LIRMM / ED I2S : MODULE IMAGE. «La vision embarquée pour les systèmes mobiles autonomes : état des lieux, enjeux et perspectives»
|
|
- Judith Boulet
- il y a 8 ans
- Total affichages :
Transcription
1 LIRMM / ED I2S : MODULE IMAGE «La vision embarquée pour les systèmes mobiles autonomes : état des lieux, enjeux et perspectives» Xavier SAVATIER, IRSEEM / ESIGELEC 29 avril 2015
2 SOMMAIRE 1. LE VEHICULE AUTONOME : CONTEXTE ET ENJEUX 2. LES SOLUTIONS BASEES VISION DÉJÀ DEPLOYEES DANS LE VEHICULE 3. ACTIVITES DE RECHERCHE DE L IRSEEM 4. FOCUS SUR LA VISION OMNIDIRECTIONNELLE 5. CONCLUSIONS ET ECHANGES
3 SOMMAIRE 1. LE VEHICULE AUTONOME : CONTEXTE ET ENJEUX 2. LES SOLUTIONS BASEES VISION DÉJÀ DEPLOYEES DANS LE VEHICULE 3. ACTIVITES DE RECHERCHE DE L IRSEEM 4. FOCUS SUR LA VISION OMNIDIRECTIONNELLE 5. CONCLUSIONS ET ECHANGES
4 LE VEHICULE AUTONOME Mercedes Bertha ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/2015 4/105
5 LE VEHICULE AUTONOME Google car ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/2015 5/105
6 LE VEHICULE AUTONOME Vislab (Italie) Oxford Next two (Renault) ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/2015 6/105
7 LE VEHICULE AUTONOME NAVIGATION AUTONOME D UN VEHICULE = FACULTE DE LA MACHINE À PERCEVOIR ANALYSER AGIR ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/2015 7/105
8 LE VEHICULE AUTONOME véhicule particulier Véhicule autonome Transport public Engin industriel ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/2015 8/105
9 LE VEHICULE AUTONOME Confort Sécurité Ecologie Véhicule autonome ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/2015 9/105
10 LE VEHICULE AUTONOME L homme supervise la machine La machine supervise l homme ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
11 LE VEHICULE AUTONOME L homme supervise la machine La machine supervise l homme Convention de Vienne (sécurité routière) Article 8: The vehicle should always be in control of (human) driver in good physical and mental condition ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
12 LE VEHICULE AUTONOME Plan Nouvelle France Industrielle : «véhicule autonome» Embouteillage Autoroute Libre service Convoi navettes Exploitations industrielles Péri urbain Voiturier Flotte libre service Transport en couloir de bus Tout contexte Flotte taxi partagé Transport à la demande Livraison tout contexte Sur voie publique Sur site industriel ou privé ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
13 LE VEHICULE AUTONOME Les problèmes à résoudre pour permettre une navigation autonome Où suis-je? Où vais-je? Comment? Méthodes de localisation Cartes? Connaissances a priori? Path planning Path control ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
14 LE VEHICULE AUTONOME Architecture fonctionnelle pour la navigation autonome Driver conducteur Communication V2V / V2I communication V2V / V2I perception Perception HMI IHM Co-Pilot Copilote Driver Surveillance Monitoring du conducteur Unité de caclul Decision Unit Contrôle latéral / longitudinal Vehicle Control Vehicle Observer Système de supervision (infra) Source : plan nouvelle France industrielle, véhicule autonome ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
15 LE VEHICULE AUTONOME Les tâches que doit faire un véhicule autonome localisation Détection d obstacles cartographie Contrôle de trajectoire ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
16 LE VEHICULE AUTONOME Retrospective Tsukuba, 1977 Darpa Urban challenge 2007 Google car (now!) ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
17 LA COUCHE PERCEPTION CAPTEURS ENCADREMENT POUR LA SCIENTIFIQUE PERCEPTION D ENVIRONNEMENTS Actif Passif LIDAR RADAR RGB-D Vision ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
18 LA COUCHE PERCEPTION CAPTEURS ENCADREMENT POUR LA SCIENTIFIQUE PERCEPTION D ENVIRONNEMENTS Actif Passif LIDAR RADAR RGB-D Vision ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
19 LA COUCHE PERCEPTION FORMATION D UNE IMAGE ET VISION PAR ORDINATEUR Approche radiométrique Approche géométrique Monde 3D Centre de projection Plan image ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
20 LA COUCHE PERCEPTION LA ENCADREMENT DIFFICULTE DE SCIENTIFIQUE LA TACHE PERCEPTION Action Perception Multiphysique Scènes complexes Variabilité des scènes Décision ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
21 LA COUCHE PERCEPTION Scènes en environnement naturel = forte dynamique Autres véhicules Autres usagers Variations d illumination Variations d environnement Voitures, camions, motos Piétons, cyclistes Météo, réflexions, tunnels Végétation, obstacles divers ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
22 LA COUCHE PERCEPTION Scènes en environnement naturel = forte dynamique Autres véhicules Autres usagers Variations d illumination Variations d environnement Voitures, camions, motos Piétons, cyclistes Météo, réflexions, tunnels Végétation, obstacles divers ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
23 LA COUCHE PERCEPTION Scènes en environnement naturel = forte dynamique Autres véhicules Autres usagers Variations d illumination Variations d environnement Voitures, camions, motos Piétons, cyclistes Météo, nuit Saisons, travaux ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
24 LA COUCHE PERCEPTION difficulté Source : plan nouvelle France industrielle, véhicule autonome temps ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
25 LA COUCHE PERCEPTION difficulté Capacités d autodiagnostic et de mesure d un indicateur de qualité pour détecterla défaillance d un algorithme? Source : plan nouvelle France industrielle, véhicule autonome temps ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
26 LA COUCHE PERCEPTION difficulté Comment percevoir le comportement du conducteur de manière non intrusive? Source : plan nouvelle France industrielle, véhicule autonome temps ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
27 LA COUCHE PERCEPTION difficulté Mise à jour des données des référence (cartes, positions des autres véhicules ) Robustesse des algorithmes en cas de données manquantes ou erronées? Source : plan nouvelle France industrielle, véhicule autonome temps ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
28 LA COUCHE PERCEPTION difficulté Construction d outils et collecte de données pour le rejeu en simulation et le test en mode HIL / VIL Source : plan nouvelle France industrielle, véhicule autonome temps ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
29 VERROUS DU VA VERROUS PAR CAS D USAGE difficulté Verrous R&D résolu Ville Distance des obstacles vs. temps de réponse Piétons, véhicules Intersections, rondpoints Autoroute Distance de perception < distance de freinage (150m min) Mouvements des autres véhicules Changement de voies Trafic dense en péri-urbain Distance de perception > distance de freinage (40 à 100m) Mouvements des autres véhicules Changement de voies ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
