L'invention se rapporte au domaine de l'assistance à la conduite automobile et concerne plus précisément un procédé de traitement d'images pour la détection d'un objet à partir d'images capturées par une caméra embarquée dans un véhicule automobile.

L'invention permet notamment d'améliorer l'estimation de la distance séparant le véhicule de l'objet afin de permettre une meilleure assistance au conducteur. L'invention trouve en particulier son application dans la détection d'un feu de signalisation placé le long d'une route sur laquelle circule le véhicule.

De nos jours, les véhicules automobiles utilisent de manière connue des systèmes d'aide à la conduite afin d'assister le conducteur dans ses manœuvres, rendant ainsi la conduite plus aisée et sécurisée.

Un tel système d'aide à la conduite utilise une caméra, par exemple montée dans la partie haute du pare-brise avant, qui filme l'avant du véhicule et fournit les images à un calculateur embarqué qui les exploite.

Une fonction connue d'un tel système d'aide à la conduite consiste à détecter les feux de signalisation, notamment pour informer le conducteur lorsqu'un feu de signalisation est rouge et lui permettre ainsi de stopper le véhicule.

En pratique, pour réaliser cette détection, le calculateur réalise un suivi des zones lumineuses apparaissant sur les images acquises par la caméra.

Une telle détection doit être réalisée suffisamment tôt pour permettre au conducteur de stopper le véhicule et il est donc nécessaire de déterminer avec précision la distance à parcourir par le véhicule avant de se trouver en regard du feu.

Dans une solution connue, cette distance est calculée en utilisant un filtre de Kalman basé sur un vecteur de flux de mouvement et une estimation du modèle de mouvement de la caméra.

Lorsque le feu de signalisation est détecté à grande distance, par exemple plus de 80 mètres, le filtre de Kalman peut atteindre un minimum local du fait de la faible précision du vecteur de flux de mouvement. Dans ce cas, l'imprécision du modèle de mouvement de la caméra impacte davantage l'estimation de la distance par le filtre de Kalman dont l'erreur se trouve alors difficile à dé-corréler.

La présente invention a pour but de remédier à ces inconvénients en détectant une erreur introduite par le filtre de Kalman sur l'estimation de la distance afin de l'éliminer.

A cette fin, l'invention a tout d'abord pour objet un procédé de traitement d'un flux vidéo d'images capturées par une caméra embarquée dans un véhicule automobile, ledit flux vidéo d'images étant exploité par un calculateur embarqué dans ledit véhicule pour détecter un objet situé dans l'environnement du véhicule et estimer la distance séparant le véhicule dudit objet en appliquant un filtre de Kalman, préalablement initialisé, à la région de l'image représentant l'objet détecté.

Le procédé, mis en œuvre par le calculateur, est remarquable en ce qu'il comprend une étape de sélection, dans le flux vidéo d'images, d'une première image et d'une deuxième image, postérieure à la première image, une étape de détermination d'un indicateur de qualité de la distance estimée par le filtre de Kalman à partir de grandeurs relatives à l'objet, calculées à partir de la première image et de la deuxième image, une étape de détection d'une erreur de calcul de la distance par le filtre de Kalman à partir dudit indicateur de qualité et une étape de réinitialisation du filtre de Kalman lorsqu'une erreur a été détectée.

Par les termes « distance séparant le véhicule dudit objet », on entend ici la distance restant à parcourir par le véhicule en ligne droite afin qu'il arrive à la hauteur de l'objet.

L'utilisation d'un indicateur de qualité sur l'estimation de la distance faite par le filtre de Kalman à partir de grandeurs relatives à l'objet permet de déterminer de manière aisée et efficace l'existence d'une erreur dans les calculs du filtre. Une fois cette erreur détectée, la réinitialisation du filtre permet de supprimer cette erreur afin de permettre une assistance à la conduite fiable et sécurisée.

De préférence, l'objet est statique. A titre d'exemple, l'objet peut être un feu de signalisation ou un panneau disposé le long d'une route sur laquelle roule le véhicule.

