FR3129003A1 - Procédé pour déterminer des positions optimisées d’un objet pour le suivi d’une trajectoire dans un environnement simulé. - Google Patents
Procédé pour déterminer des positions optimisées d’un objet pour le suivi d’une trajectoire dans un environnement simulé. Download PDFInfo
- Publication number
- FR3129003A1 FR3129003A1 FR2111970A FR2111970A FR3129003A1 FR 3129003 A1 FR3129003 A1 FR 3129003A1 FR 2111970 A FR2111970 A FR 2111970A FR 2111970 A FR2111970 A FR 2111970A FR 3129003 A1 FR3129003 A1 FR 3129003A1
- Authority
- FR
- France
- Prior art keywords
- point
- trajectory
- steps
- main trajectory
- candidate
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000005070 sampling Methods 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 230000009897 systematic effect Effects 0.000 claims description 2
- 238000013459 approach Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 238000009792 diffusion process Methods 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000005266 casting Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013209 evaluation strategy Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009738 saturating Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19639—Details of the system layout
- G08B13/19645—Multiple cameras, each having view on one of a plurality of scenes, e.g. multiple cameras for multi-room surveillance or for tracking an object by view hand-over
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Image Analysis (AREA)
Abstract
L’invention concerne un procédé pour déterminer des positions optimisées d’au moins un objet doté d’un champ de vision pour le suivi d’une trajectoire dans un environnement simulé comprenant des obstacles, le champ de vision comprenant une source, une portée et un angle d’ouverture. Le procédé est mis en œuvre par un ordinateur et comprend les étapes suivantes : a) sélection d’un ensemble de positions candidates, b) pour chaque position candidate, construction d’un champ de vision local placé à cette position candidate et orienté de façon à englober un segment le plus grand possible, c) affectation d’un score à chaque position candidate, d) parcours de la trajectoire principale segment par segment en sélectionnant pour chaque segment une position candidate ayant un score le plus élevé. Figure pour l’abrégé : Fig. 10
Description
La présente invention concerne un procédé pour déterminer des positions optimisées d’au moins un objet doté d’un champ de vision pour le suivi d’une trajectoire dans un environnement simulé comprenant des obstacles, le champ de vision pouvant être défini par une source, une portée et un angle d’ouverture.
L’invention s’applique notamment dans le domaine de géolocalisation précise dans des zones non couvertes par les systèmes classiques (GPS, signaux radio, amers visuels…) telles que les intérieurs de bâtiments, les mines, mais aussi les autres planètes, qui posent des difficultés majeures pour les tâches d’exploration et/ou de surveillance/maintenance.
D’une façon générale, un modèle de l’environnement est disponible ou conçu de façon à faire apparaître des passages et des éléments fixes comme par exemple des parois, murs, poteaux, …. Il peut s’agir d’un modèle fini ou encore à élaborer. Une trajectoire peut être prédéfinie dans l’environnement pour une mission d’exploration à travers des passages en évitant tout obstacle. Pour ce faire, il est prévu de positionner l’objet sur différents emplacements dans l’environnement pour un suivi efficace d’un élément mobile se déplaçant sur la trajectoire.
La présente invention a pour but de déterminer des emplacements optimisés pour positionner l’objet.
Un autre but de l’invention est de minimiser le temps de calcul pour déterminer ces emplacements.
L’invention a encore pour but la détermination d’un nombre minimum d’emplacements permettant de couvrir l’ensemble de la trajectoire.
On atteint au moins l’un des objectifs précités avec un procédé pour déterminer des positions optimisées d’au moins un objet doté d’un champ de vision pour le suivi d’une trajectoire dans un environnement simulé comprenant des obstacles, le champ de vision comprenant une source, une portée et un angle d’ouverture.
Selon l’invention, le procédé est mis en œuvre par un ordinateur et comprend les étapes suivantes :
a) sélection d’un ensemble de positions candidates,
b) pour chaque position candidate, construction d’un champ de vision local placé à cette position candidate et orienté suivant les étapes suivantes :
b1) définition de deux vecteurs positionnés à la position candidate et orientés vers un premier point d’un segment de la trajectoire principale, ce premier point étant à la portée de l’objet lorsque l’objet est placé à la position candidate,
b2) balayage point par point du segment ; à chaque nouveau point balayé du segment, les vecteurs pointent vers deux points balayés les plus écartés vis-à-vis de la position candidate,
b3) fin de balayage lorsqu’un nouveau point balayé est considéré non valide ; un point balayé étant considéré non valide lorsque ce point balayé se trouve hors de portée ou l’angle formé par les deux vecteurs est supérieur à l’angle d’ouverture du champ de vision ou un obstacle se trouve dans le triangle formé par la position candidate, le précédent point balayé et le nouveau point balayé; le champ de vision local étant défini par la portée du champ de vision et un angle d’ouverture formé par les deux vecteurs pour le dernier point balayé valide,
c) affectation d’un score à chaque position candidate,
d) construction globale des positions optimisées en réalisant les étapes suivantes :
d1) à partir d’une extrémité de la trajectoire principale, détermination d’une position candidate ayant le score le plus élevé parmi un ensemble de positions candidates ayant un champ de vision local couvrant ledit point de départ ; le champ de vision local de la position candidate ainsi déterminée couvrant un segment de la trajectoire principale,
d2) application successive de l’étape précédente sur le reste de la trajectoire principale jusqu’à ce qu’un champ de vision local couvre une autre extrémité de la trajectoire principale,
d3) sauvegarde de l’ensemble des positions candidates ainsi déterminées comme étant les positions optimisées pour le placement dudit objet.
Le procédé selon l’invention permet, pour des positions candidates, d’orienter des champs de vision locaux de façon efficace. La construction globale permet de retenir un minimum de position pour couvrir l’ensemble de la trajectoire. De ce fait, un mobile se déplaçant le long de la trajectoire principale peut totalement être suivi depuis les positions optimisées. Selon l’invention, il est prévu d’avoir plusieurs objets, chacun disposé à une position optimisée, ou bien d’avoir au moins un objet apte à se déplacer sur plusieurs positions optimisées en fonction du déplacement dudit mobile sur la trajectoire.