30 SOMMAIRE 1. LE VEHICULE AUTONOME : CONTEXTE ET ENJEUX 2. LES SOLUTIONS BASEES VISION DÉJÀ DEPLOYEES DANS LE VEHICULE 3. ACTIVITES DE RECHERCHE DE L IRSEEM 4. FOCUS SUR LA VISION OMNIDIRECTIONNELLE 5. CONCLUSIONS ET ECHANGES
31 SOMMAIRE 1. LE VEHICULE AUTONOME : CONTEXTE ET ENJEUX 2. LES SOLUTIONS BASEES VISION DÉJÀ DEPLOYEES DANS LE VEHICULE 3. ACTIVITES DE RECHERCHE DE L IRSEEM 4. FOCUS SUR LA VISION OMNIDIRECTIONNELLE 5. CONCLUSIONS ET ECHANGES
32 SOLTUIONS SYSTEMES DE PERCEPTION DÉJÀ EMBARQUES Surround view Adaptative cruise control Pedestrian detection ultrasound camera lidar radar Park assist Lane Departure Warning Surround view Road sign recognition Surround view ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
33 SOLUTIONS ADAS ENCADREMENT utilisant la vision SCIENTIFIQUE MobilEyes : une des solutions la plus aboutie Source : MobilEyes déjà intégrée chez de nombreux constructeurs et équipementiers ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
34 SOLUTIONS LANE ENCADREMENT DEPARTURE SCIENTIFIQUE WARNING camera Traitements Lane detection Lane departure Tracking ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
35 SOLUTIONS DETECTION ENCADREMENT DE LIGNES SCIENTIFIQUE : TRANSFORMEE DE HOUGH Y = ax + B Peut s écrire R = X cos + Y sin Principe : Pour un (R, ) donné on cherche si des points de l image (X,Y) vérifier l équation R = X cos + Y sin ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
36 SOLUTIONS TRANSFORMEE ENCADREMENT DE SCIENTIFIQUE HOUGH y (9,12) R=x.cos + y.sin (1,7) (6,8) (3,4) ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105 x
37 SOLUTIONS TRANSFORMEE ENCADREMENT DE SCIENTIFIQUE HOUGH Discrétisation de l espace de Hough Construction d un histogramme Recherche des maximums locaux ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
38 RUBRIQUE DETECTION ENCADREMENT DE PIETONS SCIENTIFIQUE Segmentation du mouvement (flot optique, stéréovision) Reconnaissance de formes Classification Calcul de distance ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
39 PERCEPTION 3D VISION 3D POUR LE VEHICULE Banc de stéréovision Géométrie épipolaire Source : Vislab ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
40 PERCEPTION 3D STEREOVISION Géométrie épipolaire (projection perspective) M m T F m = 0 Matrice fondamentale ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
41 PERCEPTION 3D STEREOVISION Géométrie épipolaire (projection perspective) M m T F m = 0 Il faut établir au moins 8 correspondances entre les images gauche et droite pour calculer la matrice fondamentale F ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
42 PERCEPTION 3D STEREOVISION Comment établir des correspondances entre les paires d images? ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
43 PERCEPTION 3D STEREOVISION Caractériser chaque point par son voisinage et trouver une façon de les comparer Appariement? ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
44 PERCEPTION 3D STEREOVISION Caractériser chaque point par son voisinage et trouver une façon de les comparer Calcul d un score de corrélation au voisinage - Méthode locale - Grand espace à parcourir tems réel? ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
45 PERCEPTION 3D STEREOVISION Caractériser chaque point par son voisinage et trouver une façon de les comparer M Réduction de l espace de recherche à 1 dimension (ligne épipolaire) ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
46 PERCEPTION 3D STEREOVISION Utilisation dans le véhicule : on aligne les caméras gauche et droite pour avoir des images rectifiées Source : IFSTTAR / LIVIC ; JP Tarrel ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
47 PERCEPTION 3D STEREOVISION Caractériser chaque point par son voisinage et trouver une façon de les comparer ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
48 PERCEPTION 3D STEREOVISION Caractériser chaque point par son voisinage et trouver une façon de les comparer Utilisation de descripteurs - Coins, droites, SIFT, SURF. ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
49 PERCEPTION 3D DESCRIPTEUR SIFT Descripteur de points Utilise les gradients Basé sur une représentation pyramidale - Robuste aux changements d échelle - Robuste aux changements d orientation «Matching of two images using the SIFT method» ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
50 PERCEPTION 3D AUTRES METHODES POUR LA RECONSTRUCTION 3D Caméra + «Shape-From-X» Shape-From-Shading Shape-Fom-Contour Shape-From-Silhouettes Shape-From-Consistency Shape-From-Stereo etc. ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
51 PERCEPTION 3D RECONSTRUCTION 3D DENSE POUR LE VEHICULE INTELLIGENT VISLAB (Italie) : reconstruction dense par vision uniquement Construction d un carte d occupation locale Va permettre au véhicule de naviguer sans connaissance de l environnement a priori Source : Vislab ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
52 PERCEPTION 3D CONTRÔLE LONGITUDINAL DU VEHICULE (IFSTTAR / LIVIC) Calcul de disparité (carte de profondeur) Source : IFSTTAR / LIVIC ; JP Tarrel Estimation du plan de la route Détection des objets verticaux Réduction de la zone de recherche dans la phase de labelling des obstacles ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
53 PERCEPTION 3D STEREOVISION DENSE POUR LE CONTRÔLE LONGITUDINAL DU VEHICULE (IFSTTAR / LIVIC) Source : IFSTTAR / LIVIC ; JP Tarrel ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
54 NAVIGATION AUTONOME NAVIGATION AUTONOME Où suis-je? Où vais-je? Comment? Méthodes de localisation Cartes? Connaissances a priori? Path planning Path control ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
55 LOCALISATION LOCALISATION POUR LE VEHICULE AUTONOME GPS Précision 1m env Pas toujours disponible Fréquence de mesure 1Hz Inertiel Bas coût, toujours disponible Dérives en position Fréquence de mesure 10Hz extéroceptifs Précision centimétrique Selon la méthode dérive ou pas Calculs embarqués, cartes environnement Fréquence de mesure 20-30Hz ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
56 LOCALISATION LOCALISATION ET NAVIGATION AUTONOME Navigation sans carte : - le véhicule découvre son environnement au fur et à mesure - Il se guide avec des informations 2D en suivant la route (contrôle latéral) et en adaptant sa vitesse par rapport aux autres véhicules (contrôle longitudinal) Peut être fait par stéréovision Faible temps de calcul fonctionne à vitesse élevée Suppose un marquage de la route (en péri-urbain uniquement) Difficulté dans des séquences spécifiques exemple dans le rondpoints ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
57 LOCALISATION LOCALISATION ET NAVIGATION AUTONOME Navigation par exploration (SLAM) Le véhicule fait un premier passage et construit une carte Techniques de SLAM (Simultaneous Localisation and Mapping) utilisées en robotique indoor vidéo Utilisation de techniques dites de fermeture de boucles La construction de la carte peut être amélioré par des méthodes de fermeture de boucle Le SLAM peut être fait en ligne Calculs embarqués importants en vision Cumul des erreurs de localisation La fermeture de boucles suppose la reconnaissance d un même lieu vu à des moments différents ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
