EP2082356A1 - Procede de detection de la position des marquages sur route et systeme correspondant - Google Patents

Procede de detection de la position des marquages sur route et systeme correspondant

Info

Publication number
EP2082356A1
EP2082356A1 EP07848342A EP07848342A EP2082356A1 EP 2082356 A1 EP2082356 A1 EP 2082356A1 EP 07848342 A EP07848342 A EP 07848342A EP 07848342 A EP07848342 A EP 07848342A EP 2082356 A1 EP2082356 A1 EP 2082356A1
Authority
EP
European Patent Office
Prior art keywords
phase
parameters
values
group
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
EP07848342A
Other languages
German (de)
English (en)
Inventor
Jérôme MARQUET
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Renault SAS
Original Assignee
Renault SAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Renault SAS filed Critical Renault SAS
Publication of EP2082356A1 publication Critical patent/EP2082356A1/fr
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components

Definitions

  • the present invention generally relates to the detection of road markings by means of an image taking system, for example a camera, in particular via an embedded system within a motor vehicle.
  • the invention is advantageously applied to the "AFIL" (Involuntary Line Crossing Warning) systems warning the driver in case of line crossing.
  • AFIL Involuntary Line Crossing Warning
  • road marking detection systems implement a method comprising a first step where the channels are searched in a search zone defined as an interval around a geometric position. Depending on the width of this search area, a region of interest ("ROI") of the image is calculated. Road markings are then searched for in this ROI area of interest only. In this first step, the width of the search area is relatively large and located around an average position. This first step is called the "learning phase”.
  • phase of follow - up the detection of the markings on the ground continues in a second phase called "phase of follow - up".
  • the search interval is then much narrower and located around the calculated position on the previous image during the learning phase.
  • variable Pg is an average value calculated according to the following equation:
  • this condition (or end-of-phase criterion) of transition between the learning phase and the follow-up phase (and conversely for a transition from the follow-up phase to the learning phase) is very unstable, especially when at least one of the left or right lanes is delimited by discontinuous ground marking.
  • the end-of-phase criterion can authorize this transition while the detection of the ground markings is absolutely not valid.
  • An object of the invention is to provide a solution to this problem.
  • An object of the invention is to propose a method for detecting ground markings with a stable management of the transition between the two detection steps that are the learning phase and the monitoring phase.
  • Another object of the invention is to propose a corresponding ground marking detection system.
  • Said method comprises for each image an alternation between a first phase called learning phase comprising a determination on a first set of successive digital images, an average position of said markings, and a second phase called tracking phase, comprising a determination. on a second set of successive digital images, the position of said markings from the determined average position during the learning phase.
  • Each phase is performed as long as the value taken by an end-of-phase criterion does not exceed a threshold associated with the phase considered.
  • said end of phase criterion is calculated as a function of the total number of pixels belonging to said markings, counted on a chosen number of successive digital images.
  • the end-of-phase criterion is calculated on several successive images.
  • said method may furthermore comprise, before the determination phase of the first and second phases, for each image taken, a calculation of a first group of parameters representative of the number of pixels belonging to the road markings, and a second group of parameters representative of the geometric position of said road markings.
  • Said method can also comprise a storage within a structure common to said first and second phases, for n images considered, n being a chosen integer, the value of the speed of the motor vehicle, the moment of taking representative of the moment taking the corresponding image, the first and second group parameters and the end of phase criterion.
  • the set of results for each image is grouped together within a structure, for example a FIFO ("First In First Out" in English language).
  • the structure groups the results for the last n images taken.
  • the method may also comprise an evaluation of a distance associated with said structure, as a function of each of the n instants and of each of the speed values of the n images, stored within said structure. For each image taken, said method can then furthermore comprise an update of said structure by deleting the values of the parameters corresponding to the image having the oldest time of recording, if said structure stores the values of the parameters of more than n images or if said distance associated with the structure is greater than a given limit value.
  • the learning phase may also comprise, for each image taken, the performance of a test on the quality of the values of the parameters of said first group, said test comprising a comparison of the value of each parameter with a corresponding quality threshold. This test makes it possible to check the quality of the calculated values.
  • the quality of the values of each parameter of said group is greater than said corresponding quality threshold, then a test is performed on the validity of the values of the parameters of the second group with respect to fixed validity ranges, related to the configuration of said road and the trajectory of said motor vehicle.
  • the value of at least one parameter of the first group is lower than the corresponding quality threshold, and / or if at least one of the values of the parameters of the second group n 'belongs to not at said range of validity, it updates said structure and is assigned for said image considered, a zero value to each stored value of its own parameters of the first group, and then compares said end of phase criterion to the corresponding threshold.
  • the values of the parameters of the second group belong to said range of validity, a consistency test is advantageously carried out on these values by comparing them with the last stored values of the parameters of said second group which have a quality above the quality threshold.
  • the said structure is updated, and the end of phase criterion value is increased, otherwise the all the values of the parameters stored in the structure, the setting time, the speed and the values of the parameters associated with the considered image are stored in the structure and the value of the end of phase criterion is reset.
  • the monitoring phase it is also advantageous to carry out said validity test of the values of the parameters of said second group of the considered image taken, with respect to said validity range.
  • the said coherence test is also carried out on the values of the parameters of the second group of the image considered, and if the said values of the parameters of the second group of the image considered are greater than the said last stored values, the said structure is updated, the value of the end criterion of phase and compare this value to the threshold associated with the monitoring phase.
  • the parameters of the second group of the considered image is smaller than said last corresponding stored value, and / or if the value of the chosen parameter of the second group is lower than said threshold of validity, it is necessary to for said structure by storing the values of said parameters of the second group corresponding to said determined average position during the learning phase in place of the corresponding values for the image in question and decreasing the value of the end of phase criterion.
  • a system for detecting the position of the road markings by means of a succession of digital images comprising pixels taken during the movement of a motor vehicle.
  • Said system is embedded in a motor vehicle and comprises: learning means adapted to determine on a first set of successive digital images, an average position of said markings, tracking means, able to determine on a second set of successive digital images, the position of said markings from said average position determined by said learning means, and main calculation means capable of calculating an end of phase criterion, said learning and monitoring means being able to perform their own determination as long as the value taken by said criterion of end of phase does not exceed a threshold associated with said means considered.
  • the main calculation means are able to calculate said end of phase criterion as a function of the total number of pixels belonging to said markings, counted on a chosen number of successive digital images.
  • the system may further comprise first auxiliary calculation means able to calculate a first group of parameters representative of the number of pixels belonging to said road markings, second auxiliary calculation means able to calculate a second group of parameters representative of the geometrical position of said road markings, and storage means able to memorize within a structure common to said first and second auxiliary calculating means, for n images considered, n being a chosen integer, the value of the speed of the motor vehicle, the moment of taking, the first and second group parameters and said end of phase criterion.
  • FIG. 1 represents an image taken and processed during the learning phase
  • FIG. 2 represents an image taken and processed during the tracking phase
  • Figures 3 and 4 show the pins used by the method, and the various parameters used in an embodiment of the invention
