1 Séminaire LOVe du 29/03/07 Combinaison d'objets (fusion centralisée) T3.2 Combinaison de pistages (fusion décentralisée) T3.3.

Présentation au sujet: "1 Séminaire LOVe du 29/03/07 Combinaison d'objets (fusion centralisée) T3.2 Combinaison de pistages (fusion décentralisée) T3.3."— Transcription de la présentation:

1 1 Séminaire LOVe du 29/03/07 Combinaison d'objets (fusion centralisée) T3.2 Combinaison de pistages (fusion décentralisée) T3.3

2 2 Séminaire LOVe du 29/03/07 T3.2 T3.3 Détecteur Lidar Détecteur Monovision Détecteur stéréovision { pistage Pistes Lidar Pistes Monovision Pistes stéréovision { combinaison de pistages Pistes piétons

3 3 Séminaire LOVe du 29/03/07 T3.2 – Combinaison centralisée E/S Position par rapport au véhicule porteur : repère RUSL (1) Dimensions « largeur (L) * hauteur (H) » du piéton Variance sur les mesures de position : Variance sur les mesures de dimension : [1][1] Repère Universel du Système LOVe Position estimée par rapport au véhicule porteur : repère RUSL(1) Dimensions estimées : Vecteur Vitesse relative par rapport au véhicule porteur : Identifiant : *lidentifiant est le même pour un piéton dont la trajectoire est observée ou prédite au cours du temps ; *lidentifiant est incrémental. Le premier identifiant est réutilisé lorsque la prochaine piste piéton après la piste piéton x est suivie Variance sur les estimations de position et de vitesse : Variance sur les estimations de dimension Date : t

4 4 Séminaire LOVe du 29/03/07 T3.2 – Combinaison centralisée – Formalisation du pb Association Objets/Pistes maintien FUSION DES OBJETS Destruction piste CORRECTIONINITIALISATION PREDICTION Détecteur iDétecteur j proprio Pistes rusl o o n n Objets rusl

5 5 Séminaire LOVe du 29/03/07 T3.2 – Combinaison centralisée – Association : les piétons-capteurs sont issus du même piéton : les piétons-capteurs sont issus de piétons différents vraie si

6 6 Séminaire LOVe du 29/03/07 T3.2 – Combinaison centralisée – Fusion des objets Les vecteurs de mesures des capteurs-piétons associés sont concaténés dans un vecteur global : Les équations classiques de filtrage sont ensuite utilisées afin dobtenir un estimé de létat de la piste piéton.

7 7 Séminaire LOVe du 29/03/07 T3.2 – Combinaison centralisée – Gestion des pistes Lorsque plusieurs capteur-piétons sont associés à une piste alors le processus consiste à effecteur les différentes phases du filtre en utilisant comme vecteur de mesure le vecteur concaténé. Si aucune mesure capteur-piéton nest associée à une piste existante alors cette piste est maintenue pendant 500 ms en utilisant comme vecteur de mesure la prédiction de létat précédent. Après cette durée, si aucune mesure na été sélectionnée par le processus dassociation alors la piste est considérée comme « morte ». Enfin, si plusieurs mesures associées ne sont pas sélectionnées par une piste existante, une nouvelle piste est initialisée.

8 8 Séminaire LOVe du 29/03/07 T3.3 – Combinaison décentralisée E/S [1][1] Repère Universel du Système LOVe Position estimée par rapport au véhicule porteur : repère RUSL(1) Dimensions estimées : Vecteur Vitesse relative par rapport au véhicule porteur : Identifiant : *lidentifiant est le même pour un piéton dont la trajectoire est observée ou prédite au cours du temps ; *lidentifiant est incrémental. Le premier identifiant est réutilisé lorsque la prochaine piste piéton après la piste piéton x est suivie Variance sur les estimations de position et de vitesse : Variance sur les estimations de dimension Date : t Position estimée par rapport au véhicule porteur : repère RUSL(1) Dimensions estimées : Vecteur Vitesse relative par rapport au véhicule porteur : Identifiant : *lidentifiant est le même pour un piéton dont la trajectoire est observée ou prédite au cours du temps ; *lidentifiant est incrémental. Le premier identifiant est réutilisé lorsque la prochaine piste piéton après la piste piéton x est suivie Variance sur les estimations de position et de vitesse : Variance sur les estimations de dimen- sion Date : t