Le champ de vision peut être formalisé sous la forme d’un secteur circulaire, c’est-à-dire un secteur de disque défini par un angle d’ouverture et un rayon égal à la portée de l’objet.
Selon une caractéristique avantageuse de l’invention, l’étape a) de sélection d’un ensemble de positions candidates peut comprendre les étapes suivantes :
- détermination d’une zone de détection optimisée le long de la trajectoire principale, cette zone étant délimitée par une trajectoire virtuelle gauche, dite sentier gauche, et une trajectoire virtuelle droite, dite sentier droit, les deux trajectoires virtuelles étant à une distance fixe de la trajectoire principale,
- pour tout point de la trajectoire principale, détermination d’une position candidate disposée perpendiculairement à la trajectoire principale et située sur le sentier gauche ou à une distance minimale de sécurité d’un obstacle si cet obstacle se trouve entre le sentier gauche et le point de la trajectoire principale,
- pour tout point de la trajectoire principale, détermination d’une position candidate disposée perpendiculairement à la trajectoire principale et située sur le sentier droit ou à une distance minimale de sécurité d’un obstacle si cet obstacle se trouve entre le sentier droit et le point de la trajectoire principale.
Par distance minimale de sécurité, on entend une distance minimale déterminée en fonction de la taille de l'élément qui doit suivre la trajectoire. De préférence, les sentiers gauche et droit sont ainsi contraints non pas directement par les obstacles mais par des zones de sécurité autour des obstacles.
La perpendiculaire à la trajectoire est déduite de la tangente approchée de la trajectoire principale, et correspond à la normale à la trajectoire au point considéré.
Avec l’invention, l’ensemble des positions candidates peut être positionné sur des sentiers gauche et droite adaptés. Ces sentiers permettent de garantir le fait que l’objet sera placé majoritairement à une même distance optimisée pour le suivi d’un mobile sur la trajectoire.
En complément notamment de tout ce qui précède, la distance entre la trajectoire principale et le sentier gauche ou le sentier droit peut être déterminée en réalisant les étapes suivantes :
- détermination d’une corde C du champ de vision comme étant la distance maximum d’un segment inscrit dans le champ de vision,
- détermination d’une bande de tolérance comprenant la corde C, la distance entre la trajectoire principale et le sentier gauche ou droit est définie comme étant égale à une hauteur entre la source et le milieu de la bande de tolérance.
Le procédé selon l’invention permet donc de prévoir une distance optimisée entre l’objet et la trajectoire de façon à couvrir un maximum de longueur de la trajectoire à chaque position. La bande de tolérance est une marge de tolérance de la distance entre l’objet et la trajectoire. C’est-à-dire que, pour un objet positionné et orienté face à la trajectoire, tant que les variations de la trajectoire restent dans cette marge, l’on considère que le champ de vision couvre un segment de la trajectoire acceptable.
En complément notamment de tout ce qui précède, l’étape a) de sélection d’un ensemble de positions candidates peut en outre comprendre les étapes suivantes :
- détermination d’une zone réservée autour de la trajectoire principale, cette zone réservée étant moins large que la zone de détection optimisée ; des espaces obtenus entre la zone de détection optimisée et la zone réservée constituant des zones différentielles, et
- sélection de tout ou partie des points des zones différentielles comme des positions candidates.
Ladite zone réservée correspond à une zone réservée à l’élément mobile à suivre.
Il s’agit là d’un moyen pour obtenir plus de positions candidates non pas sur les sentiers mais également sur des surfaces qui sont plus proches de la trajectoire tout en conservant une distance minimum de sécurité représentée par la zone réservée.
En complément notamment de ce qui précède, la sélection d’une partie des points des zones différentielles est obtenue lors de chaque étape d1) de détermination d’une position candidate ayant le score le plus élevé ; ledit ensemble de positions candidates comprenant en outre des positions candidates obtenues selon les étapes suivantes :
d11) identification de parties des zones différentielles se trouvant à portée de la dite extrémité de la trajectoire principale ; pour chaque partie identifiée, réalisation des étapes suivantes :
d12) échantillonnage à une résolution,
d13) évaluation en calculant un score pour chaque point obtenu après échantillonnage,
d14) sélection du meilleur point,
d15) détermination d’une zone limitée autour du meilleur point sélectionné,
d16) répétition des étapes d12) à d15) avec augmentation de ladite résolution à chaque répétition jusqu’à atteindre un niveau de résolution prédéterminé, puis sélection du dernier meilleur point comme position candidate.
Le procédé selon l’invention permet de rechercher des positions candidates dans des parties des zones différentielles. Pour ce faire, en même temps que l’on parcourt la trajectoire lors de la phase de construction globale, on augmente le nombre de positions candidates en considérant les points à la portée du premier de chaque segment de trajectoire. La position candidate qui sera retenue est celle qui présentera le meilleur score.
Par zone limitée on entend une zone de dimension inférieure à la dimension de la partie identifiée, par exemple cette zone limitée peut être délimitée par les plus proches voisins du point sélectionné.
Selon un mode de réalisation de l’invention, la sélection d’une partie des points dans une zone différentielle peut comprendre les étapes suivantes :
d12) échantillonnage à une résolution,
d13) évaluation en calculant un score pour chaque point obtenu après échantillonnage,
d14) sélection du meilleur point,
d15) détermination d’une zone limitée autour du meilleur point sélectionné,
d16) répétition des étapes d12) à d15) avec augmentation de ladite résolution à chaque répétition jusqu’à atteindre un niveau de résolution prédéterminé, puis sélection du dernier meilleur point comme position candidate.
En complément notamment de ce qui précède, chaque zone différentielle peut être découpée en plusieurs sous-zones différentielles comprenant plusieurs points échantillonnés. Par ailleurs, les étapes d12) à d15) peuvent alors être réalisées sur chacune des sous-zones différentielles ainsi découpées.