  • FIG. 5 illustrates an implementation mode according to the invention
  • FIG. 6 represents a mode of implementation of the learning phase according to the invention
  • FIG. 7 represents a mode of implementation of the tracking phase according to the invention
  • - Figure 8 shows an embodiment of a system according to the invention.
  • FIG. 1 generally represents an example of an image used for the detection of markings on the ground (here on the road) during a learning phase as described above.
  • the image includes the RTE road as well as a VEH vehicle.
  • On the RTE road there are two markings on the ground, the left mark Lg and the right mark Ld.
  • left and right For each marking on the ground, left and right respectively, a corresponding region of interest is determined. These regions of interest, respectively left ROIg and right ROId are delimited by two lateral curves, around an average position represented by a line corresponding roughly to the left or right Ld Lg markings. In general, for a follow - up phase ( Figure 2), a narrower region of interest is determined from the average position calculated during the learning phase. The determination of the left and right markings Lg is then carried out respectively in the ROIg and ROId regions. To calculate the left and right markings, different markers are used.
  • a reference Rrte (X, Y, Z) is linked to the route RTE.
  • Rc U, V, W
  • the center of the reference Rc has for ordinate (X 0 , 0, Z 0 ) in the reference linked to the Rrte.
  • the ordinate axis V of the reference mark Rc represents the line of sight Av of the camera.
  • This line of sight Av forms an angle ⁇ with the Y axis Y of the reference Rrte.
  • the dimension axis W forms an angle ⁇ with the dimension axis of the reference Rrte.
  • FIG. 5 very simply illustrates one embodiment of the method according to the invention.
  • This embodiment comprises a first step (step 100) called learning phase where the detection of the ground markings is performed in a region of relatively broad interest as shown in FIG. 1. As soon as the average position of the markings on the ground is satisfactory (convergence of the detection algorithm of the markings), begins a finer detection during a monitoring phase (step 200).
  • ground mark detection is performed in a narrower region of interest, as shown in Figure 2.
  • step 100 As soon as the position of the markings on the ground is no longer satisfactory (divergence of the mark detection algorithm), a coarser detection is recommenced during a new learning phase (step 100).
  • Figure 6 illustrates in more detail a mode of implementation of the learning phase (step 100).
  • the invention uses a structure (for example a FIFO) called HEAP memorizing a certain number of results among which the instants of taking images tl, ... tn, t1 being representative of the moment of taking the first image. and tn being the moment of taking of the last picture.
  • HEAP a structure
  • the instants tl, ... tn may be the sampling times related to the scanning of the images filmed by the camera on board the motor vehicle.
  • the speeds v1,... Vn corresponding to the speed of the vehicle at the different times of setting corresponding to the instants t1, ... tn, are memorized within the HEAP structure.
  • the HEAP structure stores a first group of parameters [Pg 1 , Pdi, Pt 1 ],..., [Pgn, Pdn, Ptn] corresponding for each image to the number of points of the image detected as respectively belonging to the left line, in the straight line, the value Pt 1 being the average of the parameters Pg 1 and Pd 1 as described above.
  • the number of points belonging to a left or right line can be obtained for example using an edge detection algorithm well known to those skilled in the art. This can be done by referring to R. Aufrère's thesis cited above.
  • the HEAP structure also includes the parameters [Xo (I), ⁇ (1), ⁇ (1), Ci (I), L (I)], ..., [X 0 (n), ⁇ (n), ⁇ (n), Ci (n) and L (n)] corresponding to a second group of parameters representative of the geometric position of the markings to be detected as a function of the route at times t ⁇ .
  • the HEAP structure stores the Mark phase end criterion between 0 and Mark max .
  • a new image Im (t) taken by the camera is sampled by a device synchronized on a clock signal CIk.
  • the data t; and V 1 related to the new image are stored within the HEAP structure.
  • step 2 the obsolete data is deleted, that is to say in this case the oldest data, if the HEAP structure stores more than n elements (n being chosen beforehand), or if a distance of HEAP associated with the HEAP structure, exceeds a certain threshold, dHEAPmax chosen.
  • a first parameter group [Pg, Pd, Pt] and a second geometric parameter group [Xo, ⁇ , ⁇ , C 1 , L] are determined.
  • the second group of parameters has been determined from an average position [Xo apP , ⁇ a PP , ⁇ app , Ci app , L app ] previously stored, such as:
  • L app is a typical width of a lane on a road.
  • ⁇ app depends on the way the camera has been placed on the motor vehicle.
  • this value ⁇ app is calculated from an image in which the horizon is visible.
  • this test may consist of comparing each value with a corresponding predetermined threshold [Pg apP , Pd app and Pt app ].
  • step 5 Geometry TEST
  • step 5 Geometry TEST
  • step 5 another test is performed, this time on the second group of parameters (Xo, ⁇ , ⁇ , Ci, L). This test is verification that the estimated values (Xo, ⁇ , ⁇ , Ci, L) belong to an area around the motor vehicle.
  • the values of the second group of parameters are then compared to a set of predetermined values such as:
  • n es t The corresponding image is referenced n es t, the latter being sampled at time t and t are associated with the distance d es t, which is the distance between t and t is.
  • C er ror representing the distance d L, ⁇ maximum accepted by the variables Ci and C es t; being the gap maximum acceptance between the variables ⁇ and ⁇ es t-
  • the HEAP structure is updated (step 9, update of HEAP # 2).
  • the first and second groups of parameters are respectively inserted
  • Step 10 End of learning phase test
  • the comparison between the end of phase Mark criterion and its Markapprentssage limit value such as:
  • step 1 update of HEAP # 3
  • all elements stored in the HEAP structure are deleted.
  • Mark 0, and we insert the values of the first and second groups of parameters respectively [Pg, Pd, Pt] and [X 0 , ⁇ , ⁇ , Ci, L] of the image considered in the HEAP structure.
  • Steps 21 and 22 of the follow - up phase correspond to steps 1 and 2 of the learning phase, respectively, with respect to data acquisition and removal of obsolete data from the HEAP structure.
  • line detection is effected with respect to the estimated positions [X Oes t, ⁇ est, ⁇ are T, C, T, L are t] ap P r determined during the learning phase.
  • the width of the search interval of the parameters [Xo, ⁇ , ⁇ , Ci, L] is defined in this case by the parameters [ ⁇ XOsum , ⁇ ⁇ sum , ⁇ mmn , ⁇ c ⁇ Sum - > ⁇ LSum ]> which are quantities fixed beforehand. From these estimated parameters, the values of the first and second groups of parameters are determined.
  • Geometry then a consistency test (step 25, consistency TEST) if the geometry test is checked.
  • consistency TEST a consistency test if the geometry test is checked.
  • the HEAP structure is then updated (step 26, updating HEAP # 1) by inserting in the HEAP structure the values of the first parameters Pg and Pd. as well as the minimum value between the values -Pt and -Pt sulvl , Pt sulV i being the maximum value that can take the value of the parameter Pt.
  • the values of the parameters of the second group are substituted parameters [X Oes t, ⁇ est, es t ⁇ , C, T, L is].
  • the parameters [X Oes t, ⁇ est, ⁇ es t, ciest, Ballast] determined in a step 25a correspond for the followed phase, to the values of the second group parameters of the last image n is t such that the values of the parameters of the first group are greater than the predetermined fixed threshold.
  • phase Mark criterion associated with the HEAP structure is updated according to the following equation:
  • step 27 update of HEAP # 2 where the values are inserted into the structure.
  • step 28 (step 28, END of the tracking phase), a comparison is made between the Mark criterion associated with the HEAP structure according to the equation below: Mark ⁇ Mark smvi .
  • FIG. 8 represents an embodiment of a system referenced SYS for road marking detection according to the invention.
  • the SYS system comprises MAPPR learning means capable of detecting road markings including the learning phase described above.
  • the MAPPR learning means receive as input the sampling signal CIk, an image Im (t), and the speed v (t) of the motor vehicle, respectively via connections 30, 31 and 32.
  • the means MAPPR learning programs include first
  • MC I and second MC2 auxiliary calculation means able respectively to calculate the values of the parameters of the first and second group.
  • Means learning transmit the estimated average value [Xoest, ⁇ est, es t ⁇ , C, T, L are t] via a connection 33 to MSUIVI monitoring means.
  • Means learning transmit the estimated average value [Xoest, ⁇ est, es t ⁇ , C, T, L are t] via a connection 33 to MSUIVI monitoring means.
  • the MSUIVI tracking means receive via the connections 30,
  • the MAPPR learning and MSUIVI tracking means are coupled to memory means MEM respectively via connections 34 and 35.
  • the MEM memory means stores the updated HEAP structure according to a result obtained by the MAPPR learning means and the MSUIVI tracking means.
  • the memory means MEM are coupled via a connection 36 to the main calculation means MCAL.
  • the latter calculate the end of phase criterion according to whether one is in the learning phase or in the monitoring phase so as to activate the learning means or the tracking means.
  • the invention is not limited to the modes of implementation and the embodiments described above.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)
  • Image Processing (AREA)

