road junction. The second contribution of this work is to propose a circularmultiple model filter CIMM defined in a Bayesian framwork from the von Mises circular distribution.It is shown that the integration of this new approach in the pre-filtering and analysis of the heading observationsimproves the robustness of the heading’s estimation during cornering and increases the mapmatching’s quality through a better propagation of the particles on the road network. The performancesof the proposed methods are evaluated on synthetic and real data.