Relevés de profil de routes par stéréoscopie active

24/09/2017
Publication e-STA e-STA 2006-2
OAI : oai:www.see.asso.fr:545:2006-2:19949
DOI :

Résumé

Relevés de profil de routes par stéréoscopie active

Métriques

18
7
1.4 Mo
 application/pdf
bitcache://64f40527ad9ae46de60567572ad2f95199572a64

Licence

Creative Commons Aucune (Tous droits réservés)
<resource  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
                xmlns="http://datacite.org/schema/kernel-4"
                xsi:schemaLocation="http://datacite.org/schema/kernel-4 http://schema.datacite.org/meta/kernel-4/metadata.xsd">
        <identifier identifierType="DOI">10.23723/545:2006-2/19949</identifier><creators><creator><creatorName>V. VOISIN1</creatorName></creator><creator><creatorName>M. AVILA1</creatorName></creator><creator><creatorName>B. EMILE1</creatorName></creator><creator><creatorName>S. BEGOT1</creatorName></creator><creator><creatorName>J.C. BARDET</creatorName></creator><creator><creatorName>M. Avila</creatorName></creator><creator><creatorName>B. Emile</creatorName></creator><creator><creatorName>S. Begot</creatorName></creator><creator><creatorName>Jean-Claude Bardet</creatorName></creator></creators><titles>
            <title>Relevés de profil de routes par stéréoscopie active</title></titles>
        <publisher>SEE</publisher>
        <publicationYear>2017</publicationYear>
        <resourceType resourceTypeGeneral="Text">Text</resourceType><dates>
	    <date dateType="Created">Sun 24 Sep 2017</date>
	    <date dateType="Updated">Sun 24 Sep 2017</date>
            <date dateType="Submitted">Fri 17 Aug 2018</date>
	</dates>
        <alternateIdentifiers>
	    <alternateIdentifier alternateIdentifierType="bitstream">64f40527ad9ae46de60567572ad2f95199572a64</alternateIdentifier>
	</alternateIdentifiers>
        <formats>
	    <format>application/pdf</format>
	</formats>
	<version>33875</version>
        <descriptions>
            <description descriptionType="Abstract"></description>
        </descriptions>
    </resource>
.

Résumé — L’ingénierie routière est un domaine en plein essor. Les budgets alloués à l’entretien des infrastructures routières justifient de disposer d’informations fiables sur l’état des chaussées afin de ne rénover que ce qui doit réellement l’être. Dans ce cadre, la mesure du profil de la chaussée est un des éléments permettant de quantifier l’état d’une chaussée. Nous proposons une méthode de mesure de ce profil par un procédé de stéréoscopie active laser. Ces techniques sont basées sur l’interprétation d’une image prise de la projection d’un motif sur une scène 3D. Le système doit être calibré de façon précise pour pouvoir donner un sens aux informations extraites dans l’image. Cette calibration doit prendre en compte les paramètres intrinsèques de la caméra (orientation du capteur, déformation des pixels) et les paramètres extrinsèques (géométrie du système, position de la caméra, optique, …). Notre système utilise la simple projection d’un plan laser sur la chaussée, ce qui se ramène à l’analyse d’un tracé de ligne sur la chaussée. Une étude de la calibration est proposée. Quelques résultats sont donnés. Des perspectives pour l’implantation sur le véhicule sont proposées. Mots clés — Stéréoscopie active, calibrage, reconstruction. I.INTRODUCTION Le profil transversal d’une route est une donnée importante en ingénierie routière. Elle permet d'estimer l'état général de la route en mesurant les diverses dégradations (fissures, ornières, etc) afin de pouvoir mettre en place un plan de maintenance. Vectra2, société spécialisé dans l’ingénierie routière, conçoit des appareils de mesure destinés, notamment, à l’expertise des chaussées. Cette étude vise à améliorer les performances des appareils afin d’obtenir un profil plus détaillé et plus précis. 