Segmentation de scènes urbaines par combinaison d'information

Abstract

Nous présentons dans cet article une méthode de segmentation en superpixels appliquée à des images de scènes urbaines. Ces images proviennent de séquences acquises au moyen d'un système de cartographie mobile qui assure des prises de vue géo-référencées et redondantes spatio-temporellement. Notre objectif est d'obtenir une segmentation sémantique d'un triplet d'images successives en utilisant la richesse des informations à notre disposition : positions des capteurs, reconstructions 3D éparses et redondances visuelles. Pour cela, nous mettons en œuvre une approche s'appuyant sur une sur-segmentation en superpixels cohérents sur un triplet d'images. Notre algorithme fournit des résultats à partir d'images réelles, extraites d'un corpus de validation représentatif du problème posé.