Search

This paper presents a new method to improve the perception of the environment of a vehicle. The aim here is to detect the vehicles using a scanning laser range finder and track the detected objects at each time. This contribution can be considered as an element of a global vehicle-to-vehicle (v2v) surveillance system where the on-board system receives warnings from the other local systems. It allows to extend the effective surveillance field and as a consequence to provide a faster reaction of the vehicle (collision avoidance or mitigation). To deal with this multi-target tracking problem, we focus on the Joint Probabilistic Data Association (JPDA) methods. Their particularity lies in their ability to take into account the probabilistic characteristics of the detector (detection and false alarm probabilities). Whereas in many works the detection probability is set up once, our contribution is to propose a method that dynamically estimates for each object the detection probability using the contextual information modeled by a Bayesian Network (BN-JPDAF).

This paper presents a Bayesian network-based approach to multisensor multitarget detection and tracking problem. The aim here is to propose an improvement of the probabilistic data association approach that takes into account contextual information about the scene. This information is modeled by a Bayesian network that allows a dynamic estimation of the detection probability of the PDA. Our approach is then applied to synthetic data from scanning radar that is mounted on a moving vehicle. The aim is to detect the surrounding objects and track them through the sequence.

The authors propose a high-level scenario recognition algorithm for video sequence interpretation. The recognition of scenarios is based on a Bayesian networks approach. The model of a scenario contains two main layers. The first one allows events from the observed visual features to be highlighted and the second layer is focused on the temporal reasoning stage. The temporal layer uses specific nodes permitting an event-based approach. These nodes focus on the lifetime of events highlighted from the results of the first layer. The temporal layer then estimates the qualitative and quantitative relations between the different temporal events helpful for the recognition task. The global recognition algorithm is illustrated over real indoor image sequences of an abandoned baggage scenario.

This paper presents a model-based method for road signs detection and tracking. The object is described by a CAD model and tracked through the sequence. The detection and tracking problem is modeled using the estimation theory of hybrid processes, in which each sign of the database is described as a distinct mode. The proposed state-space modeling is here strongly nonlinear. Hence, one develops a Multiple Hypothesis Particle Filter solution that is based on the theory of the Sequential Monte-Carlo Methods. This solution is then applied in real time to real road image sequences.

In this paper, we present a new particle filtering (PF) algorithm for visual target tracking where Galerkin's projection method is used to generate the proposal distribution. Galerkin's method is a numerical approach to approximate the solution of a partial differential equation (PDE). By leveraging this method in concert with L2 theory and the FFT, we obtain a new proposal which directly approximates the true state posterior distribution and is fundamentally different from various local linearizations or Kalman filter-based proposals. We apply this improved PF algorithm to track a human head in a video sequence. As predicted by theory and demonstrated by our experimental results, this new algorithm is highly effective for tracking targets which exhibit complex kinematics. The new proposal distribution given here captures the high probability area in the state space, thereby gleaning increased support from the true posterior distribution.

In this paper, we present a novel target tracking method applied to a distributed acoustic sensor network. The underlying tracking methodology is described as a multiple sensor tracking/fusion technique based on particle filtering (PF). As discussed in the most recent literature, particle filtering is defined as an emerging Monte-Carlo non-linear state estimation method. More specifically, in our proposed method each activated sensor transmits the received acoustic intensity and the target direction of arrival (DOA) to the sensor fusion center (a dedicated computing and storage platform, such as a micro-server). The fusion center uses each received DOA to generate individual estimates based on state partition technique as described later in the paper. In addition, a set of sensor weights are calculated based on the acoustic intensity received by sensors. Next, the weighted sum of the estimates are used as the proposal distribution in a particle filter for sensor fusion. This technique renders a more accurate proposal distribution and hence yields a more robust estimation of the target. Moreover, because of the improved proposal distribution, the new filter can achieve a given level of performance using fewer samples than the traditional bootstrap filter.

One details here a method to track a 3D object and estimate its 3D position and motion parameters from a monocular image sequence. This estimation problem is modeled by state equations that describe the dynamics of the object and the measurement delivered by the sensor. One develops a top-down approach that needs a point description of the shape to track. This allows a direct comparison with the pixels in the image without any preprocessing that may give rise to additional errors. The proposed method also delivers an estimation of the dense 3D motion vector field and, by projection onto the image plane, of the 2D motion field that can be compared with the optical flow methods.