Dans un premier mode de réalisation, l'indicateur de qualité comprend une mesure de la qualité du filtre de Kalman et une mesure des dimensions de l'objet détecté à partir de la première image et de la deuxième image afin de s'assurer qu'il correspond à l'objet attendu.

De préférence, la mesure de qualité est déterminée à partir de la distance entre la caméra et l'objet calculée à partir de la première image, de la distance entre la caméra et l'objet calculée à partir de la deuxième image et de la distance parcourue par le véhicule entre l'instant d'acquisition de la première image et l'instant d'acquisition de la deuxième image.

Avantageusement, la mesure de qualité IF1 est déterminée selon l'équation suivante :

IF1 = 11 - Aa ₂ X (- - +—) ) X 100

\ \\a ₁ - a ₂ \ a ₂ J J

où |ai-a ₂ | est la norme du vecteur de déplacement de l'objet entre les deux images, a ₂ est la distance entre l'épipôle et l'objet calculée à partir de la deuxième image et Aa ₂ est la précision sur la mesure de a ₂ (où l'épipôle correspond au point d'intersection entre la droite qui passe par les centres optiques des deux images et le plan image).

Avantageusement, le filtre de Kalman est réinitialisé lorsque la mesure de qualité IF1 atteint un seuil prédéterminé, par exemple 45%, et que les dimensions de l'objet ne sont pas comprises dans au moins un intervalle de dimensions prédéterminées. Par exemple, dans le cas d'un feu de signalisation, on peut s'assurer que la taille du ou des disques lumineux détecté sur les images est comprise entre 10 et 50 cm (taille standard d'un disque lumineux d'un feu de signalisation tel qu'il apparaît sur les images) et que la hauteur du feu depuis le sol est inférieure à un seuil, par exemple 10 mètres.

Dans un deuxième mode de réalisation, l'indicateur de qualité comprend une mesure d'erreur sur les dimensions de l'objet détecté.

De préférence, la mesure d'erreur est déterminée à partir d'au moins une dimension de l'objet mesurée à partir de la première image, à partir d'au moins ladite dimension de l'objet mesurée à partir de la deuxième image et de la distance parcourue par le véhicule entre l'instant d'acquisition de la première image et l'instant d'acquisition de la deuxième image.

De manière avantageuse, la mesure d'erreur est déterminée à partir de dimensions (dites 3D) estimées à partir du filtre de Kalman et de dimensions (dites 2D) estimées à partir de la première image et de la deuxième image.

Avantageusement, la mesure d'erreur IF2 est déterminée selon l'équation suivante :

_{IF2 =} /scalable _width - kalman _width

\ scalable _width )

où kalman _width correspond à une dimension de l'objet estimée par le filtre de

Kalman (par exemple le rayon d'un disque lumineux du feu de signalisation) et est obtenu en utilisant la dimension (2D) de l'objet mesurée dans la deuxième image et la distance (3D) restant à parcourir par le véhicule pour atteindre l'objet, estimés à partir du filtre de Kalman,

et scalable _width = ^^_ ^T _rt)

où r _t- i est la dimension considérée sur l'objet (par exemple le rayon d'un disque lumineux allumé sur le feu de signalisation) dans la première image, n est la dimension considérée sur l'objet dans la deuxième image et T est la distance parcourue par le véhicule entre l'instant d'acquisition de la première image et l'instant d'acquisition de la deuxième image. La taille estimée à partir du filtre de Kalman s'obtient à partir de n et de la distance estimée par ledit filtre. L'invention concerne également un véhicule automobile comprenant une caméra, configurée pour capturer un flux vidéo d'images représentant l'environnement du véhicule, et un calculateur configuré pour exploiter ledit flux vidéo d'images afin de détecter un objet situé dans l'environnement du véhicule et d'estimer la distance séparant le véhicule dudit objet en appliquant un filtre de Kalman, préalablement initialisé, à la région de l'image représentant l'objet détecté.

