• Langue : Français
• Discipline : Sciences physiques
• Identifiant : Inconnu
• Type de mémoire : Habilitation à diriger des recherches
• Date de soutenance : 01/01/2005

Résumé en langue originale

Depuis quelques années, la vision artificielle a fait des progrès considérables. Le plus remarquable d'entre eux est la possibilité de percevoir la profondeur des objets d'une scène à partir d'images vidéo. Une des approches les plus utilisées dans ce domaine est la vision stéréoscopique. Le système stéréoscopique le plus courant et le plus simple n'utilise que deux images prises sous des angles de vue différents. Il s'agit de la stéréovision binoculaire. Comme chez l'homme, la perception de la profondeur par stéréovision binoculaire est principalement assurée par l'exploitation du décalage existant entre les deux images. Ce décalage, appelé disparité stéréoscopique, ne peut être évalué qu'en établissant des correspondances entre les deux images. Dans cette thèse, l'analyse des scènes est basée sur l'utilisation de caméras linéaires qui permettent de réduire la quantité d'informations à traiter, tout en ayant une résolution bien supérieure à celle des caméras matricielles. Nous présentons les travaux que nous avons développés pour faire face au problème de mise en correspondance d'images stéréoscopiques. Les méthodes proposées combinent plusieurs contraintes locales et globales en utilisant différentes techniques : réseaux de neurones de Hopfield, algorithmes génétiques, recherche hiérarchique, stratégie de vote. Ces travaux, qui ont été effectués au Laboratoire d'Automatique Génie Informatique et Signal (LAGIS) de l'USTL et au laboratoire Systèmes et Transports (SeT) de l'Université de Technologie de Belfort-Montéliard, ont été appliqués et évalués dans le cadre de l'amélioration de la sécurité dans les systèmes de transports terrestres, en particulier la détection d'obstacles à l'avant des véhicules routiers et des véhicules guidés.