58 LOCALISATION LOCALISATION ET NAVIGATION AUTONOME Navigation à partir de points de référence Utilisation d un 1 er véhicule qui construit une base d image géoréférencée Approche par mémoire visuelle le véhicule équipé d une caméra retrouve des points-clés et se localise Source : KITTI database ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
59 LOCALISATION LOCALISATION ET NAVIGATION AUTONOME Navigation à partir de points de référence Nécessite la mise en correspondance de points (SIFT par exemple) Source : KITTI database ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
60 LOCALISATION LE PROBLEME DE MISE EN CORRESPONDANCE DE SCENES Extraction des points caractéristiques (features) Utilisation d une représentation invariante aux effets d échelle et aux variations d angles de vue SIFT, SURF, ASIFT ) ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
61 LOCALISATION LE PROBLEME DE MISE EN CORRESPONDANCE DE SCENES m T F m = 0 Mise en correspondance Calcul de la matrice essentielle (équivalente à la matrice fondamentale quand la caméra est calibrée Approche par les moindres carrés : inconvénient : pas robustes aux points aberrants (cas des faux appariements) Utilisation de méthodes de rejet des faux appariements (RANSAC) ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
62 LOCALISATION LES PROBLEMES QUI SE POSENT DANS LA MISE EN CORRESPONDANCE DE SCENES PAR VISION Perceptual aliasing ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
63 CONCLUSIONS UTILISATION DE LA VISION POUT LE VEHICULE AUTONOME Localisation avec carte Approches actives (laser, ultrasons) Approches passives (vision) Avantages Accès à d autres fonctionnalités: Analyse de la scène Reconstruction 3D Détection d obstacles Inconvenients Reposent sur des calculs lourds: Inversion de matrices Score de corrélation ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
64 SOMMAIRE 1. LE VEHICULE AUTONOME : CONTEXTE ET ENJEUX 2. LES SOLUTIONS BASEES VISION DÉJÀ DEPLOYEES DANS LE VEHICULE 3. ACTIVITES DE RECHERCHE DE L IRSEEM 4. FOCUS SUR LA VISION OMNIDIRECTIONNELLE 5. CONCLUSIONS ET ECHANGES
65 SOMMAIRE 1. LE VEHICULE AUTONOME : CONTEXTE ET ENJEUX 2. LES SOLUTIONS BASEES VISION DÉJÀ DEPLOYEES DANS LE VEHICULE 3. ACTIVITES DE RECHERCHE DE L IRSEEM 4. FOCUS SUR LA VISION OMNIDIRECTIONNELLE 5. CONCLUSIONS ET ECHANGES
66 TRAVAUX DE L IRSEEM TRAVAUX DE L IRSEEM EN VISION POUR LA ROBOTIQUE MOBILE AUTONOME ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
67 TRAVAUX DE L IRSEEM ESIGELEC and IRSEEM: m² for high education, applied research and transfer ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
68 TRAVAUX DE L IRSEEM IRSEEM : Research Institute in Embedded Electronics Electronics (12 faculty, 11 PhD) EMC compatibility Reliability Command & Control (8 faculty, 8 PhD) Fault tolerent Diagnosis Intelligent systems (16 faculty, 3 PhD) Computer vision and robotics Cooperative multiagents 1 Center for Tech Transfer 4 technological platforms 10 engineers & technicians ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
69 TRAVAUX DE L IRSEEM Exemple de travaux en cours ou réalisés Vision omnidirectionnelle Localisation outdoor Design de miroirs Modélisation du trafic et communication M2M Machine learning exploitant des images omnidirectionnelles Capteurs plénotiques 69 ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
70 TRAVAUX DE L IRSEEM SERBER (Simulateur d Environnement Routier intégré à un Banc de test véhicule pour l Evaluation de stratégies de gestion de l énergie embarquée) Simulateur de conduite Pro-SIVIC Modélisation et test HIL Laboratoire de Navigation Autonome Intégration sur Banc à rouleaux CISE ED Réunion I2s - module COST image de l institut - Carnot «La vision ESP 19 embarquée octobre 2012 pour les systèmes mobiles autonomes» - 29/04/ /105
71 TRAVAUX DE L IRSEEM SAVEMORE : Smart Autonomous VEhicle for Urban MObility using Renewable Energy électromobilité intelligente : véhicule robotisé pour la livraison de marchandises en ville WP1 : benefits in using electrical autonomous vehicles for delivery in urban mobility scheme WP2: Adaptation of concepts used in autonomous robotics to urban delivery autonomous vehicle WP3 : Design, simulation, test and demonstration 71 ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
72 TRAVAUX DE L IRSEEM COALAS: COgnitive Assisted Living Ambiant System Développement de solutions technologiques innovantes pour le maintien à domicile des personnes dépendantes ESIGELEC : Contribution au développement d un démonstrateur intégrant un robot humanoïde et une chaise roulante (semi)-autonome 72 ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
73 TRAVAUX DE L IRSEEM NAVALIS : crewboat innovant pour l éolien offshore Améliorer les conditions de vie du personnel à bord des crewboats Réduire la consommation énergétique et les émissions de polluants des crewboats Améliorer la sécurité des opérations de transfert de personnel (Lot 4 et 5) LOT 4 : Passerelle robotisée pour le transfert de personnel LOT 5 : Système de positionnement local du navire ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
74 TRAVAUX DE L IRSEEM ARGOS (VIKINGS) Challenge international robotique TOTAL / ANR IRSEEM : Conception d un robot en vu des 3 compétitions sur le site de Lacq (2015 à 2016 [INSERER UN ILLUSTRATION DU PROJET (IMAGE, SYNOPTIQUE, )] 74 ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
75 75MOYENS TECHNIQUES PLATEFORME «NAVIGATION AUTONOME» ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
76 MOYENS TECHNIQUES EXPERIMENTATIONS 3D motion Capture 20 caméras VICON T40S - 4 MegaPixels full resolution (up to 2000fps) - More than 1000 markers can be tracked - indoor/outdoor use -Basler camera 200 fps compatible for 3D rendering - ROI : 15m x 10m x 5m 76 ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
77 MOYENS TECHNIQUES EXPERIMENTATIONS 3D laser scanner LEICA ScanStation C10 Range: m Accuracy: +-6mm Field of view: 360 x 210 Color camera with image fusion Autonomy: 7H Software for data processing and rendering Indoor mobile robots: 3 wifibots Core I5 LINUX Wifi, pan-tilt cameras VectoreNav IMU VN100 LIDAR HOKUYO UTM30LX (30m) 77 ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
78 MOYENS TECHNIQUES EXPERIMENTATIONS Système de recueil de données en environnement extérieur embarqué sur plateforme robotique ou sur véhicule 3D positioning system (IMU + GPS-RTK) RMP440LE Seagway platform (90Kg load) ROS operating system ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
79 SOMMAIRE 1. LE VEHICULE AUTONOME : CONTEXTE ET ENJEUX 2. LES SOLUTIONS BASEES VISION DÉJÀ DEPLOYEES DANS LE VEHICULE 3. ACTIVITES DE RECHERCHE DE L IRSEEM 4. FOCUS SUR LA VISION OMNIDIRECTIONNELLE 5. CONCLUSIONS ET ECHANGES
80 SOMMAIRE 1. LE VEHICULE AUTONOME : CONTEXTE ET ENJEUX 2. LES SOLUTIONS BASEES VISION DÉJÀ DEPLOYEES DANS LE VEHICULE 3. ACTIVITES DE RECHERCHE DE L IRSEEM 4. FOCUS SUR LA VISION OMNIDIRECTIONNELLE 5. CONCLUSIONS ET ECHANGES
