Site institutionnel du CNRS|attribut_html
Le rendez-vous de l’innovation

Les Partenaires
des Innovatives

Ministère de l'éducation nationale de l'enseignement supérieur et de la recherche ABG - L'intelli'agence Fist SA

Rechercher




Accueil > Éditions précédentes > Voiture du futur > Vidéos des labos

Modèles adaptatifs de détection de points d’intérêt pour la vision robotique

par DIRE - publié le , mis à jour le

Modèles adaptatifs de détection de points d'intérêt pour la vision robotique

Emanuel Aldea, Institut d’électronique fondamentale - IEF
Gaspard Florentz, Parrot SA

L’objectif du travail présenté est de réguler, en s’appuyant sur des propriétés statistiques des images naturelles, la détection de points d’intérêt, ou de coins. Les coins représentent les descripteurs de base de la vision robotique, et permettent aux véhicules autonomes de naviguer et de cartographier leur environnement. Un nombre insuffisant de détections n’assure pas la stabilité de ces tâches, alors qu’un nombre trop élevé submerge l’unité de calcul et empêche le système d’effectuer les traitements en temps réel. Notre solution permet à un utilisateur de s’affranchir de nombreux paramètres qui assurent le bon fonctionnement d’algorithmes de navigation et qui doivent être réglés en fonction de l’architecture utilisée, de la quantité de données à traiter (résolution, fréquence d’images), et des variations de saillance de l’environnement. Cet algorithme adaptatif de sélection a été testé en entrée d’un algorithme de SLAM, et les résultats montrent que la durée du traitement par image est régulière, et que la navigation est plus précise.