Retour au site du LAAS-CNRS

Laboratoire d’analyse et d’architecture des systèmes

Publications de l'équipe RAP

Choisir la langue : FR | EN

365documents trouvés

17136
01/09/2017

Hyper-optimization tools comparison for parameter tuning applications

C.MAURICE, J.MADRIGAL DIAZ, F.LERASLE

RAP

Manifestation avec acte : International Conference on Advanced Video and Signal-based Surveillance ( AVSS ) 2017 du 29 août au 01 septembre 2017, Lecce (Italie), Septembre 2017, 6p. , N° 17136

Lien : https://hal.laas.fr/hal-01584100

Non disponible

Plus d'informations

Abstract

This paper evaluates and compares different hyper-parameters optimization tools that can be used in any vision applications for tuning their underlying free parameters. We focus in the problem of multiple object tracking, as it is widely studied in the literature and offers several parameters to tune. The selected tools are freely available or easy to implement. In this paper we evaluate the impact of parameter optimization tools over the tracking performances using videos from public datasets. Also, we discuss differences between the tools in term of performances, stability , documentation, etc.

140752
17138
26/07/2017

Design of a sensor-based controller performing u-turn to navigate in orchards

A.DURAND PETITEVILLE, E.LE FLECHER, V.CADENAT, T.SENTENAC, S.VOUGIOUKAS

Univ. of California, Davis, RAP

Manifestation avec acte : International Conference on Informatics in Control, Automation and Robotics ( ICINCO ) 2017 du 26 juillet au 28 juillet 2017, Madrid (Espagne), Juillet 2017, 10p. , N° 17138

Diffusable

140095
17219
14/07/2017

Simplification of dynamic problems by time-scale transformation: application to the nonlinear control with input positive constraints

C.CASENAVE, E.MONTSENY

UMR MISTEA, RAP

Manifestation avec acte : IFAC World Congress 2017 du 09 juillet au 14 juillet 2017, Toulouse (France), Juillet 2017, 6p. , N° 17219

Diffusable

140466
17301
16/06/2017

Segmentation de nuages de points 3D pour le phénotypage de tournesols

W.GELARD, A.HERBULOT, M.DEVY, P.BURGER

RAP, INRA Castanet

Manifestation avec acte : Journées Francophones des Jeunes Chercheurs en Vision par Ordinateur, ( ORASIS ) 2017 du 12 juin au 16 juin 2017, Colleville-sur-Mer (France), Juin 2017, 8p. , N° 17301

Lien : https://hal.archives-ouvertes.fr/hal-01579385

Diffusable

Plus d'informations

Abstract

Cet article présente une méthode de segmentation basée modèle appliquée sur des nuages de points 3D de tour-nesols, l'objectif final étant la caractérisation de la crois-sance des tournesols. Ici, les acquisitions sont réalisées sur des plantes isolées. Un nuage de points 3D est obtenu via Structure from Motion à partir d'images RGB acquises au-tour d'une plante. Ensuite, la méthode proposée est appli-quée afin de segmenter et de labelliser les feuilles, c'est-à-dire, regrouper le nuage de points en régions, une pour la tige et les autres pour les feuilles. Chaque feuille est ensuite reconstruite avec des NURBS et leurs surface est calculée à partir du maillage triangulaire résultant. Notre méthode de segmentation est validée en comparant la surface obte-nue via mesure manuelle réalisée avec un planimètre, cette comparaison montre une différence inférieure à 10%. Ces résultats ouvrent une perspective intéressante pour le phé-notypage haut-débit des tournesols. Abstract This article presents a model-based segmentation method applied to 3D data acquired on a sunflower plant : the final objective is the characterization of sunflowers growth from observations made automatically from sensors moved around plants. Here, acquisitions are made on isolated plants, a 3D point cloud is computed using Structure from Motion with RGB images. Then the proposed method is applied in order to segment and label the plant leaves, i.e. to split up the point cloud in regions, one for the stem, the other ones for the leaves. Every leaf is then reconstructed with NURBS and its area is computed from the triangular mesh. Our segmentation method is validated comparing these areas with the ones measured manually using a planimeter. It is shown that differences between automatic and manual measurements are less than 10%. The present results open interesting perspectives in direction of high-throughput sunflower phenotyping.