1.a 1.b Figure 1: Mesures de profil transversal Le relevé de profil transversal d’une route peut se faire manuellement, ou à l’aide d’une règle équipée de télémètres à ultrason ou laser (Figure 1) mais ces techniques ne fournissent pas un nombre suffisant de relevés le long du profil. De plus, ces mesures permettent d’obtenir la « forme » de la chaussée mais elle ne fournissent pas un relevé détaillé qui donnerait des dimensions précises aux défauts constatés : longueur et largeur de fissures, dimensions des ornières, … Pour finir, ces systèmes ne peuvent pas être utilisés sur un véhicule (Figure 1.a) ou ne permettent pas une vitesse de déplacement importante du véhicule (Figure 1.b). L’usage de l’appareil est alors incompatible sur certaines voies de circulation comme les autoroutes où il est nécessaire de maintenir une vitesse minimale de déplacement du véhicule (80 km/h). Figure 2: Relevé de profil de route par stéréovision active L’utilisation d’un système de stéréoscopie active (Figure 2) permettra une mesure « continue », et donc une meilleure détection des dégradations. V. VOISIN1,2 , M. AVILA1 , B. EMILE1 , S. BEGOT1 , J.C. BARDET1 1 Laboratoire Vision et Robotique, IUT de l’Indre, 2 Av. F. Mitterrand 36000 Châteauroux Cedex , France 2 Vectra Ingénierie Routière Z.I Route de Tours 36 500 Buzançais VINCENT.VOISIN@VECTRA.FR HTTP://WWW.VECTRA.FR/ Relevés de profil de routes par stéréoscopie active Nous présentons, dans une première partie, le principe de la mesure qui consiste à localiser l’intersection d’un plan laser avec la chaussée. Le matériel équipant le véhicule est ensuite présenté, notamment le système de prises d’images avec les choix effectués pour éviter les aléas liés à l’éclairage. Le problème de la calibration du système est présenté. Celle-ci prend en compte les spécificités du système en simplifiant le dispositif de calibration pour le rendre compatible avec les exigences du « terrain ». Pour finir, quelques résultats sont présentés. II.PRINCIPE DE LA STÉRÉOSCOPIE ACTIVE Le principe du système de stéréoscopie active est l’observation d’un motif lumineux par une caméra. De nombreux systèmes de stéréoscopie active ont été développés [1,3]. Ils reposent sur la prise d’images d’un motif projeté sur un objet 3D. L’analyse du motif dans l’image permet de déduire la position et la forme de l’objet dans l’espace. Ces techniques sont très souvent utilisées. Comme décrit dans [10], un système de scanner laser est basé sur les relations géométriques qui relient un plan laser et le dispositif caméra/optique. Ces systèmes lasers sont très souvent employés pour réaliser des mesures 3D comme récemment la numérisation des ruines de Pompéi [11] avec une précision millimétrique. Comme cela est précisé dans [10], la qualité d’un système laser dépend directement du prix des éléments qui le composent : - finesse du laser et puissance, - qualité des optiques, - résolution de la caméra. Dans le contexte de l’ingénierie routière, il apparaît plusieurs contraintes : - l’utilisation en extérieur du dispositif de prises d’images implique de gérer les variations de luminosité principalement liées aux conditions météorologiques (soleil, nuageux, …) - l’exploitation d’un système embarqué sur un véhicule limite les choix technologiques et suppose de simplifier les outils utilisés. L’information que nous souhaitons obtenir est uniquement l’altitude des points de la chaussée. u v X YZ laser caméra Figure 3: Schéma du dispositif Le problème à résoudre consiste alors à détecter la ligne laser dans l’image (Figure 3) pour en déduire la hauteur (Z) des points considérés avec une précision millimétrique. La position en Y des éventuels défauts ne nécessite pas une grande précision. La largeur des anomalies pourra être estimée approximativement. La position et la dimension des défauts suivant l’axe X seront déduites des mouvements du véhicule par le biais d’un codeur monté sur l’une des roues du véhicule. Ces informations ne nécessitent pas non plus une grande précision. La sensibilité de ce capteur est directement lié à l’angle d’incidence du plan laser ainsi qu’à la pertinence des informations extraites par la caméra. En effet, plus on réduit l’angle entre le plan laser et le sol, plus la variation