81 VISION OMNI FOCUS SUR LA VISION OMNIDIRECTIONNELLE ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
82 POSITIONNEMENT VISION OMNIDIRECTIONNELLE Vision omnidirectionnelle = caméra avec un large champ de vue Field Of View (FOV) de 180 à 360 ~130º FOV ~180º FOV ~360º FOV >180º FOV Medium FOV Perspective cameras wide FOV dioptric cameras catadioptric cameras polydioptric cameras ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
83 POSITIONNEMENT VISION OMNIDIRECTIONNELLE : PRINCIPALES CONTRIBUTIONS >180º FOV catadioptric cameras Méthodes de design de miroirs Modélisation et calibration Reconstruction 3D Méthodes d apprentissage pour la reconnaissance de formes ~360º FOV Odométrie visuelle polydioptric cameras ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
84 PERCEPTION 3D CAPTEUR CATADIOPTRIQUE A PROJECTION CENTRALE? Para-catadioptrique CONTRAINTE DE POINT DE VUE UNIQUE (Nayar, 1997) Hyper-catadioptrique ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
85 PERCEPTION 3D CAPTE UR CATADIOPTRIQUE : CALIBRATION f f -1 (p) Forward projection (3D-2D) Backward projection (2D-3D) + Modèles analytiques (ad hoc, sphère d équivalence) ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
86 PERCEPTION 3D CAPTEUR CATADIOPTRIQUE : CALIBRATION f f -1 (p) Forward projection (3D-2D) Backward projection (2D-3D) + LUT 3D/2D + interpolation par maillage (triangle de Delaunay) Calibration basée sur une mire 3D (Ragot, ) ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
87 PERCEPTION 3D STEREOVISION OMNIDIRECTIONNELLE ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
88 PERCEPTION 3D STEREOVISION OMNIDIRECTIONNELLE? Comment faire l appariement de points sur images omnidirectionnelles? ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
89 PERCEPTION 3D STEREOVISION OMNIDIRECTIONNELLE Géométrie épipolaire : capteurs catadioptriques centraux M ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
90 PERCEPTION 3D STEREOVISION OMNIDIRECTIONNELLE Géométrie épipolaire sur capteurs catadioptriques centraux : configuration verticale M ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
91 PERCEPTION 3D CONTRIBUTIONS : RECONSTRUCTION DE POINTS 3D Prise en compte de la couleur dans l appariement Programmation dynamique (BOUTTEAU 2008) Carte de disparité ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
92 PERCEPTION 3D CONTRIBUTIONS : RECONSTRUCTION DE DROITES 3D Détection dans un couloir Reconstruction de droites par stéréovision omnidirectionnelle Applicable à plusieurs scénarios (navigation indoor, détection de bords de voies) (BOUTTEAU 2008 ; BOUTTEAU 2013) Détection de bords de voies ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
93 PERCEPTION 3D UTILISATION DU MOUVEMENT DU CAPTEUR (STRUCTURE FROM MOTION) Initialisation du calcul de la matrice essentielle en utilisant la stéréovision Ajustement de faisceaux sur images omnidirectionnelles (BOUTTEAU, 2006) Comparaison LIDAR / SFM parcours de 40m ; erreur entre 2 poses = 12cm 7 S.D. ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
94 PERCEPTION 3D RECONSTRUCTION VOXELIQUE Test de photoconsistance et Voxel coloring Reconstruction dense temps réel Reconstruction voxelique par vision omnidirectionnelle Implémentation sur GPU (ROSSI 2009 ) Parallélisation sur architecture de calcul massivement parallèle GPU ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
95 CAPTEURS NON CENTRAUX CONCEPTION D UN CAPTEUR CATADIOTRIQUE DOUBLE MIROIR A PROJECTION PRESCRITE Etude d un capteur de vision monoculaire permettant l observation simultanée du conducteur et de la scène de conduite (collaboration avec le Laboratoire de Psychologie de la Conduite de l IFSTTAR)? ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
96 CAPTEURS NON CENTRAUX CONCEPTION D UN CAPTEUR CATADIOTRIQUE DOUBLE MIROIR A PROJECTION PRESCRITE Objet Surface du miroir Trouver M tel que : Plan image Pas de solutions exactes Méthodes d approximation Analytique Surface fixe (Hicks 2001) Champs de vecteur (Hicks 2004) Maillage 3D (Swaminathan 2003) ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
97 CAPTEURS NON CENTRAUX Principales contributions Comparaison de méthodes Calibration AAM pour le suivi du visage et du regard Surface fixe Champ de vecteur ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
98 ANALYSE DE SCENES MACHINE LEARNING SUR IMAGES OMNI : CONTEXTE Authentification biométrique ambiante Biométrie + Détection de visages Vision et robotique Reconnaissance de la démarche ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
99 ANALYSE DE SCENES DECTECTION DE VISAGES SUR IMAGES OMNIDIRECTIONNELLES Traitement sans dépliement d images Amélioration de détecteur de Viola- Jones (descripteurs polygonaux, variantes Adaboost) Amélioration du taux de détection par rapport à une approche par dépliement ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
100 ANALYSE DE SCENES EXTRACTION DE SILHOUETTES SUR IMAGES OMNIDIRECTIONNELLES Image à segmenter Background model Mesures de similarité Apprentissage non supervisé (K-Means) ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
101 NAVIGATION AUTONOME PLATEFORME NAVIGATION AUTONOME Capteurs modélisation Calibration & Mesures simulation Évaluation en milieu contrôlé Simulation de scénarii intégration Conditions dégradées (nuit, brouillard, pluie) Trajectographie Obstacles modulables Validation des systèmes de navigation autonome ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
102 SOMMAIRE 1. LE VEHICULE AUTONOME : CONTEXTE ET ENJEUX 2. LES SOLUTIONS BASEES VISION DÉJÀ DEPLOYEES DANS LE VEHICULE 3. ACTIVITES DE RECHERCHE DE L IRSEEM 4. FOCUS SUR LA VISION OMNIDIRECTIONNELLE 5. CONCLUSIONS ET ECHANGES
103 SOMMAIRE 1. LE VEHICULE AUTONOME : CONTEXTE ET ENJEUX 2. LES SOLUTIONS BASEES VISION DÉJÀ DEPLOYEES DANS LE VEHICULE 3. ACTIVITES DE RECHERCHE DE L IRSEEM 4. FOCUS SUR LA VISION OMNIDIRECTIONNELLE 5. CONCLUSIONS ET ECHANGES
104 BLIAN ET PERPECTIVES Des problèmes encore ouverts Forte attente pour le véhicule autonome fisheye Nouvelles technologies de perception et localisation en embarqué plénoptique multispectral La caméra est un capteur multifonction Architectures embarquées Simulation / HIL Vision embarquée : diffusion de la technologie BILAN Intégration sur systèmes embarqués et méthodologie de test PERSPECTIVES Bases de test ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
105 MERCI DE VOTRE ATTENTION ED I2s - module image - «La vision embarquée pour les systèmes mobiles autonomes» - 29/04/ /105
Utilisation d informations visuelles dynamiques en asservissement visuel Armel Crétual IRISA, projet TEMIS puis VISTA L asservissement visuel géométrique Principe : Réalisation d une tâche robotique par
Plus en détailAnalyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57
Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation
Plus en détailRelever les défis des véhicules autonomes
EMM 2014 12eme rencontre européenne de mécatronique Relever les défis des véhicules autonomes Mathias Perrollaz Ingénieur expert Inria Christian Laugier Directeur de recherche Inria E-Motion Team Annecy,