Abstract

Procédé de détection de la position des marquages sur route et système correspondant L'invention porte sur un procédé de détection de la position des marquages sur route à l'aide d'une succession d'images numériques comportant des pixels, prises au cours du déplacement d'un véhicule automobile. Ledit procédé comprend pour chaque image une alternance entre une première phase dite phase d'apprentissage comportant une détermination (étape 3) sur un premier ensemble d'images numériques successives, d'une position moyenne desdits marquages, et une deuxième phase dite phase de suivi, comportant une détermination (étape 23) sur un deuxième ensemble d'images numériques successives, de la position desdits marquages à partir de ladite position moyenne déterminée au cours de la phase d'apprentissage, chaque phase étant effectuée tant que la valeur prise par un critère de fin de phase ne dépasse pas un seuil associé à la phase considérée. Ledit critère de fin de phase est calculé en fonction du nombre total de pixels appartenant auxdits marquages, comptabilisés sur un nombre choisi d'images numériques successives.

Description

Procédé de détection de la position des marquages sur route et système correspondant
La présente invention concerne d'une manière générale, la détection des marquages sur route à l' aide d'un système de prise d' images par exemple une caméra, en particulier via un système embarqué au sein d'un véhicule automobile.
L ' invention s' applique avantageusement aux systèmes « AFIL » (Alerte de Franchissement Involontaire de Lignes) avertissant le conducteur en cas de franchissement de ligne.
Classiquement, les systèmes de détection de marquages sur route mettent en œuvre une méthode comprenant une première étape où les voies sont recherchées dans une zone de recherche définie comme un intervalle autour d'une position géométrique. En fonction de la largeur de cette zone de recherche, une région d' intérêt (« ROI », Région of Interest » en langue anglaise) de l 'image est calculée. Les marquages sur route sont alors recherchés dans cette région d' intérêt ROI uniquement. Dans cette première étape, la largeur de la zone de recherche est relativement importante et située autour d'une position moyenne. Cette première étape est appelée « phase d' apprentissage ».
Lorsque la détection des marquages au sol au cours de la phase d' apprentissage est jugée satisfaisante, selon un critère choisi, la détection des marquages au sol se poursuit dans une deuxième phase dite « phase de suivi ». L ' intervalle de recherche est alors beaucoup plus étroit et situé autour de la position calculée sur l' image précédente lors de la phase d' apprentissage.
Généralement, deux types de résultats sont élaborés pour chaque image traitée lors des phases d' apprentissage ou de suivi. Tout d' abord, on élabore les variables Pg et Pd correspondant respectivement au nombre de points (en pourcentage de la zone d' analyse) détectés comme appartenant à la ligne délimitant la voie de gauche ou de droite de la route. La variable Pt, est une valeur moyenne calculée selon l' équation suivante :
Pt = 0,5.(Pg + Pd).
En outre, on détermine au cours des phases d' apprentissage et de suivi des résultats décrivant la géométrie des marquages au sol détectés. Par exemple, le mémoire de thèse « Reconnaissance et suivi de route par vision artificielle, applications à l' aide à la conduite » de R. Aufrère, soutenue le 20 juin 2001 , illustre une méthode de détection de marquages au sol.
Dans ce mémoire, on considère que la route présente une courbure constante, régie par l' équation :
où λ = 0 pour le bord droit de la route, et λ = - 1 pour le bord gauche de la route.
On considère que la détection au cours de la phase d' apprentissage est valable, et que l'on peut passer à la phase de suivi, si les variables Pg, Pd et Pt sont chacune supérieure à un seuil choisi.
Cependant, cette condition (ou critère de fin de phase) de transition entre la phase d' apprentissage et la phase de suivi (et inversement pour une transition de la phase de suivi vers la phase d' apprentissage) est très instable, notamment lorsqu' au moins l'une des voies de gauche ou de droite est délimitée par un marquage au sol discontinu. Ainsi, le critère de fin de phase peut autoriser cette transition alors que la détection des marquages au sol n' est absolument pas valable.
L 'invention vise à apporter une solution à ce problème. Un but de l' invention est de proposer un procédé de détection des marquages au sol avec une gestion stable de la transition entre les deux étapes de détection que sont la phase d' apprentissage et la phase de suivi.
Un autre but de l' invention est de proposer un système de détection de marquages au sol correspondant.
A cet effet, selon un premier aspect de l' invention, il est proposé un procédé de détection de la position des marquages sur route à l' aide d'une succession d' images numériques comportant des pixels, prises au cours du déplacement d'un véhicule automobile (par exemple à l' aide d'une caméra embarquée à bord du véhicule). Ledit procédé comprend pour chaque image une alternance entre une première phase dit phase d'apprentissage comportant une détermination sur un premier ensemble d' images numériques successives, d'une position moyenne desdits marquages, et une deuxième phase dite phase de suivi, comportant une détermination sur un deuxième ensemble d'images numériques successives, de la position desdits marquages à partir de la position moyenne déterminée au cours de la phase d' apprentissage. Chaque phase est effectuée tant que la valeur prise par un critère de fin de phase ne dépasse pas un seuil associé à la phase considérée. Selon une caractéristique générale de ce premier aspect de l' invention, ledit critère de fin de phase est calculé en fonction du nombre total de pixels appartenant auxdits marquages, comptabilisés sur un nombre choisi d' images numériques successives. En d'autres termes, au lieu de regarder pour chaque image si les critères Pg, Pd, et Pt sont supérieurs à un seuil donné, le critère de fin de phase est calculé sur plusieurs images successives. Ainsi, les résultats issus des phases d'apprentissage et/ou de suivi sont représentatifs d'un ensemble d' images successives, et non pas d'une image prise isolément. Par conséquent, le procédé mis en œuvre est fiable et donne un résultat cohérent, malgré la présence d'une image défectueuse. Il permet également d' obtenir un résultat satisfaisant pour les marquages au sol discontinus, étant donné que l' on ne considère plus une seule image mais un ensemble d' images. Cela implique une augmentation du nombre de données prises en compte, et donc une amélioration de la stabilité des résultats.
Selon un mode de mise en œuvre, ledit procédé peut comprendre en outre, avant la phase de détermination de la première et de la deuxième phase, pour chaque image prise, un calcul d'un premier groupe de paramètres représentatifs du nombre de pixels appartenant aux marquages sur route, et d'un deuxième groupe de paramètres représentatifs de la position géométrique desdits marquages sur route. Ledit procédé peut également comprendre une mémorisation au sein d'une structure commune auxdites première et deuxième phases, pour n images considérées, n étant un entier choisi, de la valeur de la vitesse du véhicule automobile, de l 'instant de prise représentatif du moment de prise de l' image correspondante, des paramètres du premier et du deuxième groupe et dudit critère de fin de phase. En d' autres termes, l' ensemble des résultats pour chaque image est regroupé au sein d'une structure par exemple une FIFO (« First In First Out » en langue anglaise). De préférence, la structure regroupe les résultats pour les n dernières images prises. Selon un mode de mise en œuvre, le procédé peut comprendre également une évaluation d'une distance associée à ladite structure, en fonction de chacun des n instants et de chacune des valeurs de vitesse des n images, mémorisés au sein de ladite structure. Pour chaque image prise, ledit procédé peut alors comprendre en outre, une mise à jour de ladite structure en supprimant les valeurs des paramètres correspondant à l' image ayant l' instant de prise le plus ancien, si ladite structure mémorise les valeurs des paramètres de plus de n images ou si ladite distance associée à la structure est supérieure à une valeur limite donnée.
