CIFRE contract thesis subjects

CNRS – UNIVERSITÉ BORDEAUX I – ENSEIRB

thèse IA CIFRE en PME

Henri Nicolas
University Professor

LABRI – Université de Bordeaux 1
351 Cours de la Libération
33405 Talence Cedex
France
Tel : +33 (0) 5 40 00 35 32
Email : henri.nicolas@u-bordeaux.fr

Thesis Subject

« Caractérisation basée modèles des différences entre des zones filmées à des moments différents »

Thesis Director : Henri Nicolas (henri.nicolas@u-bordeaux.fr , tel : +33 (0) 6 58 90 53 35
LABRI Image and Sound Team, thème AIV
Start date : december 2018

Context : This thesis will take place in CIFRE ( Industrial Training and Research Agreement ) with TDM company ( located at Bordeaux-Mérignac, FRANCE).

Key words : Image analysis, change detection, modelling object, compensation for illumination

Scientific Summary :

L’objectif de cette thèse consiste à détecter les différences significatives entre deux (ou plusieurs) images prise à une position et avec un angle de vue similaire mais à des moments différents (plusieurs heures ou jours d’écart). Il s’agit alors de détecter les différentes zones de l’image pour lesquelles un changement considéré comme significatif est détecté. Pour chacune de ces zones, une analyse sera faite pour caractériser le changement par rapport à une base de modèles d’objets (y compris une classe de type « changements non classifiables »), pour évaluer la fiabilité des phases de détection/classification et pour informer d’une manière intuitive et informative l’utilisateur final.

Les principales phases de traitement nécessaires pour atteindre cet objectif sont les suivants :

– Détection des zones de changement : L’objectif consiste à détecter les différences existantes dans le champ de vision de la caméra dans des vues similaires mais prises à des moments différents. Sur le plan scientifique, il s’agira en particulier de prendre en compte les changements des conditions de prise de vue (jour/nuit, variation des conditions climatiques tels que pluie, neige, temps nuageux/ensoleillé …)) et de compenser les écarts de points de vue de la caméra pour limiter le nombre de fausses détections. Une différence entre les objets statiques et en mouvement doit également être faite.

– Définition d’un ensemble de classe d’objets/changement d’intérêt : Selon les besoins de l’utilisateur, des classes d’objets d’intérêt devront être définis. Il peut s’agir par exemple de véhicules, de piétons, d’une classe d’objet «naturel» (déchets végétaux, roches, pierres, …. ), éventuellement dérivées en plusieurs sous-classes), ou d’objets de fabrication humaine. Pour chacune de ces classes, des descripteurs –identifiables par analyse d’image- et des exemples typiques seront définis dans une base de données.

– Classification de chaque zone d’intérêt : Les zones détectées entre les deux vues devront être caractérisées en fonction de la base de modèles d’objets prédéfinis. Pour cela une méthode de classification devra être mise en œuvre.

– Définition d’un critère de fiabilité de la classification obtenue : La diversité des objets pouvant générer un changement est très importante alors que le nombre de classes d’objets ne peut qu’être limité si l’on veut que l’information reste maîtrisable et compréhensive par l’utilisateur final. Plutôt qu’une classification binaire (appartenance ou pas d’un objet à une classe), il s’agira de définir une probabilité d’appartenance.

– Définition d’un protocole d’information de l’utilisateur des résultats obtenus : Le protocole d’information sera développé en fonction des besoins de l’utilisateur et de la capacité de l’algorithmique de fournir une information fiable. Un visuel sera présenté à l’utilisateur, avec des codes couleur représentant le niveau de danger et le niveau de fiabilité de l’information. Ce protocole devra être défini en collaboration étroite avec des utilisateurs finaux.

Sur le plan scientifique, les principaux aspects innovants de cette thèse sont liés à la définition d’une base de modèles d’objets organisée de manière hiérarchique pertinente, à la compensation des différences de points de vues et de conditions de prises de vue, à la définition de critères de fiabilité ainsi qu’à la définition d’une interface avec l’utilisateur.

This thesis will take place in CIFRE ( Industrial Training and Research Agreement ) contract with TDM company ( located at Bordeaux-Mérignac, FRANCE).