9 9 Séminaire LOVe du 29/03/07 T3.2 – Combinaison décentralisée – Formalisation du pb Pistes i ti,id_i, rusl Pistes j tj,id_j, rusl Recalage temporel Association piste à piste Prédiction id_i dispo id_j dispo correction maintien Initialisation maintien correction Fusion Validation Destruction piste Pistes globales rusl n n n o o o o n proprio

10 10 Séminaire LOVe du 29/03/07 Association de deux pistes capteurs CAPTEUR 1CAPTEUR 2 Trouver la meilleure permutation possible qui minimise les C ij matrice de « cross-covariance » T3.2 – Combinaison décentralisée – Association

11 11 Séminaire LOVe du 29/03/07 Distance de Bar-Shalom Distance de Mahalanobis (fréquemment utilisée) T3.2 – Combinaison décentralisée – Association

12 12 Séminaire LOVe du 29/03/07 Kalman : équations classiques de la fusion des filtres Simple Fusion [Singer] : Fusion de covariance pondérée [Bar-Shalom] : T3.2 – Combinaison décentralisée – Fusion des estimations

13 13 Séminaire LOVe du 29/03/07 Particules : utilisation des poids pour la correction 0 0 0 1 1 1 2 2 3 mutation pondération sélection T3.2 – Combinaison décentralisée – Fusion des estimations

14 14 Séminaire LOVe du 29/03/07 EKF vs PF T3.2 – Combinaison décentralisée – Fusion des estimations

15 15 Séminaire LOVe du 29/03/07

16 16 Séminaire LOVe du 29/03/07 T3.2 – Combinaison décentralisée – Fusion des estimations lien

17 17 Séminaire LOVe du 29/03/07 Problématiques - Gestion des croisements - Gestion du nombres dobservations par capteur -Gestion des croisements -Gestion du nombres de pistes par capteur

18 18 Séminaire LOVe du 29/03/07 Gestion des croisements Le croisement de plusieurs objets constitue une réelle difficulté pour un algorithme de suivi et dassociation avec le problème de la perte dobjets ou de linversion d objets. Amélioration de ce problème « Espace joint »

19 19 Séminaire LOVe du 29/03/07 Gestion du nombres de pistes ou dobservations Afin davoir une vue globale de la scène observée à un instant k, nous allons gérer le nombres de pistes (ou observations) dans un unique vecteur détat : représente lhypothèse la plus probable davoir O pistes (ou observations) suivies à linstant k. représente les caractéristiques (position, vitesse, taille…) de la piste (ou observation) suivie à linstant k.

20 20 Séminaire LOVe du 29/03/07 Résultats sur scénario routier Conditions de simulation : - nombres dobjets inconnu et inconstant - modèle dévolution à vitesse constante - filtre particulaire à hypothèse de Kalman - espace joint - vecteur détat unique

21 21 Séminaire LOVe du 29/03/07 Dans le cadre du problème dassociation de différentes pistes (ou dobservations) délivrées par différents capteurs, nous allons proposé un algorithme avec : - un filtre particulaire qui permettra lutilisation dun modèle dévolution non-linéaire ainsi que lutilisation dune loi a posteriori quelconque. - la mise en œuvre des méthodes de monte-carlo par chaînes de markov qui permettra de prendre une décision finale sur le nombres dobjets qui sont suivis. - un espace joint qui permettra déliminer le problème de perte dobjet lors des croisements. Perspectives