Dans ce mode de réalisation, les positions candidates sur les zones différentielles peuvent être obtenues indépendamment et en amont de la phase de construction globale.
L’avantage de réaliser des multi-échantillonnages sur de petites surfaces est de diminuer le coût des calculs par rapport à un échantillonnage haute résolution sur toutes les zones différentielles.
Selon une caractéristique avantageuse de l’invention, les points de la trajectoire principale peuvent être déterminés par échantillonnage aléatoire, systématique, notamment à intervalle régulier, ou selon une règle prédéterminée.
Selon l’invention, le score peut être une longueur du segment balayé ou le nombre de points balayés.
Selon un mode de réalisation préféré, l’objet est un dispositif électronique de détection. Il peut s’agir d’un laser, une caméra, une tribune à disposer le long d’un circuit automobile, etc.
Il est également prévu un système de traitement de données comprenant des moyens pour mettre en œuvre les étapes du procédé tel que défini ci-dessus.
L’invention concerne également un produit programme d'ordinateur comprenant des instructions qui, lorsque le programme est exécuté par un ordinateur, conduisent celui-ci à mettre en œuvre les étapes du procédé tel que défini ci-dessus.
D’autres avantages et caractéristiques de l’invention apparaîtront à l’examen de la description détaillée d’un mode de mise en œuvre nullement limitatif, et des dessins annexés, sur lesquels :
Les modes de réalisation qui seront décrits dans la suite ne sont nullement limitatifs; on pourra notamment mettre en œuvre des variantes de l’invention ne comprenant qu’une sélection de caractéristiques décrites par la suite isolées des autres caractéristiques décrites, si cette sélection de caractéristiques est suffisante pour conférer un avantage technique ou pour différencier l’invention par rapport à l’état de la technique antérieur. Cette sélection comprend au moins une caractéristique de préférence fonctionnelle sans détails structurels, ou avec seulement une partie des détails structurels si cette partie uniquement est suffisante pour conférer un avantage technique ou pour différencier l’invention par rapport à l’état de la technique antérieur.
En particulier toutes les variantes et tous les modes de réalisation décrits sont prévus pour être combinés entre eux dans toutes les combinaisons où rien ne s’y oppose sur le plan technique.
Les différents modes de réalisation de la présente invention comprennent diverses étapes. Ces étapes peuvent être mises en œuvre par des instructions d’une machine exécutable au moyen d’un microprocesseur par exemple.
Alternativement, ces étapes peuvent être réalisées par des circuits intégrés spécifiques comprenant une logique câblée pour exécuter les étapes, ou par toute combinaison de composants programmable et composants personnalisés.
La présente invention peut également être fournie sous forme d’un produit programme d'ordinateur qui peut comprendre un support mémoire informatique non-transitoire contenant des instructions exécutables sur une machine informatique, ces instructions pouvant être utilisées pour programmer un ordinateur (ou tout autre dispositif électronique) pour exécuter le procédé.
Bien que l’invention n’y soit pas limitée, nous allons maintenant décrire un procédé selon l’invention pour déterminer les positions d’un détecteur laser pour le suivi de la trajectoire d’un robot dans un environnement simulé. Ce détecteur laser est par la suite nommé phare. Il peut s’agir de tout type de dispositif auquel un champ de vision peut être associé. On peut par ailleurs citer un drone équipé d’un moyen de détection et/ou de visualisation.
La est une vue schématique d’un modèle d’environnement représentant des parois 1 et des poteaux 2. Les espaces vides sont des passages par lesquels une ou plusieurs trajectoires peuvent être envisagées.
La présente invention concerne une stratégie de placement des phares, de manière à optimiser, ici minimiser, le nombre de positions des phares nécessaire à la réalisation d’une mission donnée. La mission peut être l’exploration de l’environnement par deux robots ou drones, l’un servant de phare placé successivement dans des positions optimisées pour visualiser le parcours du second.
L’objectif de l’invention est de déterminer les positions des phares dans un environnement simulé pour ensuite en déduire un positionnement desdits phares dans l’environnement réel. Les positions qui seront déterminées ont un effet technique dans le suivi d’un mobile sur une trajectoire dans l’environnement réel.
Une solution au problème global est une liste de couples (placement, section) décrivant comment positionner le phare et quelle section de la trajectoire est couverte par le phare ainsi positionné :
Solution= [(placement 0 , section 0), . . .(placement n , section n )]
L’optimisation au niveau global consiste donc à minimiser le nombrende couples nécessaires à la réalisation de la mission. Cependant, chaque étape est dépendante de la précédente, le point de départ de lasection k +1étant le dernier point de lasection k .
L’optimal global peut être obtenu en sélectionnant successivement les meilleures solutions locales. C’est-à-dire choisir le placement du phare qui permet de maximiser la section de trajectoire couverte, puis boucler sur le reste de la trajectoire.
La présente invention permet notamment de déterminer l’espace de solutions locales, qui est en réalité un ensemble de placements possibles du phare, de calculer la pertinence de chacune de ces solutions sous la forme d’un score déterminé analytiquement de façon à sélectionner le meilleur placement, puis de construire la solution globale couvrant toute la trajectoire.
Pour un phare émettant un laser dans l’environnement, la zone couverte peut être définie par divers éléments :
- la portéep: distance en mètres à laquelle les récepteurs sont encore capables de capter et d’exploiter les informations encodées dans les lasers,
- angleθ: angle délimitant le champ de vision, exprimé en degrés où en radians
Ainsi, la zone de couverture d’un phare est un secteur circulaire, défini par les inéquations suivantes :
x 2+y 2≤p 2
-tan(θ/2) ≤ x/y ≤ tan(θ/2)
y ≥ 0
La présente le modèle d’un phare, ou plutôt trois déclinaisons de ce modèle, avec une portée identiquep= 5m mais avec différentes valeurs de l’angle d’ouverture θ. Lors d’une exploration typique, la trajectoire est majoritairement rectiligne, les variations de directions, c’est-à-dire les virages, n’étant que des cas particuliers entre deux sections rectilignes. En faisant l’hypothèse d’une trajectoire rectiligne, il devient alors aisé de déterminer comment placer le phare par rapport à la trajectoire. Ainsi, lorsque l’angle d’ouverture est petit : θ < 60°, le plus grand segment inclus dans la zone de couverture est n’importe lequel des rayons du secteur circulaire, de longueur p, c’est le cas de l’exemple représenté avec θ = 40°.