We present a 3D dynamic reconstruction method based on the point representation of a segment using sequences of images. Our vision system delivers at every time, two images of the scene: an intensity image and a range image. This estimation problem is solved by a global filter that matches the segments through the sequences of intensity and range images, and fuses the information from both sensors to estimate the 3D structure and motion of an object.

The aim of this article is to develop a multisensor estimation method to identify the 3D structure and motion of an object. The method lies in the feature description of the object and the solution uses an extended Kalman filter (EKF) which fuses information from each sensor. The filter tracks the features through the data sequences and estimates the 3D position and affines motion parameters. The originality of this work relies on a 3D modelling of this problem to jointly estimate the 3D structure and motion. This estimation is made possible by the use of an active sensor (range camera).

Proposes a 3D dynamic image reconstruction method based on the fusion of data from sequences of range and intensity images. The vision system acquires both images of the scene at each time instance. We use a line segment description of the objects of the scene, and more precisely a point representation of the segment described by its extremities. The detailed solution to this estimation problem lies in a global filter that matches the segments through the range/intensity image sequences and fuses both data to recover the 3D structure and motion of an object. The method performs well on synthetic image sequences from two sensors and is now being applied to an experimental sequence of an object evolving according to a rotation/translation motion. The scene is viewed by a range camera which delivers a range image and an intensity (reflectance) image.

International audience

The GPS-based navigation systems provide an accurate positioning of land-vehicles but this service is not always continuous in urban areas. These systems are usually enhanced with dead reckoning sensors, like odometers, and the use of a digital road map can improve the vehicle location when GPS fails. In this work, we focus on these GPS outages where the main problem is to combine another available measurements intelligently. We present here a global estimation method to solve the fusion problem of the GPS, odometer and digital road map measurements. It relies on an unscented Kalman filter whose main benefit is to deal with non-linear equations directly. In the case of an urban transport scenario, the comparison with an extended Kalman filter shows that the vehicle positioning is improved without requiring more computing time.

In this paper, we present a method for detecting and tracking rigid moving objects in a monocular image sequence. The originality of this method lies in a state modelling of this estimation problem which is solved in an unified way. This hybrid estimation problem leads to nonlinear state equations that are solved by the particle filtering. A particle filter is set for each shape model (modes). It estimates the motion and position parameters, tracks the object in the sequence and also computes at each time the probability of all modes.

