LeddarVision

La perception optimisée par la fusion de bas niveau des données

La plateforme logicielle LeddarVision combine l’intelligence artificielle et des technologies de vision numérique ainsi que des réseaux de neurones profonds et l’efficacité computationnelle afin d’optimiser la performance des capteurs et du matériel embarqués essentielle à la planification de la trajectoire dans les véhicules automatisés.
Cette solution d’avant-garde permet la détection des différents objets de la scène, y compris les véhicules, les piétons, les vélos, la voie carrossable, les obstacles, les panneaux, les voies de circulation, les lignes de délimitation des voies et autres.  Le système LeddarVision détecte également de très petits obstacles sur la route avec un meilleur taux de détection et moins de fausses alertes que les solutions héritées axées sur la fusion de données « de niveau objet ».  Les obstacles non classifiés sont également détectés, ce qui confère un niveau de sécurité additionnel au véhicule.

• Plateforme complète de fusion de données de capteurs et de perception
• Combine les données du LiDAR, du radar et de la caméra
• Offre la performance du LiDAR au niveau 2 en utilisant seulement caméras et radars
• Améliore la performance et réduit les coûts du LiDAR aux niveaux 3 et plus

• Modèle environnemental de haute précision
• Système précurseur de fusion de bas niveau de données à suréchantillonnage
• Information sur la taille, la forme et la vitesse de chaque objet environnant
• Détection et classification extrêmement précises et fiables

Détection précise des objets

Aucun type spécifique de capteur ne suffit pour détecter tous les objets.  Les caméras ne perçoivent pas la profondeur, tandis que les capteurs de distance comme les LiDARs et les radars offrent moins de résolution.  LeddarVision propose la solution recherchée : la fusion de bas niveau de données avec suréchantillonnage.

Détection d’objets de petites dimensions absents des jeux de données d’apprentissage

Données de profondeur attribuées à chaque pixel de l’image de la caméra

Définition précise de la forme des véhicules, des personnes et de tout autre objet

Un module de calibration, de déroulement et d’appariement reçoit les données brutes des capteurs avant de les synchroniser et de les fusionner dans un modèle 3D unifié.  Le suréchantillonnage augmente la résolution effective des capteurs de distance, ce qui a pour résultat l’obtention d’un modèle RGBD dense, chaque pixel contenant de l’information sur la couleur et la profondeur.  La localisation et le suivi de mouvement aident à déterminer l’auto-position et la vitesse.

La détection d’objets image par image et la segmentation de la route permettent d’identifier les obstacles, les véhicules, les piétons, les vélos, les motos, les bordures de voies, l’espace libre disponible, etc.  La détection par classification se fait par des algorithmes basés sur les réseaux de neurones profonds qui nécessitent un apprentissage.  En parallèle, la détection sans classification se fait par un autre ensemble d’algorithmes, ce qui permet la détection d’obstacles inattendus.  Le repérage d’objets multi-images inclut la modélisation 3D, le suivi de mouvement et le dimensionnement de chaque objet.

L’accès aux données du modèle environnemental qui en résulte se fait par notre API logicielle.  Ces données comprennent une grille d’occupation et une liste de paramètres pour chaque objet repéré, notamment la localisation, l’orientation et le vecteur de mouvement.