de position de la ligne sera importante par rapport aux variations d’altitudes. De même, si l’on ne peut pas localiser de façon précise la position de la ligne laser dans l’image, on ne pourra déduire correctement les hauteurs correspondantes. Il faut donc correctement régler le dispositif d’acquisition d’images (caméra, optique) et le calibrer afin d’obtenir une correspondance précise entre les coordonnées dans l’image et la position dans l’espace réel. Ces informations seront également fortement liées à la résolution de la caméra. III.ARCHITECTURE MATÉRIELLE La mise en œuvre du système décrit suppose l’utilisation d’un laser muni d’une lentille pour former le motif (la ligne) [4]. En effet, alors que l’œil est capable de percevoir une ligne avec un laser à balayage, la caméra nécessite un éclairage « constant » durant le temps d’intégration de la caméra (temps d’exposition). Le dispositif (Figure 4) comporte une caméra 1024x768 pixels carrés, une optique de 8mm qui permet de couvrir une largeur de chaussée de 3m. Les prises d’images sont synchronisées sur le déplacement du véhicule à l’aide d’un codeur. caméra laser codeur Figure 4: Equipement sur véhicule Pour s’affranchir des variations de luminosité extérieure, on utilise un laser (5W) dans le proche infra-rouge couplé à un filtre interférentiel à bande étroite. Ce filtre est placé sur l’objectif de la caméra. Un tel dispositif augmente énormément le contraste dans l’image entre la ligne laser et la route et permet ainsi une détection robuste de la ligne. En effet, comme le montre la Figure 5, l’énergie fournie par le soleil est plus importante dans la partie visible que dans l’infrarouge. La puissance émise par le laser est supérieure à celle du soleil dans la bande de fréquences considérées. L’apport du laser couplé au filtre interférentiel permet donc d’obtenir un niveau énergétique pratiquement constant quelque soit les conditions d’ensoleillement. Figure 5: Répartition de l’énergie solaire / λ Le système, embarqué dans un véhicule, étant soumis à de nombreuses contraintes mécaniques, la calibration doit être simple à mettre en œuvre pour pouvoir la faire régulièrement. De plus, comme l’exploitation du système pour effectuer des mesures ne permet pas de placer le véhicule dans un environnement parfaitement connu de type laboratoire, le calibrage devra pouvoir s’effectuer, par exemple, sur une chaussée en utilisant un objet simple à manipuler. IV.LA CALIBRATION Il existe de nombreuses techniques de calibration ([2, 13, 14]) mais celles-ci sont souvent difficiles à mettre en oeuvre et nécessitent un matériel important (objet de calibration de grande taille, table à déplacement micrométrique). A.Principe de calibration Le contexte de notre application nous permet de faire des simplifications dans le modèle de calibrage classique [1] décrit par l’équation (1). Les valeurs (X, Y, Z) correspondent aux coordonnées d’un point dans l’espace réel. Le couple (u, v) représente les coordonnées du point dans l’image. s est un facteur d’échelle et la matrice t est la matrice de calibrage.                     =           1 434241 333231 232221 131211 v u ttt ttt ttt ttt s sZ sY sX (1) Pour notre application, seules les variations d’altitude par rapport à un plan de référence sont prises en considération pour la mesure du profil transversal. Certains termes peuvent donc être négligés en (2) pour obtenir (3).                     =           1 434241 333231 232221 131211 v u ttt ttt ttt ttt s sZ sY sX (2)               =     1434241 333231 v u ttt ttt s sZ (3) Dans (3), on montre que pour obtenir Z seuls 6 termes de t suffisent. La calibration consiste donc à déterminer ces 6 paramètres en résolvant l’expression (4). Cette équation est résolue par la méthode SVD (Singular Value Decomposition) [5]. Ce calcul a été réalisé en utilisant la bibliothèque LAPACK [6].               =                               −−− −−− 0 . . . . 0 1 ...... ...... ...... ...... 