Compétences et Coopération
« Un des problèmes majeurs pour les véhicules autonomes est la capacité à détecter les VRU (Vunerable Road Users = piétons, cycliste, trottinettes) et ce dans toutes les conditions de visibilité (y compris nuit, éblouissement phares voiture en face, entrées/sorties de tunnel, fumée, brouillard, etc…). Les systèmes actuels utilisent principalement des caméras visibles qui se trouvent en difficulté voire qui sont inopérantes dans ces situations. Les caméras infrarouge thermique permettent d’adresser ces situations difficiles avec grande efficacité. Reste le problème de la fusion des données : comment optimiser la fonction de détection des piétons en tirant le meilleur parti de chaque capteur (visible + infrarouge) ? Nous avons fait appel à Neovision, qui a su prendre en charge l’ensemble des phases du projet : état de l’art des modes de fusion possibles, prototypage des architectures les plus prometteuses, constitution d’une base de données conséquente (roulage avec enregistrement d’environ 1M d’images sur 2 caméras visibles et 2 caméras IR), entrainement, optimisation des performances, tests, et enfin intégration dans un démonstrateur live qui devait fonctionner en temps réel. A la fin, c’est un réseau de neurones qui surclasse la performance des architectures classiques en améliorant les performances dans toutes les situations, une publication co-signée, et un démonstrateur temps réel qui fonctionne ! Traiter un problème aussi complexe comme celui-ci ne peut marcher que si les équipes sont compétentes et si elles coopèrent. C’est le dernier point que je souhaite souligner : c’est aussi grâce à la bonne coopération des équipes Neovision avec nos équipes que nous avons pu arriver à de tels résultats. »