Adaptative perception architecture for multi-lane detection and tracking

Cette thèse s'inscrit dans le cadre de la détection de marquages pour un véhicule autonome. Notre objectif est la réalisation d'un algorithme capable de détecter les différents marquages routiers liés aux voies de circulation à l'aide d'une caméra. Pour ce faire, nous avons proposé une approche fondée sur un système multi-agents avec des agents réactifs. Cette approche permet de faire évoluer les agents dans la direction des zones ayant des similitudes avec un marquage routier ainsi qu'une forte intensité lumineuse. Cette approche procède par propagation du bas vers le haut de l'image à l'inverse de la majorité des méthodes rencontrées dans la littérature. La trace de chaque agent est ensuite lissée grâce à des splines de lissages cubiques pondérées par les niveaux de confiance associés aux pixels parcourus par ces derniers. On obtient ainsi les estimations des marquages routiers. Une seconde partie du travail consiste à identifier les tirets de marquages routiers et à les suivre temporellement afin de rendre plus robuste le processus de détection ainsi que de catégoriser les marquages routiers. Cette méthode nous permet ainsi de supprimer toutes les parties incohérentes des traces des agents ainsi que de détecter et de réagir en conséquence aux décrochages de l'agent au marquage. Enfin, des expérimentations sur des données réelles et artificielles ont été réalisées afin de comparer l'approche proposée avec des travaux de recherche et des prototypes industriels. Ces expérimentations prouvent l'efficacité des méthodes par propagation en général, et de l'approche proposée en particulier.This thesis is part of the road marking detection for autonomous vehicle.Our objective is the realisation of an algorithm that detects road markings linked to lanes with a video camera. In order to achieve this, we proposed an approach based on a multi-agents system, with active agents. In this system, agents evolve in the direction of bright areas with similarities to a road marking. This approach proceeds by the propagation from bottom to top of the image in contrast to the majority of methods found in literature.The track of each agent is then (smoothed) (fitted) by smoothing cubic splines weighted by the confidence levels associated to the pixels traveled (by them). That way, the estimation of road markings is obtained for each lane. A second part of the work is to identify lane markers of each line and to track them over time in order to improve the robustness of the detection process and to categorize the road markings. This method allows us to remove all incoherent parts of the agents tracks and to detect and to react accordingly when the agent goes out of the road line marking. Finally, experiments on real and artificial data were conducted to compare the proposed approach with research algorithm and industrial prototypes. These experiments demonstrate the effectiveness of propagation methods in general and also our specific approach