TITRE DE LACTIVITE : LES PERTURBATIONS DE LA
TITRE DE L'ACTIVITE : LES PERTURBATIONS DE LA PERCEPTION VISUELLE Document 1: trajet des messages nerveux de la rétine au cortex visuel.
Perception visuelle de lespace égocentré: Contribution différenciée
19 déc. 2006 A contrario si l'inclinaison céphalique provoque des perturbations perceptives de l'orientation du corps
Étude de la relation entre la perception visuelle et la sensibilité orale
8 janv. 2021 une perturbation de la localisation spatiale des informations sensorielles provenant de l'espace environnant ;. 3. des troubles perceptifs ...
Livre blanc EyeComfort
définis comme des changements dans la perception visuelle induits par un notamment : des perturbations sur le secteur
Motricité et perception visuelle des mouvements humains
22 avr. 2018 Par contre une perturbation très importante de la ... Les recherches concernant la perception visuelle du mouvement humain ont été en.
Direction gravitaire visuelle: rôle de la perception dorientation
7 févr. 2006 3-3 Organisation vicariante de la perception visuelle de la direction ... perturbations par inclinaison corporelle en l'absence de biais ...
Estimation de la distraction fondée sur un modèle dynamique de
10 nov. 2016 L'estimation de cette perturbation constitue un résidu également ... Sachant que la distraction influence la perception visuelle ou les ...
Le développement de la fonction visuelle chez lenfant: étude
6 janv. 2016 le strabisme résultent la plupart du temps d'une perturbation entre la ... La perception visuelle nécessite la mise en œuvre d'une ...
Perception de la 3D et estimation du temps chez les patients
Mots clés : perception visuelle ; perception de la profondeur souffrent et comment différencier ces perturbations du traitement de l'information.
ADDICTIONS : LSD & CANNABIS ACCOMPAGNEMENT
Chimie de la perception ») le programme prévoit d'étudier la perturbation visuelle engendrée par des drogues de type LSD. ? Objectifs.
2MiB}+ `2b2`+? /Q+mK2Mib- r?2i?2` i?2v `2 Tm#@
HBb?2/ Q` MQiX h?2 /Q+mK2Mib Kv +QK2 7`QK
i2+?BM; M/ `2b2`+? BMbiBimiBQMb BM 6`M+2 Q` #`Q/- Q` 7`QK Tm#HB+ Q` T`Bpi2 `2b2`+? +2Mi2`bX /2biBMû2 m /ûT¬i 2i ¨ H /BzmbBQM /2 /Q+mK2Mib b+B2MiB}[m2b /2 MBp2m `2+?2`+?2- Tm#HBûb Qm MQM-Tm#HB+b Qm T`BpûbX
1biBKiBQM /2 H /Bbi`+iBQM 7QM/û2 bm` mM KQ/H2
/vMKB[m2 /2 +QM/m+i2m`, T`BM+BT2b 2i H;Q`Bi?K2b hQ +Bi2 i?Bb p2`bBQM, #HKpB K2vQ2X 1biBKiBQM /2 H /Bbi`+iBQM 7QM/û2 bm` mM KQ/H2 /vMKB[m2 /2 +QM/m+i2m`, kyRe1JLykdRX i2H@yRjN8k3k Estimation de la distraction fondée sur un modèle dynamique de conducteur : principes et algorithmesTitre de la thèse :
Estimation de la distraction fondée sur un modèle dynamique de conducteur : principes et algorithmesTitre de la thèse :
Estimation de la distraction fondée sur un modèle dynamique de conducteur : principes et algorithmesMémoire présenté en vue
Grade de Docteur de
École doctorale : STIM
Discipline : Automatique
Spécialité : Informatique, Automatique, Electronique et Génie ElectriqueUnité de recherche : IRCCyN, UMR 6597
