Ce whitepaper, co-écrit par SHERPA Engineering (site de Nantes) et AME-EASE (Université Gustave Eiffel – IFSTTAR à Bouguenais) a été publié dans le numéro de décembre 2022 de la revue scientifique de référence « Sensors ».
Cet article décrit la conception d’un système de perception et de localisation de haut niveau, compact, évolutif et de longue autonomie pour les applications de conduite autonome. Notre benchmark est composé d’un lidar haute résolution (128 voies), d’une caméra stéréo à obturateur global, d’un système de navigation inertielle, d’un serveur de synchronisation et d’un calculateur embarqué. De plus, afin d’acquérir des données et de créer des ensembles de données multimodales, ce système intègre deux algorithmes de perception (détection RBNN, détection DCNN) et un algorithme de localisation (localisation par lidar) pour fournir en temps réel des informations avancées telles que la détection et la localisation d’objets dans des environnements difficiles (absence de GPS). Afin d’entraîner et d’évaluer les algorithmes de perception, un ensemble de données est construit à partir de 10 000 images lidar annotées provenant de divers trajets effectués dans des conditions météorologiques et des densités de trafic et de population différentes. Les performances des trois algorithmes sont compétitives par rapport à l’état de l’art. De plus, les temps de traitement de ces algorithmes sont compatibles avec les applications de conduite autonome en temps réel. En fournissant directement des résultats avancés précis, ce système pourrait faciliter considérablement le travail des chercheurs et des ingénieurs en ce qui concerne les modules de planification et de contrôle. Ainsi, cette étude entend contribuer à démocratiser l’accès aux plateformes de recherche sur les véhicules autonomes.