En d' autres termes, pour chaque nouvelle image prise, si le nombre d' images mémorisées dans la structure est supérieur à un entier choisi, ici n, on supprime les données correspondant à l' image la plus ancienne. La phase d' apprentissage peut comprendre également pour chaque image prise, la réalisation d'un test sur la qualité des valeurs des paramètres dudit premier groupe, ledit test comprenant une comparaison de la valeur de chaque paramètre avec un seuil de qualité correspondant. Ce test, permet de vérifier la qualité des valeurs calculées.
Ainsi, de préférence, au cours de la phase d' apprentissage, si pour l' image prise considérée, la qualité des valeurs de chaque paramètre dudit groupe est supérieure audit seuil de qualité correspondant, on réalise alors un test sur la validité des valeurs des paramètres du deuxième groupe par rapport à des plages de validité fixées, liées à la configuration de ladite route et à la traj ectoire dudit véhicule automobile.
En d' autres termes, si les valeurs des paramètres du premier groupe ont une qualité suffisante, on pratique un test de validité sur les valeurs des paramètres du deuxième groupe par rapport à des plages de validité pré-établies.
De préférence, si pour l ' image prise considérée, la valeur d' au moins un paramètre du premier groupe, est inférieure au seuil de qualité correspondant, et/ou si au moins l'une des valeurs des paramètres du deuxième groupe n' appartient pas à ladite plage de validité, on met à jour ladite structure et on affecte pour ladite image considérée, une valeur nulle à chaque valeur mémorisée de ses propres paramètres du premier groupe, puis on compare ledit critère de fin de phase au seuil correspondant.
De cette manière, on ne mémorise au sein de la structure que les paramètres qui ont une qualité suffisante et qui sont valides par rapport à des plages de validité pré-établies. Cela a pour avantage de ne pas fausser le procédé de détection de marquages au sol avec des valeurs de paramètres apparemment erronées.
Par contre, si pour l 'image prise considérée, les valeurs des paramètres du deuxième groupe appartiennent à ladite plage de validité, on effectue avantageusement en outre un test de cohérence sur ces valeurs en les comparant aux dernières valeurs mémorisées des paramètres dudit deuxième groupe qui ont une qualité supérieure au seuil de qualité. A l' issue du test de cohérence, si les valeurs des paramètres de l' image considérée sont supérieures auxdites dernières valeurs mémorisées, on met à jour ladite structure, et on augmente la valeur de critère de fin de phase, sinon, on annule l' ensemble des valeurs des paramètres mémorisés dans la structure, on mémorise dans la structure l' instant de prise, la vitesse et les valeurs des paramètres associés à l' image prise considérée et on remet à zéro la valeur du critère de fin de phase. Au cours de la phase de suivi, on peut effectuer avantageusement également ledit test de validité des valeurs des paramètres dudit deuxième groupe de l' image prise considérée, par rapport à ladite plage de validité. Dans ce cas, à l' issue du test de validité réalisé au cours de la phase de suivi, si les valeurs des paramètres du premier groupe pour l' image prise considérée appartiennent à ladite plage de validité, on réalise également ledit test de cohérence sur les valeurs des paramètres du deuxième groupe de l' image considérée, et si lesdites valeurs des paramètres du deuxième groupe de l' image considérée sont supérieurs auxdites dernières valeurs mémorisées, on met à jour ladite structure, on augmente la valeur du critère de fin de phase et on compare cette valeur au seuil associé à la phase de suivi.
De préférence, si au moins une valeur des paramètres du deuxième groupe de l' image prise considérée est inférieure à ladite dernière valeur mémorisée correspondante, et/ou si la valeur du paramètre choisi du deuxième groupe est inférieure audit seuil de validité, on met à j our ladite structure en mémorisant les valeurs desdits paramètres du deuxième groupe correspondant à ladite position moyenne déterminée lors de la phase d' apprentissage à la place des valeurs correspondantes pour l 'image considérée et en diminuant la valeur du critère de fin de phase.
Selon un autre aspect de l' invention, il est proposé un système de détection de la position des marquages sur route à l' aide d'une succession d' images numériques comportant des pixels, prises au cours du déplacement d'un véhicule automobile. Ledit système est embarqué au sein d'un véhicule automobile et comprend : des moyens d' apprentissage aptes à déterminer sur un premier ensemble d' images numériques successives, une position moyenne desdits marquages, des moyens de suivi, aptes à déterminer sur un deuxième ensemble d'images numériques successives, la position desdits marquages à partir de ladite position moyenne déterminée par lesdits moyens d' apprentissage, et des moyens de calcul principaux aptes à calculer un critère de fin de phase, lesdits moyens d' apprentissage et de suivi étant aptes à effectuer leur propre détermination tant que la valeur prise par ledit critère de fin de phase ne dépasse pas un seuil associé auxdits moyens considérés. Selon une caractéristique générale de cet autre aspect de l' invention, les moyens de calcul principaux sont aptes à calculer ledit critère de fin de phase en fonction du nombre total de pixels appartenant auxdits marquages, comptabilisés sur un nombre choisi d' images numériques successives. Selon un mode de réalisation, le système peut comprendre en outre des premiers moyens de calcul auxiliaires aptes à calculer un premier groupe de paramètres représentatifs du nombre de pixels appartenant auxdits marquages sur route, des deuxièmes moyens de calcul auxiliaires aptes à calculer un deuxième groupe de paramètres représentatifs de la position géométrique desdits marquages sur route, et des moyens de mémorisation aptes à mémoriser au sein d'une structure commune auxdits premiers et deuxièmes moyens de calcul auxiliaires, pour n images considérées, n étant un entier choisi, la valeur de la vitesse du véhicule automobile, l 'instant de la prise, les paramètres du premier et du deuxième groupe et ledit critère de fin de phase.
D ' autres avantages et caractéristiques de l' invention apparaîtront à l' examen de la description détaillée d'un mode de réalisation de l' invention, un mode de mise en œuvre, nullement limitatifs, et des dessins annexés, sur lesquels : la figure 1 représente une image prise et traitée lors de la phase d'apprentissage ; la figure 2 représente une image prise et traitée lors de la phase de suivi ; les figures 3 et 4 représentent les repères utilisés par le procédé, ainsi que les différents paramètres utilisés dans un mode de mise en œuvre selon l' invention ; la figure 5 illustre un mode de mise en œuvre selon l' invention, la figure 6 représente un mode de mise en œuvre de la phase d' apprentissage selon l' invention ; la figure 7 représente un mode de mise en œuvre de la phase de suivi selon l' invention ; et - la figure 8 représente un mode de réalisation d'un système selon l' invention.