Soutenue le 06-10-2016
Thèse N° : 2016 EMNA 0271
grade de Docteur deÉcole doctorale : STIM
Discipline : Automatique
Spécialité : Informatique, Automatique, Electronique et Génie ElectriqueUnité de recherche : Commande, PsyCoTec, ADTSI
Soutenue le (9)
Thèse N° : (10)
Ablamvi AMEYOE
Ablamvi
Ameyoe
JURY Président : Thierry POINOT, Professeur, ENSIP-Université de Poitiers Rapporteurs : Jean-Christophe POPIEUL, Professeur, Université de Valenciennes Sébastien GLASER, Professeur, IFSTTAR, Versailles Examinateur : Cédric JOIN, Maître de Conférences, Université de Lorraine Directeur de Thèse : Philippe CHEVREL, Professeur, Ecole des Mines de Nantes Co-encadrant de Thèse : Franck MARS, Chargé de recherche CNRS, IRCCyNCo-encadrant de Thèse : Eric Le CARPENTIER, Maître de Conférences, Ecole Centrale de Nantes
Encadrant industriel : Hervé ILLY, Ingénieur de recherche, Direction de la recherche Renault Laboratoire : Institut de Recherche en Communications et Cybernétique de Nantes (IRCCyN)DEDICACE
A " Ma Co-équipière et future épouse »,PRXP HQ UHPHUŃLMQP -(+29$+ GH PM SUpVHQŃH GMQV PM YLH ÓH PH GpGLH ŃHPPH POqVH HP P·H[SULPH PM JUMPLPXGH
en réponse à ton soutien infaillible. A" 0M PMPMQ PHV IUqUHV HP V±XUV TXL UpVLGent au Togo (Lomé-Zanguera/Zangueville, Lomé-Agoè
et Afagnagan), en France (Valenciennes) et aux Etats Unis (Atlanta-Georgia) » et " tous mes neveux et nièces », Ó·H[SULPH LŃL PM UHŃRQQMLVVMQŃH SRXU YRV HQŃRXUMJHPHQPVB A" Mes amis qui résident en France (Valenciennes, Guyancourt/Montigny et Voisins le Bretonneux, Nantes),
au Canada (Québec), au Togo (Lomé- Agoè) et au Maroc »,vous trouvez ici mes remerciements pour les moments que nous avions partagés ensemble, que ce soit sur le
plan spirituel ou profane.REMERCIEMENTS
dirigé et assuré la qAux membres
Je tiens à remercier, Monsieur Jean
Valenciennes et Monsieur Sébastien GLASER, Professeur, IFSTTAR mon jury de thèse. irA mes collègues et amis
Je remercie, Robert Boisliveau, I -
Mines de Nantes pour leur support technique.
Renault à Technocentre.
RESUME
Estimation de la distraction fondée sur un modèle dynamique de conducteurde la distraction dans le contexte industriel et à faible coût conduit à privilégier des indicateurs reposant sur
rendant perceptives motrices et successivement modèle Approche 1 - La distraction est modélisée comme une perturbation additiv constitue dans ce cadre le distracApproche -
obtenusApproche 3 .
état de distraction
expérimentales collectées pendant une campagne de test impliquant 35 con. Les conditions de test alternaient des phases de conduite normale etMots: modèle cybernétique du conducteur, identification, distraction, filtres de Kalman, observateur,
ABSTRACT
Estimation of distraction based on a dynamic model of driver: principles and algorith of distraction in the industrial context and at low visual motorApproach 1
Approach 2
Approach 3
test campaign conducted on a fixed, involving35 drivers.