Dans le cas oùθ= 60°, la cordecet les deux rayons extrêmes délimitant le secteur circulaire forment un triangle équilatéral, donnant doncc=p. Enfin, dans le dernier cas, oùθ >60° le plus grand segment inclus dans le secteur devient la cordec. Sa longueur est calculable en évaluant l’équation suivante :
c= 2p.sin(θ/2)
Dans l’exemple de la ,catteint plus de 9.5m, alors que la portée du phare n’est que de 5m. Placer le phare de manière à superposer la corde c du secteur circulaire permet donc de maximiser la longueur de trajectoire rectiligne couverte par le phare. Et donc, par la même occasion, de minimiser le nombre de déplacements de phare nécessaires à la bonne conduite d’une mission. Afin d’effectuer cette superposition, il convient de placer le phare, orienté perpendiculairement à la direction de la trajectoire, à une distance d de cette dernière, calculée de la manière suivante :
d=p.cos(θ/2)
Cependant, même en dehors des virages, les trajectoires sont rarement parfaitement rectilignes, mais plutôt contenues dans une bande réduite, dont la largeur varie selon le scénario et l’intensité du lissage. Ainsi, modéliser la trajectoire par une bande de largeurbpermet de mieux prendre en compte les réalités du terrain. La représente cette bande, inscrite dans le secteur circulaire. Elle est définie entre une bordure intérieure, la cordec(à distance d du phare) et une bordure extérieure, la corde c’ (à une distance d’ = d + b du phare).
Augmenter la largeurbde la bande aura pour conséquence de diminuer la longueur maximale de bande couverte, à l’avantage de la capacité à mieux couvrir les cas où la trajectoire ne serait pas totalement rectiligne, ainsi que les virages bruts de la trajectoire. Cette capacité de tolérance est proportionnelle à l’aire de la bande, qui est définie de la manière suivante :
Le choix de la largeur de bandebpeut être un compromis entre longueur maximale couverte et aire maximale couverte. L’évaluation de ces grandeurs en fonction de la largeur de bande est présentée sur la , qui propose un compromis déterminé par l’intersection des courbesdistance(décroissante) et aire (croissante) exprimées dans la même échelle. Sur la , l’intersection correspond à la valeur de b = 2.25m, ce qui donne un c’ = 7.06m.
On prévoit de placer le phare orienté en direction de la trajectoire à une distance constante. Cette distance est déterminée en additionnant la distanceddéfinie précédemment (entre le phare et la bordure intérieure) et la moitié de la largeur de bande. Ainsi :
d phare =p.cos(θ/2) +b/2
Dans le cas présent, pourθ=150°,b=2.25m etp=5m, on obtient une distance ded phare = 2.418m.
Sur la est représentée une trajectoire principale 51. Les phares doivent être placés dans des positions optimisées pour couvrir l’ensemble de cette trajectoire principale 51. Cette trajectoire principale peut avoir notamment été déterminée lors d’un processus de génération de trajectoire faisant intervenir des allées en pointillées sur la .
Pour tenir compte de la distanced phare dans le positionnement du phare, on peut définir une nouvelle trajectoire de chaque côté de la trajectoire principale, que nous nommerons sentiers.
Chaque sentier est une trajectoire virtuelle parallèle à la trajectoire principale, décalée d’une distance constanted phare vers la gauche ou vers la droite. Le côté gauche ou droit est une simple représentation pour spécifier que les sentiers sont disposés de part et d’autre de la trajectoire principale dans une représentation 2D de l’environnement simulé, vu de dessus.
Ainsi, un sentier est l’ensemble des solutions possibles au problème d’optimisation du placement des phares respectant le critère de distance défini ci-dessus.
Déterminer un sentier parallèle à la trajectoire principale nécessite quelques calculs géométriques, majoritairement situés dans la détermination des virages intérieurs de la courbe. Un module informatique tel que par exempleShapelypropose une fonction de commodité permettant de réaliser automatiquement ces calculs.
Les sentiers tels que définis ne tiennent pas compte de l’environnement.
Pour respecter les propriétés de visibilité et d’absence de collisions, on peut utiliser un algorithme demoulage par rayons, «Ray casting » en anglais. Cela consisterait en la construction d’un rayon partant de la trajectoire, à la normale de chacun des points de cette trajectoire.
La présente invention propose un nouvel algorithme permettant d’atteindre le même résultat en utilisant uniquement des opérations ensemblistes. Nous allons construire une médiatriceMpour chaque couple (ti, ti+1) de points consécutifs de la trajectoire principale. Les moitiés gaucheM g et droiteM d de cette médiatrice jouerons le rôle de rayons. Les zones restreintes ainsi que les sentiers idéauxS g (gauche) etS d (droit) déterminés précédemment joueront quant à eux le rôle de limites sur lesquelles les rayons s’arrêteront.
Nous ne présenterons que la génération du sentier réel droit, la détermination du côté gauche étant en tous points similaire. L’idée générale de l’algorithme présenté ici est dans un premier temps de déterminer l’ensembleI d des intersections entre la demi-médiatrice droite et l’union de l’environnement (parois et poteaux) et du sentier idéal droit :
Il s’agit ensuite de déterminer, le pointp inclus dans I d le plus proche de l’origine de la demi-médiatriceM d .
La illustre l’algorithme avec deux exemples sur une trajectoire sous-échantillonnée, permettant ainsi de dessiner les rayons construits sans saturer l’image. L’ensembleId peut ne contenir qu’un seul point, la médiatrice ne traversant pas d’obstacles, auquel cas ce point sera utilisé pour construire le sentier adapté. C’est le cas le plus simple, visible pour la demi-médiatrice droite entre t38 et t39.