140819
17300
16/06/2017

Détection d'objets en milieu naturel : application à l'arboriculture

A.DORE, M.DEVY, A.HERBULOT

RAP

Manifestation avec acte : Journées Francophones des Jeunes Chercheurs en Vision par Ordinateur, ( ORASIS ) 2017 du 12 juin au 16 juin 2017, Colleville-sur-Mer (France), Juin 2017, 8p. , N° 17300

Lien : https://hal.archives-ouvertes.fr/hal-01579391

Diffusable

Plus d'informations

Abstract

Cet article présente une approche de détection de fruits de-puis des images acquises par des caméras dans un verger. Le but est d'estimer le nombre de fruits produits par un arbre, ici des pommes de différentes variétés. Nous adap-tons une méthode classique, basée sur une classification appliquée sur une fenêtre de résolution variable, dépla-cée dans toute l'image : ce classifieur doit au préalable être entraîné sur une base d'apprentissage de grande dimension , construite à partir d'images annotées. Cet ap-prentissage est requis pour les différentes variétés. Pour limiter le temps lié à la construction de ces bases d'ap-prentissage, nous proposons d'exploiter toujours la même base d'images acquises sur des pommes qu'il est possible de segmenter de manière automatique, typiquement des pommes rouges qui se détachent facilement du feuillage. Nous décrivons les différents classifieurs de type CNN tes-tés pour cette application, exploités en mode prédiction-vérification. Nous comparons cette approche avec une mé-thode classique de la littérature. Mots Clef Détection d'objets, Classification, couleur, CNN, Faster R-CNN, apprentissage. Abstract In this article, it is presented an approach for the detection of fruits from images acquired by cameras in an orchard. It is requested to estimae the number of fruits given by a tree, here apples from different species. We adapt the mainstream method, based on a classifier applied on a multi-scale window shifted on all the image : beforehand this classifier must be trained on a large learning database extracted from annotated images. Such a training is required for every apple variety. In order to save time when building these learning database, we exploit always the same data set, acquired on apples that can be automatically segmented , typically red apples that are very salient in the foliage. Different CNN classifiers have been evaluated for this application , executed in a prediction-verification mode. This approach is finally compared with a more classical one.

140817
17236
01/06/2017

Low-complexity IMM smoothing for jump markov nonlinear systems

R.LOPEZ, P.DANES

RAP

Revue Scientifique : IEEE Transactions on Aerospace and Electronic Systems, Vol.53, N°3, pp.1261-1272, Juin 2017 , N° 17236

Lien : https://hal.laas.fr/hal-01579092

Diffusable

Plus d'informations

Abstract

A suboptimal algorithm to fixed-interval and fixed-lag smoothing for Markovian switching systems is proposed. It infers a Gaussian mixture approximation of the smoothing pdf by combining the statistics produced by an IMM filter into an original backward recursive process. The number of filters and smoothers is equal to the constant number of hypotheses in the posterior mixture. A comparison, conducted on simulated case studies, shows that the investigated method performs significantly better than equivalent algorithms.

140527
17129
24/05/2017

Implementation on a harvesting robot of a sensor-based controller performing a u-turn

E.LE FLECHER, A.DURAND PETITEVILLE, V.CADENAT, T.SENTENAC, S.VOUGIOUKAS

RAP, Univ. of California, Davis

Manifestation avec acte : International Workshop IEEE Electronics, Control, Measurement, Signals and their application to Mechatronics ( ECMSM ) 2017 du 24 mai au 26 mai 2017, Saint Sébastien (Espagne), Mai 2017, pp.223-228 , N° 17129

Diffusable

Plus d'informations

Abstract

In this paper we investigate the navigation of a harvesting robot using sensor-based controllers in an orchard. More precisely, we focus our work on the particular u-turn maneuver which allows the mechanical system to move from the current row to the next one. By using sensor-based controllers, the control law is expressed in the sensor space, and the robot does not have to localize itself nor use a global map of the field. The navigation task can then be realized more accurately. This paper reports the implementation of two generic sensorbased controllers. These controllers allow a differential robot to follow spirals around a given point of interest. In this work, we adapt these two controllers to our specific robot (car-like system), before detailing the ROS implementation architecture. Both simulations and experimental results show the interest and the efficiency of our controllers to perform u-turns in an orchard

139877
17123
19/05/2017

Champs de tenseurs. Bases mobiles et naturelles. Torsions. Courbures

M.RENAUD

RAP

Rapport LAAS N°17123, Mai 2017, 199p.

