Nous avons mené ce projet dans le cadre des UV IA54 (Systèmes multi-agents) et IN54 (Reconnaissance de formes) de l’UTBM. Il s’inscrit dans l’optique de ces cours et des recherches menées dans le laboratoire SeT de l’école concernant la détection d’obstacles à l’avant d’un véhicule intelligent par vision stéréoscopique. Notre travail s’est focalisé plus particulièrement sur l’algorithme de mise en correspondance au coeur de la vision stéréoscopique permettant de reconstituer la profondeur d’une scène observée. En liaison avec le cours d’IA54, notre travail a consisté à concevoir, développer et expérimenter une approche nouvelle de ce problème basée sur une méthode multi-agents couplée à un pipeline de traitement d’images GPU.
Nous avons ainsi conçu une méthode de résolution basée sur un ensemble d’agents réactifs au sein d’une architecture de traitement d’images. Cette architecture a ensuite été implémentée en C++ sous la forme d’un module de traitement doté d’un noyau multi-agents et s’intégrant dans un pipeline de traitement graphique générique. Deux algorithmes multi-agents ont été mis en oeuvre et un travail important de calibrage et d’expérimentation a été mené afin d’optimiser le temps de traitement ainsi que la précision de la mise en correspondance et l’adaptabilité de la méthode au traitement d’images issues de divers types d’environnements.
Nous avons ainsi conçu, implémenté et calibré deux méthodes d’appariement stéréoscopique novatrices et montré l’utilisabilité d’approches à base d’agents réactifs localisés pour aborder des problèmes de traitement d’images. Nous avons également fourni une base de framework ouvert pour le traitement d’images par méthodes multi-agents qui constitue une plateforme de test et de prototypage pour ce type d’algorithme. Cette plateforme nous a permis de tester et de faire évoluer nos approches et constitue une base intéressante pour des développements futurs. Nous avons également montré l’intérêt du matériel graphique programmable pour l’application de filtres de convolution et en particulier pour des applications nécessitant un traitement temps réel des données.
l’utilisation de l’approche pour le traitement temps réel d’un flux d’image. Une deuxième évolution serait l’extension de l’approche ASI au traitement d’images issues d’un capteur stéréo non idéal (recherche multi-directionnelle). Enfin pourquoi ne pas tenter l’adaptation de la plateforme multi-agents à un environnement distribué de type cluster, voir un cluster de machines équipées de GPU, dédié aux traitements graphiques multi-agents.
Ce projet a été réalisé avec Béatrice Frey et Audrey Cholewka, deux autres étudiante de l’UTBM.
Rapport de projet:
RapportProjetIAIN54.pdf (