Key: cybernetic
Table de
Table des matières
Notations
Chapitre 1
1.1. Contexte
1.2. Réalisations
1.3. Plan du mémoire
1.4. Liste des publications
Chapitre 2
contributions de la thèse2.1. Conduite en état de distraction : études et systèmes exista
2.2. Objectifs et moyens
2.3. Les contributions de la thèse
Chapitre 3
3.1. Introduction
3.2. Campagne de test sur simulateur de conduite
Chapitre 4
4.1. Introduction
4.2.4.3. Identification par paquet versus identification récursive
4.4. Identification par paquet des paramètres du modèle cybernétique du conducteur
4.5. Identification récursive des paramètres du modèle cybernét
4.6. Prédiction et estimation du couple conducteur
4.7. Conclusion
Chapitre 5
5.1. Introduction
5.2. Modélisation de la distraction comme défaut multiplicatif
5.3. Procédure et méthodologie
5.4. Résultats expérimenta
5.5. Analyse par type de distraction
5.6. Conclusion
Ch6.1. Introduction
6.2 du couple conducteur6.5. Synthèse des paramètres de ré
6.6. Conclusion
Chapitre 7
modèle cybernétique7.1. Introduction
7.2. Modélisation de la distraction comme un défaut additif en entrée
alman versus7.6. Algo
7.7. Conclusion
Chapitre 8
8.1. Conclusions
8.2. Perspectives
Notation
1. Notation véhicule et du positionnement du véhicule par rapport à la route
ݒ Vitesse longitudinale du véhicule
୰ Empattement arrière
Ɋ Adhérence
୰ Coefficient de raideur des pneus arrièreɄ୲ Largeur de contact pneu-sol
2 Rapport de réduction de la direction
୮ Distance de visé
ݎ Vitesse de lacet
ݕ Ecart latéral par rapport au centre de la voie, mesuré à une distance
୮ en avant du véhicule
2. Notations modèle conducteur
KpKc Gain de compensation visuelle
TI Constante de temps de la compensation
ɒ୮ Retard de traitement visuel
Kr Gain interne de la raideur de direction
KtTn Constante de temps neuromusculaire
Ʌ Vecteur des paramètres variant du modèle ȫ Vecteur des paramètres variant/invariant du modèle ߙ Motoneurones ߙ ߛ Motoneurones ߛNotation i
T Pas de temps (T=50ms)
L2 Norme L2
fit Taux de ressemblance x (en continu) xa (en continu) n Ordre du systèmeIn Matrice identité de dimension n
v Bruit de mesure wRa Matrice de variance des bruits de mesure
Qa Pa xa4. Notations t
F Valeur de décision - résultat de test ANOVA p ProbabilitNotations algorithm
TC TLChapitre 1
Sommaire
1.1. Contexte
1.2. Contributions
1.3. Plan du mémoire
1.4. Liste des publications
Bibliographie
Table des acronymes
ADAS Advance Driving Assistance Systems
INPI Institut National de la Propriété Industrielle CIFRE Conventions Industrielles de Formation par la REcherche IRCCyN Institut de Recherche en Communications et Cybernétique deNantes
PEM Prediction Error Method
UKF Unscented Kalman Filter
GTAA Groupe de Travail en Automatique et AutomobileContexte
La distraction au volant constitue une des principales causes des accidents de [3] permettra de proposer des algorithmes de détection disgénérée par une activité de résolution de problème, une discussion avec un passager ou un
une diminution contre ré de tâ distraction [7] qui tirent profit des es capteurs quotesdbs_dbs46.pdfusesText_46[PDF] LES PERTURBATIONS DU SYSTEME NERVEUX
[PDF] Les perturbations du système nerveux - Exposé
[PDF] les petit malin dessin animé
[PDF] les petit malins
[PDF] Les petites perceptions, Leibniz: "Or on peut dire qu'en conséquence "
[PDF] les petits frères des pauvres le bénévolat / l'emploie des ressources et le surplus des association
[PDF] Les peuples Barbares
[PDF] les peuples européens
[PDF] Les pH, étude de l'ion hydrogénocarbonate
[PDF] les phases d'un projet pdf
[PDF] les phases de l'évolution du marketing
[PDF] les phases de la guerre
[PDF] Les phénomènes périodiques
[PDF] LES PHENOMENES PERIODIQUES (Sinusoidale)