La figure 1 représente d'une manière générale, un exemple d' image utilisée pour la détection de marquages au sol ( ici sur route), pendant une phase d' apprentissage tel que décrite ci-avant. L 'image comprend la route RTE ainsi d'un véhicule VEH. Sur la route RTE, on note deux marquages au sol, le marquage gauche Lg et le marquage droit Ld.
Pour chaque marquage au sol, respectivement à gauche et à droite, une région d' intérêt correspondante est déterminée. Ces régions d' intérêt, respectivement gauche ROIg et droite ROId sont délimitées par deux courbes latérales, autour d'une position moyenne représentée par une droite correspondant grossièrement aux marquages gauche Lg ou droit Ld. De manière générale, pour une phase de suivi (figure 2), une région d' intérêt plus étroite est déterminée à partir de la position moyenne calculée lors de la phase d' apprentissage. La détermination des marquages gauche Lg et droit Ld est alors respectivement effectuée dans les régions ROIg et ROId. Pour calculer les marquages gauche et droit, différents repères sont utilisés.
Plus précisément, comme illustré sur la figure 3 , un repère Rrte (X, Y, Z) est lié à la route RTE.
Un autre repère Rc (U, V, W) est lié à la caméra utilisée pour prendre les images nécessaires à la détection des marquages sur route.
Plus précisément, le centre du repère Rc a pour ordonnée (Xo, 0, Z0) dans le repère lié à la Rrte.
En outre, l' axe des ordonnées V du repère Rc, représente l' axe de visée Av de la caméra. Cet axe de visée Av forme un angle ψ avec l' axe des ordonnées Y du repère Rrte.
En outre, l 'axe des cotes W forme un angle α avec l 'axe des cotes du repère Rrte.
La figure 4 représente les bords Cr réels de la route représentés dans le repère Rrte. La largeur de la route est égale à L, et le rayon de courbure R est égal à : où Ci représente la courbure de la route à un point donné. Le figure 5 illustre de manière très simplifiée un mode de mise en œuvre du procédé selon l' invention. Ce mode de mise en œuvre comprend une première étape (étape 100) dite phase d' apprentissage où la détection des marquages au sol est effectuée dans une région d' intérêt relativement large comme représenté sur la figure 1. Dès que la position moyenne des marquages au sol est satisfaisante (convergence de l' algorithme de détection des marquages), débute une détection plus fine lors d'une phase de suivi (étape 200).
Plus précisément, lorsque qu'un critère de fin de phase Mark est supérieur à un seuil Markapprentissage, la transition entre la phase d' apprentissage et de suivi est effectuée.
L' élaboration du critère de fin de phase Mark sera détaillée ci- après.
Au cours de la phase de suivi, la détection des marquages au sol est effectuée dans une région d' intérêt plus étroite, comme illustré sur la figure 2.
Dès que la position des marquages au sol n' est plus satisfaisante (divergence de l' algorithme de détection des marquages), recommence une détection plus grossière lors d'une nouvelle phase d' apprentissage (étape 100).
Plus précisément, lorsque que le critère de fin de phase Mark est inférieur à un seuil Marksulvl, la transition entre la phase d' apprentissage et de suivi est effectuée.
La figure 6 illustre plus en détail un mode de mise en œuvre de la phase d' apprentissage (étape 100).
Tout d' abord l'invention utilise une structure (par exemple une FIFO) appelée HEAP mémorisant un certain nombre de résultats parmi lesquels les instants de prise des images tl , ... tn, tl étant représentatif du moment de prise de la première image et tn étant l' instant de prise de la dernière image. Par exemple, les instants tl , ... tn peuvent être les instants d' échantillonnage liés à la numérisation des images filmées par la caméra embarquée à bord du véhicule automobile.
De même, on mémorise au sein de la structure HEAP les vitesses vl , ...vn, correspondant à la vitesse du véhicule aux différents moments de prise correspondant aux instants tl , ... tn.
Par ailleurs, la structure HEAP mémorise un premier groupe de paramètres [Pg1 , Pdi , Pt1] , ... , [Pgn, Pdn, Ptn] correspondant pour chaque image au nombre de points de l' image détectés comme appartenant respectivement à la ligne gauche, à la ligne droite, la valeur Pt1 étant la moyenne des paramètres Pg1 et Pd1 tels que décrits ci-avant. Classiquement, le nombre de points appartenant à une ligne gauche ou droite peut être obtenu par exemple à l 'aide d'un algorithme de détection de contours bien connu de l'homme du métier. On peut pour cela se référer à la thèse de R. Aufrère citée ci-avant.
La structure HEAP comprend également les paramètres [Xo(I ), ψ( l ), α( l ), Ci( I ), L(I )] , ... , [X0(n), ψ(n), α(n), Ci(n) et L(n)] correspondant à un deuxième groupe de paramètres représentatifs de la position géométrique des marquages à détecter en fonction de la route aux instants tλ.
Enfin, la structure HEAP mémorise le critère de fin de phase Mark compris entre 0 et Markmax.
Au cours d'une étape 1 , une nouvelle image Im(t) prise par la caméra est échantillonnée par un dispositif synchronisé sur un signal d'horloge CIk.
Les données t; et V1 liées à la nouvelle image sont mémorisées au sein de la structure HEAP.
Puis au cours d'une deuxième étape (étape 2) on supprime les données obsolètes, c' est-à-dire dans ce cas la donnée la plus ancienne, si la structure HEAP mémorise plus de n éléments (n étant choisi au préalable), ou si une distance dHEAP associée à la structure HEAP, dépasse un certain seuil, dHEAPmax choisi. La distance dHEAP est calculée selon la formule : n-\ <W = ∑v, (fI+i -0 + vB(f -O ι=l
Puis à partir de l' image prise, on détermine un premier groupe de paramètre [Pg, Pd, Pt] et un deuxième groupe de paramètre géométriques [Xo, ψ, α, C1, L] .
Le deuxième groupe de paramètres a été déterminé à partir d'une position moyenne [XoapP, ψaPP, αapp, Ciapp, Lapp] préalablement mémorisé, tels que :
Y — — T / 9
Λ Oapp ~ ^aPP ' *• ψapp = o clapP = o
LaPP = 3,2m
La valeur de Lapp est une largeur typique d'une voie sur une route. Par ailleurs, la valeur de αapp dépend de la manière dont la caméra a été disposée sur le véhicule automobile. De préférence, cette valeur αapp se calcule à partir d'une image dans laquelle l'horizon est visible.
La plage dans laquelle les paramètres [Xo, ψ, α, C1, L] sont déterminée vérifie :
~~ ^ 0aPP ~ σX 0aPP ^ ^ O ^ ^ 0aPP ~*~ σX 0aPP ~ ΨaPP ~ σ ΨaPP < Ψ < ΨaPP + σ ΨaPP ~ aaPP ~ σaaPP < « < « 'aPP + ° ' aaPP ~ ^laPP ~ σclaPP < ^l < ^laPP + σclaPP aPP LaPP aPP LaPP où [ σXOapp , σψapp , σaapp , σOapp , σLapp ] sont des grandeurs fixées préalablement.
Une fois les premier et deuxième groupes de paramètres déterminés, on effectue au cours d'une étape 4 (TEST de Qualité), un test sur la qualité des valeurs déterminées pour le premier groupe [Pg,
Pd, Pt] . Par exemple, ce test peut consister à comparer chaque valeur avec un seuil prédéterminé correspondant [PgapP, Pdapp et Ptapp] .
Si les paramètres [Pg, Pd, Pt] pour l' image considérée sont supérieurs au seuil mentionné, on considère que la qualité de ces derniers est satisfaisante. Dans ce cas (étape 5 , TEST de Géométrie) on procède à un autre test, cette fois ci sur le deuxième groupe de paramètres (Xo, ψ, α, Ci, L). Ce test est vérification du fait que les valeurs estimées (Xo, ψ, α, Ci, L) appartiennent bien à une zone autour du véhicule automobile. On compare alors les valeurs du deuxième groupe de paramètres à un ensemble de valeurs prédéterminées telles que :
