PROJET SARI - PREDIT 3sari.ifsttar.fr/livrables/vizir/VIZIR_3.1.2.pdf · Cette méthode d'évaluation de la visibilité géométrique des routes [BIG08] a été développée dans

Évaluation comparative des méthodes de mesure de la visibilité géométrique

PROJET SARI - PREDIT 3Surveillance Automatisée de la Route pour

l’Information des conducteurs et des gestionnaires

VIZIR

ÉVALUATION COMPARATIVE DES MÉTHODES DE MESURE DE LA DISTANCE DE VISIBILITÉ

Action 3.1 – Livrable n° 3.1.2

06 mai 2009

Prédit SARI, thème VIZIR – 3ère tranche

Projet financé par la DRI

LEPSIS

LRPC Strasbourg (ERA 27 LCPC)LRPC St Brieuc (ERA 33 LCPC)

Centre de Robotique (CAOR)Mines Paris / ARMINES

Responsable : CG 91

Auteurs :

J.-P. Tarel, P. Charbonnier, L. Désiré, D. Bill, F. Goulette.

Ont aussi participé :

G. Le Potier, T. Gibrat.

Page 1/20


Suivi des versions

n°Version Responsable Date Remarques

0.1 J.P. Tarel 24/04/2009 Création

0.2 P. Charbonnier 28/04/2009 Additions, corrections, mise en page

0.3 J.-P Tarel 29/04/2009 Corrections, temps.

0.4 P. Charbonnier 30/04/2009 Correction problèmes de la figure 1, suppression des derniers liens vers les images, nouveau PDF

0.5 J.-P. Tarel 06/05/2009 Correction de F. Goulette et L. Désiré. Derniers compléments et corrections.

Page 2/20


Table des matières

1 - Contexte de l'expérimentation.........................................................................................................4

1.1 - Les besoins des gestionnaires..................................................................................................4

1.2 - Les outils disponibles..............................................................................................................4

1.3 - Principe de l'expérimentation..................................................................................................4

2 - Description du principe des méthodes............................................................................................5

2.1 - Méthode manuelle...................................................................................................................5

2.2 - Méthode VISULINE...............................................................................................................5

2.3 - Méthode avec modèles numériques 3D...................................................................................5

2.4 - Méthode par analyse d'images stéréoscopiques......................................................................6

3 - Les distances de visibilité estimées.................................................................................................6




3.4 - Méthode par analyse d'images stéréoscopiques......................................................................8

4 - Étude comparative...........................................................................................................................9

4.1 - Résultats comparatifs...............................................................................................................9




4.5 - Méthodes par analyse d'images stéréoscopiques...................................................................17

5 - Conclusion.....................................................................................................................................19

6 - Références bibliographiques.........................................................................................................20

Page 3/20


1 - Contexte de l'expérimentation

1.1 - Les besoins des gestionnaires

La visibilité géométrique des infrastructures est primordiale pour la sécurité des usagers. Les documents réglementaires définissent des valeurs seuils de visibilité géométrique utilisées lors de la conception de routes neuves [BIG08]. Dans le cas où les routes existantes ne sont pas conformes à ces valeurs seuils, le gestionnaire doit définir des règles d'exploitation spécifiques garantissant la sécurité des usagers : limiter la vitesse par exemple.

Afin d'évaluer la conformité des distances de visibilité géométrique disponibles sur les réseaux existants aux distances de visibilité requises selon les règles de l'art, des mesures simples peuvent être réalisées par des opérateurs, en bord de voie. Dangereuses et fastidieuses, elles ne peuvent être que ponctuelles. Afin de répondre aux besoins de diagnostic des réseaux existants, différents outils d'évaluation à grand rendement de la visibilité géométrique offerte ont été développés.

1.2 - Les outils disponibles

Dans le cadre d'une opération de recherche du LCPC, un recensement le plus exhaustif possible des matériels disponibles pour évaluer la visibilité géométrique avait été conduit il y a quelques années [CHA05]. Depuis cette époque, plusieurs autres outils ont été mis au point, notamment dans le cadre du consortium VIZIR du projet PREDIT SARI. Parmi ces différents outils, l'expérimentation décrite dans ce protocole concerne :

● le système d'acquisition et de traitement VISULINE développé par Georges Le Potier du LRPC de Saint-Brieuc [KER08].

