R. Babari, N. Hautière, E. Dumont et N. Paparoditis MajeStic Bordeaux 13 octobre 2010 à 11h35.
-
Upload
brian-lemarchand -
Category
Documents
-
view
105 -
download
0
Transcript of R. Babari, N. Hautière, E. Dumont et N. Paparoditis MajeStic Bordeaux 13 octobre 2010 à 11h35.
R. Babari, N. Hautière, E. Dumont et N. Paparoditis
MajeStic Bordeaux 13 octobre 2010 à
11h35
PlanPlan• Introduction
– Contexte– Objectifs
• Travaux antérieurs– Physique de la visibilité– Méthodes d’estimation
• Démarches et travaux réalisés– Acquisitions d’images à Trappes– Proposition d’une nouvelle méthode
• Résultats– Comparaison des résultats– Modèle empirique
• Conclusion – Bilan– Perspectives
20 minutes
I - IntroductionII - Travaux antérieursIII- Démarches IV- Résultats V- Conclusion
• Par temps de brouillard ou de brume, la visibilité est réduite. Elle représente une source de paralysie pour les transports. Les accidents sont plus nombreux et plus grave.
• Les stations météorologiques et les aéroports sont équipés d’instruments rares et coûteux pour mesurer la visibilité (8.000 € ).
• Le LCPC cherche à exploiter les caméras de vidéosurveillance qui équipent déjà le réseau routier pour estimer la visibilité et informer ses Usager des limitations de vitesses à respecter.
• Météo-France cherche à intégrer ses informations dans ses modèles de prévision.
I - IntroductionII - Travaux antérieursIII- Démarches IV- Résultats V- Conclusion
I-1 - Contexte
1/18
• Mesurer la visibilité météorologique en développant des méthodes robustes permettant d’augmenter la portée et la précision de la mesure,
• Donner la précision de la mesure de la visibilité en fonction des caractéristiques des caméras et de la 3D de la scène (par simulation PROF E.Dumont),
• Améliorer la précision de la mesure sans avoir recours aux données météorologique de calibrage en utilisant :
-Les cartes de profondeur et de texture de l’IGN autour des caméras (Col de la Fageole),
-Les méthodes brevetés de mesure de la visibilité routière développées par N.Hautière,
I - IntroductionII - Travaux antérieursIII- Démarches IV- Résultats V- Conclusion
I-2 - Objectifs
2/18
I - Introduction II -Travaux antérieursIII- Démarches IV- Résultats V- Conclusion
II -1- Physique de la visibilité
3/18
)e-(1 Le LL -kdf
-kd0
•. La luminance de l’objet
•. Extinction atmosphérique •. Voile atmosphérique
I - Introduction II -Travaux antérieursIII- Démarches IV- Résultats V- Conclusion
II -1- Physique de la visibilité
4/18
dk
f
f eCL
LLC .
01 .
• Duntley a donné une loi d’atténuation du contraste dans l’image :
• VMet correspond à la plus grande distance pour laquelle un objet noir Lb=0 sur fond du ciel Lf de dimension convenable peut être reconnu avec un contraste C de 5%.
• VMet est mesurée :• Par appareil optique (visibilimètre)• Par caméra en faisant des hypothèses sur la distance d de la scène.
• Modèle 3d de la route,• Présence de points d’intérêts dont on connaît la distance,• Distribution uniforme de points 3d dans la scène.
I - Introduction II -Travaux antérieursIII- Démarches IV- Résultats V- Conclusion
II -1- Physique de la visibilité
5/18
• Le transmissiomètre exploite l’extinction d’un rayon lumineux au cour de son trajet,
• Le diffusomètre mesure l’intensité lumineuse d’un faisceau lumineux envoyé par une source et rétro diffusée par l’atmosphère,
• Coût très élevé de l’ordre de 8.000€
• 10% d’erreur de mesure sur une plage de 0- 50km
I - Introduction II -Travaux antérieursIII- Démarches IV- Résultats V- Conclusion
II -2- Méthodes d’estimation de jour par caméra
6/18
• N.Hautière : (projet SafeSpot) -Point d’inflexion de luminance-Marquages sur la route (C à 5%)
• Allemagne : Karlsruhe- Caméra panoramique(Corrélation 0.7)
(points d’intérêts sélectionnés manuellement)
• USA : projet Clarus (FHWA-MIT)
- Estimateurs (Image)- Décision Logique floue- Quatre classes de visibilité (Gradient appliqué à toute l’image)
• Hypothèses : - Route plane- Calibrage de la caméra
• Visibilité sur plusieurs km : Corrélation entre des caractéristiques dans l’image et la VMet ( Aucune précision donnée ).
