Search

Automatic and accurate mapping and modeling of underground infrastructure has become indispensable for several important tasks ranging from urban planning and construction to safety and hazard mitigation. However, this offers several technical and operational challenges. The aim of this work is to develop a portable automated mapping solution for the 3D mapping and modeling of underground pipe networks during renovation and installation work when the infrastructure is being laid down in open trenches. The system is used to scan the trench and then the 3D scans obtained from the system are registered together to form a 3D point cloud of the trench containing the pipe network using a modified global ICP (iterative closest point) method. In the 3D point cloud, pipe-like structures are segmented using fuzzy C-means clustering and then modeled using a nested MSAC (M-estimator SAmpling Consensus) algorithm. The proposed method is evaluated on real data pertaining to three different sites, containing several different types of pipes. We report an overall registration error of less than 7 % , an overall segmentation accuracy of 85 % and an overall modeling error of less than 5 % . The evaluated results not only demonstrate the efficacy but also the suitability of the proposed solution.

International audience

International audience

International audience

National audience; Cet article présente une méthode automatique de détection et d'analyse des changements qui surviennent dans les scènes urbaines. Ils sont intégrés progressivement par mise à jour incrémentale de la carte 3D. Les nuages de points 3D, acquis lors de passages successifs en un même lieu mais à des jours et horaires différents, sont combinés pour enrichir la cartographie. Les modifications qui se produisent dans la scène au cours de cette période sont détectées et analysées à l'aide de fonctions cognitives de similarité. Les résultats, évalués sur des données réelles en utilisant différentes métriques, démontrent non seulement l'efficacité du procédé mais attestent que les changements qui peuvent intervenir sont effectivement incorporés dans la cartographie 3D résultante. Ainsi, seules les entités permanentes subsistent dans la carte. La méthode proposée est facilement applicable et adaptée pour opérer sur des scènes urbaines de grande taille.

This paper presents a clustering method of detections of the same object seen on a video. We apply it to the context of the automatic construction of photo album. We use a global analysis, based on a probabilistic framework of data association problems. The solution is given by Maximum A Posteriori estimation. Our main contribution concerns the use of a local front-back tracking, applied to each detection ; to increase appearance information of detections with a spatial information, through local tracks construction. We introduce a new likelihood measure based on the spatio-temporal dissimilarity between tracks. The algorithm is then able to deal with situations in which the face detections are scattered. We propose to use criteria derived from purity and inverse purity of a clustering to assess performances of the proposed method. This method is compared to hierarchical clustering on two real test sequences., Cet article présente une méthode de regroupement de détections d'un même objet vu sur une séquence vidéo, en se plaçant dans le cadre applicatif plus précis de la construction automatique d'un album photo. Nous utilisons une méthode d'analyse globale, basée sur une formalisation probabiliste du problème d'association de données. La solution du problème est alors donnée par une estimation du Maximum A Posteriori (MAP). La principale contribution concerne l'utilisation d'une méthode de suivi locale avant-arrière appliquée à chaque détection. Cela afin d'enrichir l'information d'apparence issue de la détection, par une information spatiale provenant de la construction de pistes locales. Nous introduisons une nouvelle mesure de vraisemblance basée sur la dissimilarité spatio-temporelle entre les pistes. L'algorithme obtenu est alors capable d'adresser des situations où les détections de visages sont éparses. Nous proposons d'utiliser des critères dérivés de la pureté et la pureté inverse d'un clustering pour évaluer les performances de la méthode proposée. La méthode est ensuite comparée à un clustering ascendant hiérarchique, sur deux séquences test réelles.

This paper has discussed the problem of centralized/decentralized fusion estimation for target tracking using range, range-rate and Cartesian measurements for road obstacle tracking. The Posterior Cramer-Rao Lower Bounds were derived and two tracking algorithms were developed. The PCRLBs allow us to predict the best achievable performance under various conditions such as the relative target trajectory, and measurement sample rate. Two algorithms have been considered: the extended Kalman filter and the particle filter. This study has shown that both algorithms are efficient for this kind of scenario even if the particle filter is unattractive for implementation in a practical operational system. Our future work will consist in developing a new method of laser/camera fusion for pedestrian detection. This work will take place in the context of the LOVe (Logiciel d'Observations des Vuln?rables) which aims at improving road safety, mainly focusing on pedestrian security.

