Diss.--Philosophie--Zürich--Fakultät 1, 1996. / Bibliogr. p. 395.

Les statistiques mettent en évidence une augmentation importante du risque et de la gravité des accidents par temps de brouillard. Par ailleurs, les études de trafic menées sur autoroute montrent généralement une réduction des intervalles par temps de brouillard et indiquent que cette réduction ne peut pas être expliquée uniquement par la nécessité de garder le contact visuel avec le véhicule lièvre. Partant de ce constat, nous avons cherché à mieux comprendre les causes de la diminution des intervalles par temps de brouillard. Nous avons testé trois hypothèses selon lesquelles le brouillard affecte les mécanismes perceptifs et perceptivo-moteurs impliqués dans la régulation de l'intervalle et dans le contrôle de la trajectoire. La première hypothèse est celle d'une surestimation de la distance intervéhiculaire en condition de brouillard. Les travaux antérieurs ayant montré une surestimation importante de la distance intervéhiculaire en condition de brouillard très dense, nous avons cherché à préciser les conditions d'apparition de ce phénomène à travers deux expérimentations de jugement perceptif. Nos résultats montrent que la surestimation se limite aux conditions de brouillard extrêmement dense où très peu d'indices de distance sont disponibles. La réduction des intervalles par temps de brouillard ne peut donc pas être expliquée par une surestimation de la distance intervéhiculaire. La seconde hypothèse étudiée concerne la sensibilité au mouvement relatif (i.e., l'éloignement ou le rapprochement du véhicule lièvre). Nous supposons (i) qu'en réduisant le contraste du véhicule lièvre ou en masquant sa silhouette, le brouillard rend la perception du mouvement relatif plus difficile et (ii) que les conducteurs réduisent leur intervalle de façon à maintenir le seuil de perception du mouvement relatif au même niveau qu'en condition de visibilité normale. Au cours de deux expérimentations, nous avons mesuré le seuil de perception du mouvement relatif sous la forme d'un temps de réponse. Les résultats confirment le volet perceptif de notre hypothèse et montrent plus particulièrement que la sensibilité au mouvement relatif est largement dégradée lorsque les informations fournies par la silhouette du véhicule lièvre ne sont pas disponibles. Afin de tester le second volet de notre hypothèse portant sur les mécanismes du contrôle de l'intervalle, nous avons mené une expérience de suivi de véhicule où la tâche de contrôle de l'intervalle était rendue difficile par les variations de vitesse du véhicule lièvre. Les participants ont adopté différentes stratégies, dont l'une visant à se rapprocher du véhicule lièvre de façon à voir correctement sa silhouette et à augmenter ainsi la sensibilité au mouvement relatif, ce qui confirme le second volet de notre hypothèse. Pour finir, nous avons cherché à savoir si les exigences liées à la tâche de contrôle de la trajectoire sont en cause dans l'adoption d'intervalles courts par temps de brouillard. La littérature laisse en effet supposer que le suivi d'un véhicule lièvre de près facilite le contrôle de trajectoire en condition de brouillard, tout en évitant les erreurs de positionnement latéral. L'expérience de suivi de véhicule que nous avons menée, où les exigences du contrôle de directionnel étaient importantes, n'a pas confirmé cette hypothèse. Il n'est en effet apparu aucun bénéfice perceptivo-moteur à suivre le véhicule lièvre de près en condition de brouillard. Nous constatons néanmoins que le véhicule lièvre est utilisé comme guide en condition de brouillard. L'ensemble des résultats suggère que l'adaptation des conducteurs face à la réduction de la sensibilité au mouvement relatif due au brouillard contribue à la diminution des intervalles par temps de brouillard. Nous proposons des perspectives d'applications basées sur cette interprétation.

Les systèmes d'aide à la conduite (ADAS) ont pour objectif d'assister le conducteur et en particulier d'améliorer la sécurité routière. Pour cela, différents capteurs sont généralement embarqués dans les véhicules afin, par exemple, d'avertir le conducteur en cas de danger présent sur la route. L'utilisation de capteurs de type caméra est une solution économiquement avantageuse et de nombreux ADAS à base de caméra voient le jour. Malheureusement, les performances de tels systèmes se dégradent en présence de conditions météorologiques défavorables, notamment en présence de brouillard ou de pluie, ce qui obligerait à les désactiver temporairement par crainte de résultats erronés. Hors, c'est précisément dans ces conditions difficiles que le conducteur aurait potentiellement le plus besoin d'être assisté. Une fois les conditions météorologiques détectées et caractérisées par vision embarquée, nous proposons dans cette thèse de restaurer l'image dégradée à la sortie du capteur afin de fournir aux ADAS un signal de meilleure qualité et donc d'étendre la gamme de fonctionnement de ces systèmes. Dans l'état de l'art, il existe plusieurs approches traitant la restauration d'images, parmi lesquelles certaines sont dédiées à nos problématiques de brouillard ou de pluie, et d'autres sont plus générales : débruitage, rehaussement du contraste ou de la couleur, "inpainting"... Nous proposons dans cette thèse de combiner les deux familles d'approches. Dans le cas du brouillard notre contribution est de tirer profit de deux types d'approches (physique et signal) afin de proposer une nouvelle méthode automatique et adaptée au cas d'images routières. Nous avons évalué notre méthode à l'aide de critères ad hoc (courbes ROC, contraste visibles à 5 %, évaluation sur ADAS) appliqués sur des bases de données d'images de synthèse et réelles. Dans le cas de la pluie, une fois les gouttes présentes sur le pare-brise détectées, nous reconstituons les parties masquées de l'image à l'aide d'une méthode d'"inpainting" fondée sur les équations aux dérivées partielles. Les paramètres de la méthode ont été optimisés sur des images routières. Enfin, nous montrons qu'il est possible grâce à cette approche de construire trois types d'applications : prétraitement, traitement et assistance. Dans chaque famille, nous avons proposé et évalué une application spécifique : détection des panneaux dans le brouillard ; détection de l'espace navigable dans le brouillard ; affichage de l'image restaurée au conducteur.