Détection d'obstacles multi-capteurs supervisée par stéréovision

Road obstacle detection is a major topic for the developpment of future Advanced Driver Assistance Systems (ADAS). In this document, we propose a multi-sensor approach to obstacle detection. It is assumed to be robust and generic, thanks to a control task confered to stereovision. In the proposed approach, various sensors (stereoscopic sensor, laser scanner, optical identification sensor) provide hypothesis of detections, which are represented as volumes of interest in the disparity space associated to the stereoscopic images. These volumes are then processed by a stereovision algorithm to perform validation and characterization of the hypothesis. We propose a description of this methodology, three methods for the creation of hypothesis, and criteria for their validation. We also explore some practical aspects related to the implementation and the evaluation of the proposed strategy. Particularily, we propose to determine the appropriate method to obtain usable data from the stereoscopic images. Finally, three applications of the proposed methodology, fully operational in experimental vehicles, are presented. They figure how obstacle detection and cooperation with inter-vehicle communication could be used for the developpment of future ADAS.; Parmi les nouvelles technologies envisagées pour le développement d'aides à la conduite innovantes, la détection d'obstacles tient une place importante. Elle permet en effet d'anticiper d'éventuelles collisions, pour un gain réel en sécurité. Cette thèse propose d'aborder le thème de la détection d'obstacles par une approche multi-capteurs qui se veut robuste et générique, grâce au rôle central conféré à la stéréovision. Dans la méthodologie proposée, les différents capteurs (capteur stéréoscopique, télémètre laser, capteur d'identification optique) fournissent des hypothèses de détection sous la forme de volumes d'intérêt dans l'espace de disparité lié aux images stéréoscopiques. Un traitement localisé dans chacune de ces régions permet ensuite de valider et de caractériser ces hypothèses. Nous proposons dans cette thèse la description de cette méthodologie, trois méthodes de création d'hypothèses de détection et des critères pour la validation de celles-ci. Par ailleurs, des aspects pragmatiques liés à la mise en oeuvre de cette approche sont abordés, comme les choix algorithmiques permettant l'obtention en temps réel de données exploitables pour la stéréovision et l'évaluation des méthodes proposées. Enfin, nous présentons trois applications fonctionnant dans des véhicules expérimentaux et anticipant sur de futures aides à la conduite.