Détection d'obstacles par vision et LiDAR par temps de brouillard pour les véhicules autonomes
Résumé
This work concerns the generation of a synthetic fog data-set based on available datasets in good weather conditions. A synthetic dataset is necessary because it is not always possible to collect real data under degraded conditions. In addition, post-processing such as labeling or filtering data is not easy and time-consuming. A 3D object detection algorithm for autonomous vehicles is then implemented and evaluated on the dataset produced in order to analyze the impact of the weather on its performance. In the light of the results obtained, perspectives are proposed to improve performance of the proposed method earlier.
Ce travail porte tout d’abord sur la production d’un jeu de données synthétiques avec du brouillard à partir de jeux de données existants constitués dans de bonnes conditions météorologiques. Ce jeu de données synthétiques est nécessaire, car il n’est pas toujours possible de collecter des données réelles dans des conditions dégradées.
Par ailleurs, le post-traitement tel que la labellisation ou le prétraitement des données n’est pas facile et prend du temps. Un algorithme de détection d’obstacles 3D pour des véhicules autonomes est ensuite mis en place et évalué sur ce jeu de données produit afin d’analyser l’impact de la météo sur les performances de détection. À la lumière des résultats obtenus, des perspectives sont proposées pour améliorer les performances de la méthode proposée précédemment.
Origine | Fichiers produits par l'(les) auteur(s) |
---|