In this thesis we carry out the study of an SBL (Short BaseLine) localization system of an underwater transmitting beacon. The objective of this work is to propose a simple and easily deployable device. The tracking system is made of four hydrophones positioned on a small boat. The hydrophones are georeferenced with a GPS receiver and a magnetic compass positioned on the boat. The beacon provides the positioning system with its depth obtained using a pressure sensor. The considered marine environment is shallow water (the Channel, ports, canals, etc.). The targeted applications are the location of divers, fishing traps, drones and measuring instruments. It is shown in the bibliography that for synchronized TDOA measurements (obtained from a reference hydrophone) there are direct estimators of the position. In our approach, the TDOA measurements are provided by two pairs of hydrophones that are not synchronized with each other. In this case it is shown in the bibliography that the estimators of the position are indirect. They require the knowledge of an initial position to converge towards the real position. The aim of this thesis is to propose methods for calculating the initial position. The first contribution of the thesis is to propose an estimator of the 3D position in the case of a static beacon. For each TDOA measurement, the set of possible positions of the beacon is located on a hyperbola. In our approach, we propose to approximate the hyperbola by its two asymptotic lines in order to calculate the initial position. With two TDOA measurements we obtain four possible positions (at the intersections of the asymptotes) which are ambiguous because only one of them corresponds to the position of the beacon.We propose an algorithm and a criterion to be minimized to calculate the 3D position and remove the ambiguity on the initial position. The second contribution of the thesis is to propose an estimator of the dynamic 3D position of an underwater object. In the dynamic case, two TDOA measurements are available, ie four possible initial positions for each position of the boat. It is proposed to classify the initial positions obtained in four sets as the boat moves. The classification is carried out by a data association method and a criterion is proposed to resolve the ambiguity on the four sets of positions. The proposed estimation processis based on four parallel Kalman filters and on the GNN (Global Nearest Neighbor) data association method. The proposed methods have been evaluated in simulation for the positioning of an underwater object in the static and dynamic case. In this simulation we consider a distance between the hydrophones of 2 m. The positioning error is shown to be metric for noise on TDOA measurements of standard deviation 1 cm. The accuracy remains metric for a distance between the tracking system and the beacon of less than 30 m.We show that in the presence of noises on the positioning system (50 cm on the GPS position and 1o on the magnetic compass) the precision remains metric. Finally, it is shown that the proposed estimator is more precise than the direct weighted least squares benchmark estimator., Dans cette thèse on réalise l’étude d’un système de localisation SBL (Short BaseLine) d’une balise émettrice sous-Marine.L’objectif de ce travail est de proposer un dispositif simple et facilement déployable. Le système de localisation est composé de quatre hydrophones positionnés sur un bateau de petite taille. Les hydrophones sont géoréférencés avec un récepteur GPS et un compas magnétique positionnés sur le bateau.La balise fournit au système de positionnement sa profondeur obtenue à l’aide d’un capteur de pression. L’environnement marin considéré est un environnement en eaux peu profondes (la Manche, les ports, les canaux,... ). Les applications visées sont la localisation de plongeurs, de casiers de pêche, de drones et d’instruments de mesure. On montre dans la bibliographie que pour des mesures de TDOA synchronisées (obtenues à partir d’un hydrophone de référence) il existe des estimateurs directs de la position. Dans notre approche les mesures de TDOA sont fournies par deux couples d’hydrophones non-synchronisés entre eux. Dans ce cas on montre dans la bibliographie que les estimateurs de la position sont indirects. Ils nécessitent la connaissance d’une position initiale pour converger vers la position réelle. Le but de cette thèse est de proposer des méthodes de calcul de la position initiale. Le premier apport de la thèse est de proposer un estimateur de la position 3D dans le cas d’une balise statique. Pour chaque mesure de TDOA l’ensemble des positions possibles de la balise se situe sur une hyperbole. Dans notre approche on propose d’approximer l’hyperbole par ses deux droites asymptotes pour calculer la position initiale. Avec deux mesures de TDOA on obtient quatre positions possibles (aux intersections des asymptotes) qui sont ambigües car une seule d’entre-elles correspond à la position de la balise. Nous proposons un algorithme et un critère à minimiser pour calculer la position 3D et lever l’ambiguïté sur la position initiale. Le second apport de la thèse est de proposer un estimateur de la position 3D dynamique d’un objet sous-marin. Dans le cas dynamique on dispose de deux mesures de TDOA, soit quatre positions initiales possibles pour chaque position du bateau. On propose de classer les positions initiales obtenues dans quatre ensembles au fur et à mesure du déplacement du bateau. Le classement est réalisé par une méthode d’association de données et on propose un critère pour lever l’ambiguïté sur les quatre ensembles de positions. Le processus d’estimation proposé s’appuie sur quatre filtres de Kalman parallèles et sur la méthode d’association de données GNN (Global Nearest Neighbor). Les méthodes proposées ont été évaluées en simulation pour le positionnement d’un objet sous-marin dans les cas statique et dynamique. Dans cette simulation on considère une distance entre les hydrophones de 2 m. On montre que l’erreur de positionnement est métrique pour un bruit sur les mesures de TDOA d’écart-type 1 cm. La précision reste métrique pour une distance entre le système de localisation et la balise inférieure à 30 m. On montre qu’en présence de bruits sur le système de positionnement (50 cm sur la position GPS et 1o sur le compas magnétique) la précision reste métrique. Enfin on montre que l’estimateur proposé est plus précis que l’estimateur direct de référence des moindres carrés pondérés.

