Véronique Cherfaoui + partenaires SP3 29 mars 2007

Slides:



Advertisements
Présentations similaires
Reconstitution de l’état d’un micro drone par fusion de données
Advertisements

Chaîne de Synthèse Réel Modélisation Rendu Image Fichier Scène
Approche graphique du nombre dérivé
Coupe de France de Robotique 2007 Candidat n°4 – Steven LY BTS IRIS – PROMOTION
1 CNAM Vendredi 29 Novembre 2002 Bases de Données Avancées UV C Responsable : Mr Scholl PROTOCOLE A DEUX PHASES Meryem Guerrouani.
1 1 Momentum. 2 2 Tout objet en mouvement continuera son mouvement tant que rien nentrave sa progression.
1 Le Compte à Rebours dune Occultation Thierry Midavaine WETO2005.
Caractéristiques principales
Génération interactive dimages projectives : Application à la Radiothérapie Pierre BLUNIER Du 01/12/2002 au 28/03/2003 Centre Léon Bérard.
Auteurs : P. Hellier C. Barillot E. Mémin P.Pérez
Épreuve de bonne conduite
Diffusion Nationale TOULOUSE -Mai 2006 STS Web Mise en service, mai 2006 Importer les nomenclatures profilées du logiciel privé de gestion des élèves.
Défi écriture BEF Couverture. Défi écriture BEF Page 1.
Calculs automatisés n°2 Niveau 3ème Consignes Indiquez votre nom. Indiquez si vous êtes côté fenêtres ou côté couloir. Numérotez votre feuille de (1)
Construction de Box-Plot ou diagrammes en boîtes ou boîtes à moustaches Construire une boîte à moustaches …
Détermination des processus
Reconstruction 3D par mono vision avec des trajectoires fortement contraintes Joan Solà LAAS-CNRS Toulouse, France Revue du projet PICAS$O 3 novembre 2005.
Forum ENSG PPMD Projet CityVIP
Laboratoire LCOMS Equipe « Evaluation de Performance et Systèmes d’Aide à la Personne » (EPSAP) Guy Bourhis CENRob 4-5 avril.
Coupe de France de Robotique 2007 Candidat n°4 – Steven LY BTS IRIS – PROMOTION
Développement d’applications web
Clément Boussard, Nicolas Hautière, Dominique Gruyer
Monique THONNAT et Nathanaël ROTA Projet ORION
Interagir avec un objet mixte Propriétés physiques et numériques Céline Coutrix, Laurence Nigay Équipe Ingénierie de lInteraction Homme-Machine (IIHM)
Modèle d’interaction pour les systèmes mixtes
Recherche d’un même objet / scène
Automates Programmables Industriels Automates Programmables
Traitements d'images et Vision par ordinateur
Télédétection des Océans : quels défis pour le futur ?
Méthode des k plus proches voisins
Construction de modèles visuels
Test bilan de calcul mental N°1 :
2 TP avec l ’aide d ’un modeleur 3D :
Interprétation de séquences dimages pour des applications MédiaSpace Alberto AVANZI François BREMOND Monique THONNAT Projet ORION INRIA de Sophia Antipolis.
CAssiopée, un système de vidéosurveillance bancaire
Equipe : VAISSET Antoine, MATHEOSSIAN Dimitri
Journées de Rencontre Jeune Chercheurs
SPI - Serial Peripheral Interface Pour aller lire le CAN et écrire dans le CNA.
SPI - Serial Peripheral Interface
CEA - Irfu – Ph, H / X,X – 18 / 04 / 2012 – 1 CEA - Irfu Implantation Gbar au CERN Proposition denveloppe du CERN.
SYSTEMES MIXTES MOBILES ET COLLABORATIFS
FVS Système de vision globale pour robots footballeurs Projet de fin détudes Par Félix Duchesneau.
1 Séminaire LOVe du 29/03/07 Combinaison d'objets (fusion centralisée) T3.2 Combinaison de pistages (fusion décentralisée) T3.3.
1 SP3 ICARE Ezio MALIS 29 mars 2007 Amélioration du suivi visuel par couplage vision-laser.
Fusion multi-capteur pour la détection d'obstacle
Développement informatique : Outils dexploitation de films infrarouges Projet dimagerie : Reconnaissance automatique de lemplacement dobjets sur des imagesinfrarouges.
29/06/2005 Page 1 ROBIN - Techno-Vision Base dimages EADS DS l Introduction l Description générale l Description détaillée l Quicklook des données sources.
1 Couplage dun langage de contrôle de formatage avec un système de formatage existant DEA ISC : 1 avril 2003 Fateh Boulmaiz
DISCRIMINATION VISUELLE
Thierry Molinier > David Fofi >
Page 1 LE DESIGN ET L’IDENTITE MUSICALE AU SERVICE DES MARQUES.
Voici les mouvements de Mars et de la Terre dans le référentiel héliocentrique Sens de rotation LE SOLEIL MARS LA TERRE.
Fadwa AMRI Fanny COUTURIER Virginie ROMAIN.
Création et présentation d’un tableau avec Word 2007
Vuibert Systèmes d’information et management des organisations 6 e édition R. Reix – B. Fallery – M. Kalika – F. Rowe Chapitre 8 : L’évaluation et le contrôle.
CALENDRIER-PLAYBOY 2020.
Projet Télédétection Vidéo Surveillance Deovan Thipphavanh – Mokrani Abdeslam – Naoui Saïd Master 2 Pro SIS / 2006.
Comité de pilotage – Satory – 2 décembre Comité de Pilotage Mardi 2 décembre 2008 SATORY.
Deux schémas de fusion pour la détection d’obstacles
TRIMBLE ACCESS – Création de surface et calcul de volume
Programmation Création d’une mire 1 afficher une image
LASMEA Clermont, le 25 janvier Mesure et analyse de trajectoires Ordre du jour  10h45 – Accueil  11h00 – Introduction  11h05 – Trajectographie.
Monitoring Détection de séquences vidéo en temps réel dans une grande base de données Julien Law-to 22/06/2004.
1 Tache 3.1 Couplage Zones d’intérêt / détection Projection Sélection/Focalisation Prédiction/Reconnaissance Zones d’intérêt (RUSL) Zones d’interêt (RUCM)
Projet Love – Réunion SP3 CEA List – Lab. Calculateurs Embarqués et Image Contribution CEA List Love SP3.
Suivi de trajectoires par vision Y. Goyat, T. Chateau, L. Trassoudaine 1.
Antoine Tarault Directeur : Patrick Bourdot
I Présentation II Gestion de projet 1 - Planning 2 - Risques
Joan Solà - LAAS-CNRS Localisation visuelle pour la robotique mobile terrestre.
Transcription de la présentation:

Véronique Cherfaoui + partenaires SP3 29 mars 2007 SP3 Schémas globaux Véronique Cherfaoui + partenaires SP3 29 mars 2007

SP3 schémas globaux Avant propos : Proposition de changer le nom des repères : Après discussion avec François : on garde les anciennes notations à savoir RUSL Repère Love = repère télémètre RUCM = repère monovision RUCS = repère stéréovision

Tache 3.1 Couplage Zones d’intérêt / détection LIVIC (1) IEF(2) Emotion (3) CAOR (4) Heudiasyc (5) LIST(6) LASMEA (7) ICARE (8) Tache 3.1 Couplage Zones d’intérêt / détection (1), (7), (2) Zones d’interêt (RUCM) Zones d’intérêt (RUSL) Projection proprio Zones d’interêt (RUCS) Zones d’intérêt (RUi) Sélection/Focalisation/ Prédiction/Reconnaissance Objets/piétons (RUi) Données du capteur i (1) : i = SL (4)(6) : i = CM (6) i=CS

3.1 questions Lisibilité de la tâche 3.1 par rapport à la tâche 2.1 En quoi le module 3.1 est différent du ou des modules développés en 2.1 Ce que va contenir ce module ( sélection, focalisation, projection, reconnaissance …)

Tache 3.2 - Solution combinées 2 type d’architectures identifiées lors du séminaire du 15 novembre (voir présentation SP3) LIVIC (1) IEF(2) Emotion (3) CAOR (4) Heudiasyc (5) LIST(6) LASMEA (7) ICARE (8)

Tache 3.2 architecture type 1 LIVIC (1) IEF(2) Emotion (3) CAOR (4) Heudiasyc (5) LIST(6) LASMEA (7) ICARE (8) Tache 3.2 architecture type 1 Les entrées sont des données de différents capteurs Des zones d’intérêt Partenaires identifiés (1), (3) (4),(6), (8) Capteur 1 Mesures 1 Capteur n Mesures n Zones d’intérêt Fusion des mesures Détection, Estimation (1)(3)(4)(6) RUSL (8) RUCM Objets Pistage Association, Estimation, Prédiction (1)(3)(4)(6) RUSL (8) RUCM Pistes

LIVIC (1) 3.2 code couleur Combinaison stéréovision/laser Images stéréo N&B rectifiées et synchrones,Zones de recherche Confiances par piste Combinaison stéréovision/laser Piste sélectionnée (RUSL) Confirmation des pistes lasers par stéréovision (position, orientation, précision, confiance) TTC Pistes (RUSL) Pistes (RUSL) potentielles Impacts LASER, Zone de recherche code couleur 3.2 2.x 3.1 ou 2.1? Association Multi-objets Mise à jour Détection cibles potentielles prédiction Zone de travail SP1, Données proprioceptives, Données de calibrage Prédiction trajectoire Rétro-Projection Zone image (RUCM) Zone Intérêt Scène (RUSL)