Cet ensemble peut également contenir un point et un ensemble de segments issus de l’intersection entre les zones restreintes et la demi-médiatrice. Il faudra alors sélectionner le point le plus proche de l’origine de la demi-médiatrice parmi l’ensemble des points inclus dans ces segments d’intersection. C’est le cas pour la demi-médiatrice droite des pointst36 ett37.
La illustre un résultat lorsque l’algorithme est appliqué sur une trajectoire principale correctement échantillonnée.
Les sentiers adaptés gauche 71 et droit 72 sur la constituent donc l’ensemble de positions candidates pour le phare. Il s’agit ensuite de déterminer l’orientation du phare en chaque position candidate en construisant un champ de vision local. La présente invention prévoit une détermination analytique de l’orientation du phare. Pour ce faire, cette détermination est réalisée lors d’une phase d’évaluation au cours de laquelle chaque position candidate est évaluée.
Afin d’évaluer la pertinence d’un pointp, il faut déterminer une méthode de calcul de l’orientationαdu phare, permettant de transformer ce point en une solution (p, α). Nous allons construire une fonction qui parcourt l’ensemble des points de la section de trajectoire.
Lorsque l’on considère un seul point de l’un des sentiers adaptés, l’ensemble des points de la trajectoire est compris dans un secteur circulairevirtuel, défini par deux rayons et une portée. Nous allons modéliser ces rayons par deux vecteursu min etu max . L’idée globale est d’agrandir le secteur circulaire virtuel pour qu’il inclue chacun des points deT k , et ce tant que le secteur virtuel n’a pas atteint les dimensions maximales de la zone de diffusion du phare.
La présente différentes étapes de l’agrandissement du secteur circulaire virtuel. Les vecteursumin et umax sont mis à jour au besoin, à chaque ajout de point tk, si le point est à l’extérieur du secteur circulaire. Si mise à jour il y a, on vérifie que l’angle d’ouverture θ du secteur virtuel est toujours inférieur à l’angle maximal permis par le phare. La distance entre le point à ajouter et la position candidate du phare est également calculée. Si les deux conditions θ ≤ θmax et llp - tkll ≤ portée sont respectées, il est possible de couvrir tk depuis p.
Bien que les vérifications précédentes garantissent la présence du pointt k dans le secteur de diffusion du phare positionné enp, les occlusions potentielles dues à l’environnement ne garantissent pas la visibilité de l’ensemble des points de la trajectoire à suivre depuis la position candidate. En effet, un obstacle pourrait occulter la ligne de vue, rendant la solution inefficace en pratique. Le modèle de l’environnement comprend un ensembleOde polygones représentant les obstacles (parois, poteaux, …).
Nous allons construire un test de visibilité. Afin d’accepter un nouveau pointt k dans la section couverte, il faut non seulement que ce point soit visible depuisp, mais également que le segment allant det k− 1àt k soit intégralement visible pour que l’on puisse se rendre de l’un à l’autre sans perdre le lien visuel avec le phare. Pour garantir cette visibilité, il faut qu’aucun obstacle ne se trouve dans le triangle Δ défini par les pointst k− 1,t k etp. Nous pouvons pour cela utiliser l’opérateur d’intersection et ainsi vérifier la propriété de visibilité :
L’évaluation à proprement parler consiste à calculer unscorepour chaque champ de vision local déterminé. Le score est proportionnel au segment pris dans le champ de vision local. Nous pouvons calculer directement cette distance en sommant au fur et à mesure les distances lltk-1 - t k ll, ou simplement en comptant le nombre de points couverts, ce qui est moins coûteux et aussi discriminant pour le choix de la solution optimale.
Pour la première solution, soitll’indice du premier pointt l non couvert depuis la positionp, le score est donné par la somme suivante :
La phase d’évaluation permet donc pour chaque position candidate de construire un champ de vision local et de lui associer un score.
On va maintenant décrire la construction d’une solution globale.
La construction d’une solution globale optimale consiste à résoudre le problème local de maximisation de trajectoire couverte en commençant par le début de la trajectoire. On retient la position candidate dont le champ de vision local intègre le premier point de la trajectoire principale et présente le score le plus élevé (parmi tous les champs de vision intégrant le premier point de la trajectoire principale). Il faut ensuite réduire la trajectoire à traiter en soustrayant la partie couverte précédemment. On boucle ainsi tant qu’il reste des points dans la trajectoire à traiter.
La permet de visualiser les différentes étapes nécessaires au suivi de la trajectoire principale de bout en bout. Les points évalués localement ainsi que leurs scores associés sont dessinés sur chaque étape. La solution optimale est choisie parmi ces points permettant par la même occasion de déterminer la section couverte. Cette solution est représentée par le secteur circulaire de diffusion sur la . Ce processus est ensuite répété jusqu’au bout de la trajectoire.
Sur la , à l’étape 0, on distingue le champ de vision local 91 dont la source est située contre une paroi de l’environnement sur un sentier adapté. La source du champ de vision coïncide avec une position candidate 92 ayant eu le score le plus élevé parmi un ensemble de positions candidates dans la portée du point de départ 93. La position candidate 92 qui a été sélectionnée se trouve sur le sentier gauche. L’angle d’ouverture de ce champ de vision local est inférieur ou égal au champ de vision maximum du phare. Le segment ou la section couverte par le champ de vision est la plus grande possible.
A l’étape 1, on considère le reste de la trajectoire principale. Le point de départ est désormais le premier point du reste de la trajectoire non couverte par le premier segment. De la même manière, on considère la position ayant obtenu le meilleur score. Le champ de vision local de cette position permet de déterminer le segment couvert. L’algorithme est appliqué successivement sur le reste de la trajectoire jusqu’à atteindre le point d’arrivée, 94 à l’étape 4 sur la .