OU ΛOmin î Λ-OmaX) ψmax ? C^max ? Lmln, Lmax Ct Kmln S Ont Ûe S grandeurs prédéterminées et fixées. Si le test de qualité ou le test de géométrie n'est pas satisfaisant pour au moins l'un des paramètres, on met à jour la structure HEAP (mise à jour de HEAP# 1 , étape 6) en insérant le deuxième groupe de paramètres [Xo, ψ, α, C1, L] . Par contre, on annule l' ensemble des valeurs des paramètres du premier groupe [Pg, Pd, Pt] correspondant avant de les insérer dans la structure HEAP. Si le test de géométrie valide les valeurs des paramètres du deuxième groupe, on procède alors à un test de cohérence (étape 7,
TEST de cohérence), où l' on vérifie la cohérence des valeurs des paramètres du deuxième groupe [X0, ψ, α, C1, L] par rapport aux valeurs précédemment obtenues.
Pour cela, au cours d'une étape 8, on détermine des paramètres [Xoest, ψest, cXest, Clest, Lest] correspondant aux paramètres géométriques de la dernière image prise dont les valeurs des paramètres [Pg, Pt, Pt ]vérifient : .
L ' image correspondante est référencée nest, cette dernière étant échantillonnée à l' instant test et associée à la distance dest, qui est la distance parcourue entre test et t.
On vérifie alors que les paramètres du deuxième groupe satisfont les inéquations suivantes :
O S Ont Qe S
paramètres prédéterminés et fixés ; ou Cerror représentant l' écart dl L,^ maximal accepté par les variables Ci et Cest ; étant l' écart maximal accepté entre les variables α et αest-
On note que dans le cas où la structure HEAP est vide (par exemple au commencement du test de détection de marquages sur route), il n'y a alors pas de valeur pour les paramètres [Xoest, ψest, αest,
Ciest, Lest] , test et dest- Dans ce cas, on considère que le test de cohérence est vérifié.
Dans le cas où le test de cohérence est vérifié, on met à jour la structure HEAP (étape 9, mise à jour de HEAP#2). Dans ce cas, on insère les premier et deuxième groupes de paramètres respectivement
[Pg, Pd, Pt] et [X0, ψ, α, Ci, L] et on met à jour le critère de fin de phase Mark selon l' équation suivante :
Mark <— Mark + Gain • Pt , le paramètre « Gain » étant un paramètre fixé prédéterminé. On effectue alors un test de fin de la phase d' apprentissage
(étape 10, Test de fin de la phase d' apprentissage), où l' on effectue la comparaison entre le critère de fin de phase Mark et sa valeur limite Markapprentssage telle que :
Mark ) Markapprentissage Si l' inéquation ci-dessus est vérifiée, on quitte la phase d' apprentissage pour effectuer la phase de suivi.
Si le test de cohérence n' est pas vérifié, on procède alors à une autre mise à jour de la structure HEAP (étape 1 1 , mise à jour de HEAP#3). Dans ce cas, tous les éléments mémorisés dans la structure HEAP sont effacés. On pose alors Mark=0, et on insère les valeurs des premier et deuxième groupes de paramètres respectivement [Pg, Pd, Pt] et [X0, ψ, α, Ci, L] de l' image considérée dans la structure HEAP. On se réfère à présent à la figure 7, décrivant plus en détail un mode de mise en œuvre de la phase de suivi (étape 200) selon l' invention.
Des étapes 21 et 22 de la phase de suivi correspondent respectivement aux étapes 1 et 2 de la phase d' apprentissage quant à l' acquisition des données et la suppression des données obsolètes de la structure HEAP.
Pour la première image considérée lors de la phase de suivi, la détection des lignes (étape 23) s 'effectue par rapport aux positions estimées [XOest, ψest, αest, Clest, Lest]apPr déterminées lors de la phase d' apprentissage.
La largeur de l' intervalle de recherche des paramètres [Xo, ψ, α, Ci, L] est définie dans ce cas par les paramètres [ σXOsum ,σψsum , σmmn , σ cιSum -> σ LSum ] > Qui sont des grandeurs fixées préalablement. A partir de ces paramètres estimés, on détermine les valeurs des premier et deuxième groupes de paramètres.
On effectue alors un test de géométrie (étape 24, TEST de
Géométrie) puis un test de cohérence (étape 25 , TEST de cohérence) si le test de géométrie est vérifié. Ces tests correspondent aux tests de qualité et de cohérence décrit ci-avant pour la phase d' apprentissage, en utilisant de préférence des seuils prédéterminés propre à la phase de suivi.
Si le test de géométrie ou le test de cohérence n' est pas vérifié, on met alors à jour la structure HEAP (étape 26, mise à jour de HEAP# 1 ) en insérant dans la structure HEAP les valeurs des premiers paramètres Pg et Pd ainsi que la valeur minimum entre les valeurs -Pt et -Ptsulvl, PtsulVi étant la valeur maximale que peut prendre la valeur du paramètre Pt. En outre, aux valeurs des paramètres du deuxième groupe, sont substituées les paramètres [XOest, ψest, αest, Clest, Lest] .
Comme pour la phase d' apprentissage, les paramètres [XOest, ψest, αest, Ciest, Lest] déterminées au cours d'une étape 25 bis (détermination de [Xoest, ψest, αest, Clest, Lest]) correspondent pour la phase suivie, aux valeurs des paramètres de deuxième groupe de la dernière image nest tel que les valeurs des paramètres du premier groupe sont supérieures au seuil fixé prédéterminé.
Le critère de fin de phase Mark associé à la structure HEAP est actualisé selon l 'équation suivante :
Mark <— Mark - Loss • max(Pt - Ptsmvi ) où « Loss » est un facteur fixé prédéterminé permettant une décroissance rapide du critère Mark en cas d' invalidité ou d' incohérence des valeurs des paramètres du deuxième groupe, de façon à retourner plus rapidement dans la phase d' apprentissage.
Dans le cas où le test de cohérence est valide, on procède alors à une mise à j our de la structure selon l' étape 27 (étape 27, mise à jour de HEAP#2) où l' on insère dans la structure les valeurs des paramètres des premier et deuxième groupes déterminées pour l' image considérée, et où l' on met à jour le critère Mark selon l' équation ci-dessous :
Mark <- Mark + Gain • Pt .
Puis, au cours de l' étape 28, (étape 28, TEST fin de phase de suivi), on effectue une comparaison entre le critère Mark associée à la structure HEAP selon l' équation ci-dessous : Mark < Marksmvi .
Si l' équation ci-dessus est vérifiée, la phase de suivi prend fin. On efface donc l' ensemble des éléments mémorisés dans la structure HEAP puis on reprend la phase d' apprentissage. La figure 8 représente un mode de réalisation d'un système référencé SYS de détection de marquage sur route selon l'invention.
Le système SYS comprend des moyens d' apprentissage MAPPR aptes à détecter les marquages sur route dont la phase d' apprentissage décrite ci-avant.
Pour ce faire, les moyens d' apprentissage MAPPR reçoivent en entrée le signal d' échantillonnage CIk, une image Im(t), et la vitesse v(t) du véhicule automobile, respectivement via des connexions 30, 31 et 32. Les moyens d' apprentissage MAPPR comprennent des premier
MC I et des deuxième MC2 moyens de calcul auxiliaires aptes respectivement à calculer les valeurs des paramètres du premier et du deuxième groupe.
Les moyens d' apprentissage transmettent la valeur moyenne estimée [Xoest, ψest, αest, Clest, Lest] via une connexion 33 à des moyens de suivi MSUIVI. De même que pour les moyens d' apprentissage
MAPPR, les moyens de suivi MSUIVI reçoivent via les connexions 30,
31 et 32, les paramètres d' entrée CIk, Im(t) et v(t).
Les moyens d' apprentissage MAPPR et de suivi MSUIVI sont couplés à des moyens de mémorisation MEM respectivement via des connexions 34 et 35.
Les moyens de mémorisation MEM mémorisent la structure HEAP mise à jour selon un résultat obtenu par les moyens d' apprentissage MAPPR et les moyens de suivi MSUIVI. Les moyens de mémorisation MEM sont couplés via une connexion 36 à des moyens de calcul principaux MCAL. Ces derniers calculent le critère de fin de phase selon que l'on se trouve en phase d' apprentissage ou en phase de suivi de façon à activer les moyens d' apprentissage ou les moyens de suivi. Bien entendu, l' invention n' est pas limitée aux modes de mise e et aux modes de réalisation décrits ci-avant.

