Segmentation non supervisee d'images texturees par champs de markov : application a l'automatisation de l'entretien des espaces naturels

Abstract

The goal of this thesis is to demonstrate the feasibility of an image processing based guidance system in order to ensure the control of a natural open space maintenance machine and, more generally, of an agricultural machine onto a swath limit. The problem with this approach relies in the search for tools capable of automatically indicating the position of the rap limit in the image, without a priori any kind of information, thanks to the heading bias and the lateral positioning error of the maintenance machine. The first step consisted of a field study in order to characterize and learn about the environment in which the experiment was to take place. Then, we looked for a tool particularly adapted to the segmentation of mowing time. We have chosen to use Markov fields, and more particularly the ICM (Iterated Conditional Mode) algorithm. The general approach we adopted throughout this experiment led us to field test the entire process. The fact that we have demonstrated the feasibility of such a vision system allows us to be present in fields such as mobile robotics or visionics. / Le travail exposé dans ce mémoire vise la démonstration de la faisabilité d'un système de guidage par traitement d'images afin d'assurer l'asservissement d'un engin d'entretien des espaces naturels et, de façon plus générale, de machines agricoles, sur une limite de fauche. Toute la difficulté de cette approche réside dans la recherche d'outils capables d'indiquer automatiquement dans l'image, sans informations à priori d'aucune sorte, la position de la limite de travail grâce à l'écart de cap et à l'erreur de positionnement latéral de l'engin d'entretien des espaces naturels. La première étape de notre travail a été consacrée à une étude réalisée sur le terrain afin de caractériser et de connaître le milieu dans lequel nous étions appelés à évoluer. Ensuite il a fallu cherché un outil particulièrement adapté à la segmentation en supervisée des scènes de fauche. Pour cela, nous avons opté pour l'utilisation des champs de Markov et, plus spécialement, de l'algorithme ICM (Iterated Conditional Mode). La démarche générale que nous avons adoptée tout au long de notre travail a conduit à des tests réels sur le terrain de l'ensemble du processus. Démontrer la possibilité de réalisation d'un tel système de vision nous permet de prendre pied dans des domaines d'activités tels que la robotique mobile ou la visionique.