● le logiciel « Qt-Ballad » [BIG08] mis au point par le LRPC de Strasbourg, exploitant les modèles 3D et trajectoires relevés par le véhicule instrumenté LARA-3D développé par le CAOR [DES08] ;

● les méthodes basées sur l'analyse d'images développées par LCPC/DESE [BIG08,TAR09], exploitant les séquences acquises par le Kangoo-stéréo, véhicule équipé par le LRPC de Strasbourg [CHA06] ;

1.3 - Principe de l'expérimentation

Le but de l'expérimentation est de comparer les résultats obtenus par les différents outils actuellement disponibles, et de les confronter à des évaluations « à dire d'expert », réalisées par le CETE de Lyon à partir de séquences d'images de scènes routières. Pour cela, il était nécessaire de procéder à une campagne d'acquisition des données expérimentales requises par les différentes méthodes, sur les mêmes itinéraires. Le plan d'expérimentation mis en place pour le recueil des données est décrit dans le livrable 3.1.1 [KCT08]. Les itinéraires choisis sont :

➔ CG22 – RD786 du PR27+1400 à PR 28+150 (1,056km),

➔ CG22 – RD786 du PR69+400 à PR69+1400 (1km),

➔ CG91 – RD 116-D (entre la RD97 et la RD27) du PR0+000 au PR3+1038,

Page 4/20


➔ CG91 – RD 372 (entre Milly-La Forêt et la limite départementale avec la Seine et Marne) du PR 14+000 au PR19+940.

Après un rappel des principes des trois outils de diagnostic, nous indiquons les itinéraires effectivement traités par chaque outil, avant de finir sur une étude comparative des mesures obtenues.

2 - Description du principe des méthodes

Les outils de diagnostic évaluent la visibilité réelle de l'infrastructure existante ou visibilité offerte par comparaison avec les distances de visibilité requises définies précédemment en 1.1 [BIG08,BRE06]. La comparaison peut être réalisée directement, à l'instar de l'outil VISULINE. Les deux autres outils présentés utilisent une mesure indirecte, à partir d'un modèle 3D ou d'images.

2.1 - Méthode manuelle

Grâce au CETE de Lyon, nous disposons d'estimations manuelles, « à dire d'expert », de la distance de visibilité offerte. Pour évaluer ces distances, l'opérateur s'est efforcé de repérer un point de référence fixe le plus éloigné possible sur chaque prise de vue, puis a compté le nombre d'images pour arriver à ce point de référence (chaque image est prise avec un intervalle de 5m). Les images utilisées pour effectuer ces mesures sont les images VANI.

2.2 - Méthode VISULINE

Ce système permet de vérifier la conformité de la visibilité offerte avec les visibilités requises suivantes :

➔ Distances d'arrêt en tout point du réseau, distance de manœuvre en sortie au droit des échangeurs.

➔ Visibilité en carrefour.

➔ Visibilité sur les Flèches Lumineuses de Rabattement (FLR) utilisées dans le cas d'une neutralisation de chantier ou d'un danger temporaire, dans les règles définies dans la 8ème

partie de l'Instruction Interministérielle de Sécurité Routière.

Dans le cas d'une mesure d'une distance d'arrêt en tout point du réseau, le dispositif de saisie comprend un véhicule cible et un véhicule d'observation, se déplaçant dans le flot de circulation à 80km/h et asservis en distance par liaison radio. La saisie de la visibilité offerte est effectuée par l'opérateur se trouvant sur le siège passager du véhicule d'observation, selon sa propre perception. Dans le cas de la mesure de la distance d'arrêt en tout point du réseau, le point du véhicule cible observé par l'opérateur est le moins contraignant des deux feux arrière du véhicule. La localisation GPS des véhicules permet le géo-référencement des mesures. Les résultats sont ensuite restitués sous forme d'un SIG, le cas échéant avec les images de l'itinéraire.

Le fonctionnement de VISULINE et les différents modes opératoires sont décrits dans [KER08].