La solution globale ainsi obtenue est résumée sur la , où les étapes successives sont superposées sur la carte, formant une solution optimale. La pertinence de cette solution s’évalue par le nombre d’étapes nécessaires à la réalisation de la mission.
La présente invention propose ainsi des solutions pour lesquelles les positions candidates sont sur les sentiers adaptés. Cela est optimal pour une trajectoire purement rectiligne. Cependant, dans de nombreux cas pratiques, la trajectoire à suivre est loin d’être rectiligne. Pour ce faire, la présente invention prévoit d’étendre l’espace de solutions à toute la surface entre les sentiers gauche et droit de façon à mieux couvrir les sections à forte courbure. Augmenter ainsi l’espace de solutions a évidemment un coût en calculs, mais peut permettre d’obtenir de meilleures solutions par rapport à des positions sur les sentiers.
Afin de déterminer la surface de solutions Pk, on détermine d’abord une surfaceS k comme étant la surface de la zone de détection optimisée. Par ailleurs, le phare ne devant pas gêner le mobile dans le suivi de sa trajectoire principale, nous écartons les points trop proches de cette dernière. NotonsR k cette zone réservée, qui est définie par la contrainte de respect de la distance de sécuritédsde la manière suivante :
La présente les surfaces et zones réservées 110 et 111 de deux sections distinctes de la trajectoire principale. Ainsi l’ensemblePk des solutions pour une section k sera défini par la différence entre ces deux surfaces :
P k =S k - R k
La surfaceP k est un espace de solutions plus large que les précédents sentiers et offre probablement de meilleures solutions locales.
On prévoit également d’évaluer les solutions de Pken calculant des scores. Or, la fonctionΦproposée ci-dessus ne permet de fournir un score que pour un point donné. Il nous faut donc échantillonner la surfaceP k , nous allons pour cela utiliser une grille uniformément espacée, générant ainsi un sous-ensemble de points . Ayant maintenant affaire à des points, il est possible d’évaluer leur pertinence respective.
La présente la grille de points évalués, ainsi que leur score. Une fois de plus, la discrétisation, ici la distance entre chaque échantillon testé, est volontairement choisie pour simplifier la compréhension et la visualisation des résultats. Il est toutefois possible de faire varier cette distance afin de tester plus de candidats, et ainsi ajuster le rapport coût/performance de l’algorithme d’optimisation locale.
La solution locale trouvée est meilleure, car le point choisi couvre une portion plus longue de la trajectoire principale. En contrepartie, le coût total de l’optimisation augmente linéairement avec le nombre de points testés.
Afin de diminuer le coût, une stratégie d’évaluation multi-échelle permettant de réduire drastiquement le nombre de points à évaluer a été mise en place. En effet, il est possible d’obtenir une résolution fine, sans tester l’ensemble de la grille à haute résolution. L’astuce consiste à faire un premier échantillonnage à faible résolution, procéder à l’évaluation des points, sélectionner le meilleur, puis répéter le processus avec une résolution plus fine, mais dans une zone limitée autour du meilleur point précédemment sélectionné.
Ainsi, pour obtenir une résolution de 1cm= 0.01m, dans une portée de 5mavec une seule échelle, il faudrait :
En Appliquant cette fois-ci une recherche avec une succession d’échelles (par exempled= 1,0.1,0.01) le nombre d’échantillons à tester est déterminable de la manière suivante :
Cette approche permet donc de limiter très fortement le nombre de calculs nécessaires pour obtenir une résolution fine. Toutefois, ne testant pas l’ensemble des points de la grille à résolution fine, il est possible de tomber dans un extremum local, dont la valeur peut être très éloignée de l’optimum global qui aurait été trouvé avec l’approche mono-résolution. Il est alors possible de sélectionner plus d’un point à chaque étape, limitant ainsi ce risque. Bien que ce garde-fou ait un coût en calculs, il reste très limité par rapport au coût de l’approche mono-résolution :
La présente l’approche multi-échelle et les résultats obtenus à chaque résolution, ainsi que le résultat obtenu avec l’approche mono-résolution avec Δd= 0.1. Une rapide analyse quantitative et qualitative permet de valider l’approche, qui permet d’obtenir des résultats aussi précis. Il est même possible, au vu de la réduction du coût en calcul, de calculer à une résolution supérieure, ce qui prendrait trop de temps en pratique pour l’approche mono-échelle.
La succession d’optimisations locales obtenues avec l’approche par surface est présentée sur la . Bien que la discrétisation choisie soit volontairement grossière afin de faciliter la visualisation, on peut constater une amélioration des positions choisies, particulièrement autour des virages important de la courbe principale.