International audience; This article deals with the detection of pedestrians by means of a laser sensor. This sensor placed on the front of a vehicle collects information about distance distributed according to 4 horizontal planes. In order to improve the robustness of pedestrian detection using a single laser sensor we propose here a detection system based on decentralized fusion of information located in the 4 horizontal laser planes. A Parzen kernel method is described and allows to extract "pedestrian objects" in each laser layer before to carry out a decentralized fusion based also on the Parzen kernel method. Many experimental results validate and show the relevance of our pedestrian detection algorithm in regard to a method using only a single-row laser-range scanner.

International audience; This paper introduces an implementation of the Polynomial Extended Kalman Filter (PEKF) to solve the Simultaneous Localization and Map building (SLAM) problem. The proposed solution is a filtering algorithm which is a polynomial transformation of state evolution and measurement equations. The performances of the algorithm have been evaluated through two simulation runs. The first ones underline consistency improvement in comparison with the standard Extended Kalman Filter. The other simulation results show the PEKF efficiency when the values of measurement noises are high. At the end, experiments with Victoria Park data are presented too.

CIFA 2008, 5ème Conférence Internationale Francophone d'Automatique, BUCAREST, ROUMANIE, 03-/09/2008 - 05/09/2008; Cet article présente une méthode de suivi précis de trajectoires de véhicules légers en utilisant un capteur constitué d'une caméra couleur et d'un télémètre laser à balayage 1D. L'approche retenue est basée sur un filtrage temporel, non linéaire, formalisé par un filtre à particles. Nos contributions portent sur deux points clefs de l'application. La première contribution traite de l'étude d'une fonction de vraisemblance originale qui utilise la cohérence entre la projection d'un modèle simplifié du véhicule dans le repère capteur et les mesures. La deuxième contribution concerne une alternative à la phase d'échantillonnage classique utilisée dans un filtre à particule, qui permet de fusionner de manière intrinsèque les observations provenant de plusieurs sources. La précision de l'algorithme est quantifiée sur des données réelles pour lesquelles nous disposons d'une vérité terrain grâce à une GPS cinématique.

International audience; Cet article concerne la détection des piétons à l'aide d'un capteur laser. Ce capteur placé à l'avant d'un véhicule recueille des informations distance réparties selon quatre nappes. Au même titre qu'un véhicule, un piéton constitue dans un environnement de conduite un obstacle qu'il faut détecter, localiser puis identifier et éventuellement suivre. Une synthèse bibliographique concernant les travaux relatifs à la détection des piétons à l'aide de données LIDAR est présentée. Une méthode de détection, d'identification puis de suivi de piétons à partir de cet unique capteur laser quatre plans est proposée et discutée. L'algorithme de détection regroupe les points en différentes classes géométriques dans le but de filtrer le fond de l'image (murs, voitures, panneaux, etc.). Afin d'isoler les piétons, nous proposons une méthode non-paramétrique exploitant la technique de fenêtrage de Parzen. Finalement, pour caractériser au mieux la trajectoire complexe d'un piéton, le pistage repose sur l'utilisation classique d'un filtre à particules. Les résultats obtenus sur des données réelles pour plusieurs scénarios sont présentés.

International audience

National audience

International audience; This paper deals with evaluation of centralized fusion for two dissimilar sensors for the purpose of road obstacle tracking. The aim of sensor fusion is to produce an improved state estimate of a system from a set of independent data sources. Indeed, for a robust environment perception, see as obstacles here, several sensors should be installed in the equipped vehicle: camera, lidar, radar, etc. In our case, the motivation for this work comes from the need to track road targets with lidar measurements combined to radar ones. Thus, the aim is to combine effectively radar range measurements (i.e. range and range rate) with Lidar Cartesian measurements for a ”turn” scenario. Centralized fusion, i.e. measurement fusion, for two dissimilar sensors is considered here for evaluation. Evaluation is based on Cramer-Rao Lower Bound (CRLB) which is the basic tool for investigating estimation performance as it represents a limit of cognizability of the state. In the target tracking area, a recursive formulation of the Posterior Cramer- Rao Lower Bound (PCRLB) is used to analyze performance. Many bound comparisons are made according to used scenarios and various sensors configurations. Moreover, two algorithms for target motion analysis are developed and compared to the theoretical bounds of performance: the extended Kalman filter and the particle filter.

International audience