Faire un état de l’art des méthodes pouvant permettre d’estimer la largeur des routes et trottoirs à partir de vues aériennes dans la perspective :
- D’identifier les zones problématiques pour la circulation (piétons, cyclistes, automobilistes).
- D’aider les municipalités à optimiser l’espace public.
- Extraction automatisé d’images aériennes de Rennes et des axes centraux correspondants.
- Segmentation des images : deux méthodes développées (algorithmique et IA).
- Estimation de la largeur de chaque route en mètres à partir de la segmentation.
- Calcul d'une normale associée à chaque segment de route.
- Extraction de contours dans l’image via un filtre de Canny.
- Estimation de la largeur moyenne en suivant la normale en chaque point du segment, jusqu'à atteindre un contour.
Largeurs uniformes. Toutes les routes sont segmentés.
Non-robuste au bruit (marquage au sol, végétation, ombres, etc.).
Test de plusieurs modèles de segmentation sémantique :
- Unet [1] : Nombreuses routes non segmentées, largeurs de routes non uniformes.
- DeepLabv3 [2] : Largeurs plus uniformes, mais masque de sortie 64x64 insuffisant pour une segmentation précise.
[1] Ronneberger, Olaf, et al. "U-Net: Convolutional networks for biomedical image segmentation." (2015)
[2] Chen, Liang-Chieh, et al. “Rethinking atrous convolution for semantic image segmentation.” (2017)
Plus robuste au bruit que la méthode algorithmique.
Beaucoup de routes non segmentées.
| Algo | Unet | DeepLabV3 | |
|---|---|---|---|
| Précision | 89% | 83% | 92% |
| Rappel | 75% | 41% | 71% |
| F1 score | 81% | 54% | 80% |
| Largeur | |
|---|---|
| Route noire | 7.0m |
| Route rouge | 10.4m |
| Route bleue | 10.0m |
| Route bleue | 10.2m |
Méthode algorithmique :
- Donne de bons résultats pour la segmentation des routes.
- Plus efficace que les approches basées sur l'IA.
Trottoirs :
- Très peu contrastés par rapport à la route dans les images aériennes.
- Difficile à segmenter et à estimer leur largeur de manière indépendante.
Perspectives :
- Test des méthodes sur d’autres villes que Rennes.
├─ ExtractionOrthophotographies,
│ ├─ Gdal,
│ └─ mask_creator
│
├─ ImagesRennes
│
├─ Methodes_Algorithmiques
│ ├─ metricsComputing
│ │ └─ toComputeMetrics
│ │ ├─ mask
│ │ └─ truth
│ │
│ ├─ perpendicularMethod,
│ │ ├─ Data
│ │ └─ results
│
└─ Methodes_IA,
└─ Deeplabv3+_RoadSegmentation,