2.3 - Méthode avec modèles numériques 3D

Cette méthode d'évaluation de la visibilité géométrique des routes [BIG08] a été développée dans le

Page 5/20


cadre du consortium VIZIR par l'ERA «Imagerie-Méthodes Optiques» du LRPC de Strasbourg, en lien avec le laboratoire CAOR (ARMINES / Mines Paris). La modélisation 3D de la route et le relevé de sa trajectoire dans l'espace sont réalisés à l'aide du système prototype de cartographie mobile du CAOR, LARA-3D [DES08]. Le logiciel dédié «Qt-Ballad» du LRPC de Strasbourg met à profit ces données pour calculer les distances de visibilité offerte et requise. Plus précisément, le logiciel permet de vérifier la disponibilité d'une visibilité minimale, la distance entre le point d'observation et la cible étant fixée à une valeur pré-définie (protocole proche de celui de VISULINE). Il permet également l'évaluation de la distance de visibilité maximale disponible, en faisant varier la distance entre le point d'observation et la cible. Cette dernière peut être constituée d'une paire de points, représentant les feux arrière d'un véhicule, selon les préconisations des documents de référence en matière d'aménagement routier. Il peut également s'agir d'une cible volumique, parallélépipède représentant un véhicule ou un piéton. La distance de visibilité disponible, ou offerte, ainsi évaluée est finalement comparée avec la distance de visibilité requise, calculée par le logiciel à partir des caractéristiques de la trajectoire, et qui correspond à la distance d'arrêt sur obstacle.

2.4 - Méthode par analyse d'images stéréoscopiques

Dans le cadre du consortium VIZIR, deux méthodes d'évaluation de la visibilité géométrique sur itinéraire ont été mises au point par la division ESE du LCPC. Elles se basent sur des données images, ce qui réduit les coûts du relevé de données. L'acquisition est effectuée dans le cadre de VIZIR par le prototype Kangoo-stéréo du LRPC de Strasbourg [CHA06]. A terme, l'utilisation du MLPC IRCAN-stéréo est envisagée. Les deux méthodes déterminent la visibilité offerte comme la distance la plus lointaine à laquelle un algorithme d'analyse d'image peut correctement déterminer la partie chaussée dans la scène routière. La première méthode, mono-caméra, exploite une segmentation de la chaussée décrite dans [BIG07] et améliorée dans [BIG08,TAR09]. Celle-ci se base sur les propriétés statistiques de la chaussée et du fond et leur cohérence temporelle dans la séquence. Un modèle paramétré de la forme de la chaussée est ajusté sur l'image segmentée par régression robuste. La visibilité est déterminée en fonction du pourcentage de détections dans la zone chaussée ainsi modélisée. Elle est, enfin, convertie en données métriques à l'aide d'un modèle géométrique adapté au cas mono-caméra. La seconde méthode est binoculaire. Après segmentation de la chaussée, une estimation du profil longitudinal de la route est réalisée par recalage robuste des contours extraits des images gauche et droite [TAR07]. La visibilité offerte est estimée en fonction des mises en correspondance les plus lointaines, puis convertie en données métriques en exploitant le modèle estimé du tracé de la route, voir le livrable 1.2.4 [BIG08].

3 - Les distances de visibilité estimées


Les estimations manuelles de la distance de visibilité ont été effectuée sur

➔ CG22 – RD786 du PR27+1400 à PR28+0150, sens +,


dans le cadre du thème SARI/IRCAD. Les estimées de la distance de visibilité sont échantillonnées tous les 50 mètres et sont seuillées au delà de 250 mètres. Dans ces conditions, le temps de traitement manuel pour 1 km est d'environ une dizaine de minutes.

Page 6/20



Les distances de visibilité (valeurs possibles 0, 50, 65, 85, 105, 130, 160, 200, 250, 280 mètres) ont été obtenues à l'aide de l'outil VISULINE, avec un pas de 1 mètre, sur les itinéraires suivants :

➔ CG22 – RD786 du PR27+0000 à PR28+1022, sens + et sens -,


➔ CG91 – RD 116-D du PR0+0000 au PR3+0911, sens + et sens -,

➔ CG91 – RD 372 du PR 14+0000 au PR19+0995, sens + et sens -.

Chaque valeur possible, non nulle, de visibilité correspond à un passage des véhicules VISULINE. L'expérimentation a donc nécessité 9 passages par itinéraire inspecté. La méthode fournissant trois niveaux de réponse (« cible vue », « cible non vue », « inconnu ») pour chaque abscisse curviligne, chacune des lignes du fichier de résultat est traitée, pour rechercher la première distance à laquelle on observe une perte de visibilité. La distance 0 correspond donc, en réalité, à une visibilité disponible inférieure à 50m, tandis que la distance 280 indique une visibilité supérieure ou égale à 280m.