(seuillage sur indice de confiance) CAOR (4) Laser Can, Gyro Caméra Détection Zone d'intérêt Pistage 3D Pistage 2D (Point d'intérêts) Projection 3D -> 2D Détection Vision (Adaboost, ...) Prise de décision (seuillage sur indice de confiance) Pistes (Laser + Vision) Pistes + (Objects Vision) Full Image Pistes 3D Image ROI Fusion 2D Objects 3D + Objects 2D Tâche 2.1 Tâche 2.4 Tâche 3.2

CEA(6) Classification par fusion de la disparité et de l’apparence Images stéréo N&B rectifiées et synchrones Piétons (RUSL) (position, confiance) Pistes Piétons (RUSL) Disparité sur Les objets Classification par fusion de la disparité et de l’apparence Pistage: Association avec ancienne piste ou création nouvelle piste Calcul de la disparité avec fusion des données image et Lidar Objets (T2.1) Données Lidar

Emotion (3) 3.2 Détecteur 1 Image mono (RUCM) Paire d’image Stéréo (RUCS) Détecteur 2 ... Proprioception Fusion dans une grille d’occupation code couleur 3.2 2.x 3.1 ou 2.1? BOF Prédiction Pistes de piétons (RUSL) 10 10

ICARE (8) Calibration Propioception Prediction Image Mono (RUCM) Piste Suivi Visuel Piste Telemetre (RUSL)

Tache 3.2 architecture type 2 LIVIC (1) IEF(2) Emotion (3) CAOR (4) Heudiasyc (5) LIST(6) LASMEA (7) ICARE (8) Tache 3.2 architecture type 2 Les entrées sont Des objets/piétons détectés par l’une ou l’autre modalité. Partenaires identifiés (5), (7) Capteur 1 Mesures 1 Capteur n Mesures n Détection Estimation Détection Estimation Pistage Association, Estimation, Prédiction Pistes RUSL Objets RUSL

Heudiasyc (5) 3.2 Fusion d’objets Pistage Détecteur j Détecteur k … Détecteur i Fusion d’objets Pistage Objetsrusl Pistesrusl Association d’objets/pistes code couleur 3.2 2.x 3.1 ou 2.1? Mise à jour/Estimation des pistes Initialisation nouvelles pistes Données proprio Prédiction Pistesrusl

LASMEA (7) n n o o Pistesrusl Objetsrusl Détecteur i Détecteur j Association Objets/Pistes n n Destruction piste maintien o o FUSION DES OBJETS CORRECTION INITIALISATION PREDICTION proprio Pistesrusl

IEF (2) 3.1 3.2 2.X 3.2 Données proprio Carte vue de dessus Choix de Dt 8+L 8m Fenêtre 3.1 Prédiction 8+L 8m supervision Détecteur i Objet Recalage Carte vue de dessus Fenêtres Détecteur i Détecteur j Détecteur k Scrutation sur nouvel horizon Focalisation pour détecteur robuste Prise en compte du mouvement des vulnérables sur la carte Objetsrusl 3.2 Association d’objets/pistes Mise à jour/ Estimation pistes Initialisation nouvelles pistes 2.X Gestion des pistes / Evaluation 3.2 Pistesrusl

Tâche 3.3 Combinaison de pistes LIVIC (1) IEF Emotion (3) CAOR (4) Heudiasyc (5) LIST(6) LASMEA (7) ICARE (8) Architecture type 3 fusion décentralisée Intérêt : utiliser des modules indépendants gérer l’asynchronisme Partenaires identifiés (4) (5), (7) Capteur 1 Mesures 1 Capteur n Mesures n Détection Estimation Détection Estimation objets objets Pistage Pistage Pistes Combinaison de pistage Association,combinaison, analyse Pistes Danger, Contrôle

(seuillage sur indice de confiance) CAOR (4) Laser Can, Gyro Caméra Détection Zone d'intérêt (Adaboost,...) Pistage 3D Pistage 2D (Point d'intérêts) Recalage temporel Matching/Fusion 2D Prise de décision (seuillage sur indice de confiance) Pistes (Laser + Vision) Pistes + (Objects Vision) Pistes + Objects (si objects vision non matchés Laser) Objects 2D Pistes 2D Pistes 3D Tâche 2.1 Tâche 2.4 Tâche 3.3 Tâche 2.2

Heudiasyc (5) 3.3 3.2 Pistes i ti,rusl Pistes jtj,rusl Données proprio Etat des modules Recalage temporel Pistes itc,rusl Pistes jtc,rusl Pistes globalestc,rusl Association pistes/pistes code couleur 3.3 3.2 2.x 3.1 ou 2.1? Combinaison des pistes Initialisation nouvelles pistes ? Etat des modules Validation /analyse Pistes globalesrusl

Association piste à piste LASMEA (7) Pistes i ti,id_i, rusl Pistes jtj,id_j, rusl Recalage temporel proprio Association piste à piste Initialisation o Prédiction o maintien maintien n n n o correction correction o id_j dispo n id_i dispo Destruction piste Destruction piste Fusion Validation Pistes globalesrusl