Le véhicule est remarquable en ce que le calculateur est configuré pour sélectionner, dans le flux vidéo d'images, une première image et une deuxième image, postérieure à la première image, pour déterminer un indicateur de qualité de la distance estimée par le filtre de Kalman à partir de grandeurs relatives à l'objet, calculées à partir de la première image et de la deuxième image, pour détecter une erreur de calcul de la distance par le filtre de Kalman à partir dudit indicateur de qualité et pour réinitialiser le filtre de Kalman lorsqu'une erreur a été détectée.

Dans une première forme de réalisation, l'indicateur de qualité comprend une mesure de la qualité du filtre de Kalman et une mesure des dimensions de l'objet détecté à partir de la première image et de la deuxième image afin de s'assurer qu'il correspond à l'objet attendu.

De préférence, le calculateur est configuré pour déterminer la mesure de qualité à partir de la distance entre la caméra et l'objet calculée à partir de la première image, de la distance entre la caméra et l'objet calculée à partir de la deuxième image et de la distance parcourue par le véhicule entre l'instant d'acquisition de la première image et l'instant d'acquisition de la deuxième image.

Avantageusement, le calculateur est configuré pour déterminer la mesure de qualité IF1 selon l'équation suivante :

où |ai-a ₂ | est la norme du vecteur de déplacement de l'objet entre les deux images, a ₂ est la distance entre l'épipôle et l'objet calculée à partir de la deuxième image et Aa ₂ est la précision sur la mesure de a ₂ (où l'épipôle correspond au point d'intersection entre la droite qui passe par les centres optiques des deux images et le plan image).

Avantageusement, le calculateur est configuré pour réinitialiser le filtre de

Kalman lorsque la mesure de qualité IF1 atteint un seuil prédéterminé, par exemple 45%, et que les dimensions de l'objet ne sont pas comprises dans au moins un intervalle de dimensions prédéterminées. Par exemple, dans le cas d'un feu de signalisation, on peut s'assurer que la taille du ou des disques lumineux détecté sur les images est comprise entre 10 et 50 cm (taille standard d'un disque lumineux d'un feu de signalisation tel qu'il apparaît sur les images) et que la hauteur du feu depuis le sol est inférieure à un seuil, par exemple 10 mètres.

Dans une deuxième forme de réalisation, l'indicateur de qualité comprend une mesure d'erreur sur les dimensions de l'objet détecté.

De préférence, le calculateur est configuré pour déterminer la mesure d'erreur à partir d'au moins une dimension de l'objet mesurée à partir de la première image, à partir d'au moins ladite dimension de l'objet mesurée à partir de la deuxième image et de la distance parcourue par le véhicule entre l'instant d'acquisition de la première image et l'instant d'acquisition de la deuxième image.

De manière avantageuse, le calculateur est configuré pour déterminer la mesure d'erreur à partir de dimensions (3D) estimées à partir du filtre de Kalman et de dimensions (2D) estimées à partir de la première image et de la deuxième image.

Avantageusement, le calculateur est configuré pour déterminer la mesure d'erreur IF2 selon l'équation suivante : ÎF2 = [ x lOO

V scalable _width )

où kalman _width correspond à une dimension de l'objet estimée par le filtre de

Kalman (par exemple le rayon d'un disque lumineux du feu de signalisation) et est obtenu en utilisant la dimension (2D) de l'objet mesurée dans la deuxième image et la distance (3D) restant à parcourir par le véhicule pour atteindre l'objet, estimés à partir du filtre de Kalman,

et scalable _width = ^^_ ^T _rt)

où r _t- i est la dimension considérée sur l'objet (par exemple le rayon d'un disque lumineux allumé sur le feu de signalisation) dans la première image, n est la dimension considérée sur l'objet dans la deuxième image et T est la distance parcourue par le véhicule entre l'instant d'acquisition de la première image et l'instant d'acquisition de la deuxième image.

La taille estimée à partir du filtre de Kalman s'obtient à partir de n et de la distance estimée par ledit filtre.

D'autres caractéristiques et avantages de l'invention apparaîtront lors de la description qui suit faite en regard des figures annexées données à titre d'exemples non limitatifs et dans lesquelles des références identiques sont données à des objets semblables.