Bien entendu, l’invention n’est pas limitée aux exemples qui viennent d’être décrits. De nombreuses modifications peuvent être apportées à ces exemples sans sortir du cadre de la présente invention telle que décrite
Claims (12)
- Procédé pour déterminer des positions optimisées d’au moins un objet doté d’un champ de vision pour le suivi d’une trajectoire dans un environnement simulé comprenant des obstacles, le champ de vision comprenant une source, une portée et un angle d’ouverture,
caractérisé en ce que le procédé est mis en œuvre par un ordinateur et comprend les étapes suivantes :
a) sélection d’un ensemble de positions candidates,
b) pour chaque position candidate, construction d’un champ de vision local placé à cette position candidate et orienté suivant les étapes suivantes :
b1) définition de deux vecteurs positionnés à la position candidate et orientés vers un premier point d’un segment de la trajectoire principale, ce premier point étant à la portée de l’objet lorsque l’objet est placé à la position candidate,
b2) balayage point par point du segment ; à chaque nouveau point balayé du segment, les vecteurs pointent vers deux points balayés les plus écartés vis-à-vis de la position candidate,
b3) fin de balayage lorsqu’un nouveau point balayé est considéré non valide ; un point balayé étant considéré non valide lorsque ce point balayé se trouve hors de portée ou l’angle formé par les deux vecteurs est supérieur à l’angle d’ouverture du champ de vision ou un obstacle se trouve dans le triangle formé par la position candidate, le précédent point balayé et le nouveau point balayé ; le champ de vision local étant défini par la portée du champ de vision et un angle d’ouverture formé par les deux vecteurs pour le dernier point balayé valide,
c) affectation d’un score à chaque position candidate,
d) construction globale des positions optimisées en réalisant les étapes suivantes :
d1) à partir d’une extrémité de la trajectoire principale, détermination d’une position candidate ayant le score le plus élevé parmi un ensemble de positions candidates ayant un champ de vision local couvrant ledit point de départ ; le champ de vision local de la position candidate ainsi déterminée couvrant un segment de la trajectoire principale,
d2) application successive de l’étape précédente sur le reste de la trajectoire principale jusqu’à ce qu’un champ de vision local couvre une autre extrémité de la trajectoire principale,
d3) sauvegarde de l’ensemble des positions candidates ainsi déterminées comme étant les positions optimisées pour le placement dudit objet. - Procédé selon la revendication 1, caractérisé en ce que l’étape a) de sélection d’un ensemble de positions candidates comprend les étapes suivantes :
- détermination d’une zone de détection optimisée le long de la trajectoire principale, cette zone étant délimitée par une trajectoire virtuelle gauche, dite sentier gauche, et une trajectoire virtuelle droite, dite sentier droit, les deux trajectoires virtuelles étant à une distance fixe de la trajectoire principale,
- pour tout point de la trajectoire principale, détermination d’une position candidate disposée perpendiculairement à la trajectoire principale et située sur le sentier gauche ou à une distance minimale de sécurité d’un obstacle si cet obstacle se trouve entre le sentier gauche et le point de la trajectoire principale,
- pour tout point de la trajectoire principale, détermination d’une position candidate disposée perpendiculairement à la trajectoire principale et située sur le sentier droit ou à une distance minimale de sécurité d’un obstacle si cet obstacle se trouve entre le sentier droit et le point de la trajectoire principale. - Procédé selon la revendication 2, caractérisé en ce que la distance entre la trajectoire principale et le sentier gauche ou le sentier droit est déterminée en réalisant les étapes suivantes :
- détermination d’une corde C du champ de vision comme étant la distance maximum d’une corde inscrite dans le champ de vision,
- détermination d’une bande de tolérance comprenant la corde C, la distance entre la trajectoire principale et le sentier gauche ou droit est définie comme étant égale à une hauteur entre la source et le milieu de la bande de tolérance. - Procédé selon l’une quelconque des revendications précédentes, caractérisé en ce que l’étape a) de sélection d’un ensemble de positions candidates comprend en outre les étapes suivantes :
- détermination d’une zone réservée autour de la trajectoire principale, cette zone réservée étant moins large que la zone de détection optimisée ; des espaces obtenus entre la zone de détection optimisée et la zone réservée constituant des zones différentielles, et
- sélection de tout ou partie des points des zones différentielles comme des positions candidates. - Procédé selon la revendication 4, caractérisé en ce que la sélection d’une partie des points des zones différentielles est obtenue lors de chaque étape d1) de détermination d’une position candidate ayant le score le plus élevé ; ledit ensemble de positions candidates comprenant en outre des positions candidates obtenues selon les étapes suivantes :
d11) identification de parties des zones différentielles se trouvant à portée de la dite extrémité de la trajectoire principale ; pour chaque partie identifiée, réalisation des étapes suivantes :
d12) échantillonnage à une résolution,
d13) évaluation en calculant un score pour chaque point obtenu après échantillonnage,
d14) sélection du meilleur point,
d15) détermination d’une zone limitée autour du meilleur point sélectionné,
d16) répétition des étapes d12) à d15) avec augmentation de ladite résolution à chaque répétition jusqu’à atteindre un niveau de résolution prédéterminé, puis sélection du dernier meilleur point comme position candidate. - Procédé selon la revendication 4, caractérisé en ce que la sélection d’une partie des points dans une zone différentielle comprend les étapes suivantes :
d12) échantillonnage à une résolution,
d13) évaluation en calculant un score pour chaque point obtenu après échantillonnage,
d14) sélection du meilleur point,
d15) détermination d’une zone limitée autour du meilleur point sélectionné,
d16) répétition des étapes d12) à d15) avec augmentation de ladite résolution à chaque répétition jusqu’à atteindre un niveau de résolution prédéterminé, puis sélection du dernier meilleur point comme position candidate. - Procédé selon la revendication 6, caractérisé en ce que chaque zone différentielle est découpée en plusieurs sous-zones différentielles comprenant plusieurs points échantillonnés, et en ce que les étapes d12) à d15) sont réalisées sur chacune des sous-zones différentielles ainsi découpées.
- Procédé selon l’une quelconque des revendications précédentes, caractérisé en ce que les points de la trajectoire principale sont déterminés par échantillonnage aléatoire, systématique ou selon une règle prédéterminée.
- Procédé selon l’une quelconque des revendications précédentes, caractérisé en ce que le score est une longueur du segment balayé ou le nombre de points balayés.
- Procédé selon l’une quelconque des revendications précédentes, caractérisé en ce que l’objet est un dispositif électronique de détection.
- Système de traitement de données comprenant des moyens pour mettre en œuvre les étapes du procédé selon l’une quelconque des revendications 1 à 10.
