Résumé :
Les travaux réalisés au cours de cette thèse
s’inscrivent dans les problématiques de localisation d’un véhicule par
vision. Nous nous plaçons en particulier dans le cas de parcours sur de
longues distances, c’est à dire plusieurs kilomètres. Les méthodes
actuelles de localisation et cartographie simultanées souffrent de
problèmes de dérives qui les rendent difficilement exploitables après
plusieurs centaines de mètres. Nous proposons dans ce mémoire de pallier
ces limites en exploitant une connaissance à priori sur la géométrie de
l’environnement parcouru.Cette information est extraite d’un Système
d’Information Géographique. En particulier, les travaux réalisés se
basent sur les modèles 3D des bâtiments des villes et sur une carte de
la route.Dans la première partie de ce mémoire, nous proposons une
approche permettant de corriger hors ligne une reconstruction SLAM en
exploitant la connaissance d’un modèle 3D simple de l’environnement.
Cette correction s’applique en deux étapes. En premier lieu, un recalage
non-rigide entre le nuage de points reconstruit et le modèle 3D est
effectué de sorte à retrouver la cohérence globale de la reconstruction.
Dans le but de raffiner le nuage de points obtenu, un ajustement de
faisceaux contraint par le SIG est alors effectué sur l’ensemble de la
reconstruction.La particularité de cet ajustement de faisceaux est qu’il
prend implicitement en compte les contraintes géométriques apportées
par le modèle 3D. La reconstruction ainsi corrigée est alors utilisée en
tant que base de données pour la relocalisation en ligne d’une caméra
mobile. La précision de relocalisation obtenue est en particulier
suffisante pour les applications de réalité augmentée.
Dans la deuxième
partie de ce mémoire, nous détaillons une solution permettant de
corriger en ligne la reconstruction SLAM.
Pour cela, les contraintes
géométriques apportées par le SIG sont exploitées au fur et à mesure de
la trajectoire du véhicule. Nous montrons tout d’abord que la
connaissance de la position relative de la caméra par rapport à la route
permet de corriger de façon robuste la dérive de facteur d’échelle. De
plus, lorsque les contraintes géométriques sont suffisantes, la
reconstruction SLAM réalisée jusqu’à l’instant courant est recalée sur
le SIG.Cela permet de corriger ponctuellement la dérive observée sur la
position courante de la caméra.Le processus complet permet dès lors de
localiser le véhicule avec une précision semblable à celle d’un système
GPS sur des trajectoires de plusieurs kilomètres.Les deux méthodes
proposées ont été testées à la fois sur des séquences de synthèse et
réelles. Des résultats qualitatifs et quantitatifs sont présentés tout
au long de ce mémoire.
Version PDF