- La figure 1 illustre schématiquement une forme de réalisation d'un véhicule automobile selon l'invention.

La figure 2 illustre un mode de réalisation du procédé selon l'invention. - La figure 3 illustre un premier mode de mise en œuvre du procédé selon l'invention.

La figure 4 illustre un deuxième mode de mise en œuvre du procédé selon l'invention.

On a représenté schématiquement à la figure 1 un véhicule automobile selon l'invention. Le véhicule 1 comprend une caméra 10 vidéo et un calculateur 20 relié par un lien de communication L1 à ladite caméra 10.

La caméra 10 est de préférence montée sur la partie supérieure du pare-brise avant 1 A du véhicule 1 . La caméra 10 est configurée pour capturer un flux vidéo d'images représentant l'environnement 2 du véhicule 1 et le fournir au calculateur 20.

Le calculateur 20 est configuré pour exploiter le flux vidéo d'images délivré par la caméra 10 afin de détecter un objet situé dans le champ de la caméra 10 et d'estimer la distance D à parcourir par le véhicule 1 pour atteindre ledit objet en appliquant un filtre de Kalman, préalablement initialisé, à la région de l'image représentant l'objet détecté. De préférence, l'objet est un objet statique, par exemple disposé le long de la route 2A sur laquelle circule le véhicule 1 . Dans l'exemple non limitatif ci-après, l'objet est un feu de signalisation 3 mais il va de soi que l'objet pourrait être différent, par exemple un panneau ou autre.

Comme illustré à la figure 3, on notera que la distance D correspond à la projection sur l'axe de déplacement du véhicule (parallèle à la route) de la distance réelle séparant la caméra 10 du feu de signalisation 3. Autrement dit, la distance D correspond à la distance restant à parcourir par le véhicule 1 pour arriver au niveau du feu de signalisation 3.

La détection du feu de signalisation 3 et l'estimation de la distance D séparant le véhicule 1 dudit feu de signalisation 3 à partir d'un filtre de Kalman étant connues en soi, elles ne seront pas davantage détaillées ici.

Le filtre de Kalman donne les mesures 3D qui séparent le feu de signalisation 3 de la caméra 10. On notera que le calculateur 20 est de préférence apte à calculer d'autres valeurs 3D comme la longueur ou la largeur du feu de signalisation 3 (données par exemple en mètres ou en centimètres).

Selon l'invention, le calculateur 20 est configuré pour sélectionner, dans le flux vidéo d'images capturé par la caméra 10, en référence à la figure 3, une première image 11 et une deuxième image 12, postérieure à la première image 11 , afin de déterminer un indicateur de qualité de la distance D estimée par le filtre de Kalman à partir de grandeurs relatives au feu de signalisation 3 calculées à partir de la première image 11 et de la deuxième image 12. On notera sur la figure 3 que f correspond à la focale de la caméra 10. Dans une première forme de réalisation, en référence à la figure 3, l'indicateur de qualité comprend une mesure de la qualité du filtre de Kalman et une mesure des dimensions du feu de signalisation 3 dans la première image 11 et dans la deuxième image 12 afin de s'assurer que l'objet détecté est bien un feu de signalisation 3.

Les mesures 2D sont réalisées dans les images 11 , 12 et sont en pixel (elles peuvent varier en fonction de la position de la caméra 10 par rapport au feu de signalisation 3). En pratique, ces mesures varient peu car le feu de signalisation 3 ne change pas de forme.

De manière préférée, le calculateur 20 est configuré pour déterminer la mesure de qualité IF1 à partir de la distance a1 entre l'épipôle du mouvement de la caméra 10 et le feu de signalisation 3 calculée à partir de la première image 11 , de la distance a ₂ entre l'épipôle du mouvement de la caméra 10 et le feu de signalisation 3 calculée à partir de la deuxième image 12 et de la distance T parcourue par le véhicule 1 entre l'instant d'acquisition de la première image 11 et l'instant d'acquisition de la deuxième image 12.