Te work presented in this thesis concerns the study of a multi-sensor fusion method for the estimation of 3-D localization and the attitude of a land vehicle. We have developed and validated, in a real situation, a centralized fusion method based on state modeling from GNSS/INS measurements delivered by the ublox EVK-M8U sensor. The measurement system is also completed by OSM digital road maps and elevation data from the ASTER/World 30 digital models. Some measurements are modeled by equations with strong non-linearities which we have chosen to process by particle filtering. The cartographic data are taken into account statistically from the metric of Mahalanobis. In addition, we have developed a new method for managing digital elevation models (DEM), known as the "Fenêtre Glissante Adjacente" (FGA) method, in order to limit the impact of the artifacts that are found in this data. During the DEM management step, we implemented geometric approaches (TIN, FGA) which make the altitude correction more robust and favors an increase in performance in estimating the inclination parameter of the segments of the digital road maps.; Les travaux présentés dans cette thèse portent sur l'étude d'une méthode de fusion multi-capteurs pour l'estimation de la localisation 3-D et l'attitude d'un véhicule terrestre. Nous avons développé et validé, en situation réelle, une méthode de fusion centralisée basée sur une modélisation d'état à partir de mesures GNSS/INS provenant du capteur ublox EVK-M8U. Le système de mesure est également alimenté par des données cartographiques routières OSM et d'élévation issues des modèles numériques ASTER/World 30. Certaines mesures sont modélisées par des équations présentant de fortes non-linéarités que nous avons choisies de traiter par filtrage particulaire. La prise en compte des données cartographiques est faite de manière statistique à partir de la métrique de Mahalanobis. En outre, nous avons développé une nouvelle méthode de gestion des modèles numériques d'élévation (MNE), désignée par la méthode de "Fenêtre Glissante Adjacente" (FGA) afin de limiter l'impact des artefacts présents dans ces données. Durant l'étape de gestion du MNE, nous avons mis en oeuvre des approches géométriques (TIN, FGA) qui permettent de rendre plus robuste la correction d'altitude et favorise un accroissement des performances en estimation du paramètre d'inclinaison des segments de la carte routière numérique.

The purpose of that thesis work is the research and implementation of a compact and simple underwater localization system that aim to be used in ports, coastal areas and other low-depth environments. Our system is SBL (Small Distance Baseline), with a small number of transceivers (only one emitter and two hydrophones). Due to the system's geometric configuration not being optimal (both hydrophones are close to one another), the precision obtained using classical approaches is poor. We therefore propose a new localization approach that will improve it. The emitter we wish to localize emit a spread spectrum signal. The time difference of arrival (TDOA) between the two hydrophones is then determined using correlations methods. We propose in our work two tracking loops that will estimate both the delay and the doppler frequency between the signals. Using a Kalman filter , those methods are implemented respectively in open and close loop. From each TDOA measurement, we can calculatea hyperbolic area of possible emitter location. We thus use a statistical model which takes into account the local geometry of our measurements system in order to create a probable localization area around each hyperbole. By using the measurements at several different boat positions, we create a probability density whose maximum will be centered around the emitter's position. We show that, on simulated data, it is possible to localize the beacon with a precision beneath a meter with a realistic noise level. Experimental work and real data collection confirm that the method can in that context achieve the same result with a precision of a few meters.; Le but de cette thèse est l'étude et la mise en oeuvre d'un système de localisation sous-marine compact et simple à mettre en place pour une utilisation en zones portuaires, côtières et environnements peu profonds. Nous proposons un système SBL (Small Distance Baseline) avec un nombre réduit de transducteurs (une balise d'émission et deux hydrophones). La configuration géométrique du système étant contraignante (hydrophones proches) la précision du positionnement obtenue par les méthodes classiques est faible. Nous proposons une nouvelle méthode de localisation améliorant la précision. La balise à localiser émet un signal à étalement de spectre. La différence de distance entre les trajets des signaux des hydrophones est mesurée par corrélation. Nous proposons deux boucles de poursuites pour l'estimation conjointe de la fréquence Doppler et du délai entre les signaux reçus. Ces techniques de poursuite basées sur un filtre de Kalman sont implémentées en boucle fermée et ouverte. Les observations TDOA (Time Difference Of Arrival) conduisent à utiliser une technique de localisation hyperbolique. Nous proposons une représentation statistique qui exploite la géométrie de notre système de mesure pour déterminer une zone de localisation probable autour de chaque hyperbole. En utilisant des positions de bateau successives, on construit une densité de probabilité dont le maximum définit la position de la balise. On montre sur données synthétiquesque pour un bruit de mesure réaliste, il est possible de déterminer la position de la balise avec une précision submétrique. Les expérimentations réelles confirment la faisabilité du système et la précision obtenue est dans ce cas métrique.