- Produit programme d'ordinateur comprenant des instructions qui, lorsque le programme est exécuté par un ordinateur, conduisent celui-ci à mettre en œuvre les étapes du procédé selon l’une quelconque des revendications 1 à 10.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2111970A FR3129003B1 (fr) | 2021-11-10 | 2021-11-10 | Procédé pour déterminer des positions optimisées d’un objet pour le suivi d’une trajectoire dans un environnement simulé. |
| PCT/EP2022/079206 WO2023083577A1 (fr) | 2021-11-10 | 2022-10-20 | Procédé pour déterminer des positions optimisées d'un objet pour le suivi d'une trajectoire dans un environnement simulé. |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2111970A FR3129003B1 (fr) | 2021-11-10 | 2021-11-10 | Procédé pour déterminer des positions optimisées d’un objet pour le suivi d’une trajectoire dans un environnement simulé. |
| FR2111970 | 2021-11-10 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| FR3129003A1 true FR3129003A1 (fr) | 2023-05-12 |
| FR3129003B1 FR3129003B1 (fr) | 2023-10-13 |
Family
ID=80735953
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR2111970A Active FR3129003B1 (fr) | 2021-11-10 | 2021-11-10 | Procédé pour déterminer des positions optimisées d’un objet pour le suivi d’une trajectoire dans un environnement simulé. |
Country Status (2)
| Country | Link |
|---|---|
| FR (1) | FR3129003B1 (fr) |
| WO (1) | WO2023083577A1 (fr) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150348235A1 (en) * | 2014-06-03 | 2015-12-03 | Mitsubishi Electric Research Laboratories, Inc. | Distributed path planning for mobile sensors |
| US20170205490A1 (en) * | 2014-07-21 | 2017-07-20 | Sikorsky Aircraft Corporation | Coverage optimization for sensor networks |
| EP3846067A1 (fr) * | 2019-12-31 | 2021-07-07 | Data Smart Process | Procédé et système de déploiement de caméras de surveillance |
-
2021
- 2021-11-10 FR FR2111970A patent/FR3129003B1/fr active Active
-
2022
- 2022-10-20 WO PCT/EP2022/079206 patent/WO2023083577A1/fr unknown
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150348235A1 (en) * | 2014-06-03 | 2015-12-03 | Mitsubishi Electric Research Laboratories, Inc. | Distributed path planning for mobile sensors |
| US20170205490A1 (en) * | 2014-07-21 | 2017-07-20 | Sikorsky Aircraft Corporation | Coverage optimization for sensor networks |
| EP3846067A1 (fr) * | 2019-12-31 | 2021-07-07 | Data Smart Process | Procédé et système de déploiement de caméras de surveillance |
Non-Patent Citations (1)
| Title |
|---|
| DUAN JUN ET AL: "VisualVital: An observation model for multiple sections of scenes", 2017 IEEE SMARTWORLD, UBIQUITOUS INTELLIGENCE & COMPUTING, ADVANCED & TRUSTED COMPUTED, SCALABLE COMPUTING & COMMUNICATIONS, CLOUD & BIG DATA COMPUTING, INTERNET OF PEOPLE AND SMART CITY INNOVATION (SMARTWORLD/SCALCOM/UIC/ATC/CBDCOM/IOP/SCI), IEEE, 4 August 2017 (2017-08-04), pages 1 - 8, XP033365961, DOI: 10.1109/UIC-ATC.2017.8397546 * |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023083577A1 (fr) | 2023-05-19 |
| FR3129003B1 (fr) | 2023-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3292377B1 (fr) | Procédé, programme d'ordinateur et système pour la commande d'un déplacement d'un agent navigant dans un environnement organisé en réseau | |
| EP3252615B1 (fr) | Procede et systeme de determination de cellules traversees par un axe de mesure ou de visualisation | |
| EP2724203B1 (fr) | Génération de données de carte | |
| EP2356493B1 (fr) | Procede de modelisation geologique de donnees sismiques par correlation de traces | |
| EP2428771B1 (fr) | Procédé de recherche de plus court chemin avec heuristique | |
| WO2013175022A1 (fr) | Systèmes et procédés de topographie et de reconstruction tridimensionnelle à partir d'un nuage de points et supports de stockage informatique pour ces systèmes et procédés | |
| EP3679517B1 (fr) | Procede de determination des bords saillants d'une cible sur une image | |
| FR2922029A1 (fr) | Dispositif et methode de detection d'objet | |
| EP4256274A1 (fr) | Procédé et dispositif de génération de trajectoire d'un appareil mobile respectant une contrainte temporelle prédéterminée | |
| EP4002274A1 (fr) | Procédé itératif d'estimation du mouvement d'un corps matériel par génération d'une grille de mouvement filtrée | |
| FR3129003A1 (fr) | Procédé pour déterminer des positions optimisées d’un objet pour le suivi d’une trajectoire dans un environnement simulé. | |
| Wang et al. | Road boundary, curb and surface extraction from 3D mobile LiDAR point clouds in urban environment | |
| EP3311604B1 (fr) | Système d'optimisation du déploiement de capteurs pour la localisation de cibles, utilisation du système et procédé d'optimisation | |
| Ma et al. | Hybrid model for realistic and efficient estimation of highway sight distance using airborne LiDAR data | |
| CN115497061A (zh) | 一种基于双目视觉的道路可行驶区域识别方法及装置 | |
| EP1115010A9 (fr) | Procédé pour déterminer les distances de visibilité d'une voie de circulation | |
| Rife et al. | Characterizing Perspective Error in Voxel-Based Lidar Scan Matching | |
| EP3903282B1 (fr) | Méthode de segmentation d'une image | |
| EP3996064B1 (fr) | Procédé de détermination d'un nombre de passages de véhicules sur au moins une portion de route d'un réseau routier | |
| FR3123862A1 (fr) | Procédé et dispositif de contrôle d’un véhicule autonome | |
| FR3123981A1 (fr) | Procédé et dispositif de contrôle de trajectoire d’un véhicule autonome | |
| WO2006003268A1 (fr) | Precede general de determination de liste d’elements potentiellement visibles par region pour des scenes 3d de tres grandes tailles representant des villes virtuelles d’altitudes variables. | |
| WO2023078936A1 (fr) | Traitement de données d'un capteur lidar | |
| Espindola et al. | Development of an Autonomous Measurement System for Estimation of Snow Profile on Road Surfaces | |
| WO2024100349A1 (fr) | Système et procédé d'aide à la navigation d'un système mobile |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PLFP | Fee payment |
Year of fee payment: 2 |
|
| PLSC | Publication of the preliminary search report |
Effective date: 20230512 |
|
| PLFP | Fee payment |
Year of fee payment: 3 |