Plus précisément, dans cet exemple, le calculateur est configuré pour déterminer la mesure de qualit 'équation suivante :

IF1 = X 100

où |ai-a ₂ | est la norme du vecteur de déplacement de l'objet entre les deux images, a ₂ est la distance entre l'épipôle et l'objet calculée à partir de la deuxième image et Aa ₂ est la précision sur la mesure de a ₂ (où l'épipôle correspond au point d'intersection entre la droite qui passe par les centres optiques des deux images et le plan image).

De manière connue, l'épipôle est défini comme étant le point d'intersection entre la droite qui passe par les centres optiques de la première image 11 et de la deuxième image 12 et le plan image (cette définition étant par exemple donnée dans le document « Multiple View Geometry », Hartley).

De préférence, le calculateur 20 est configuré pour réinitialiser le filtre de

Kalman lorsque la mesure de qualité IF1 atteint un seuil prédéterminé, par exemple 45%, et que les dimensions de l'objet ne sont pas comprises dans au moins un intervalle de dimensions prédéterminées. Par exemple, dans le cas d'un feu de signalisation 3, on peut s'assurer que la taille du ou des disques lumineux détecté sur les images est comprise entre 10 et 50 cm (taille standard d'un disque lumineux d'un feu de signalisation tel qu'il apparaît sur les images) et que la hauteur du feu depuis le sol est inférieure à un seuil, par exemple 10 mètres. Dans une deuxième forme de réalisation, en référence à la figure 4, l'indicateur de qualité comprend une mesure d'erreur IF2 sur les dimensions de l'objet détecté.

Dans cet exemple préféré, le calculateur 20 est configuré pour déterminer la mesure d'erreur IF2 à partir d'une dimension du feu de signalisation 3, mesurée à la fois dans la première image 11 et dans la deuxième image 12, et de la distance T parcourue par le véhicule 1 entre l'instant d'acquisition de la première image 11 et l'instant d'acquisition de la deuxième image 12.

Plus précisément, le calculateur 20 est configuré pour déterminer la mesure d'erreur IF2 à partir de dimensions (3D) estimées à partir du filtre de Kalman et de dimensions (2D) estimées à partir de la première image 11 et de la deuxième image 12.

Dans cet exemple préféré, le calculateur 20 est configuré pour déterminer la mesure d'erreur IF2 selon l'équation suivante :

où kalman _width correspond à une dimension de l'objet estimée par le filtre de

Kalman (par exemple le rayon d'un disque lumineux du feu de signalisation) et est obtenu en utilisant la dimension (en 2D) de l'objet mesurée dans la deuxième image 12 et la distance D (en 3D) restant à parcourir par le véhicule pour atteindre l'objet, estimés à partir du filtre de Kalman,

t_ _{! t} T

et scalable, width abs(r _t→ -r _t )

où r _t- i est la dimension considérée sur l'objet (par exemple le rayon d'un disque lumineux allumé sur le feu de signalisation) dans la première image 11 , n est la dimension considérée sur l'objet dans la deuxième image 12 et T est la distance parcourue par le véhicule 1 entre l'instant d'acquisition de la première image 11 et l'instant d'acquisition de la deuxième image 12. La taille estimée à partir du filtre de Kalman s'obtient à partir de n et de la distance D estimée par ledit filtre.

L'invention va maintenant être présentée dans deux modes de mise en œuvre en référence aux figures 2 à 4.

Tout d'abord, lorsque le réseau électrique du véhicule 1 est mis sous tension, la caméra 10 et le calculateur 20 sont activés. En particulier, le calculateur 20 initialise le filtre de Kalman de manière connue, puis le véhicule 1 se met à rouler et la caméra 10 filme l'environnement 2 du véhicule 1 et notamment la route 2A sur laquelle se déplace le véhicule 1 . Les images acquises par la caméra 1 0 sont transmises dans une étape E1 au calculateur 20 qui les exploite en temps réel, afin notamment de détecter les feux de signalisation 3 pouvant se trouver le long de la route 2A empruntée par le véhicule 1 .