This thesis focus on the problem of multiobject detection and tracking multiple moving objects on the road, using a scanning laser rangefinder. The works in the field of obstacle detection and tracking from lidar data generally use three main stages : detection, measurement association and filtering. However, it is known that this processing chain can lead to a loss of information that may be reponsible for non-detection or false alarm problems. Furthermore, the non-linearities associated to the polar-to-Cartesian transformation of lidar measurements during the detection step cannot preserve the statistical properties of the measurement noise. Another difficulty, related to the spatially distributed nature of a lidar measurements of an object, is to associate each impact with a single vehicle while taking into account the temporal variability of the number of impacts. An approach that only exploits the raw data ensures the optimality of the processing chain. This thesis explores a new joint approach for detection and tracking that uses raw lidar data, while eliminating any step of predetection. The proposed approach is based, first, on the use of sequential Monte Carlo methods due to their ability to deal with highly non-linear models, and secondly, on an object modeling related to lidar measure. The method is validated with data from the simulator SIVIC under different experimental conditions for the detection and tracking of heterogeneous objects with monolayer and multilayer lidar.; Dans cette thèse, nous nous intéressons à la résolution de problèmes de détection et de suivi d'objets mobiles multiples sur route, à partir de données télémétrique de type lidar à balayage. Les travaux dans le domaine de la détection et de suivi d'obstacles à partir de données lidar mettent généralement en oeure trois principales étapes : la détection, l'association de mesures et le filtrage. Cependant, il est connu que cette chaîne de traitement peut engendrer des pertes d'informations pouvant être à l'origine de cas de non détection ou de fausse alarme. Par ailleurs, les non-linéarités liées à la transformation polaire-cartésien des mesures lidar au cours de l'étape de détection ne permettent plus de préserver la statistique des bruits de mesure après traitement. Une autre difficulté, compte tenu de la nature spatialement distribuée des mesures lidar liées à un objet, est de pouvoir associer chaque impact à un unique véhicule tout en prenant en compte la variabilité temporelle du nombre d'impacts à lui associer. Seule une approche exploitant les données brutes permet de garantir l'optimalité de la chaîne de traitement. Cette thèse explore une nouvelle approche conjointe de détection et de suivi exploitant les données brutes du lidar, éliminant toute étape de pré-détection. L'approche proposé repose, d'une part, sur l'usage des méthodes de Monte Carlo séquentielles en raison de leur aptitude à traiter des modèles fortement non linéaire, , et, d'autre part, sur une modélisation des ojets compatible avec la perception lidar. La méthode est validée avec des données du simulateur SIVIC dans différentes situations expérimentales pour la détection et le suivi d'objets hétérogènes dans un cas lidar monoplan puis multiplan.

