Publication :
Speed-Q description du trafic environnant

bul.contributor.advisor-authkeyZaccarin, André|=01-0165148
bul.contributor.author-authkeyTremblay, Maxime|=XX5002512
bul.description.provenancedclpb
bul.identifier.controlNumber1132115980
dc.contributor.advisorZaccarin, André
dc.contributor.authorTremblay, Maxime
dc.date.accessioned2018-04-19T20:52:06Z
dc.date.available2018-04-19T20:52:06Z
dc.date.issued2012
dc.date.updated2018-04-19T20:52:06Z
dc.description.abstractL’objectif du projet est de décrire le trafic de l’environnement réel d’un utilisateur en situation de conduite pour qu’un environnement virtuel lui soit plus adapté. Un véhicule équipé de caméras est confié au futur utilisateur du simulateur pour qu’il effectue plusieurs sorties dans son milieu. Des algorithmes de détection et de suivi sont ensuite appliqués sur ces séquences vidéos. Les détecteurs employés utilisent des caractéristiques Haarlike pour entraîner un système d’arbre de décision boosted en cascade. Ces détecteurs produisent de bons résultats pour des objets rigides malgré une grande complexité d’entraînement. Le suivi se fait par l’appariement de points SIFT. L’emphase du travail fut mise sur le développement du framework de détection et de suivi et l’évaluation de ses performances. Le système performe relativement bien lorsqu’il doit détecter et suivre des objets de moyenne ou grande taille, mais présente des faiblesses sur les petits objets et les changements de pose.fr
dc.description.abstractThe goal of this project is to describe the traffic present in the real world of a simulator user so that the virtual environment is more adapted to him. A vehicle equipped with non-overlapping-view cameras is lent to the simulator’s future user so that he can use it in his driving environment. These collected data will be analyzed using detecting and tracking algorithms. The selected detector uses Haarlike features combined with boosted cascaded decision trees. Those detectors have a high training complexity, but produce good results for rigid objects. Tracking is carried out by the matching of SIFT feature points. The research emphasis was put on the development of the detection and tracking framework. The system performs relatively well for the detection and the tracking on medium and large objects, but shows some weakness to detect or track small objects and to track a pose changing object.en
dc.format.extent149 p.
dc.identifier.bacTC-QQLA-28649
dc.identifier.other28649
dc.identifier.urihttp://hdl.handle.net/20.500.11794/23891
dc.languagefre
dc.rightshttp://purl.org/coar/access_right/c_abf2
dc.subject.classificationTK 7.5 UL 2012
dc.subject.rvmCirculationfr_CA
dc.subject.rvmCirculation -- Modèles mathématiquesfr_CA
dc.subject.rvmConduite automobilefr_CA
dc.subject.rvmConduite automobile -- Modèles mathématiquesfr_CA
dc.subject.rvmVidéosurveillancefr_CA
dc.subject.rvmConduite automobile -- Simulateursfr_CA
dc.subject.rvmArbres de décisionfr_CA
dc.titleSpeed-Q description du trafic environnantfr_CA
dc.typemémoire de maîtrise
dc.type.legacyCOAR1_1::Texte::Thèse::Mémoire de maîtrisefr
dcterms.publisher.locationQuébec
dspace.accessstatus.time2022-11-15 22:40:22
dspace.entity.typePublication
etdms.degree.grantorUniversité Lavalfr_CA
etdms.degree.nameMémoire. Génie électriquefr_CA
relation.isAdvisorOfPublicationbf4d407c-446e-4997-ad93-ce06a2d6a0ba
relation.isAdvisorOfPublication.latestForDiscoverybf4d407c-446e-4997-ad93-ce06a2d6a0ba
relation.isAuthorOfPublication000cb70e-acb7-45da-a9be-f6b5e653d302
relation.isAuthorOfPublication.latestForDiscovery000cb70e-acb7-45da-a9be-f6b5e653d302
relation.isResourceTypeOfPublication5324f3cf-6e18-4f28-a339-115c99bd2b34
relation.isResourceTypeOfPublication.latestForDiscovery5324f3cf-6e18-4f28-a339-115c99bd2b34
Fichiers
Bundle original
Voici les éléments 1 - 1 sur 1
En cours de chargement...
Vignette d'image
Nom :
28649.pdf
Taille :
77.41 MB
Format :
Adobe Portable Document Format
Description :
Texte