Plus en détailN. Paparoditis, Laboratoire MATIS
N. Paparoditis, Laboratoire MATIS Contexte: Diffusion de données et services locaux STEREOPOLIS II Un véhicule de numérisation mobile terrestre Lasers Caméras Système de navigation/positionnement STEREOPOLIS
Plus en détailPrésentation du sujet de thèse Schémas temporels hybrides fondés sur les SVMs pour l analyse du comportement du conducteur
Présentation du sujet de thèse Schémas temporels hybrides fondés sur les SVMs pour l analyse du comportement du conducteur Réalisé par : Bassem Besbes Laboratoire d Informatique, Traitement de l Information
Plus en détailRobot WIFIBOT Lab V4. Lab V4. www.wifibot.com
Lab V4 Robot WIFIBOT Lab V4 4 roues motrices avec 4 PID indépendants et motorisation sans balais Architecture modulaire et ouverte Contrôlable en RS232 ou en Wifi PC x86 embarqué avec une image Win7 ou
Plus en détailRobot WIFIBOT Lab V3. 4 roues motrices
4 roues motrices Lab V3 Robot WIFIBOT Lab V3 Architecture modulaire et ouverte Contrôlable en RS232 ou en Wifi PC x86 embarqué avec une image Xpe ou Linux Ubuntu Le Wifibot Lab est une plate forme robotique
Plus en détailMonitoring elderly People by Means of Cameras
Nuadu project Technologies for Personal Hearth Seminar, June 4th, 2009 Monitoring elderly People by Means of Cameras Laurent LUCAT Laboratory of Embedded Vision Systems CEA LIST, Saclay, France 1 Summary
Plus en détailPrésenta)on des ac)vités de recherche de l équipe PR du laboratorie MIS
Localisa1on et Naviga1on de Robots M2 EEAII, parcours ViRob, A.U. 2014-2015 Présenta)on des ac)vités de recherche de l équipe PR du laboratorie MIS Fabio MORBIDI E-mail: fabio.morbidi@u-picardie.fr Laboratorie
Plus en détailNouveaux enjeux de recherche en sécurité routière liés à l'automatisation des véhicules : conséquences sur l'activité de conduite
Institut français des sciences et technologies des transports, de l aménagement et des réseaux Nouveaux enjeux de recherche en sécurité routière liés à l'automatisation des véhicules : conséquences sur
Plus en détailSociété de Geo-engineering
Gestion de la maintenance des réseaux le géoréférencement inertiel direct, technologie automatisée d'acquisition d'objets 2D / 3D vers les SIG Société de Geo-engineering Activité d'expertise et d'ingénierie
Plus en détailMoteur d idées pour véhicules spécifiques. Le Pôle de compétitivité Véhicules et Mobilités du grand Ouest
] Moteur d idées pour véhicules spécifiques [ Le Pôle de compétitivité Véhicules et Mobilités du grand Ouest ] [Notre mission] Développer la compétitivité des entreprises par le biais de l innovation :
Plus en détailPour une mobilité sure et durable des
Safe Move For older drivers Pour une mobilité sure et durable des conducteurs âgés Claude Marin-Lamellet IFSTTAR-TS2-LESCOT 2 Partenaires Projet miroir en Suède Financeurs 3 Personnes impliquées IFSTTAR
Plus en détailRéalité virtuelle au service de la maintenance
Réalité virtuelle au service de la maintenance Christian Boucheny EDF R&D SINETICS Séminaire Cartographie d intérieur et d extérieur ENSMP 04/09/2013 Sommaire 1. Application 1 : ADRM Aide à la Décision
Plus en détailSynthèse d'images I. Venceslas BIRI IGM Université de Marne La
Synthèse d'images I Venceslas BIRI IGM Université de Marne La La synthèse d'images II. Rendu & Affichage 1. Introduction Venceslas BIRI IGM Université de Marne La Introduction Objectif Réaliser une image
Plus en détailLe congrès mondial des systèmes de transport intelligents Tokyo 2013 Open ITS to the Next
Le congrès mondial des systèmes de transport intelligents Tokyo 2013 Open ITS to the Next Introduction Les Systèmes de Transport Intelligents (STI en français, ITS en anglais) désignent les applications
Plus en détailPréparé au Laboratoire d Analyse et d Architecture des Systèmes du CNRS
Année 2004 THESE Préparé au Laboratoire d Analyse et d Architecture des Systèmes du CNRS En vue de l obtention du titre de Docteur de l Institut National Polytechnique de Toulouse Spécialité : Informatique
Plus en détailLIDAR LAUSANNE 2012. Nouvelles données altimétriques sur l agglomération lausannoise par technologie laser aéroporté et ses produits dérivés
LIDAR LAUSANNE 2012 Nouvelles données altimétriques sur l agglomération lausannoise par technologie laser aéroporté et ses produits dérivés LIDAR 2012, nouveaux modèles altimétriques 1 Affaire 94022 /
Plus en détailReconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12
Reconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12 2 Discrimination Invariance Expressions faciales Age Pose Eclairage 11/12/2012 3 Personne Inconnue Identité
Plus en détailProgramme scientifique Majeure INTELLIGENCE NUMERIQUE. Mentions Image et Réalité Virtuelle Intelligence Artificielle et Robotique
É C O L E D I N G É N I E U R D E S T E C H N O L O G I E S D E L I N F O R M A T I O N E T D E L A C O M M U N I C A T I O N Programme scientifique Majeure INTELLIGENCE NUMERIQUE Langage Java Mentions
Plus en détailProjet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies
Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies Régis Boulet Charlie Demené Alexis Guyot Balthazar Neveu Guillaume Tartavel Sommaire Sommaire... 1 Structure
Plus en détailProjet CoDrive : utilisation des données de véhicules communicants, intégration avec un système de gestion de trafic (119)
Projet CoDrive : utilisation des données de véhicules communicants, intégration avec un système de gestion de trafic (119) Résumé : La diffusion large des smartphones et des suivis dédiés de flottes de
Plus en détailL expertise développée par Market-IP et ses solutions télématiques vous permettront d atteindre
FOURNISSEUR DE SERVICE D OPTIMISATION GÉOGRAPHIQUE, Market-IP développe des services de cartographie, de planning, de géolocalisation et d analyse du comportement de conduite permettant une gestion optimale
Plus en détailIntelligence artificielle et les défis en robotique mobile et autonome
Intelligence artificielle et les défis en robotique mobile et autonome Éric Beaudry http://planiart.usherbrooke.ca/~eric/ Étudiant au doctorat en informatique Laboratoires Planiart et Laborius 13 février
Plus en détailMonitoring et suivi du comportement des chaussées
Monitoring et suivi du comportement des chaussées Pierre Hornych Juliette Blanc IFSTTAR - LAMES 1/xx MONITORING ET SUIVI DU COMPORTEMENT DES CHAUSSÉES DÉVELOPPEMENTS RÉCENTS ET PERSPECTIVES Introduction
Plus en détail07.01.2015 WALLISELLEN Ford annonce son plan Smart Mobility : 25 expériences pour changer la façon dont le monde bouge
07.01.2015 WALLISELLEN Ford annonce son plan Smart Mobility : 25 expériences pour changer la façon dont le monde bouge Ford annonce son plan Smart Mobility pour les années à venir : rendre la vie meilleure
Plus en détailTraitement bas-niveau
Plan Introduction L approche contour (frontière) Introduction Objectifs Les traitements ont pour but d extraire l information utile et pertinente contenue dans l image en regard de l application considérée.