This thesis focus on the problem of multiobject detection and tracking multiple moving objects on the road, using a scanning laser rangefinder. The works in the field of obstacle detection and tracking from lidar data generally use three main stages : detection, measurement association and filtering. However, it is known that this processing chain can lead to a loss of information that may be reponsible for non-detection or false alarm problems. Furthermore, the non-linearities associated to the polar-to-Cartesian transformation of lidar measurements during the detection step cannot preserve the statistical properties of the measurement noise. Another difficulty, related to the spatially distributed nature of a lidar measurements of an object, is to associate each impact with a single vehicle while taking into account the temporal variability of the number of impacts. An approach that only exploits the raw data ensures the optimality of the processing chain. This thesis explores a new joint approach for detection and tracking that uses raw lidar data, while eliminating any step of predetection. The proposed approach is based, first, on the use of sequential Monte Carlo methods due to their ability to deal with highly non-linear models, and secondly, on an object modeling related to lidar measure. The method is validated with data from the simulator SIVIC under different experimental conditions for the detection and tracking of heterogeneous objects with monolayer and multilayer lidar., Dans cette thèse, nous nous intéressons à la résolution de problèmes de détection et de suivi d'objets mobiles multiples sur route, à partir de données télémétrique de type lidar à balayage. Les travaux dans le domaine de la détection et de suivi d'obstacles à partir de données lidar mettent généralement en oeure trois principales étapes : la détection, l'association de mesures et le filtrage. Cependant, il est connu que cette chaîne de traitement peut engendrer des pertes d'informations pouvant être à l'origine de cas de non détection ou de fausse alarme. Par ailleurs, les non-linéarités liées à la transformation polaire-cartésien des mesures lidar au cours de l'étape de détection ne permettent plus de préserver la statistique des bruits de mesure après traitement. Une autre difficulté, compte tenu de la nature spatialement distribuée des mesures lidar liées à un objet, est de pouvoir associer chaque impact à un unique véhicule tout en prenant en compte la variabilité temporelle du nombre d'impacts à lui associer. Seule une approche exploitant les données brutes permet de garantir l'optimalité de la chaîne de traitement. Cette thèse explore une nouvelle approche conjointe de détection et de suivi exploitant les données brutes du lidar, éliminant toute étape de pré-détection. L'approche proposé repose, d'une part, sur l'usage des méthodes de Monte Carlo séquentielles en raison de leur aptitude à traiter des modèles fortement non linéaire, , et, d'autre part, sur une modélisation des ojets compatible avec la perception lidar. La méthode est validée avec des données du simulateur SIVIC dans différentes situations expérimentales pour la détection et le suivi d'objets hétérogènes dans un cas lidar monoplan puis multiplan.

In multi-sensor perception systems, an active topic concerns the multiple object tracking methodes. In this work, the main sensor is a scanning laser rangefinder perceiving extended targets. Tracking methods are generally composed of a three-step scheme (detection, association and tracking) which is jointly or sequentially implemented. This work proposes alternative solutions by considering a track-before-detect approach on extended targets. It avoids the classic procedures by proposing a global framework to solve this estimation problem. Firstly, we propose a detection method dealing with measurements in natural coordinates (polar) which is founded on geometrical invariance properties of the tracked objects. This solution is then integrated in the JPDA and PHD multi-target tracking frameworks solved with the sequential Monte-Carlo methods. The second part of this thesis aims at avoiding the detection step to propose an approach where the object model is directly embedded in the tracking process. This lets to build a novel joint detection and tracking approach. An aggregation process was developed to construct a measurement modeling avoiding any suboptimal preprocessing. We finally proposed a general framework for multi-sensor systems ( multiple lidar, inertial sensor, GPS). Theses methods were applied in the area of multiple vehicle tracking for the Advanced Driver Assistance Systems.; Dans les systèmes de perception multicapteurs, un point central concerne le suivi d'objets multiples. Dans mes travaux de thèse, le capteur principal est un télémètre laser à balayage qui perçoit des cibles étendues. Le problème desuivi multi-objets se décompose généralement en plusieurs étapes (détection, association et suivi) réalisées de manière séquentielle ou conjointe. Mes travaux ont permis de proposer des alternatives à ces méthodes en adoptant une approche "track-before-detect" sur cibles distribuées qui permet d'éviter la succession des traitements en proposant un cadre global de résolution de ce problème d'estimation. Dans une première partie, nous proposons une méthode de détection travaillant directement en coordonnées naturelles (polaires) qui exploite les propriétés d'invariance géométrique des objets suivis. Cette solution est ensuite intégrée dans le cadre des approches JPDA et PHD de suivi multicibles résolues grâce aux méthodes de Monte-Carlo séquentielles. La seconde partie du manuscrit vise à s'affranchir du détecteur pour proposer une méthode dans laquelle le modèle d'objet est directement intégré au processus de suivi. C'est sur ce point clé que les avancées ont été les plus significatives permettant d'aboutir à une méthode conjointe de détection et de suivi. Un processus d'agrégation a été développé afin de permettre une formalisation des données qui évite tout prétraitement sous-optimal. Nous avons finalement proposé un formalisme général pour les systèmes multicapteurs (multilidar, centrale inertielle, GPS). D'un point de vue applicatif, ces travaux ont été validés dans le domaine du suivi de véhicules pour les systèmes d'aide à la conduite.

