UMR CNRS 7253

Intégrité des Informations de Perception pour la Navigation Autonome et Collaborative

Bien que les véhicules autonomes soient en passe de devenir viables, certaines problématiques persistent. Parmi elles est la sécurité de perception. Avec les évolutions récentes en machine learning, de plus en plus d'objets (piétons, voitures, panneaux) peuvent êtres reconnus de manière robuste avec des capteurs bas coût. Malgré cela, une représentation fiable et temps réelle de l'environnement reste un challenge, notamment à cause du champ de vue limité des capteurs.

Le but de cette thèse est d'étudier l'intégration robuste et non-trompeuse d'information de perception provenant de véhicules alentours. Ce problème, extension de perception collaborative, sera étudié sous l'angle de l'échange d'informations statiques.

Localisation de véhicule par LiDAR 3D et carte vectorielle.
Développement d'un détecteur et modèle d'observation de passage piéton.