Les distances de visibilité à partir des données 3D n'ont pu être estimées que partiellement. Certaines acquisitions ayant été réalisées avec un scanner laser défectueux (itinéraires dans le CG91), elles n'ont finalement pas été traitées. Les distances obtenues prennent des valeurs continues, comprises entre 0 et 400 mètres avec un pas d'échantillonage de 5 mètres, sur les itinéraires suivants :


➔ CG22 – RD786 du PR69+0000 à PR70+0000, sens -.

Dans le cas de la RD 786, parcourue en sens plus, à partir du PR 27, les données fournies par LARA 3D ne commençaient pas à l'abscisse 0. Nous avons effectué un premier recalage avec les données VANI, grossier, sur la base des images issues des deux systèmes. Nous avons ensuite affiné ce recalage en superposant manuellement la courbe du rayon de courbure fournie par VANI à celle calculée par Qt-Ballad en fonction de l'abscisse curviligne. Le décalage a été estimé à 900m. Pour le PR 69, parcouru en sens moins, l'absence de décalage entre les données VANI et LARA3D a été vérifiée sur la base des images.

Deux méthodes ont été comparées : évaluation de la visibilité sur cible réglementaire (paire de points à 0m60 du sol, représentant les positions des feux arrières d'un véhicule) et évaluation sur cible volumique (parallélépipède de 1,5×4×1,3 m). Le point d'observation est situé à 1m du sol. Point de vue et cibles sont situés (ou centrés) sur la trajectoire représentant l'axe de la voie de droite de la chaussée. Les cibles sont déplacées dans le modèle 3D à partir du point d'observation jusqu'à ce qu'elles disparaissent, c'est-à-dire qu'aucun des deux feux ne soit plus disponible, dans le premier cas, ou que moins de 5% du parallélépipède soit visible, dans le second. Le seuil de 5% a été fixé empiriquement, de façon à ce que les résultats soient proches de ceux obtenus avec la cible réglementaire. La méthode avec cible volumique s'est avérée la moins sensible des deux à la présence d'artéfacts dans le modèle 3D.

Page 7/20


Figure 1: Recalage entre les données VANI et les données LARA3D (CG22 - RD 786, sens +, PR 27)

Le temps de création du modèle 3D comprend le temps d'acquisition des données et le temps de modélisation. Le temps d'acquisition est constitué d'un temps d'initialisation sur place (quelques minutes), du temps de parcours du véhicule (ici, de l'ordre d'un kilomètre à 15 km/h soit 4 min), d'un temps de vérification de quelques minutes, soit au total environ 10 min sur un parcours d'un km. Le temps de modélisation se fait actuellement hors ligne, à peu près à la cadence des acquisitions, c'est-à-dire environ 10 min également par km. Le temps total d'acquisition et de création du modèle 3D, additionnant ces deux étapes, est donc d'environ 20 min. Le temps de calcul de la visibilité à partir du modèle 3D est de l'ordre de 20 minutes par km avec la cible ponctuelle et de 50 minutes avec la cible volumique. Un traitement plus rapide peut être obtenu avec un échantillonage plus espacé.

3.4 - Méthode par analyse d'images stéréoscopiques

Les distances de visibilité obtenues par calcul sur des images stéréoscopiques ont été estimées sur les itinéraires suivants :



➔ CG91 – RD 116-D du PR0+0000 au PR3+0980, sens + et sens -,

➔ CG91 – RD 372 du PR 14+0000 au PR19+0230, sens + et sens -.

Les distances obtenues sont continues entre 0 et 280 mètres, avec un pas d'échantillonage d'environ 5 mètres (4.82 pour le CG22 et 4.87 pour le CG91).

Notons que les conditions météorologiques étaient différentes lors de l'acquisition selon les itinéraires étudiés. Ainsi, les acquisitions du Kangoo stéréo, réalisées en novembre 2006 dans le département 91 font apparaître de la brume sur l'itinéraire RD116-D, PR00+0000 à PR3+0980, sens+. Les images sont, généralement, plus sombres que celles obtenues dans le département 22 en mars 2008. Par ailleurs, la végétation est naturellement moins colorée sur les images du CG 91 que sur celles du CG 22.

Page 8/20


Seule la méthode binoculaire est présentée car celle monoculaire n'est pas assez précise en terrain vallonné. Les paramètres sont réglés sur les 100 premières images de la première séquence puis utilisés pour toutes les autres séquences. Le temps de traitement pour 1 km avec la méthode binoculaire est d'environ 50 minutes à partir des images brutes.

