Fusion d'informations incertaines : application d'aide au guidage d'engins agricoles

Fusion d'informations incertaines : application d'aide au guidage d'engins agricoles

Merging fuzzy information: application to guidance of agricultural vehicles

Thierry Chateau Laurent Trassoudaine  François Collange  Christophe Debain  Pierre Bonton 

Lasmea, UMR 6602 du CNRS

Cemagref 24 avenue des Landais, 63177 Aubière, France

Corresponding Author Email: 
thierry.chateau@lasmea.univ-bpclermont.fr
Page: 
249-262
|
Received: 
28 February 2000
|
Accepted: 
N/A
|
Published: 
30 June 2000
| Citation

OPEN ACCESS

Abstract: 

This Paper presents an application of automatic guidance of a combine harvester by data fusion. Both a laser rangefinder and a monochromatic camera provide redundant information. The problem of feature combination is presented: three models are proposed (probabilities, possibilities and Dempster Shafer theory). A reliability criteria, associated with each sensor data is used into a fuzzy based reasonning system in order to decide what to do: driving the machine using sensor data, driving the machine using prediction information or setting an alarm and let the operator driving it.

Résumé

Cet article concerne une application d'aide au guidage d'une moissonneuse batteuse par fusion de capteurs. L'utilisation d'une caméra et d'un télémètre laser fournit des mesures indépendantes et redondantes. La formalisation d'un problème de fusion d'attributs issus du traitement d'images est présentée et trois modèles sont proposés (modèle probabiliste, modèle possibiliste et modèle basé sur la théorie de l'évidence). La prise en compte de la fiabilité associée aux mesures capteurs est utilisée dans la mise en oeuvre d'un module de raisonnement flou afin de décider si la connaissance que l'on a de la scène permet de commander le véhicule ou s'il faut rendre la main au conducteur.

Keywords: 

Fusion, belief, possibility, probability, vision

Mots clés

Fusion, croyances, possibilités, probabilités, vision, guidage automatique

1. Introduction
2. Description Générale Du Système
3. Extraction Des Primitives
4. Fusion Incertaine
5. Module De Décision
6. Résultats
7. Conclusion
  References

[1] A. Appriou. Probabilités et incertitude en fusion de données multi-senseurs. Revue scientifique et technique de la défense, 1991.

[2] T. Chateau. Détection robuste d’interface par fusion d’infomations incertaines : application à l’aide au guidage d’engins agricoles. Thèse de doctorat de l’Université Blaise Pascal, Clermont-Ferrand, France, Octobre 1999.

[3] T. Chateau, C. Debain, F. Collange, L.Trassoudaine, and J. Alizon. Fusion d’attributs : application au guidage d’engins agricoles. Dans Cépaduès éditions, Rencontres Francophones sur la logique Floue et ses Applications, pages 141–148, Valennciennes, 21–22, Octobre 1999.

[4] L. Cordesses, C. Cariou, P. Martiner, and C. Thibaud. Cp-dgps based combine harvester contol without orientation sensor. In ION GPS’99, The satellite Division of the Institute of Navigation. 12th Internatonal Technical Meeting, Nashville Convention Center, Nashville, Tennessee, September 1999.

[5] C. Debain. Lois de commande pour le contrôle et la mobilité de machines agricoles. Thèse de doctorat de l’Université Blaise Pascal, ClermontFerrand, 1996.

[6] R. Deriche. Détection optimale de contours avec une mise en œuvre récursive. Proc. du 11ième colloque GRETSI-NICE, du 1er au 5 Juin 1987, pages 483–486, Juin 1987.

[7] M. Derras. Segmentation non supervisée d’images texturées par champs de Markov : Application à l’automatisation de l’entretien des espaces naturels. Thèse de doctorat de l’Université Blaise Pascal, Clermont-Ferrand, Décembre 1993.

[8] D. Dubois and H. Prade. Théorie des possibilités. Masson, Paris, France, 2 édition, 1987.

[9] G. Elkain, M. O’Connor, T. Bell, and B. Parkinson. System identification and robust control of farm vehicles using cdgps. In 10th International technical meeting of the satellite division of the Institute of navigation - ION GPS-97, Kansas City, 16-19 Septembre 1997.

[10] W. Feller. An Introduction to Probability Theory and its Applications. Wiley, New York, 1966.

[11] R.M Haralick. Statistical approachs to texture. In IEEE, volume 5, pages 786–804, 1979.

[12] JP. Haton. Le raisonnement en intelligence artificielle. InterEdition, 1991.

[13] G.J. Klir. Fuzzy sets and fuzzy logic : theory and applications. Prentice hall, 1995.

[14] N. Noguchi,J.F. Reid, J. Will, E.R. Benson, and T.S Stombaugh. Vehicle automation system based on multi-sensor integration. ASAE Paper N° 983111, American Society of Agricultural Engineers, St. Joseph, MI, 1998.

[15]M. Ollis and A. Stentz. First results in vision-based crop line tracking. In IEEE, editor, International Conference on Robotics and Automation, pages 951–956, Minneapolis, Minnesota, 1996.

[16] M. Ollis and A. Stentz. Vision based perception for an automated harvester. In IEEE/RSJ, editor, IEEE/RSJ International Conference on Intelligent Robots and systems, volume 3, pages 1838–1844, Grenoble (France), 1997.

[17] P. Pujas and M.J Aldon. Etalonnage d’un système de fusion caméra-télé-mètre pour la fusion multi-sensorielle. Dans Congrès AFCET RFIA’96, pages 1074–1081 Vol2, Rennes, Janvier1996.

[18] G. Shafer. A mathematical theory of evidence. Princeton University Press, New Jersey, 1976.

[19] L. Trassoudaine, J. Alizon, L. Gallice, and F. Collange. Advanced Vehicle and Infrastructure Systems : Computer Application, Control and Automation, chapter A Camera Telemeter Multisensory System for Obstacle Avoidance, pages 261–287. Ltd, 1997.

[20] L.A. Zadeh. Fuzzy sets as a basis for a theory of possibility. Fuzzy Sets and system, 1 : 3-28, 1978.