Secteur(s) : Automobile

Consolider une carte d’obstacles à partir de caméras

Client :

Technologies utilisées :

Deep Learning

Vision & Fusion capteurs

Notre vision : offrir des solutions de mobilité propres, connectées, abordables et sûres. La force de notre Groupe repose sur la diversité et la passion qui anime nos collaborateurs partout dans le monde et sur notre large portefeuille de marques automobiles iconiques.
Source : https://www.linkedin.com/company/stellantis/

Enjeux

Projet inscrit dans le cadre du véhicule autonome
Détecter et identifier les véhicules et les piétons à partir des caméras
Construire une carte d'obstacles 3D en temps réel

Démarche

Approche monocaméra : detection 3D indépendante pour chaque caméra par un modèle Deep Learning, et fusion finale des données
Approche multi-caméras : détection 3D commune à toutes les caméras et fusion simultanée par un modèle Deep Learning unique

Résultat

Les 2 approches sont portées sur le véhicule pour un fonctionnement en temps réel
Chacune d'entre elles est capable de prédire avec précision la dimension manquante (distance des objets) à partir des images 2D
L'approche multi-caméra offre plus de robustesse en fusionnant intrinsèquement les détections dans les zones de recouvrement des caméras.