Thèse soutenue le 19 Mars 2021
Titre :
Détection, Identification and Localization of Road Defects using 3D LiDAR Data: Application to Road Network State Evaluation
Résumé :
Dans les applications liées au transport, la problématique de détection des défauts de la route est non seulement importante pour construire un système efficace d’aide à la conduite mais également contribuer à la mainte- nance des infrastructures routières dans une logique d’amélioration globale de la sécurité des routes. Cette thèse s’inscrit dans ce cadre, avec comme particularité d’être axée sur un télémètre laser à balayage 3D (LIDAR) per- mettant de percevoir l’environnement du véhicule et délivrant des mesures de cibles étendues. Afin d’être efficace en termes de précision en localisa- tion et d’identification du défaut, le processus de détection/estimation né- cessite une résolution élevée sur la cible, ce qui impose que le LiDAR soit positionné relativement proche de la route avec une orientation choisie afin d’augmenter cette résolution. Cependant, avant toute détection, ce contexte opérationnel conduit à envisager des méthodes d’estimation des paramètres extrinsèques du capteur tenant compte de cette spécificité opérationnelle.
La première partie de cette thèse porte donc sur une nouvelle méthode de calibration extrinsèque d’un capteur LiDAR 3D, appelée « LiDAR/Ground Calibration Method » qui se concentre sur l’estimation du plan de la route. Cette méthode est également efficace dans la configuration expérimentale particulière d’un angle élevé d’inclinaison du LiDAR. Dans cette configu- ration, la calibration du capteur LiDAR est un problème clé en particulier pour garantir l’efficacité de la détection des objets de taille modeste au sol. La méthode de calibration extrinsèque proposée peut être résumée en différentes étapes : ajustement du modèle géométrique de surface de la route, estimation des paramètres extrinsèques (orientation 3D, altitude) et optimi- sation des paramètres extrinsèques. Les résultats sur données synthétiques et réelles sont présentés en termes de précision et de robustesse par rapport à la variation de hauteur et à la précision sur l’orientation et la distance, montrant ainsi la stabilité et la pertinence de la méthode de calibration extrinsèque pro- posée.
La deuxième partie propose deux nouvelles méthodes de détection de dé- fauts routiers, dénommées Feature-Based Defect Detection Method (FBDDM) et Grid-Based Defect Detection Method (GBDDM). La méthode de détection FBDDM, basée sur les propriétés de concavité fournies par un filtre gaussien différentiel du second ordre, permet de détecter plusieurs défauts de route homogènes à chaque élévation laser. Quant à elle, la méthode de détection GBDDM est basée sur deux étapes principales : une étape d’interpolation construite sur une pondération des impacts lidar dépendant de la distance et un découpage de la surface en quadrillage dynamique qui permet de dé- tecter, visualiser et localiser des défauts routiers multiples. Les résultats d’évaluation montrent une très bonne performance de ces méthodes de dé- tection de défauts, en termes d’exactitude et de précision par rapport à d’autres méthodes de détection existantes. Elles montrent également leur efficacité dans la capacité de détection des défauts de type nids-de-poule ou de défor- mation de chaussée (bosses) en contexte expérimental maîtrisé.
Mots-clés: LiDAR Mobile 3D, Étalonnage Extrinsèque LiDAR, Systèmes de Transport Intelligents, Détection et Localisation des Défauts Routiers, Identification et Visualisation des Défauts Routiers.
Direction :
Jean-Charles NOYER, Régis LHERBIER, Oussama BAZZI