Plus en détailpour quoi faire? Introduction au Séminaire «Véhicules traceurs» Toulouse le 10/12/2010 03/01/2011 François PEYRET LCPC/MACS/GEOLOC
Les véhicules v traceurs : pour quoi faire? Introduction au Séminaire «Véhicules traceurs» Toulouse le 10/12/2010 03/01/2011 François PEYRET LCPC/MACS/GEOLOC 1 Plan de l exposl exposé Qu est-ce qu un véhicule
Plus en détailLe Scanner 3D Dynamique
Le Scanner 3D Dynamique Présentation & Références 2015 Page 1 / 9 1. Présentation Techniques Topo, est une société de Géomètres Experts créée en 1964 comptant aujourd hui près de 120 collaborateurs répartis
Plus en détailDétection des points d intérêt et Segmentation des images RGB-D. Présentée par : Bilal Tawbe. Semaine de la recherche de l UQO
Détection des points d intérêt et Segmentation des images RGB-D Présentée par : Bilal Tawbe Semaine de la recherche de l UQO 25 Mars 2015 1. Introduction Les méthodes de détection de points d intérêt ont
Plus en détailDétection des deux roues motorisés par télémétrie laser à balayage
MEsure du TRAfic des deux-roues MOTOrisés pour la sécurité et l évaluation des risques Détection des deux roues motorisés par télémétrie laser à balayage Séminaire de mi parcours 11 mai 2012 CETE Normandie
Plus en détailSLAM Visuel 3D pour robot mobile autonome
Master de Sciences Mention «Imagerie, Robotique et Ingénierie pour le Vivant» - Projet de Fin D étude - SLAM Visuel 3D pour robot mobile autonome Romain Drouilly Encadrants ECA Benoit Morisset Pierrick
Plus en détailClaire NOEL Directeur Scientifique
Bureau d é études en océanographie acoustique SEMANTIC TS Sanary (Var) Claire NOEL Directeur Scientifique Docteur Ingénieur Opérateur sonar Capitaine 200 Plongeur PRO - Modélisation - Traitement du signal
Plus en détailGEOLOCALISATION ET NAVIGATION A L AIDE DES SIGNAUX GNSS
GEOLOCALISATION ET NAVIGATION A L AIDE DES SIGNAUX GNSS Thierry.Chapuis@cnes.fr 08/04/2014 1 EVOLUTION DU SYSTÈME GNSS 1995-2005 2005-2014 2014 GPS GNSS-1 GNSS-2 GLONASS Pas de garantie de service Dégradation
Plus en détailL utilisation du lidar terrestre en foresterie. Richard Fournier Département de géomatique appliquée
L utilisation du lidar terrestre en foresterie Richard Fournier Département de géomatique appliquée Problématique Inventaire traditionnel : photographie aérienne imagerie satellitaire relevés manuels sur
Plus en détailITS en quelques mots :
ITS en quelques mots : Systèmes et Services de Transports Intelligents : Numérique appliquée aux transports terrestres (routes rails fleuvesports- aéroports) Matériels / Logiciels / Télécommunications
Plus en détailCommunications immersives : Enjeux et perspectives
Journée Futur et Ruptures Communications immersives : Enjeux et perspectives Béatrice Pesquet-Popescu Télécom ParisTech, Département TSI 5 mars 2015 Institut Mines-Télécom Tendances actuelles Plus, plus,
Plus en détailModélisation et simulation du trafic. Christine BUISSON (LICIT) Journée Simulation dynamique du trafic routier ENPC, 9 Mars 2005
Modélisation et simulation du trafic Christine BUISSON (LICIT) Journée Simulation dynamique du trafic routier ENPC, 9 Mars 2005 Plan de la présentation! Introduction : modèles et simulations définition
Plus en détailComparaison de Relevés 3D issus de plusieurs Systèmes de Numérisation
Laboratoire Vision & Robotique Comparaison de Relevés 3D issus de plusieurs Systèmes de Numérisation Emilie KOENIG, Benjamin ALBOUY, Sylvie TREUILLET, Yves Lucas Contact : Sylvie Treuillet Polytech'Orléans
Plus en détailReprésenté par Eric Mamy A22 www.a22.fr présenté par CFR & CGL Consulting www.cgl-consulting.com
Représenté par Eric Mamy A22 www.a22.fr présenté par CFR & CGL Consulting www.cgl-consulting.com La Suite LOGIX La Suite LOGIX est un ensemble de produits pour le calcul et l optimisation complète des
Plus en détailCAP CAMION A ASSISTANCE PNEUMATIQUE
Séminaire mi parcours Stock-e 2010 CAP CAMION A ASSISTANCE PNEUMATIQUE Iyad Balloul Renault Trucks - iyad.balloul@volvo.com Eric Bideaux INSA Lyon - eric.bideaux@insa-lyon.fr Marc Michard LMFA - Marc.Michard@ec-lyon.fr
Plus en détailRé-ordonnancement adaptatif de messages dans un réseau ad hoc de véhicules
Ré-ordonnancement adaptatif de messages dans un réseau ad hoc de véhicules M. Shawky, K. Chaaban, P. Crubillé Heudiasyc UMR 6599 CNRS, Univ. Tech. De Compiègne 1 ADAS (Advanced Driving Aid System) Reactive
Plus en détailPierre De Dobbeleer. Spécialiste Project Management, Electronique, Réseaux et télécommunications
Pierre De Dobbeleer Contact: 11 rue Rogier, 5000 Namur 3éme étage Tel: +32 471 37 64 82 Age: 46 ans Divorcé, 2 enfants Spécialiste Project Management, Electronique, Réseaux et télécommunications Domaines
Plus en détailInstitut français des sciences et technologies des transports, de l aménagement
Institut français des sciences et technologies des transports, de l aménagement et des réseaux Session 3 Big Data and IT in Transport: Applications, Implications, Limitations Jacques Ehrlich/IFSTTAR h/ifsttar
Plus en détailDE LA NUMÉRISATION DES ACTIONS PHYSIQUES DES UTILISATEURS VERS LA CONCEPTION D INTERFACE AVEC LA KINECT
DE LA NUMÉRISATION DES ACTIONS PHYSIQUES DES UTILISATEURS VERS LA CONCEPTION D INTERFACE AVEC LA KINECT Doctorant Laboratoire G-SCOP VEYTIZOU Julien Julien.Veytizou@grenoble-inp.fr Qui suis-je? Projet
Plus en détailIdentification des besoins : la méthode des Focus Group. Définition et descriptif de la méthode
Identification des besoins : la méthode des Focus Group Définition et descriptif de la méthode Identifier les besoins des utilisateurs Le Focus Group Le Focus Group est une activité de groupe ayant pour
Plus en détailIntroduction à la robotique Licence 1ère année - 2011/2012
Introduction à la robotique Licence 1ère année - 2011/2012 Laëtitia Matignon GREYC-CNRS Université de Caen, France Laetitia Matignon Université de Caen 1 / 61 Plan Définitions 1 Définitions 2 3 Robots
Plus en détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
Plus en détailMonitoring continu et gestion optimale des performances énergétiques des bâtiments
Monitoring continu et gestion optimale des performances énergétiques des bâtiments Alexandre Nassiopoulos et al. Journée d inauguration de Sense-City, 23/03/2015 Croissance de la demande énergétique et
Plus en détailOrange Business Services. Direction de la sécurité. De l utilisation de la supervision de sécurité en Cyber-Defense? JSSI 2011 Stéphane Sciacco
De l utilisation de la supervision de sécurité en Cyber-Defense? Orange Business Services Direction de la sécurité JSSI 2011 Stéphane Sciacco 1 Groupe France Télécom Sommaire Introduction Organisation
Plus en détailDe la réalité virtuelle à l analyse de données
France De la réalité virtuelle à l analyse de données CEA TECH LIST : Xavier APOLINARSKI En partenariat avec Standards Certification Education & Training Publishing Conferences & Exhibits CEA-Tech acteur
Plus en détailAnalyse des trajectoires acceptables en approche de virage assistance aux conducteurs
DIVAS Analyse des trajectoires acceptables en approche de virage assistance aux conducteurs N 3.C.1 Décembre 2008 Projet financé par l Agence Nationale de la Recherche Responsable : S. Espié Projet ANR
Plus en détailCalage robuste et accéléré de nuages de points en environnements naturels via l apprentissage automatique
Calage robuste et accéléré de nuages de points en environnements naturels via l apprentissage automatique Mémoire Maxime Latulippe Maîtrise en informatique Maître ès sciences (M.Sc.) Québec, Canada Maxime
Plus en détailC - ICM LTE Gamme DE
Gamme DELTEC - ICM ICM micro Projecteur de profil numérique 2D Système de mesure 2D, fruit de plus de 25 ans d expérience dans la métrologie par vision! Déposer c est mesurer! - Reconnaissance de la pièce
Plus en détail«SERVICES D INGENIERIE»
PUNCH POWERGLIDE STRASBOURG 45 années d expériences Le pôle R & D de PPS rassemble plus d une centaine d experts, chefs de projet, ingénieurs et techniciens expérimentés en recherche et développement,
Plus en détailEt si l avenir de votre CFD passait par OPEN FOAM?
