Place recognition based visual localization in changing environments

Résumé : Dans de nombreuses applications, il est crucial qu'un robot ou un véhicule se localise, notamment pour la navigation ou la conduite autonome. Cette thèse traite de la localisation visuelle par des méthodes de reconnaissance de lieux. Le principe est le suivant: lors d'une phase hors-ligne, des images géo-référencées de l'environnement d'évolution du véhicule sont acquises, des caractéristiques en sont extraites et sauvegardées. Puis lors de la phase en ligne, il s'agit de retrouver l'image (ou la séquence d'images) de la base d'apprentissage qui correspond le mieux à l'image (ou la séquence d'images) courante. La localisation visuelle reste un challenge car l'apparence et l'illumination changent drastiquement en particulier avec le temps, les conditions météorologiques et les saisons. Dans cette thèse, on cherche alors à améliorer la reconnaissance de lieux grâce à une meilleure capacité de description et de reconnaissance de la scène. Plusieurs approches sont proposées dans cette thèse:1) La reconnaissance visuelle de lieux est améliorée en considérant les informations de profondeur, de texture et de forme par la combinaison de plusieurs de caractéristiques visuelles, à savoir les descripteurs CSLBP (extraits sur l'image couleur et l'image de profondeur) et HOG. De plus l'algorithme LSH (Locality Sensitive Hashing) est utilisée pour améliorer le temps de calcul;2) Une méthode de la localisation visuelle basée sur une reconnaissance de lieux par mise en correspondance de séquence d'images (au lieu d'images considérées indépendamment) et combinaison des descripteurs GIST et CSLBP est également proposée. Cette approche est en particulier testée lorsque les bases d'apprentissage et de test sont acquises à des saisons différentes. Les résultats obtenus montrent que la méthode est robuste aux changements perceptuels importants;3) Enfin, la dernière approche de localisation visuelle proposée est basée sur des caractéristiques apprises automatiquement (à l'aide d'un réseau de neurones à convolution) et une mise en correspondance de séquences localisées d'images. Pour améliorer l'efficacité computationnelle, l'algorithme LSH est utilisé afin de viser une localisation temps-réel avec une dégradation de précision limitée
Type de document :
Thèse
Automatic. Université Bourgogne Franche-Comté, 2017. English. 〈NNT : 2017UBFCA004〉
Liste complète des métadonnées

https://tel.archives-ouvertes.fr/tel-01870520
Contributeur : Abes Star <>
Soumis le : vendredi 7 septembre 2018 - 17:14:07
Dernière modification le : vendredi 7 décembre 2018 - 16:48:04
Document(s) archivé(s) le : samedi 8 décembre 2018 - 15:50:56

Fichier

These_QIAO_UTBM.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01870520, version 1

Citation

Yongliang Qiao. Place recognition based visual localization in changing environments. Automatic. Université Bourgogne Franche-Comté, 2017. English. 〈NNT : 2017UBFCA004〉. 〈tel-01870520〉

Partager

Métriques

Consultations de la notice

173

Téléchargements de fichiers

40