1 43 42 41 33 32 31 1111111 t t t t t t ZuZuZvu ZvZuZvu nnnnnnn (4) Pour résoudre cette équation, il faut disposer de références connues dans le monde réel (Z1 ; Z2 ; …) (objet de calibration) et localiser des points caractéristiques de l’objet dans l’image (u1,v1 ; u2, v2 ; …). La hauteur s’exprime finalement en fonction des coordonnées (u, v) dans l’image et de la matrice de transformation (t) par l’expression (5) 434241 333231 .. .. tvtut tvtut Z ++ ++ = (5) Figure 6: Objet de calibration B.Mise en œuvre de la calibration Afin de calibrer le système, notre objet de calibration (Figure 6) est placé le long de la ligne laser. Le processus de calibration est assuré de façon semi-automatique. En effet, les segments caractéristiques de l’objet de calibration sont localisés de façon automatique mais l’opérateur doit indiquer manuellement la hauteur des points considérés. L’image fournie par le système caméra/carte d’acquisition est en niveaux de gris (Figure 7). Figure 7: Image en niveaux de gris La ligne laser est détectée en balayant l’image colonne par colonne et en recherchant le niveau de gris maximum. Un seuil est appliqué afin d’éliminer les colonnes non couvertes par le laser (par exemple les zones « d’ombres ») (Figure 8). Afin d’affiner la détection de la ligne laser, une méthode de détection subpixellique est utilisée. Dans [7] et [12], des comparatifs de plusieurs méthodes ont été réalisés : gaussienne, linéaire, parabolique, ellipse, moyenne, … Ce travail montre que les résultats obtenus sont très proches. Nous avons utilisé une méthode par d’approximation linéaire des voisinages. Figure 8: Ligne laser détectée dans l’image. (En rouge la ligne laser, en vert les points en dessous du seuil) La position de la mire est déterminée en calculant un indice de corrélation entre le profil de la ligne détectée et un modèle de profil correspondant à l’objet de calibration. La mesure utilisée est la corrélation de Pierson [8]. Le profil détecté dans l’image est normalisé en amplitude afin de le comparer au modèle. Le résultat obtenu est représenté sur la Figure 9. L’indice de corrélation est tracé au bas de l’image. La valeur maximale indique la position la plus probable de l’objet de calibration. La zone d’intérêt correspondante est encadrée en bleu dans la figure. Figure 9: Détermination de la zone d’intérêt correspondant à l’objet de calibration. Sur cette zone d’intérêt, une Transformée de Hough (TH) [9] est calculée afin d’en extraire des portions de droites. Figure 10: TH sur la zone d’intérêt . Des points caractéristiques sont obtenus grâce à l'extraction de ces droites dans l’espace des paramètres. L’objet de calibration étant de forme connue, il est possible de limiter la recherche des sommets, dans l’espace de Hough, à certaines zones : - zone des horizontales (1) pour les bases aux cotés du « triangle », - zone des obliques (2) ou (3) pour les arêtes du « triangle »… 1 23 Les droites ainsi détectées permettent d’estimer la position des points caractéristiques de l'objet de calibration dans l'image dont les hauteurs Z sont parfaitement connues. La matrice de transformation image-monde (3) peut alors être déterminée. Sur ce second exemple ( Figure 11 à Figure 13), on peut constater que la méthode est assez robuste. Malgré la présence de formes parasites, l’objet a correctement été localisé et les points ont pu être extraits. Figure 11: Image en niveaux de gris Figure 12: Ligne laser détectée dans l’image. Figure 13: Détermination de la zone d’intérêt correspondant à l’objet de calibration.. V.PROFILS DE ROUTES Nous avons testé, dans un premier temps, le résultat de la calibration sur des images comportant l’objet de calibration (Figure 14). Figure 14: Image de l’objet de calibration Figure 15: Mesures de hauteur obtenues Sur le profil (Figure 15), on retrouve la hauteur de l’objet de calibration : 10cm entre le sommet du triangle et les paliers. Les hauteurs négatives représentent un niveau en dessous du zéro de calibration. Dans un second temps, des résultats obtenus sur des images de chaussées (Figure 17 et Figure 18) sont présentés. Les