CNRS – UNIVERSITÉ BORDEAUX I – ENSEIRB

Henri Nicolas
University Professor

LABRI – Université de Bordeaux 1
351 Cours de la Libération
33405 Talence Cedex
France
Tel : +33 (0)5 40 00 35 32
Email : henri.nicolas@u-bordeaux.fr

Thesis Subject

« Détection d’obstacles et définition de la trajectoire d’un avion en roulage
à l’aide d’un système multi-caméras »

Thesis Director : Henri Nicolas ( henri.nicolas@u-bordeaux.fr , tel : +33 (0) 6 58 90 53 35 )
LABRI image and sound team, thème AIV
Start date : december 2018

Context : This analysis as part of CIFRE ( Industrial Training and Research Agreement ) contract will take place within TDM company ( located at Bordeaux-Mérignac, FRANCE )

Mots clés : Video Analysis, multi-camera, object moving, reliabilty coefficient

Scientific Summary :

Durant les périodes de roulage, et en raison du manque de visibilité des pilotes, un avion est susceptible d’heurter des obstacles s’il n’est pas guidé d’une manière fiable. Une solution à ce problème consiste à utiliser des caméras positionnées sur l’avion pour permettre, par analyse d’images, une détection des obstacles afin de prévenir les risques de collision et de proposer des trajectoires alternatives. Dans le cadre de cette thèse, il est supposé que plusieurs caméras, connectées en réseau, permettent d’obtenir une vue à 360° autour de l’avion. A l’aide de ces différentes vues, une méthode de détection des risques de collisions, ainsi que la proposition de trajectoires alternatives sera développée. Cela nécessitera de mettre en œuvre les quatre phases méthodologiques suivantes :

Détection d’obstacles potentiels : L’objectif de cette première phase consiste à détecter, le plus en amont possible, les obstacles présents sur la piste par rapport à la trajectoire prévisible de l’avion. Cette trajectoire pourra être définie soit par défaut comme le prolongement de la trajectoire courante de l’avion (à l’aide d’un modèle tenant compte de la vitesse et/ou de l’accélération de l’avion), soit en fonction d’une trajectoire théorique préétablie. Si une carte des zones de roulage est disponible, les objets présents dans cette zone devront être détectés et une estimation de leurs positions sur cette carte devra être obtenue. De plus, une distinction sera faite entre les obstacles éventuels en mouvement, et ceux immobiles.

Suivi des obstacles potentiels : Pour chaque objet défini comme un obstacle potentiel, une probabilité de collision sera définie, et mise à jour au fil du temps, en fonction d’une estimation de leurs vitesses de rapprochement et d’une estimation du délai de collision. Cette probabilité sera réévaluée au fil du temps en fonction du mouvement, de la vitesse, et de l’envergure de l’avion, du mouvement éventuel des obstacles (autre avion, tracteur, piéton…) et des modifications éventuelles de la trajectoire de l’avion. Cette probabilité sera alors combinée avec le temps estimé avant collision pour définir un niveau de risque.

Emettre une alarme et/ou informer le pilote : L’information donnée au pilote est bien sur un aspect essentiel. Cette information doit être claire et intuitive pour le pilote. Pour cela on peut envisager de fournir une visualisation des obstacles sur une image grand angle mettant en évidence les différents obstacles potentiels. Un code couleur peut alors refléter le niveau du risque d’une manière pertinente et une alarme sonore et/ou visuelle pourrait être lancée lorsque le niveau de risque dépasse un seuil considéré comme critique. Les protocoles d’émission d’une alarme qui seront mis en œuvre devront bien sûr être discutés avec les utilisateurs finaux (les pilotes).

Proposer une trajectoire alternative : Lorsqu’un risque de collision est détecté, une (ou plusieurs) trajectoire alternative devra être proposée en fonction de la position à atteindre et de l’ensemble des obstacles détectée sur la scène de manière à éliminer le risque de collision. Cette nouvelle trajectoire pourra tenir compte d’un plan de la piste incluant les zones de roulage autorisées.

This thesis will take place in CIFRE ( Industrial Training and Research Agreement ) contract within TDM company ( located at Bordeaux-Mérignac, FRANCE).

Envoyez votre candidature :