In multi-sensor perception systems, an active topic concerns the multiple object tracking methodes. In this work, the main sensor is a scanning laser rangefinder perceiving extended targets. Tracking methods are generally composed of a three-step scheme (detection, association and tracking) which is jointly or sequentially implemented. This work proposes alternative solutions by considering a track-before-detect approach on extended targets. It avoids the classic procedures by proposing a global framework to solve this estimation problem. Firstly, we propose a detection method dealing with measurements in natural coordinates (polar) which is founded on geometrical invariance properties of the tracked objects. This solution is then integrated in the JPDA and PHD multi-target tracking frameworks solved with the sequential Monte-Carlo methods. The second part of this thesis aims at avoiding the detection step to propose an approach where the object model is directly embedded in the tracking process. This lets to build a novel joint detection and tracking approach. An aggregation process was developed to construct a measurement modeling avoiding any suboptimal preprocessing. We finally proposed a general framework for multi-sensor systems ( multiple lidar, inertial sensor, GPS). Theses methods were applied in the area of multiple vehicle tracking for the Advanced Driver Assistance Systems., Dans les systèmes de perception multicapteurs, un point central concerne le suivi d'objets multiples. Dans mes travaux de thèse, le capteur principal est un télémètre laser à balayage qui perçoit des cibles étendues. Le problème desuivi multi-objets se décompose généralement en plusieurs étapes (détection, association et suivi) réalisées de manière séquentielle ou conjointe. Mes travaux ont permis de proposer des alternatives à ces méthodes en adoptant une approche "track-before-detect" sur cibles distribuées qui permet d'éviter la succession des traitements en proposant un cadre global de résolution de ce problème d'estimation. Dans une première partie, nous proposons une méthode de détection travaillant directement en coordonnées naturelles (polaires) qui exploite les propriétés d'invariance géométrique des objets suivis. Cette solution est ensuite intégrée dans le cadre des approches JPDA et PHD de suivi multicibles résolues grâce aux méthodes de Monte-Carlo séquentielles. La seconde partie du manuscrit vise à s'affranchir du détecteur pour proposer une méthode dans laquelle le modèle d'objet est directement intégré au processus de suivi. C'est sur ce point clé que les avancées ont été les plus significatives permettant d'aboutir à une méthode conjointe de détection et de suivi. Un processus d'agrégation a été développé afin de permettre une formalisation des données qui évite tout prétraitement sous-optimal. Nous avons finalement proposé un formalisme général pour les systèmes multicapteurs (multilidar, centrale inertielle, GPS). D'un point de vue applicatif, ces travaux ont été validés dans le domaine du suivi de véhicules pour les systèmes d'aide à la conduite.