variations de hauteur vont de 20 à 45 mm. Les profils obtenus présentent un bruit relativement important. En effet, la texture de la chaussée (Figure 16) explique ce phénomène. En France et dans de nombreux pays, les revêtements sont constitués d’enrobés bitumineux formés à base de 95 % de granulats et de 5 % de liants hydrocarbonés. En fonction du point d’impact du laser avec le revêtement de la chaussée (fonction des granulats qui forment la texture), un écart peut être constaté. Figure 16: Texture de la chaussée Figure 17: Images de chaussées Figure 18: Profils longitudinaux obtenus VI.CONCLUSION Dans cette étude, nous avons présenté un système de stéréoscopie active permettant de relever des profils transversaux pour l’ingénierie routière. Un système de calibration simplifié, adapté aux contraintes de l’application a été proposé. L’étude a montré l’influence de certains paramètres de la calibration. Les premiers résultats permettent d’envisager une implantation rapide du système sur un véhicule. Cependant, la mesure se faisant à la verticale de la caméra, il sera nécessaire de prendre en considération les mouvements du véhicule. En effet, le roulis du véhicule modifie l’angle entre la verticale à la caméra et la chaussée et cela induit donc des erreurs dans les mesures. Une modification de cet angle nécessite donc de recaler les tranches de profils obtenus pour recomposer le profil continu de la chaussée. Plusieurs solutions sont à l’étude (mesure directe du roulis et correction, estimation du roulis par recalage des profils successifs, …). L’analyse des effets de la texture de la chaussée nous permettra de filtrer le profils pour éliminer les fréquences indésirables. L’estimation des distorsions de l’image dues à l’optique de la caméra, principalement sur les bords de l’image sera étudié. Une correction de ces effets devrait permettre d’obtenir une mesure plus précise. VII.RÉFÉRENCES [1] D. Fofi, T. Sliwa, Y. Voisin, “A Comparative Survey on Invisible Structured Light”, SPIE Electronic Imaging - Machine Vision Applications in Industrial Inspection XII (MVAII'2004), San José (USA), January 2004. [2] Horaud R., Monga O. « Vision par ordinateur: outils fondamentaux, 2ème édition », Ed. Hermès 1995. [3] O. Strauss, « Perception de l'environnement par vision en lumière structurée », Thèse de doctorat, Université Montpellier II, 1992. [4] http://www.laser2000.fr/produits/vision_industrielle.html [5] Z.Bai and J.W. Demmel, “Computing the Generalized Singular Value Decomposition”, technical report Department of Mathematics, University of Kentucky. [6] http://mirror.aarnet.edu.au/pub/netlib/lapack/ index.html [7] M. R. Shortis, T. A. Clarke, & T. Short, « A comparison of some techniques for the subpixel location of discrete target images », Videometrics, 1994 [8] ALLEN, A. O. “Probability, statistics, and queueing theory with computer science applications”. Academic press, Inc., 1990. [9] H. Maître, "Un panorama de la transformation de Hough,"Traitement du Signal, vol. 2, no. 4, pp. 305-317, 1985. [10] James Davis, Xing Chen , « A Laser Range Scanner Designed for Minimum Calibration Complexity », Proc. of the Third Int. Conf. on 3D Digital Imaging and Modeling, 3DIM 2001. [11] Marcello Balzani, Nicola Santopuoli, Alessandro Grieco, Nicola Zaltron , « Laser Scanner 3D Survey in Archaeological Field: the Forum Of Pompeii », International Conference on Remote Sensing Archaeology, Beijing, October 18-21, 2004. [12] R. B. Fisher and D. K. Naidu. A Comparison of Algorithms for Subpixel Peak Detection. Springer-Verlag, Heidelberg, 1996. [13] F. S. Marzani, L. F. C. Lew Yan Voon, Y. Voisin and A. Diou. « Active stereovision system: a fast and easy calibration », Proceedings of the sixth International Conference on Control, Automation, Robotics and Vision – ICARCV'2000, Singapore, December 2000 [14] A. Ivor and R. Valkenburg, "Calibrating a structured light system". In Image & Vision Computing New Zealand, pages 167--172, Lincoln, Canterbury, August 1995. Industrial Research Limited."