Nicolas Hautière, LEPSIS, INRETS/LCPC

Présentation au sujet: "Nicolas Hautière, LEPSIS, INRETS/LCPC"— Transcription de la présentation:

1 Détection de conditions réduites de visibilité par caméra bord de voies
Nicolas Hautière, LEPSIS, INRETS/LCPC Jérémie Bossu, LEPSIS, INRETS/LCPC Erwan Bigorgne, LEPSIS, INRETS/LCPC Didier Aubert, LIVIC, INRETS/LCPC PRAC2010 : Prévention des Risques et Aides à la Conduite, Paris, 4-5 mai 2010

2 Plan de la présentation
Contexte Objectif Méthode Outils Résultats Perspectives PRAC2010 : Prévention des Risques et Aides à la Conduite, Paris, 4-5 mai 2010 Thème 1 – Caractérisation du risque routier

3 Contexte (1/3) Le projet Européen SAFESPOT :
Combiner les informations issues de capteurs placés dans les véhicules avec celles issues de capteurs placés en bord de voies pour prévenir l’occurrence d’incidents / accidents par l’utilisation des communications véhicule à véhicule et véhicule infrastructure

4 Plate-forme bord de voies
Contexte (2/3) La plate-forme bord de voies SAFESPOT : Capteurs bord de voies Véhicules SAFESPOT Fusion de données Applications Génération d’alertes Routeur VANET Horloge GPS Plate-forme bord de voies Carte locale dynamique

5 Contexte (3/3) La carte locale dynamique : Trafic routier
Cartographie du fournisseur Emplacement, champ de vue des capteurs Détecteur bord de voie Informations régionales temporaires Accident Brouillard diurne Congestion Ego-Véhicule Cycle de feux Véhicules en file d’attente Trafic routier !

6 Objectif Spécifier, développer et tester un capteur bord de voies visant à détecter et caractériser des conditions réduites de visibilité météorologique (brouillard et pluie) Cartographie du fournisseur Emplacement, champ de vue des capteurs Détecteur bord de voie Informations régionales temporaires Accident Brouillard diurne Congestion Ego-Véhicule Cycle de feux Véhicules en file d’attente Trafic routier ! On cherche à alimenter 6

7 Catégorie de Visibilité Distance de visibilité [m]
Visibilité routière Fondé sur la norme Française NF-P Le système doit détecter des visibilités en dessous de 400m Le système doit affecter les visibilités estimées à l’une des quatre catégories suivantes : Le système doit déterminer l’origine de la baisse de visibilité : Brouillard, hydrométéores Catégorie de Visibilité Distance de visibilité [m] 1 200 to 400 2 100 to 200 3 50 to 100 4 <50

8 Méthode (1/2) Pourquoi la vision Capteurs existant coûteux
Peu fiables en présence de brouillard dense ou inhomogène Caméras de vidéosurveillance existantes (pas de coût supplémentaire) Si ajout de caméras, la multiplicité des fonctionnalités réduit le coût de cette fonctionnalité. 8

9 Méthode (2/2) Le principe : Spécification d’une caméra adaptée
Modélisation du fond de la scène ® référence Comparaison entre la référence et l’image courante ® les nouveautés dans la scène. Dynamique différente entre brouillard et pluie : Détection et caractérisation du brouillard sur le modèle de fond Détection et caractérisation de la pluie parmi les nouveautés 9

10 Outil pour la détection du brouillard
Séquence d’images Espace navigable Détection du brouillard + distance de visibilité Météorologique Vmet distance de visibilité Mobilisée Vmob

11 Outil pour la détection d’hydrométéores
Séquence d’images Segmentation Détection Classification

12 Enrichissement de la distance de visibilité estimée (1/2)
Autres sources possible : Fusion de données : Combinaison des informations délivréees par différents capteurs pour calculer un seul descripteur de la distance de visibilité La distance de visibilité est le barycentre spatial des sorties des différents capteurs L’incertitude correspondante est la somme pondérée de: L’incertitude sur les mesures capteurs L’incertitude induite par la distance à la source L’incertitude sur le statut des lampes anti-brouillard (véhicules avec lampes allumées et d’autres avec lampes éteintes) Capteur de brouillard embarqué Statut des lampes anti-brouillard Visibilitimètre

13 Enrichissement de la distance de visibilité estimée (2/2)
Résultats sur les pistes de Satory Carte de la visibilité météo Point vert : Simulation de 5 véhicules qui donnent une information à un instant donné  Caméra  Caméra embarquée  Lampe anti-brouillard activée  Lampe anti-brouillard éteinte Carte d’incertitude

14 Résultats Brouillard : Pluie :
100 % de bonne détection (2h de vidéo avec et sans brouillard) Erreur inférieure à 10 % sur l’estimation de la distance de visibilité (~50 images sur site avec mire) Pluie : 95 % de bonne détection (10 min avec et sans pluie) Manque de référence terrain pour quantifier la précision sur l’estimation de la densité de la pluie 14

15 Perspectives Une évaluation plus systématique doit être effectuée.
Traiter le brouillard de nuit Réalisation d’une application d’alerte sur «Vitesse inadaptée » Futur tests sur le site de Guerville Brouillard de nuit ! Détection de conditions météo dégradées conditions météo Mise à jour carte Nouvelle carte Vitesse conseillée Définition des vitesses admissibles Alerte au conducteur 15 Alerte sur vitesse