Claims

REVENDICATIONS
1 -Procédé de détection de la position des marquages sur route à l' aide d'une succession d' images numériques comportant des pixels, prises au cours du déplacement d'un véhicule automobile, ledit procédé comprenant pour chaque image une alternance entre une première phase dite phase d' apprentissage comportant une détermination (étape 3) sur un premier ensemble d' images numériques successives, d'une position moyenne desdits marquages, et une deuxième phase dite phase de suivi, comportant une détermination (étape 23) sur un deuxième ensemble d'images numériques successives, de la position desdits marquages à partir de ladite position moyenne déterminée au cours de la phase d' apprentissage, chaque phase étant effectuée tant que la valeur prise par un critère de fin de phase (Mark) ne dépasse pas un seuil associé à la phase considérée, caractérisé par le fait que ledit critère de fin de phase est calculé en fonction du nombre total de pixels appartenant auxdits marquages, comptabilisés sur un nombre choisi d' images numériques successives.
2-Procédé selon la revendication précédente, comprenant en outre avant la phase de détermination de la première ou de la deuxième phase, pour chaque image prise, un calcul d'un premier groupe de paramètres ([Pg, Pd, Pt]) représentatifs du nombre de pixels appartenant auxdits marquage sur route, et d'un deuxième groupe de paramètres ([Xo, ψ, α, C1, L]) représentatifs de la position géométriques desdits marquages sur route, et une mémorisation au sein d'une structure commune (HEAP) auxdites première et deuxième phase, pour n images considérées, n étant un entier choisi, de la valeur de la vitesse du véhicule automobile, de l' instant de prise représentatif du moment de prise de l' image correspondante, des paramètres du premier et du deuxième groupe et dudit critère de fin de phase.
3-Procédé selon la revendication précédente, comprenant également une évaluation d'une distance associée à ladite structure, en fonction de chacun des n instants et de chacune des valeurs de vitesse des n images, mémorisés au sein de ladite structure, et dans lequel pour chaque image prise, ledit procédé comprend en outre une mise à jour (étape 1 , étape 21 ) de ladite structure (HEAP) en supprimant les valeurs des paramètres correspondants à l' image ayant l' instant de prise le plus ancien si ladite structure mémorise les valeurs des paramètres de plus de n images ou si ladite distance associée à la structure est supérieure à une valeur limite donnée.
4- Procédé selon la revendication précédente, dans lequel la phase d' apprentissage comprend également pour chaque image prise, la réalisation d'un test sur la qualité (étape 4) des valeurs des paramètres dudit premier groupe, ledit test comprenant une comparaison de la valeur de chaque paramètre avec un seuil de qualité correspondant.
5-Procédé selon la revendications précédente, dans lequel au cours de la phase d' apprentissage, si pour l' image prise considérée, la qualité des valeurs de chaque paramètre dudit premier groupe est supérieure audit seuil de qualité correspondant, on réalise un test sur la validité (étape 5) des valeurs des paramètres du deuxième groupe par rapport à des plages de validités fixées, liées à la configuration de ladite route et à la trajectoire dudit véhicule automobile. 6-Procédé selon la revendication précédente, dans lequel si pour l' image prise considérée, la valeur d' au moins un paramètre du premier groupe, est inférieure au seuil de qualité correspondant, et/ou si au moins l'une des valeurs des paramètres du deuxième groupe n' appartient pas à ladite plage de validité, on met à jour (étape 6) ladite structure et on affecte pour ladite image considérée, une valeur nulle à chaque valeur mémorisée de ses propres paramètres du premier groupe, puis on compare ledit critère de fin de phase au seuil correspondant.
7-Procédé selon la revendication 5 , dans lequel si pour l 'image prise considérée, les valeurs des paramètres du deuxième groupe appartiennent à ladite plage de validité, on effectue en outre un test de cohérence (étape 7) sur ces valeurs en les comparant aux dernières valeurs mémorisées des paramètres dudit deuxième groupe qui ont une qualité supérieure au seuil de qualité, et à l' issue dudit test de cohérence, si les valeurs des paramètres de l' image considérée sont supérieures auxdites dernières valeurs mémorisées, on met à jour ladite structure (étape 9) , et on augmente la valeur du critère de fin de phase, sinon on annule l' ensemble des valeurs des paramètres mémorisées dans la structure, on mémorise dans la structure l'instant de prise, la vitesse et les valeurs des paramètres associés à l' image prise considérée et on remet à zéro la valeur du critère de fin de phase (étape 1 1 ). 8- Procédé selon l'une des revendications 4 à 7, dans lequel au cours de la phase de suivi, on effectue également ledit test de validité (étape 24) des valeurs des paramètres du deuxième groupe de l' image prise considérée, par rapport à ladite plage de validité.
9-Procédé selon la revendication précédente prise en combinaison avec la revendication 7, dans lequel à l' issue du test de validité réalisé au cours de la phase de suivi, si les valeurs des paramètres du premier groupe pour l' image prise considérée appartiennent à ladite plage de validité, on réalise également ledit test de cohérence (étape 25) sur les valeurs des paramètres du deuxième groupe de l 'image considérée, et si lesdites valeurs des paramètres du deuxième groupe de l' image considérée sont supérieures auxdites dernières valeurs mémorisées, on met à jour (étape 27) ladite structure, on augmente la valeur du critère de fin de phase et on compare cette valeur au seuil associé à la phase de suivi (étape 28). 10- Procédé selon la revendication 9, dans lequel si au moins une valeur des paramètres du deuxième groupe de l' image prise considérée est inférieure à ladite dernière valeur mémorisée correspondante, et/ou si la valeur du paramètre choisi du deuxième groupe est inférieure audit seuil de validité, on met à jour (étape 26) ladite structure en mémorisant les valeurs desdits paramètres du deuxième groupe correspondant à ladite position moyenne déterminée lors de la phase d' apprentissage à la place des valeurs correspondantes pour l 'image considérée et en diminuant la valeur du critère de fin de phase. 1 1 -Système de détection de la position des marquages sur route à l' aide d'une succession d' images numériques comportant des pixels, prises au cours du déplacement d'un véhicule automobile, ledit système étant embarqué au sein d'un véhicule automobile et comprenant : - des moyens d' apprentissage (MAPPR) aptes à déterminer sur un premier ensemble d' images numériques successives, une position moyenne desdits marquages,
-des moyens de suivi (MSUIVI), aptes à déterminer sur un deuxième ensemble d'images numériques successives, la position desdits marquages à partir de ladite position moyenne déterminée par lesdits moyens d' apprentissage, et
-des moyens de calculs principaux (MCAL) aptes à calculer un critère de fin de phase, lesdits moyens d' apprentissage et de suivi étant aptes à effectuer leur propre détermination tant que la valeur prise par ledit critère de fin de phase ne dépasse pas un seuil associé audit moyen considéré, caractérisé par le fait que les moyens de calcul principaux sont aptes à calculer ledit critère de fin de phase en fonction du nombre total de pixels appartenant auxdits marquages, comptabilisés sur un nombre choisi d' images numériques successives.
12-Système selon la revendication précédente, comprenant en outre des premiers moyens de calcul (MC I ) auxiliaires aptes à calculer un premier groupe de paramètres représentatifs du nombre de pixels appartenant auxdits marquage sur route, des deuxièmes moyens de calcul auxiliaires (MC2) aptes à calculer un deuxième groupe de paramètres représentatifs de la position géométriques desdits marquages sur route, et des moyens de mémorisation (MEM) aptes à mémoriser au sein d'une structure commune auxdits premiers et deuxièmes moyens de calcul auxiliaires, pour n images considérées, n étant un entier choisi, la valeur de la vitesse du véhicule automobile, l' instant de la prise, les paramètres du premier et du deuxième groupe et ledit critère de fin de phase.
EP07848342A 2006-10-09 2007-09-20 Procede de detection de la position des marquages sur route et systeme correspondant Withdrawn EP2082356A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR0654166A FR2906914B1 (fr) 2006-10-09 2006-10-09 Procede de detection de la position des marquages sur route et systeme correspondant
PCT/FR2007/051970 WO2008043927A1 (fr) 2006-10-09 2007-09-20 Procede de detection de la position des marquages sur route et systeme correspondant