The problem of multiple-object tracking consists in the recursive estimation ofthe state of several targets by using the information coming from an observation process. The objective of this thesis is to study the spatial branching processes andthe measure-valued systems arising in multi-object tracking. We focus on a class of filters called Probability Hypothesis Density (PHD) filters by first analyzing theirperformance on simulated scenarii and then by studying their properties of stabilityand convergence. The thesis is organized in two parts: the first part overviewsthe techniques proposed in the literature and introduces the Probability Hypothesis Density filter as a tractable approximation to the full multi-target Bayes filterbased on the Random Finite Sets formulation. A series of contributions concerning the numerical implementation of PHD filters are proposed as well as the analysis of their performance on realistic scenarios.The second part focuses on the theoretical aspects of the PHD recursion in the context of spatial branching processes. We establish the expression of the conditional distribution of a latent Poisson point process given an observation process and propose an alternative derivation of the PHD filter based on this result. Stability properties, long time behavior as well as the uniform convergence of a general class of stochastic filtering algorithms are discussed. Schemes to approximate the measure valued equations arising in nonlinear multi-target filtering are proposed and studied.; La poursuite multi-cibles a pour objet le suivi d'un ensemble de cibles mobiles à partir de données obtenues séquentiellement. Ce problème est particulièrement complexe du fait du nombre inconnu et variable de cibles, de la présence de bruit de mesure, de fausses alarmes, d'incertitude de détection et d'incertitude dans l'association de données. Les filtres PHD (Probability Hypothesis Density) constituent une nouvelle gamme de filtres adaptés à cette problématique. Ces techniques se distinguent des méthodes classiques (MHT, JPDAF, particulaire) par la modélisation de l'ensemble des cibles comme un ensemble fini aléatoire et par l'utilisation des moments de sa densité de probabilité. Dans la première partie, on s'intéresse principalement à la problématique de l'application des filtres PHD pour le filtrage multi-cibles maritime et aérien dans des scénarios réalistes et à l'étude des propriétés numériques de ces algorithmes. Dans la seconde partie, nous nous intéressons à l'étude théorique des processus de branchement liés aux équations du filtrage multi-cibles avec l'analyse des propriétés de stabilité et le comportement en temps long des semi-groupes d'intensités de branchements spatiaux. Ensuite, nous analysons les propriétés de stabilité exponentielle d'une classe d'équations à valeurs mesures que l'on rencontre dans le filtrage non-linéaire multi-cibles. Cette analyse s'applique notamment aux méthodes de type Monte Carlo séquentielles et aux algorithmes particulaires dans le cadre des filtres de Bernoulli et des filtres PHD.

The general framework of this work concerns the driver assistance systems and more especially security. The objective here is to monitor the vehicle environment using a telemeter and inform the driver of potential hazardous situations. Maneuvers of collision avoidance or mitigation can then be considered. Two particular points have focused our attention: the object detection since it directly determines the overall performance of the method, and the association-tracking process which associates the available measurements to each tracked object. The telemetric data must be processed, through a detection stage that aggregates the measurement from the same object, in order to estimate the number of objects in the scene and their distance to the sensor. We propose in this thesis a method for object detection that uses not only the available measurements but also the geometric characteristics related to the applicative context. For the association stage, we particularly focus on the probabilistic data association methods that consider the available measure may not be linked to an object. These methods rely on the concept of detection and false alarm probabilities. These probabilities, and more particularly the probability of detection, are not only strongly linked to the detector, but also to the context of the scene (sensor / object and context object / object). To integrate the contextual information, we propose an association-tracking method based on the Bayesian networks. It allows an integration of the parameters related to the characteristics of the objects and the sensor in the determination of the detection probability, Ces travaux se placent dans le cadre général de l'assistance au conducteur et plus particulièrement de la sécurité. L'objectif est ici de surveiller l'environnement d'un véhicule grâce à un capteur télémétrique à balayage et d'informer le conducteur de situations potentiellement dangereuses. Ce dispositif permet alors d'envisager une manoeuvre d'évitement ou d'atténuation de collision. Deux points particuliers ont retenu notre attention : la détection d'objets qui occupe une place privilégiée car elle conditionne directement les performances globales de la méthode, et le processus d'association/suivi qui doit permettre d'associer efficacement les mesures disponibles à chaque objet suivi. Les données télémétriques utilisées nécessitent de passer par une étape de détection afin d'estimer le nombre d'objets présents dans la scène et leur distance au capteur, en procédant à une agrégation des mesures liées au même objet. Nous proposons en particulier dans ce mémoire une méthode de détection d'objets qui exploite non seulement la nature des mesures disponibles mais également les caractéristiques géométriques particulières liées au contexte applicatif. L'approche retenue pour l'étape d'association repose sur les méthodes d'association probabiliste de données qui permettent notamment de considérer le fait qu'une mesure disponible puisse ne pas être liée à un objet, en exploitant donc directement les notions de probabilité de détection et de fausse alarme. Ces probabilités, et notamment la probabilité de détection, demeurent non seulement fortement liées au détecteur, mais également au contexte de la scène : contexte capteur/objet et contexte objet/objet. Pour pouvoir intégrer ces informations globales de contexte, nous proposons une méthode d'association-suivi basée sur les réseaux bayésiens qui autorise l'intégration de paramètres liés aux caractéristiques des objets et du capteur dans la détermination de la probabilité de détection.