ACE MENU Et si l avenir de votre CFD passait par OPEN FOAM? OPEN FOAM solution d avenir? Pour qu Open FOAM soit une solution d avenir pour vos sociétés il faut : Que vous en soyez convaincus dès maintenant
Plus en détailTRAFFIC EXPERT. LA SOLUTION INTELLIGENTE POUR LES SYSTEMES DE GESTION DE TRAFFIC L expérience de STERIA à SINGAPOUR. Nabil DJEMAME (Steria)
TRAFFIC EXPERT LA SOLUTION INTELLIGENTE POUR LES SYSTEMES DE GESTION DE TRAFFIC L expérience de STERIA à SINGAPOUR LILLE : 8h30 TRAFIC FLUIDE Postes Opérateurs Ecran de gauche Ecran de droite Dédié aux
Plus en détailAnalyse d image embarquée sur ASIC Détection d un homme jusqu à 100 m
Analyse d image embarquée sur ASIC Détection d un homme jusqu à m 5 dômes PTZ Enregistrement 24h/7j ADSL ou SDSL et 3G Autonomie jusqu à 45 min Haut-parleurs pour sommation vocale Installation sur mur,
Plus en détailWebinaire - Solution Rubix
Webinaire - Solution Rubix Evaluation de la performance des réseaux routiers municipaux Une approche novatrice à faible coût Webinaire - Agenda Introduction de Trifide et Rival Solutions Introduction à
Plus en détailDESCRIPTIF DES PROJETS 3EME ANNEE QUI SERONT PRESENTES LORS DE LA JOURNEE DE PROJET DE FIN D ETUDE LE 26/01/2012
DA Télémédecine et SI de Santé DESCRIPTIF DES PROJETS 3EME ANNEE QUI SERONT PRESENTES LORS DE LA JOURNEE DE PROJET DE FIN D ETUDE LE 26/01/2012 PROJET N 1 : IMPLEMENTATION D'UNE INTERFACE SWEETHOME DEDIEE
Plus en détailCartographie Mobile à MINES ParisTech
Cartographie Mobile à MINES ParisTech Entre robotique, géomatique et nouveaux usages Pr. François Goulette Plan 4 septembre 2013 2 Automatisation de maintenance en environnements industriels (1993) Automatisation
Plus en détailEtablissement de cartes de vent sur le pourtour méditerranéen par simulation numérique
Etablissement de cartes de vent sur le pourtour méditerranéen par simulation numérique Etude réalisée en 2003 pour le compte de l Office National des Forêts Eric Delboulbé, Docteur en Mécanique des Fluides
Plus en détailRobotique Mobile. David Filliat
Robotique Mobile David Filliat Avril 2012 David FILLIAT École Nationale Supérieure de Techniques Avancées ParisTech Robotique Mobile 2 Cette création est mise à disposition selon le Contrat Paternité-Pas
Plus en détailExposition de la Population aux Polluants atmosphériques en Europe Projet PEOPLE à Bruxelles
Exposition de la Population aux Polluants atmosphériques en Europe Projet PEOPLE à Bruxelles Description du projet Parmi les activités liées à la santé qui sont menées à l Unité d Emissions et de Santé
Plus en détailPour un citoyen mieux informé en transports
Pour un citoyen mieux informé en transports Congrès géospatial international 2012 Serge Kéna-Cohen: Vice Président, Géomatique et isociété, Fujitsu Françoys Labonté: CRIM 16 mai 2012 Petite histoire du
Plus en détailITS Coopératifs :la normalisation au service de l'inter-opérabilité et d'un meilleur partage de l'information
ITS Coopératifs :la normalisation au service de l'inter-opérabilité et d'un meilleur partage de l'information Thierry Ernst Mines ParisTech Thierry.Ernst@Mines-ParisTech.fr Colloque FRELON Ecole des Mines
Plus en détailAXES DE RECHERCHE - DOMAINE D'INTERET MAJEUR LOGICIELS ET SYSTEMES COMPLEXES
1 AXES DE RECHERCHE - DOMAINE D'INTERET MAJEUR LOGICIELS ET SYSTEMES COMPLEXES 2 Axes de recherche L activité du DIM LSC concerne la méthodologie de la conception et le développement de systèmes à forte
Plus en détailABB i-bus KNX Les nouveaux Room Master RM/S 3.1 et RM/S 4.1
Intelligent Building Control ABB i-bus KNX Les nouveaux Room Master RM/S 3.1 et RM/S 4.1 Page 1 ABB i-bus KNX Les nouveaux Room Master RM/S3.1 et RM/S4.1 La connexion entre Une installation électrique
Plus en détailL analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :
La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers de l analyse d images.
Plus en détailINF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
Plus en détailI Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...
TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................
