Source : IEEE/SICE International Symposium on System Integration (SII), Tokyo, 13-15 décembre 2014, p. 480-483 · DOI non imprimé dans le PDF · University of Ulsan (Corée du Sud), Department of Electrical Engineering · accès payant (IEEE) · PDF Seo2014-IPM-Curvature.pdf, sha256 a6627ea17a3f8ca6…, 4 pages Lu le : 2026-11-02. LECTURE COMPLÈTE (texte extrait ; les figures et l’équation matricielle de la spline n’ont pas été relues visuellement, aucun chiffre n’en est repris). Statut summarized. Thème : fusion · courbure de la route par vision monoculaire Métadonnées vérifiées dans le PDF : titre, auteurs (Dongwook Seo, Kanghyun Jo) et année conformes. L’ancienne fiche donnait les auteurs sous la forme « Seo, D., Jo, K. ». Pas de DOI imprimé.

Contexte et question

La courbure de la route est une information utile à la navigation autonome et aux aides à la conduite : elle sert à estimer la trajectoire du véhicule. Les travaux antérieurs cités se concentrent sur la détection des marquages, pas sur la géométrie de la route. Les auteurs proposent une méthode simple, à caméra unique embarquée, qui déduit la courbure des marquages détectés.

Méthode

Trois étapes (Fig. 1) :

• Inverse Perspective Mapping (IPM) : une homographie plan-sol est calculée à partir des quatre coins d’un damier posé sur la route, puis l’image est remappée ; les marquages deviennent parallèles dans la direction verticale (§II.A).
• Détection des marquages (§II.B) : segmentation couleur (marquages blancs et jaunes), opérateur de Canny, transformée de Hough restreinte aux droites verticales (angle 0 ou π), ajustement de droite par RANSAC autour de chaque droite, puis affinage par ajustement RANSAC d’une spline de Bézier de degré 3.
• Estimation de la courbure (§II.C) : le marquage détecté est supposé être une portion de cercle, pour limiter le temps de calcul. Trois points suffisent : début, fin et point intermédiaire. Le centre est donné par les médiatrices, le rayon R par la distance au centre, et la courbure κ = 1/R (Éq. 4). Un seuil T proche de zéro sépare droite et courbe (Éq. 5) : κ > T donne « courbe ».

Données

• Implémentation en C++ avec OpenCV, sous Ubuntu 14.04 (§III).
• Images d’une caméra montée sur un véhicule, de 640 × 512 pixels (§III).
• 2 823 marquages au total dans 1 443 images consécutives, dont 2 640 détectés ; la détection correcte est jugée manuellement (Tab. I, p. 3).
• Courbure : 1 845 marquages droits et 385 marquages en courbe (Tab. II, p. 4). Le PDF ne précise pas le critère de « correct » pour la courbure, ni la valeur du seuil T, ni la vérité terrain de la courbure.

Résultats chiffrés

Ancres :

• Détection : « The rate of the correct detected lane marker is 88.45%. » (§III, p. 3)
• Faux positifs : « False positive rate 5.41 % » (Tab. I, p. 3)
• Courbure : « The correct rate is 50.73% and 80% for straight and curve lane markers » (§III, p. 4)

Les effectifs de la Tab. II (1 845 + 385 = 2 230) ne sont pas ceux de la Tab. I (2 823) ; l’article ne l’explique pas.

Limites déclarées par les auteurs

• La précision de l’estimation de courbure est jugée faible : le marquage n’est pas ajusté exactement et le modèle circulaire est insuffisant ; ils suggèrent des modèles paraboliques ou cubiques (§III).
• La segmentation par couleur laisse du bruit, d’où des faux positifs (Fig. 9) ; ils disent avoir besoin d’une caractéristique supplémentaire (§III).
• Faiblesse et faible résolution après passage en IPM (§IV).
• Travaux futurs : améliorer la précision et estimer aussi l’orientation de la route (§IV).

Ce que ça change pour Teleforge (interprétation, hors de l’article)

• Référence de base minimale pour une courbure issue d’une caméra seule : utile comme point de comparaison, pas comme cible de performance.
• Le critère de réussite est une classification droite/courbe, pas une erreur de courbure en 1/m ; les 50,73 % et 80 % ne sont pas comparables à une RMSE de κ issue de GNSS ou d’inertiel.
• L’IPM par homographie suppose un sol plan et une caméra calibrée ; l’article ne traite pas la sensibilité au tangage ou au roulis, c’est une limite que nous voyons.
• Piste d’évaluation : mesurer l’erreur de κ sur des scénarios simulés à rayon connu, et tester l’effet de l’éclairage sur les faux positifs.
• Les affirmations de temps réel ou de compatibilité embarquée ne sont pas dans l’article : ne pas les reprendre.