Mise en correspondance stéréoscopique par approches variationnelles convexes ; application à la détection d'obstacles routiers

This thesis deals with the problem of stereo matching and its application to obstacle detection. The main goal of stereo matching is to recover the depth information of a scene from a pair of left and right images taken from two different locations. It involves finding corresponding pixels in both images, leading to the so-called disparity map. Firstly, the stereo matching problem is solved by minimizing a convex objective function over the intersection of multiple constraint sets. These constraints arise from the prior knowledge and the observations. In order to obtain a smooth disparity field, while preserving edges, we consider appropriate wavelet and total variation based regularization constraints. The resulting optimization problem is solved with a block iterative method which offers great flexibility in the incorporation of several constraints. Then, to deal with illumination variations often encountered in practice, we develop a spatially varying multiplicative model that accounts for brightness changes between both images in the stereo pair. Finally, we detect obstacles from the computed depth map by performing an object segmentation based on an orientation surface criterion.Cette thèse porte sur la mise en correspondance stéréoscopique ainsi que sur son application à la détection des obstacles routiers à partir d'un système de vision stéréoscopique. La mise en correspondance est une étape cruciale dans la reconstruction de la structure tridimensionnelle de la scène observée. Elle consiste à retrouver les pixels homologues dans deux images prises de deux points de vue différents, et se ramène à un problème d'estimation d'un champ de disparité. La première partie de ma thèse a porté sur l'estimation de la disparité, dans le cadre d'une approche ensembliste, en minimisant une fonction objective convexe sur l'intersection d'ensembles convexes, construits à partir des connaissances a priori et des observations. Dans la plupart des applications de stéréovision, le champ de disparité doit être lisse dans les zones homogènes et les zones faiblement texturées. L'une de nos contributions a consisté à proposer différentes contraintes de régularisation satisfaisant cette propriété. Pour résoudre le problème d'optimisation considéré, nous utilisons un algorithme efficace itératif par bloc. La deuxième partie traite du problème d'estimation de la disparité en présence de changements d'illumination dans la scène observée. Nous considérons pour cela un modèle d'illumination multiplicatif qui permet de compenser les variations spatiales de luminosité de la scène. Enfin, dans la troisième partie, nous appliquons notre méthode d'estimation de la disparité robuste aux variations d'illumination pour la détection des obstacles routiers