Plus en détailMaster4Light. Caractérisation Optique et Electrique des Sources Lumineuses. Equipement 2-en-1 : source de courant et spectrophotomètre
DSF-M4L-Rev2.0-04/12 Master4Light Equipement 2-en-1 : source de courant et spectrophotomètre Interface graphique logicielle, connexion USB Configuration personnalisable : laboratoire et in-situ http://www.majantys.com
Plus en détailL AUTOMOBILE UN UNIVERS INDUSTRIEL QUI SE RÉINVENTE
L AUTOMOBILE UN UNIVERS INDUSTRIEL QUI SE RÉINVENTE L univers automobile est depuis quelques années en pleine mutation. Ceci quelque soit l acteur de l éco-système. Cette révolution bouleverse tous les
Plus en détailCaractéristiques principales:
Powered by AndoridTM4.1 Jelly Bean Archos introduit sa nouvelle tablette ChildPad: l ARCHOS 80 CHILDPAD. Equipée de la dernière version d Android Jelly Bean, cette tablette de 8 a spécialement été conçue
Plus en détailLa sécurité des usagers 2RM
CETE Normandie Centre Département Infrastructures de Transport Multimodales ERA34 Accidentologie, Trajectographie et Risques Routiers La sécurité des usagers 2RM Panorama de la recherche Éric Violette,
Plus en détailGlossaire technique Veditec
Glossaire technique Veditec 3D/2D DNR (digital noise réduction) La technologie DNR est un système de réduction numérique de bruit ayant pour but de réduire le bruit sur l image. Elle permet d obtenir des
Plus en détailA l'ère du drone Approche et applications géospatiales. Ruedi Wagner
A l'ère du drone Approche et applications géospatiales Ruedi Wagner A l'ère du drone Approche et applications géospatiales Ruedi Wagner, Geospatial Solutions Division Hexagon Geosystems, Switzerland Sélection
Plus en détailAcquisition des données - Big Data. Dario VEGA Senior Sales Consultant
Acquisition des données - Big Data Dario VEGA Senior Sales Consultant The following is intended to outline our general product direction. It is intended for information purposes only, and may not be incorporated
Plus en détailFilière MMIS. Modélisation Mathématique, Images et Simulation. Responsables : Stefanie Hahmann, Valérie Perrier, Zoltan Szigeti
Filière MMIS Modélisation Mathématique, Images et Simulation Responsables : Stefanie Hahmann, Valérie Perrier, Zoltan Szigeti Valerie.Perrier@imag.fr Modélisation mathématique, Images et simulation (MMIS)
Plus en détailÉTUDE DE L EFFICACITÉ DE GÉOGRILLES POUR PRÉVENIR L EFFONDREMENT LOCAL D UNE CHAUSSÉE
ÉTUDE DE L EFFICACITÉ DE GÉOGRILLES POUR PRÉVENIR L EFFONDREMENT LOCAL D UNE CHAUSSÉE ANALYSIS OF THE EFFICIENCY OF GEOGRIDS TO PREVENT A LOCAL COLLAPSE OF A ROAD Céline BOURDEAU et Daniel BILLAUX Itasca
Plus en détailEnergie et morphologie : vers la perdurabilité de la forme urbaine? Généralités et transports. Luc Adolphe
Energie et morphologie : vers la perdurabilité de la forme urbaine? Généralités et transports Luc Adolphe RÉDUCTION DES BESOINS ÉNERGÉTIQUES DANS LES TRANSPORTS. Contexte : Densité, Mobilité Réduire
Plus en détailIntelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com
Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines
Plus en détailFranck VAUTIER, Jean-Pierre TOUMAZET, Erwan ROUSSEL, Marlène FAURE, Mohamed ABADI, Marta FLOREZ, Bertrand DOUSTEYSSIER
Utilisation d images dérivées d un jeu de données LIDAR pour la détection automatisée de vestiges archéologiques (programme de recherche méthodologique LiDARCHEO) Franck VAUTIER, Jean-Pierre TOUMAZET,
Plus en détailKIP 770 Solution Multifonction Exceptionnelle
KIP 770 Solution Multifonction Exceptionnelle KIP 770 D infinies Possibilités KIP 770 FAIBLE ENCOMBREMENT Le KIP 770 instaure de nouvelles normes en matière de qualité et performance. Compacte et ergonomique,
Plus en détailCommande Optimale Appliquée à un Robot Mobile
République Algérienne Démocratique et Populaire Ministère de l enseignement supérieur et de la recherche scientifique Université de Batna Faculté de Technologie Département d'electronique Mémoire présenté
Plus en détailJOG : une approche haut niveau des systèmes embarqués via Armadeus et Java
JOG : une approche haut niveau des systèmes embarqués via Armadeus et Java Resumé Olivier Reynet 1, Jean-Christophe Le Lann 1, Benoît Clément 1 1 ENSIETA, 2, rue François Verny, 29200 Brest - France olivier.reynet@no-spam@ensieta.fr
Plus en détailPourquoi. cette thématique. de recherche
cette thématique Pourquoi de recherche Depuis vingt ans, la robotique s est introduite progressivement dans de nombreux secteurs d activité et de la vie quotidienne. Cette intégration a débuté avec les
Plus en détailRAPID 3.34 - Prenez le contrôle sur vos données
RAPID 3.34 - Prenez le contrôle sur vos données Parmi les fonctions les plus demandées par nos utilisateurs, la navigation au clavier et la possibilité de disposer de champs supplémentaires arrivent aux
Plus en détailRIF@PARIS-SACLAY. Pascale Betinelli CEA LIST. Demi-journée d'information ECHORD++ 20 avril 2015 - M.E.N.E.S.R
European Clearing House for Open Robotics Development Plus Plus RIF@PARIS-SACLAY Pascale Betinelli CEA LIST Demi-journée d'information ECHORD++ 20 avril 2015 - M.E.N.E.S.R 1 Experiments Robotics Innovation
Plus en détailAnalyse Sémantique de Nuages de Points 3D et d Images dans les Milieux Urbains
Analyse Sémantique de Nuages de Points 3D et d Images dans les Milieux Urbains Andrés Felipe SERNA MORALES Directrice de thèse: Beatriz MARCOTEGUI ITURMENDI serna@cmm.ensmp.fr MINES ParisTech, Mathématiques
Plus en détailL Internet des objets
L Internet des objets Une technologie déjà présente dans notre quotidien et «silencieuse» HISTORIQUE De nombreux termes pour une même technologie L Internet des objets La communication machine-to-machine
Plus en détailPlan présentation RATP
Plan présentation RATP Présentation réseau RATP Présentation de la maintenance des caténaires Risques rupture caténaire Sélection du nouveau système Présentation du réseau RATP NANTERRE T1 T2 T3 VAL DE
Plus en détail2004 2014 : un risque a chassé l autre
2004 2014 : un risque a chassé l autre En 10 ans, le profil des conducteurs français a évolué, leur rapport à la conduite aussi. Pour autant le poids des bons et mauvais conducteurs est resté stable, de
Plus en détailFUSION DE CARTES DE PROFONDEURS EN PHOTOGRAMMETRIE ARCHITECTURALE
Rapport de Projet Pluridisciplinaire Mastère spécialisé Photogrammétrie, positionnement et mesures de déformations (PPMD) FUSION DE CARTES DE PROFONDEURS EN PHOTOGRAMMETRIE ARCHITECTURALE GARDON Elzbieta
Plus en détailsmart mobility : gestion de la flotte automobile chez Orange
smart mobility : gestion de la flotte automobile chez Orange dossier de presse septembre 2013 Sylvie Duho Mylène Blin 01 44 44 93 93 service.presse@orange.com 1 la flotte automobile d Orange en chiffres
Plus en détailGUIDE DE MISE EN ŒUVRE D UN SYSTÈME DE DÉTECTION EXTÉRIEURE ASSOCIÉ À UNE VIDÉOSURVEILLANCE
GUIDE DE MISE EN ŒUVRE D UN SYSTÈME DE DÉTECTION EXTÉRIEURE ASSOCIÉ À UNE VIDÉOSURVEILLANCE Ce guide donne les bonnes pratiques, les bons reflexes, les règles de l art, les questions à se poser et des
Plus en détailLe Futur de la Visualisation d Information. Jean-Daniel Fekete Projet in situ INRIA Futurs
Le Futur de la Visualisation d Information Jean-Daniel Fekete Projet in situ INRIA Futurs La visualisation d information 1.Présentation 2.Bilan 3.Perspectives Visualisation : 3 domaines Visualisation scientifique
Plus en détailMULTITEL, votre partenaire de recherche et d innovation
Ingénierie des réseaux Networking Industrial Services Services aux entreprises Conception, réalisation et suivi de nouveaux projets Audit des réseaux existants Déploiement d applications réseau Développement
Plus en détailSimulation de point de vue pour la localisation d une caméra à partir d un modèle non structuré
Simulation de point de vue pour la localisation d une caméra à partir d un modèle non structuré Pierre Rolin Marie-Odile Berger Frédéric Sur LORIA, UMR CNRS 7503, Université de Lorraine INRIA Nancy Grand
Plus en détail