Approches bayésiennes pour le suivi d'objets étendus appliquées à la lutte anti-drone et au véhicule autonome

Directeur de thèse :     Michèle ROMBAUT

École doctorale : Electronique, electrotechnique, automatique, traitement du signal (EEATS)

Spécialité : Signal, image, parole, télécoms

Structure de rattachement : Autre

Établissement d'origine : INP-PHELMA

Financement(s) : CIFRE ; Sans financement

Date d'entrée en thèse : 01/12/2018

Date de soutenance : 25/03/2022

Composition du jury :
CLARK, Daniel, Maître de conférence
GINOLHAC, Guillaume, Professeur des universités
DAMBREVILLE, Frédéric, Ingénieur de recherche
MICHEL, Olivier, Professeur des universités
PANNETIER, Benjamin, Ingénieur de recherche
ROMBAUT, Michèle, Professeur des universités

Résumé : Cette thèse s’inscrit dans le cadre d’une synergie entre le Groupe Renault, l’Onéra et le Gipsa-lab sur la problématique du suivi multi-objets étendus. Les applications visées sont la lutte anti-drone pour l’Onéra, et les aides à la conduite pour le Groupe Renault. Un objet est un point d'intérêt dynamique. Il est détectable par un capteur et pour certaines raisons, éviter une collision entre deux véhicules ou surveiller un espace aérien, il faut en estimer les paramètres cinématiques; comme la position ou la vitesse. Le suivi multi-objets est un domaine s’intéressant à l’estimation conjointe du nombre d’objets dans une scène, et de leurs paramètres cinématiques. C’est une étape de filtrage nécessaire, car les capteurs utilisés ont de nombreux défauts. Par exemple, ils ne détectent pas certains objets et ils en voient d’autres qui n’existent pas. Certains capteurs retournent même plusieurs mesures d’un même objet: ces objets sont qualifiés d’étendus. Pour résoudre ces problèmes, une approche entièrement probabiliste et une approche hybride, reposant sur l’intelligence artificielle et un modèle probabiliste, sont proposées.