4 - Étude comparative

Lors de cette étude comparative, nous avons fait face à des problèmes de recalage en abscisse curviligne entre les données issues des différents systèmes (VANI, VISULINE, LARA 3D et Kangoo stéréo) et ce, malgré les précautions prises pour utiliser les mêmes points de repère lors des acquisitions. Le recalage obtenu n'est donc pas très précis en abscisse curviligne (environ à 20 m près) et des erreurs globales de recalage restent possibles. Ces incertitudes doivent être prises en compte lors de l'étude comparative en plus de l'incertitude de chaque outil.

4.1 - Résultats comparatifs

Les courbes obtenues sur les itinéraires étudiés sont montrées pages 11 et 12. Notons que ces courbes sont présentées en fonction de l'abscisse curviligne, comptée dans le sens de parcours de l'itinéraire. Un « retournement » des données en vue d'une comparaison ne ferait pas sens, puisque les configurations géométriques rencontrées sont différentes selon le sens de parcours.

A première vue, les différentes estimations (VISULINE, 3D, stéréo et manuel) ne semblent pas toujours corrélées, chaque méthode ayant ses propres limitations. La courbe prise en référence est celle donnée par VISULINE. Nous allons maintenant détailler pour chaque méthode ses avantages et inconvénients.


L'avantage de VISULINE est d'être un système opérationnel et c'est pourquoi nous l'avons choisi comme référence. Comme nous l'avons fait remarquer précédemment, l'estimation de la distance de visibilité maximale nécessite cependant plusieurs passages, puisque le système est initialement conçu pour vérifier une distance de visibilité fixée à l'avance. Cela augmente le temps nécessaire à l'inspection et peut éventuellement induire des complications lors du recalage.


On remarque que la méthode manuelle tend à fournir des distances sur-estimées par rapport aux mesures de visibilité géométrique obtenues avec VISULINE. Ceci peut s'expliquer par le fait que la prise de points de référence à longue distance s'avère assez délicate, lorsqu'il n'y a pas de repère précis, étant donné le très important changement d'aspect de la scène routière avec la distance.


Le premier enseignement de ces expérimentations est que la méthode est fortement tributaire de la qualité du modèle 3D disponible. Nous avons pu observer deux types de défauts dans les données fournies par LARA 3D.

Le premier est lié à la difficulté d'obtenir une trajectoire lisse et précise dans un environnement où les acquisitions GPS sont difficiles. Ceci peut entraîner des défauts sur l'altitude et sur le

Page 9/20


positionnement des points du nuage acquis par LARA 3D. En effet, le système réalise un balayage télémétrique rotatif, selon un plan perpendiculaire à la trajectoire. Une mauvaise estimation du cap ou de l'altitude induit un mauvais recalage des points lors de la reconstitution du nuage de points 3D et, par voie de conséquence, des défauts sur le modèle triangulé. Les défauts d'altitude se traduisent le plus souvent par des « sauts ». Nous avons constaté beaucoup plus de défauts sur le modèle du PR 69, qui correspond, dans toute sa première partie, à un secteur relativement encaissé, que sur le PR 27, où la qualité de la mesure GPS est certainement meilleure. L'équipe du CAOR poursuit ses travaux en vue d'améliorer la qualité des données fournies. D'autre part, une panne matérielle a rendu difficilement exploitables les données du CG 91 et c'est pourquoi nous avons préféré ne pas les traiter.

Le second type de défaut constaté dans les modèles 3D est lié à la présence de véhicules lors des acquisitions. Celles-ci étant effectuées à vitesse relativement réduite, le véhicule LARA3D est régulièrement dépassé par des automobiles ou des camions. De plus, la circulation en sens inverse provoque également des croisements de véhicules. Tout ceci se traduit par des points « parasites » situés à gauche de la trajectoire, à une altitude le plus souvent comprise entre 1 et 2 mètres. Un exemple est montré Figure 7. La première méthode de triangulation du nuage de point mise en place par le CAOR filtrait ces points afin de ne pas les prendre en compte. Malheureusement, ce mécanisme n'a pas été conservé dans la méthode utilisée actuellement pour produire les données mises en œuvre lors de cette expérimentation. On constate donc, à intervalles réguliers, la présence d'artéfacts pyramidaux, sur la partie gauche de la chaussée. Par conséquent, ces artéfacts ont une incidence plus importante sur la mesure dans le cas des courbes à gauche (cf. Figure 9). Rappelons que la méthode d'évaluation de la visibilité maximale s'arrête dès que la cible est masquée.