Cette détection est réalisée de manière connue par le calculateur 20 à partir d'un filtre de Kalman. Pour cela, le filtre de Kalman estime la distance D séparant le véhicule 1 du feu de signalisation 3 sur la route 2A comme illustré à la figure 3. Dans l'exemple décrit ici, on considère que cette estimation de la distance D est réalisée en ligne droite et correspond à la distance que doit parcourir le véhicule pour arriver au niveau du feu de signalisation 3.

Lorsqu'un feu de signalisation s est détecté, le calculateur 20 sélectionne dans le flux vidéo d'images une première image 11 et une deuxième image 12 dans une étape E2, la deuxième image 12 étant acquise postérieurement à la première image 11 par la caméra 10.

A partir de ces deux images 11 , 12, le calculateur 20 détermine ensuite, dans une étape E3, un indicateur de qualité de la distance D estimée par le filtre de Kalman à partir de grandeurs réelles relatives au feu de signalisation 3 calculées à partir de la première image 11 et de la deuxième image 12.

Dans une première forme de réalisation, l'indicateur de qualité comprend une mesure de la qualité du filtre de Kalman et une mesure des dimensions du feu de signalisation 3 réalisée respectivement dans la première image 11 et dans la deuxième image 12 afin de s'assurer que l'objet détecté correspond bien au feu de signalisation 3.

Dans cette première forme de réalisation, la première image 11 et la deuxième image 12 sont de préférence deux images consécutives ou séparées de moins de 60 ms.

De manière préférée, en référence à la figure 3, la mesure de qualité IF1 est déterminée de la façon suivante.

Tout d'abord, on définit la distance D selon l'équation suivante :

où |ai-a ₂ | est la norme du vecteur de déplacement du feu de signalisation 3 entre les deux images, a ₂ est la distance entre l'épipôle et le feu de signalisation 3 calculée à partir de la deuxième image et T est la distance parcourue par le véhicule 1 entre l'instant d'acquisition de la première image 11 et l'instant d'acquisition de la deuxième image 12.

Puis, on calcule la différence AD de distance entre la première image 11 et la deuxième image 12 en dérivant de cette équation :

Δ _{β =} ^ _{χ ΔΩ2 +} _^_ _{χ Δ (} | _Ωι _ _Ω2 | _{) + χ ΔΓ (2} )

En supposant que l'erreur sur T est nulle (ΔΤ = 0), on obtient : ^Δβ = ^ ^{χ Δ} ¾ ⁺ ^Γ¾ ^{χ Δ} ^ - ¾ ΐ) 0) où Aa ₂ représente la précision sur la mesure de a ₂ .

En divisant la différence AD par la distance D et en supposant que l'erreur sur la norme du vecteur est égale à l'erreur sur a ₂ (A(|ai-a ₂ |) = Aa ₂ ), on obtient :

D V|ai-a ₂ l ¾

On définit alors la mesure de qualité IF1 comme étant :

/Fl = (l - ^) x l00 (5)

Cette mesure de qualité IF1 représente ici la qualité de la triangulation réalisée à partir de la première image 11 et de la deuxième image 12 pour calculer la distance D, les distances ai , a ₂ et T étant aisées à déterminer à partir de la première image et de la deuxième image ainsi que la vitesse du véhicule 1 , dont la valeur est mesurée en permanence et qui est aisément accessible au calculateur 20.

On considère dans cet exemple préféré que le filtre de Kalman fonctionne suffisamment bien lorsque la mesure de qualité IF1 atteint un seuil prédéterminé de 45%.

Toutefois, dans certaines situations où le filtre de Kalman tombe dans des minimums locaux, la mesure de qualité IF1 peut indiquer une qualité de mesure élevée alors que le filtre de Kalman fonctionne de manière erronée.

