LeddarVision: l’efficacité par la fusion de données brutes

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 du parcours 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.  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 données brutes à suréchantillonnage
  • Information sur la taille, la forme et la vitesse de chaque objet environnant
  • Détection et classification extrêmement précises et fiables
  • Le système LeddarVision excelle à détecter même des objets inconnus absents de l’ensemble des données d’apprentissage.

  • Une approche novatrice et une sécurité fonctionnelle inhérente permettent au système de détecter les objets et les dangers même durant une défaillance de capteur.

UNE CONDUITE
AUTONOME
PLUS SÛRE

Grâce à une meilleure détection

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 données brutes à suréchantillonnage.

Détection d’objets de petites dimensions absents des ensembles 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

Une perception optimale à faible coût

 

Cette solution économique axée sur la fusion de données à suréchantillonnage présente de faibles exigences en matière de capteurs et de calculs. Des capteurs de profondeur à faible coût et basse résolution suffisent pour assurer une perception environnementale hautement fiable.

Une technologie de perception environnementale inégalée

Notre technologie de fusion de données brutes de capteurs à suréchantillonnage génère le modèle environnemental 3D le plus complet avec grille d’occupation, liste des objets classifiés statiques et dynamiques avec leur vitesse et leurs vecteurs de mouvement, repérage et autres.

  • LeddarVision pour niveaux d’autonomie ADAS 1 et 2
  • LeddarVision pour niveaux d’autonomie 3 à 5
  • LeddarVision pour mobilité urbaine et véhicules hors route

Un modèle environnemental ultra-précis

Pour créer un modèle environnemental de haute précision permettant une conduite autonome sûre et fiable, de multiples processus doivent travailler en synchronisation.  Voici un descriptif général de notre cadre logiciel de perception environnementale.  Le processus débute par la réception des données brutes directement des capteurs du véhicule via une API logicielle, et termine par le transfert des données du modèle environnemental complet vers le module logiciel de conduite autonome.

 

Génération d’un modèle RGBD 3D haute définition grâce à des algorithmes de fusion de données brutes et de suréchantillonnage

Un module d’étalonnage, 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 perception grâce à l’application d’algorithmes contextuels au modèle RGBD 3D

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.

Création du modèle environnemental 3D

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.

Information complémentaire

VayaVision est maintenant une société LeddarTech

COMMUNIQUÉ- La plateforme ouverte de LeddarTech, axée sur sa technologie de traitement de signal numérisé, combinée au logiciel de perception et de fusion de données brutes de capteurs de VayaVision, générera le modèle environnemental le plus précis en vue du déploiement à grande échelle de systèmes avancés d’aide à la conduite et de conduite autonome à un coût optimisé.

Lire le communiqué de presse

La conduite autonome plus sûre et fiable grâce à la perception environnementale

VIDÉO- La solution pionnière LeddarVision en perception environnementale fournit aux véhicules de l’information essentielle sur les changements dynamiques de l’environnement de conduite afin d’améliorer la sécurité et la fiabilité de la conduite autonome.  La solution logicielle repose sur une technologie de fusion de données, de suréchantillonnage, d’intelligence artificielle et de vision artificielle dernier cri.

Regarder sur YouTube

La perception environnementale dans des conditions de pluie

VIDEO- Les performances de détection dans des conditions météorologiques défavorables ont toujours constitué un défi pour les applications avancées d’aide à la conduite et de conduite autonome.  Voyez comment se comporte le logiciel LeddarVision sous la pluie dans cette brève mais éloquente vidéo!

Regarder sur YouTube