D'autre part, ces défauts sont plus gênants pour la méthode avec cible ponctuelle que sur la méthode avec cible volumique. C'est pourquoi nous avons choisi de présenter les résultats de cette seconde méthode. La Figure 6 compare les courbes obtenues à l'aide des deux méthodes. On constate un bon accord, qui confirme le choix d'un seuil de 5% comme critère de visibilité sur objet. Les chutes artificielles à 0 s'expliquent par la présence des artéfacts. Deux exemples sont montrés Figure 8. Sur la Figure 6 est également montrée, sous forme de diagramme de couleurs, une segmentation de l'itinéraire en fonction du rayon de virage (seuillage à R=400m). On peut constater que, dans bien des cas, c'est en sortie de virage que la distance de visibilité est maximale.

La seconde conclusion de cette expérimentation est le bon accord entre les résultats de VISULINE et les résultats obtenus à l'aide de Qt-Ballad sur les données 3D. On peut visualiser cette tendance sur les résultats obtenus sur le secteur « PR 27 » Figure 2 (en haut). En dehors des problèmes signalés précédemment, les différences principales entre les deux courbes, aux alentours de PR27+1500 et PR27+2000 s'expliquent par la présence d'artéfacts dans des virages à gauche, comme montré Figure 9. Ce bon accord avec les mesures VISULINE est, par contre, moins évident sur les courbes concernant le secteur « PR 69 » (Figure 3). Cependant, comme nous l'avons mentionné ci-dessus, les données 3D sont beaucoup moins exploitables sur ce secteur, particulièrement encaissé et circulé. Lorsqu'on élimine manuellement toutes les données erronées, les mesures restantes sont en bon accord avec les mesures VISULINE, comme le montre la Figure10. Sur cette figure, nous montrons également les résultats obtenus manuellement par un opérateur, déplaçant un objet volumique dans le modèle 3D visualisé, jusqu'à la disparition de celui-ci. Cette technique permet de passer au-delà des artéfacts qui bloquent souvent l'algorithme trop tôt. Ces résultats n'ont pas été obtenus complètement « en aveugle » et n'ont donc qu'une valeur relative. Ils montrent cependant qu'en s'affranchissant des artéfacts, on retrouve bien souvent des résultats proches de ceux de VISULINE. Il semble donc qu'une amélioration de l'acquisition des données et de leur numérisation devrait conduire à des résultats probants.

Page 10/20


Figure 2: Courbes des distances de visibilité offertes évaluées sur le RD786 du CG22, PR 27

Figure 3: Courbes de distance de visibilité offerte évaluées sur le RD786 du CG22, PR 69

Page 11/20


Figure 4: Courbes de distance de visibilité offerte évaluées sur le RD116D du CG91

Figure 5: Courbes de distance de visibilité offerte évaluées sur le RD372 du CG91

Page 12/20


Figure 6: Comparaison des mesures de visibilité avec cible réglementaire (feux) et cible volumique (objet), secteur « PR27 ».

Page 13/20


Figure 7: Copies d'écran de l'interface du logiciel Qt-Ballad. En haut, à gauche, une vue en plan de la trajectoire. A droite, modèle 3D utilisé pour les calculs de visibilité. La trajectoire du capteur laser (situé à 2m70 de hauteur sur le véhicule) est indiquée par un trait bleu avec des repères métriques blancs. En haut à gauche, courbe de la visibilité offerte sur feux (en vert) et sur cible volumique (en rouge). En haut à droite, image d'environnement acquise par LARA3D à la position considérée. On se situe sur le secteur « PR 27 » du RD 786 dans le département 22. Image du bas (abscisse 1195m, soit PR27+2095m) : artéfact dû à un dépassement. Le camion est visible quelques images plus loin (image de droite, abscisse 1215m, soit PR27+2115m). Situé en virage à gauche, ce défaut provoque une chute à 0 de la courbe de distance de visibilité.

Page 14/20


Figure 8: En haut, exemple de défaut, situé à l'abscisse1390m (soit PR27+2290m). Le saut (en blanc sur le profil affiché en haut à gauche) est sans doute dû au passage du véhicule sur le joint de chaussée en entrée de pont. En bas, abscisse 1540m (i.e. PR27+2440m), on observe des oscillations au niveau du profil. Observer l'aspect chahuté de la trajectoire. Un objet volumique (en vert sur le zoom situé dans le rectangle rouge) situé à 200m de l'observateur reste visible, tandis que les feux, plus bas, seraient masqués. Cela explique la différence entre les deux courbes.