Lien : https://hal.laas.fr/hal-01523409

Diffusable

Plus d'informations

Abstract

Le but de ce rapport de recherche est d’étudier les champs indépendants de toute connexion de géométrie différentielle puis ceux qui en dépendent. Dans ce second cas l’accent est mis principalement sur le calcul des champs de tenseurs de torsion et de coubure de la connexion selon que la variété est quelconque ou riemannienne (i.e. dotée d’un champ de tenseurs très particulier appelé métrique). Lorsque la variété est riemannienne les calculs sont effectués pour une connexion quelconque et pour une connexion adaptée à la métrique dite connexion riemannienne. L’objectif est de préciser beaucoup mieux que ne le font les diverses références indiquées en bibliographie dans quel cadre précis les calculs sont effectués (connexion ou pas ? variété quelconque ou riemannienne ? connexion quelconque ou riemannienne ?).

139812
15298
01/05/2017

System identification by operatorial cancellation of nonlinear terms and application to a class of volterrra models

C.CASENAVE, E.MONTSENY, G.MONTSENY

UMR MISTEA, RAP

Revue Scientifique : International Journal of Robust and Nonlinear Control, Vol.27, N°8, pp.1211-1241, Mai 2017 , N° 15298

Diffusable

Plus d'informations

Abstract

In this paper, a method is proposed for identification of some complex SISO nonlinear models with two ill-known components of different nature: a linear (possibly dynamic) part and a static nonlinear one. This method is well adapted when no a priori information is available about the nonlinear component to be identified. It is based on a difference operator which enables to cancel the nonlinear terms when applied to the model. Only the ill-known linear part remains in the transformed model: it can therefore be identified independently of the nonlinear term. The problems under consideration are defined in an abstract framework, with very weak hypotheses, so that the proposed approach has a large scope. To highlight the method, a class of dynamic Volterra models including some hybrid models such as dynamic inclusions is considered for application.

140741
17101
20/03/2017

Représenter pour suivre : Exploitation de représentations parcimonieuses pour le suivi multi-objets

L.FAGOT-BOUQUET

RAP

Doctorat : Université de Toulouse III - Paul Sabatier, 20 Mars 2017, 196p., Président: A.CAPLIER, Rapporteurs: V.LEPETIT, A.CAVALLARO, Examinateurs: A.CAPLIER, Directeurs de thèse: F.LERASLE, R.AUDIGIER, Membre invité: Y.DHOME , N° 17101

Lien : https://hal.laas.fr/tel-01516921

Diffusable

Plus d'informations

Abstract

Visual object tracking is a subject of significant relevance in Computer Vision and its practical applications are numerous and exploited in various areas. For example, it is used in videosurveillance domain or by self-driving car technologies that require a full understanding of the vehicle surroundings. Multiple Object Tracking based on the tracking-by-detection paradigm has widely benefited from the recent developments in object detection. However, object detectors sometimes give erroneous responses, like missed detections, false positives, or imprecise detections. Maintaining target identities and handling occlusions are some other issues more specific to Multiple Object Tracking, which remains a challenging problem. Many recent approaches have exploited complex appearance models to distinguish more efficiently the targets and gain in robustness. In this thesis, we have followed the same idea by considering appearance models based on sparse representations that have been widely used in Single Object Tracking. We focus on people tracking since most practical applications are dealing with this object category. The first contribution of this thesis consists in designing an online, meaning frame by frame, tracking approach that takes advantage of collaborative sparse representations to define the affinity values between the estimated trajectories and the last detections. Furthermore, different possible descriptions of the targets, either holistic or local ones, have been considered. Contrary to offline approaches that consider several frames, online approaches are not able to correct possible association errors like identity switches or track fragmentations. Therefore, we proposed for our second contribution to develop a tracking system with a sliding window, based on a MCMCDA approach, able to correct association errors by exploiting sparse representations well-suited for this specific framework. Since the dictionaries used are composed solely of detections, the quality of the representations based on these dictionaries is highly dependent on the performance of the object detector. In order to rely less on the detector quality, we consider for the last contribution of this thesis to use dense dictionaries that are taking into account all possible locations of a target inside each frame. Many quantitative evaluations were performed using usual and public datasets, notably those of the MOTChallenge, in order to provide a consistent comparison with other recent approaches. These evaluations show the gain in performances of our proposed contributions and demonstrate the relevance of the choices that had been made.

