Image processing and algorithms merging : real time control of an upkeep machine for natural spaces

The aim of this project consists in the design of an help guidance system for an auto-propelled mower. We want to illustrate the fact that in a natural environment we need to use lots of different algorithms to reach our goal : control the upkeep machine. We briefly present here two methods used to detect a reap limit. The first one is a good segmentation process which also demand a powerfull hardware because of its computing time costs. The second one is a more simple threshold technique less efficient but less expensive in computing time. We introduce discussion elements concerning the possibility of algorithms merging and, overall, date merging. It's also necessary to use methods that overlap their different areas of disfonctionning. / Dans le cadre des travaux de recherche Cemagref/Lasmea sur le guidage d'engins agricoles par traitement d'images, nous avons développé deux méthodes de segmentation non supervisée pour détecter automatiquement la ligne de travail à suivre (ex. interface fauchée/non fauchée dans le cas de l'entretien des espaces naturels). La première approche est basée sur une technique de seuillage par conservation des moments statistiques appliquée à des bandes horizontales de l'image. La seconde approche repose sur une modélisation markovienne d'un ensemble de sites élémentaires de 16x16 pixels caractérisés chacun par deux paramètres de luminance (déduits d'histogramme locaux) et deux paramètres de texture (déduits de matrice de coocurrence). Après avoir décrit rapidement le principe général et les avantages et inconvénients respectifs des deux techniques de segmentation, nous présenterons la démarche réalisée actuellement par l'équipe qui vise à fusionner ces deux algorithmes au sein d'un seul et unique processus. L'intérêt est de pouvoir jouer sur une certaine complémentarité des résultats afin d'améliorer la robustesse et les performances globales du module de perception visuelle face à la grande variété des situations réelles rencontrées sur le terrain