Page 15/20


Figure 9: En haut, copie d'écran de Qt-Ballad. On se situe à l'abscisse 630, soit PR27+1530m. La visibilité calculée par Qt-Ballad est de 100m. Un objet volumique affiché (en vert) dans le modèle 3D à une distance de 170m est encore visible. Ce sont les artéfacts dus au croisement de véhicules qui provoquent la différence entre les mesures de VISULINE et les mesures obtenues à l'aide du modèle 3D.Un exemple similaire est montré sur l'image d'en bas, à l'abscisse 1050m, soit PR27+1950, où la cible située à 130m (distance estimée par VISULINE) est bien visible au-delà des artéfacts.

Page 16/20


Figure 10: Évaluation de la visibilité sur le secteur "PR 27", après élimination manuelle des mesures erronées dues aux artéfacts du modèle 3D (en bleu). En rouge, mesures réalisées par un opérateur déplaçant un objet volumique dans le modèle 3D visualisé.

4.5 - Méthodes par analyse d'images stéréoscopiques

Les résultats obtenus montrent qu'il est nécessaire d'améliorer l'outil avant de pouvoir espérer obtenir un système qui fonctionne automatiquement. L'outil actuel peut être utilisé seulement de façon supervisée par un opérateur expert qui contrôlera et corrigera les résultats obtenus. En effet, il y a deux sources principales d'erreurs. La première cause d'erreur est due aux occultations produites par les véhicules, les camions en particuliers qui cachent une partie de la chaussée et induisent donc une sous-estimation de la distance de visibilité géométrique de la route, voir Figure 11. Exceptionnellement, ces véhicules peuvent induire des problèmes de recalage entre les vues stéréo lors de l'estimation du profil de la route comme on le voit Figure 12. La deuxième cause vient de la difficulté à correctement segmenter la chaussée, quelles que soient les conditions d'éclairement (jaunissement de l'image au coucher du soleil), les conditions météorologiques (brumes et grisailles) et les saisons (jaunissement des accotements et arbres grisâtres en hiver). La Figure 13 montre des problèmes de sur- et sous-segmentation en présence de brume. Ces deux causes d'erreurs imposent des conditions sur l'utilisation d'un tel outil de mesure de la distance de visibilité : trafic faible, temps clair, en milieu de journée, au printemps ou en été.

Page 17/20


Figure 11: La distance de visibilité ne peut pas être correctement estimée à partir des images en présence d'un trafic important et en particulier à cause des occultations de la route induites par les camions. La ligne rouge présente la hauteur de la visibilité de la route estimée sur le secteur CG91, RD116-D, PR01+0650, sens+, à droite et CG22, RD786, PR 27+1976, sens+, à gauche.

Figure 12: La segmentation est l'étape difficile de l'outil de mesure de la distance de visibilité par les images. Cette segmentation nécessite d'avoir un bon contraste entre les couleurs de la route et celles du bord de la route. Dans le cas contraire, par exemple en présence de brume, il peut y avoir sous-segmentation comme à droite : la fin de la route n'a pas été segmentée de l'environnement, ou sur-segmentation comme à gauche où les arbres dans la brume ont le même gris que la chaussée. La ligne rouge présente la hauteur de la visibilité de la route estimée sur le secteur CG91, RD116-D, PR01+0073, sens+, à droite et CG91, RD116-D, PR02+0417, sens+, à gauche.

Page 18/20


Figure 13: De façon plus ponctuelle, il peut y avoir des problèmes d'éclairage, comme à gauche qui rendent la détection difficile (section CG91, RD116-D, PR03+0764, sens-). A droite, est présenté un cas aussi assez rare où le recalage entre les contours de l'image droite (en bleu) avec l'image gauche est incorrect, ici à cause d'une ambulance (section CG22, RD786, PR28+0312, sens-).

5 - Conclusion

Dans le cadre du projet Vizir, deux nouveaux outils de mesure de la distance de visibilité ont été conçus : une méthode par acquisition d'un modèle numérique 3D de l'environnement de la route et une méthode par analyse d'images stéréoscopiques. Les résultats obtenus par ces deux méthodes lors de la comparaison intensive sur divers itinéraires démontrent la nécessité d'améliorer encore les outils pour les rendre plus robustes aux diverses perturbations rencontrées.