• Visibilité routière : 0-400 m avec une précision de 10 %
I - Introduction II -Travaux antérieursIII- Démarches IV- Résultats V- Conclusion
III -1- Acquisitions d’images à Trappes
• Site instrumenté de Météo-France à Trappes – Visibilité (0 à 35km)– Éclairement (0 à 10000 lux)
• Installation d'une caméra– 640 x 480 – 8 bits/pixel
• Appariement des données météorologiques avec les images
7/18
Fig : Des images avec différents conditions d’ éclairage, présence d'ombres et conditions nuageuses,
Fig : Variation de la luminance et de la visibilité météorologique durant trois jours d’observation
I - Introduction II -Travaux antérieursIII- Démarches IV- Résultats V- Conclusion
III -2- Proposition d’une nouvelle méthode
8/18
AGx
101
202
101
AGy
121
000
121
22yx GGG
• Nous cherchons la corrélation entre le gradient dans l‘image et la distance de visibilité correspondante.
• Nous calculons le gradient de l’intensité centré en chaque pixel
I - Introduction II -Travaux antérieursIII- Démarches IV- Résultats V- Conclusion
III -2- Proposition d’une nouvelle méthode
9/18
• Dans les zones lambertiennes de l’image, le gradient est invariant au changement d’illumination. Le gradient ne variera qu’en fonction des conditions de visibilité.
kd-12
12
e).(
)(
Texture
fTexture
C
LLLC
E
E
.L
.L
22
11
),( ,, scènejiLji LLcorrP
I - Introduction II -Travaux antérieursIII- Démarches IV- Résultats V- Conclusion
III -2- Proposition d’une nouvelle méthode
10/18
Fig : Module du gradient de Sobel dans l’image : convolution de l’imageavec la dérivée première de la gaussienne
Fig : Probabilité pour que la surface soit lambertienne : présente la matrice des plus forte corrélation avec le changement d'éclairage global dans le temps.
• L’amélioration que nous apportons permet d’avoir une estimation non dispersée et donc plus précise, plus stable en fonction des variations de l’éclairement et donc une mesure reproductible.
• Nous cherchons maintenant une fonction pour qui fais le lien entre l’information de l’image et celle de la visibilité => 2 approches
I - Introduction II -Travaux antérieursIII- Démarches IV- Résultats V- Conclusion
IV -1- Comparaison
11/18
Fig : Données entre le module du gradient de Sobel pris sur tout l’image et la visibilité
Météorologique (dispersées)
Fig : Données entre le module du gradient de Sobel pris sur les zones lambertiennes de
l’image et la visibilité météorologique
I - Introduction II -Travaux antérieursIII- Démarches IV- Résultats V- Conclusion
12/18
IV -2- Modèle empirique
W
i
H
j
Lji
kdL PeCE ji
ji0 0
,0 .,,
)log(.~
VBAE L =?
Application Brouillard Brume Qualité de l’air
Corrélation
Rang de visibilité 0-1 km 1-5 km 5-15 km R2
ΔV/V avant pondération
53 % 60 % 33 % 0.95
ΔV/V après pondération
25 % 26 % 48 % 0.90
I - Introduction II -Travaux antérieursIII- Démarches IV- Résultats V- Conclusion
V -1-Bilan
• Base de données adaptée à nos besoins :– Trappes (Météo-France)
• Conception d’un estimateur de visibilité robuste, basé sur la physique de la scène et calibré avec les données de visibilité Météo-France,
16/18
• Améliorer la précision de l’estimation
• Expression de l’erreur en fonction des caractéristiques interne et externes des caméra et de la scène.
• Conception d’un estimateur de visibilité robuste, basé sur des hypothèse et ne nécessite ni visibilimètres ni luminance mètre.
• Déploiement de la méthode :– Méthode sans données météorologiques,– Utilisation du modèle 3D d’une grande
précision de la scène que fournira l’IGN,
I - Introduction II -Travaux antérieursIII- Démarches IV- Résultats V- Conclusion
V -2-Perspectives
17/18
Merci Questions
I - Introduction II -Travaux antérieursIII- Démarches IV- Résultats V- Conclusion
Atterrissage d'un avion dans des conditions de faible visibilité. Photo par Eric Dunetz.