Résumé

Le suivi visuel d’objets est un sujet d’importance en Vision par Ordinateur dont les applications pratiques sont multiples et exploitées dans des domaines assez diversifiés. On peut citer en particulier les problématiques de vidéo-surveillance ou encore celles liées aux voitures autonomes pour lesquelles il est crucial d’analyser correctement l’environnement. Cette thèse se focalise sur le problème de suivi multi-objets en considérant plus spécifiquement le suivi de personnes multiples, cette catégorie d’objets étant l’une des plus fréquentes dans les applications déployées en pratique. Le suivi multi-objets, en utilisant le paradigme de suivi par détection, a grandement profité des avancées récentes en détection d’objets. Néanmoins, le suivi multiobjets présente encore plusieurs problèmes spécifiques et reste ainsi une problématique difficile en Vision par Ordinateur. Les détecteurs donnent occasionnellement des réponses erronées, principalement des objets non détectés ou des fausses détections, face auxquelles un algorithme de suivi doit être le plus robuste possible. Pour aboutir à des systèmes plus robustes, de nombreuses approches récentes cherchent à exploiter des modèles d’apparence spécifiques afin de mieux différencier les cibles. Cette même approche a été suivie pour cette thèse, en nous inspirant de méthodes de suivi mono-objet à base de représentations parcimonieuses. Bien que l’emploi de telles représentations se soit révélé efficace dans plusieurs domaines en Vision par Ordinateur, cet outil restait peu utilisé pour le suivi multi-objets. La première contribution présentée dans ce manuscrit consiste à employer des représentations parcimonieuses collaboratives dans un système de suivi en ligne, image après image, pour définir les affinités en apparence entre les trajectoires estimées et les dernières détections. Des considérations sur les descriptions possibles des cibles, holistiques ou locales, ont de plus été examinées. Les approches en ligne ne peuvent cependant remettre en cause les choix d’appariement effectués à chaque image contrairement à des méthodes considérant simultanément plusieurs images consécutives. Notre seconde contribution a alors été de proposer une méthode de suivi à fenêtre glissante, ou multi-images, permettant de corriger d’éventuelles erreurs d’appariement en exploitant des représentations parcimonieuses adaptées à ce cadre spécifique. La dernière contribution développée dans ce manuscrit envisage l’emploi de dictionnaires denses pour définir les représentations parcimonieuses. Des dictionnaires denses, prenant en considération toutes les positions possibles dans une image, permettent de moins dépendre de la qualité du détecteur d’objets comparés à des dictionnaires définis à partir de détections. De nombreuses évaluations quantitatives ont été réalisées sur des base de données publiques usuelles afin de permettre une comparaison avec d’autres approches récentes. Ces évaluations attestent des gains en performances des contributions proposées et valident ainsi les choix effectués.

Mots-Clés / Keywords
Suivi multi-objets; Suivi par détection; Représentations parcimonieuses; Multi-object tracking; Tracking by detection; Sparse representations;

139555
Les informations recueillies font l’objet d’un traitement informatique destiné à des statistiques d'utilisation du formulaire de recherche dans la base de données des publications scientifiques. Les destinataires des données sont : le service de documentation du LAAS.Conformément à la loi « informatique et libertés » du 6 janvier 1978 modifiée en 2004, vous bénéficiez d’un droit d’accès et de rectification aux informations qui vous concernent, que vous pouvez exercer en vous adressant à
Pour recevoir une copie des documents, contacter doc@laas.fr en mentionnant le n° de rapport LAAS et votre adresse postale. Signalez tout problème de dysfonctionnement à sysadmin@laas.fr. http://www.laas.fr/pulman/pulman-isens/web/app.php/