En particulier, la technique basée sur l'utilisation d'un modèle 3D est tributaire de la qualité de ce dernier. Il est, en premier lieu, nécessaire d'améliorer l'étape d'acquisition. Comme pour la méthode par stéréovision, l'idéal serait de pouvoir réaliser les acquisitions dans des conditions de faible trafic. A défaut, il serait bénéfique de mettre au point des outils de filtrage des données erronées issues des interactions avec d'autres véhicules. Il est, également, impératif de rendre plus fiable et plus précise l'estimation de la trajectoire du véhicule, de façon à garantir l'intégrité du positionnement des points du modèle. Enfin, la triangulation du nuage de points est actuellement trop dense et la structuration des données ne permet pas un traitement par lots. La simplification efficace des données est donc un axe de travail important, en amont de notre application. Les expérimentations ont largement été marquées par la présence de défauts dans les modèles fournis. Cependant, lorsque le modèle 3D est fiable, comme sur le secteur « PR 27 » du RD 786 dans les Côtes d'Armor, les résultats sont cohérents avec ceux obtenus par le système opérationnel VISULINE. Ceci constitue une conclusion très encourageante à la phase d'expérimentation, d'autant que les possibilités offertes par les techniques de simulation, beaucoup plus souple, sont très variées.

S'ils sont encore loin d'une utilisation en routine opérationnelle, les outils actuellement développés peuvent néanmoins être mis en œuvre de façon supervisée par un opérateur expert, qui contrôlera et corrigera les résultats obtenus. Pour ce faire, le développement d'une IHM dédiée est nécessaire. Le logiciel Qt-Ballad pourrait fournir la base d'une telle interface.

Page 19/20


6 - Références bibliographiques

[CHA05] CHARBONNIER P., DELAVAL E., KERDUDO K., «Opération Sécurité des Itinéraires - axe 3 – Amélioration de la pertinence des études de sécurité – Mesures de la visibilité géométriques – Les différents systèmes disponibles» - avril 2005.

[BRE06] BREMOND R., «Vocabulaire de la visibilité routière», VIZIR, action 1.1 – Livrable n° 1.1.1, août 2006.

[KER08] KERDUDO K., DESIRE L., BILL B., LE POTIER G., GRITTI R., « Présentation de l'outil de diagnostic de visibilité VISULINE », document provisoire - octobre 2008.

[BIG08] BIGORGNE E., CHARBONNIER P., TAREL J.P., «Méthodes de mesure de la visibilité géométrique», VIZIR, action 1.2 – Livrable n° 1.2.4, septembre 2008.

[DES08] DESCHAUD J.-E., SENPAUROCA J., BRUN X., CHOI S.-W., GOULETTE F., «Mesure de visibilité géométrique avec modèle 3D : présentation de l’outil de diagnostic mis au point», VIZIR, action 2.1 – Livrable n° 2.1.3, octobre 2008.

[CHA06] CHARBONNIER P., «Matériel prototype pour l'acquisition de séquences d'images par stéréovision», VIZIR, action 2.1 – Livrable n° 2.1.1, décembre 2006.

[BIG07] BIGORGNE E., TAREL J.P., «Backward Segmentation and Region Fitting for Geometrical Visibility Range Estimation», actes de la conférence ACCV’07 - novembre 2007.

[TAR07] TAREL J.P., IENG S.S., CHARBONNIER P., «Accurate and Robust Image Alignment for Road Profil Reconstruction» actes de la conférence ICIP’07 - septembre 2007.

[GOU08] GOULETTE F., BREMOND R., TAREL J.-P., ANELLI P., METZGER R.., KERDUDO K., FOURNIER P., CHARBONNIER P., BRUNET J., «Choix des itinéraires pour la phase d'évaluation de la partie itinéraires», VIZIR, février 2008.

[KCT08] KERDUDO K., CHARBONNIER P., TAREL J.-P., BILL D., DESIRE L., GOULETTE F., «Rapport d'acquisition de données expérimentales sur les sites retenus», VIZIR, action 3.1 – Livrable n° 3.1.1, novembre 2008.

[TAR09] TAREL J.P., BIGORGNE E., «Long-Range Road Detection for Off-line Scene Analysis», actes de la conférence IV’09 - juin 2009.

Page 20/20

Documents

PROJET SARI - PREDIT 3sari.ifsttar.fr/livrables/vizir/VIZIR_3.1.2.pdf · Cette méthode d'évaluation de la visibilité géométrique des routes [BIG08] a été développée dans