Dans ce cas, le calculateur 20 analyse les dimensions 3D de l'objet détecté mesurées grâce au filtre de Kalman afin de déterminer la probabilité que ledit objet corresponde à l'objet souhaité, en l'occurrence au feu de signalisation 3. Plus précisément, on vérifie que les dimensions du feu de signalisation 3 mesurées dans les images soient cohérentes avec des valeurs prédéterminées pour s'assurer que l'objet détecté correspond bien à un feu de signalisation 3 réel.

De préférence, dans le cas d'un feu de signalisation 3, on peut s'assurer que la taille du ou des disques lumineux détecté sur les images est comprise entre 10 et 50 cm (taille standard d'un disque lumineux d'un feu de signalisation tel qu'il apparaît sur les images) et que la hauteur du feu de signalisation 3 depuis le sol est inférieure à un seuil, par exemple 10 mètres.

Lorsque la mesure de qualité IF1 est supérieure au seul prédéterminée mais que les dimensions 3D de l'objet détecté mesurées grâce au filtre de Kalman ne correspondent pas à celles de l'objet attendu (i.e. du feu de signalisation 3 dans cet exemple), le calculateur 20 détecte cette erreur (étape E4) et provoque alors la réinitialisation du filtre (étape E5) afin de le redémarrer sans l'erreur en question.

Dans une deuxième forme de réalisation, l'indicateur de qualité comprend une mesure d'erreur IF2 sur les dimensions de l'objet détecté dans les images 11 , 12. Dans cette deuxième forme de réalisation, le temps qui sépare la première image 11 et la deuxième image 12 est de préférence important, par exemple supérieur à 1800 ms pour que le procédé soit moins sensible à l'erreur.

De préférence, on considère le rayon r d'un disque lumineux considéré comme étant émis par le feu de signalisation 3, que l'on définit selon l'équation suivante :

scalable _width = ⁽⁶⁾

Où T est une donnée 3D mesurée grâce aux données de mouvement du véhicule et r _t- i et n sont des données 2D mesurées respectivement dans la première image 11 et dans la deuxième image 12.

La mesure d'erreur IF2 est alors déterminée selon l'équation suivante :

jP2 = ( ^scalable width- kalman _wldth \ _χ

V scalable _width )

Dans cet exemple, on calcule le diamètre kalman _width du feu de signalisation 3 estimé par le filtre de Kalman comme étant le produit du rayon r _t du disque lumineux allumé sur le feu de signalisation 3 dans la deuxième image 12 par la distance z _k estimés à partir du filtre de Kalman (où z _k correspond ici à la distance restant à parcourir par le véhicule 1 pour atteindre le feu de signalisation 3 dans le repère caméra) :

kalman _width = r _t x z _k (8)

Pour ce faire, on détermine tout d'abord z _k en posant :

( ^x k\ ^x w\

yk ) = R _k x [ y _w ) + V _k (9)

¾ / \ ^z w/

qui correspond au passage du repère monde au repère caméra où :

* Xw, yw, Zw sont les positions 3D estimées par le filtre de Kalman dans le repère monde, et

• Rk, et V _k sont respectivement la matrice de rotation et le vecteur de mouvement du repère monde au repère caméra.

Cette mesure d'erreur IF2 permet d'estimer la qualité de la détermination des dimensions du feu de signalisation par le filtre de Kalman réalisée à partir de la première image 11 et de la deuxième image 12.

De manière préférée, on considère que lorsque la mesure d'erreur IF2 dépasse 25%, la distance estimée par le filtre de Kalman est erronée du fait d'une erreur non compensée sur laquelle se base le filtre.

Dans ce cas, le calculateur détecte cette erreur (étape E4) et provoque alors la réinitialisation du filtre (étape E5) afin de redémarrer l'algorithme sans l'erreur en question. Dans cette deuxième forme de réalisation, la détermination de la mesure d'erreur IF2 est possible avec n'importe quel objet statique sans avoir connaissance des dimensions de l'objet.

La présente invention permet donc avantageusement de déterminer une erreur dans le fonctionnement du filtre de Kalman afin de le réinitialiser pour annuler cette erreur, permettant alors un fonctionnement fiable et efficace du système d'assistance à la conduite du véhicule.