Publications (1)

Publication Number Publication Date
EP2082356A1 true EP2082356A1 (fr) 2009-07-29

Family

ID=37781926

Family Applications (1)

Application Number Title Priority Date Filing Date
EP07848342A Withdrawn EP2082356A1 (fr) 2006-10-09 2007-09-20 Procede de detection de la position des marquages sur route et systeme correspondant

Country Status (3)

Country Link
EP (1) EP2082356A1 (fr)
FR (1) FR2906914B1 (fr)
WO (1) WO2008043927A1 (fr)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3864945B2 (ja) * 2003-09-24 2007-01-10 アイシン精機株式会社 路面走行レーン検出装置
DE102004003502B3 (de) * 2004-01-23 2005-08-11 Audi Ag Verfahren und Vorrichtung zum Assistieren beim Führen eines Kraftfahrzeugs

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See references of WO2008043927A1 *

Also Published As

Publication number Publication date
WO2008043927A1 (fr) 2008-04-17
FR2906914B1 (fr) 2009-01-23
FR2906914A1 (fr) 2008-04-11

Similar Documents

Publication Publication Date Title
EP2199826B1 (fr) Procédé de détection d&#39;un objet cible pour véhicule automobile
FR3049560A1 (fr) Procede et systeme d&#39;assistance au changement de voie de roulage pour vehicule automobile
FR3062944A1 (fr) Procede de detection de faux-positifs relatifs a un feu de signalisation
EP3994605B1 (fr) Procédé de détection d&#39;une voie de sortie pour un véhicule automobile
WO2022175034A1 (fr) Procédé d&#39;activation d&#39;un système d&#39;évitement d&#39;obstacle pour véhicule automobile
EP3579191B1 (fr) Estimation dynamique du tangage instantané et du roulis instantané d&#39;une caméra embarquée dans un véhicule automobile
EP2161677A1 (fr) Procédé de détection d&#39;un objet cible pour véhicule automobile
WO2023233088A1 (fr) Procédé et dispositif de contrôle de système d&#39;aide à la conduite d&#39;un véhicule basé sur une limite de vitesse
WO2008043927A1 (fr) Procede de detection de la position des marquages sur route et systeme correspondant
EP1785966A1 (fr) Procédé d&#39;évaluation, par un véhicule automobile, des caractéristiques d&#39;un élément frontal
WO2017118688A1 (fr) Procédé mis en œuvre dans un véhicule automobile et véhicule automobile associé
WO2021008775A1 (fr) Procédé et dispositif embarqué d&#39;aide à la conduite avec tracé de contour de voie dépassé
EP3417398B1 (fr) Dispositif et procédé d&#39;estimation du niveau d&#39;attention d&#39;un conducteur d&#39;un véhicule
FR3145323A1 (fr) Procédé et dispositif de contrôle d’un système d’éclairage embarqué dans un véhicule à partir d’accélération de limites d’un objet détecté.
EP4430568A1 (fr) Procédé d&#39;estimation dynamique du tangage et du roulis d&#39;un véhicule automobile au moyen d&#39;au moins un capteur d&#39;acquisition d&#39;images
EP3830740A1 (fr) Procédé de détermination d&#39;un type d&#39;emplacement de stationnement
EP4430569B1 (fr) Procédé d&#39;estimation dynamique du tangage d&#39;un véhicule automobile au moyen d&#39;un capteur d&#39;acquisition d&#39;images
EP4351946B1 (fr) Procédé de régulation de vitesse d&#39;un véhicule circulant sur une chaussée à partir d&#39;un véhicule cible
EP4444590B1 (fr) Procédé de contrôle d&#39;un système de régulation adaptative de vitesse d&#39;un véhicule
WO2026099132A1 (fr) Système et procédé de détection d&#39;objets dans l&#39;environnement immédiat d&#39;un véhicule
FR3043978A1 (fr) Procede et systeme d&#39;assistance au maintien d&#39;une trajectoire d&#39;un vehicule automobile lors d&#39;un depassement
FR3138098A1 (fr) Procédé et dispositif de détermination d’une vitesse de rotation en lacet d’un véhicule
EP4406217A1 (fr) Procede de selection d&#39;un mode de fonctionnement d&#39;un dispositif de capture d&#39;images pour reconnaissance faciale
FR3033912A1 (fr) Procede d&#39;estimation de parametres geometriques representatifs de la forme d&#39;une route, systeme d&#39;estimation de tels parametres et vehicule automobile equipe d&#39;un tel systeme
FR3137780A1 (fr) Procédé et dispositif de détermination d’un tracé arrière d’au moins une délimitation latérale de voie de circulation

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20090424

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IS IT LI LT LU LV MC MT NL PL PT RO SE SI SK TR

DAX Request for extension of the european patent (deleted)
17Q First examination report despatched

Effective date: 20100713

GRAP Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOSNIGR1

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

18D Application deemed to be withdrawn

Effective date: 20111011