tous les documents
  • tous les documents
  • Images
  • Films
  • Rushes
  • Publications
  • Audio
Recherche avancée
Ensemble de recherche :
tous les documents
  • tous les documents
  • Images
  • Films
  • Rushes
  • Publications
  • Audio
Recherche par couleur
Ensemble de recherche :
tous les documents
  • tous les documents
  • Images
  • Films
  • Rushes
  • Publications
  • Audio
Code HTML Copiez-collez le code ci-dessous pour l'intégrer dans une page Web.
Titre :
La voiture de demain, au service du conducteur.
Légende - Résumé :
L'équipe de recherche E-MOTION travaille aujourd'hui sur les fonctionnalités du véhicule de demain. Comment la voiture pourrait, de manière transparente assister numériquement le conducteur sans en prendre la place? C'est la problématique sur laquelle travaillent ces chercheurs Grenoblois.
Grâce à de nombreux capteurs intégrés, des algorithmes de reconnaissance et d'auto-apprentissage, le système reconstruit l'environnement et cherche à prédire les comportements des objets et ceux du conducteur.
Christian Laugier, responsable de l'équipe E-MOTION et Mathias Perrollaz, chercheur, expliquent les objectifs et principes de ce projet.
Nom de fichier :
Inria-815_AuServiceDuConducteur-fr.mp4
Titre :
La voiture de demain, au service du conducteur.
Année :
2013
Durée (min) :
00:08:00
Publications :
https//videotheque.inria.fr/videotheque/doc/815
Autres versions :
Master VF : 815
Master VEN : 831
Autre : Lien externe :
Lien Equipe-projet :
Lien Centre de Recherche :
Mots clés :
N° master :
815
Durée :
07 min 53 sec
IsyTag :
- - ' - Automobile - C' - d' - différent - est-à-dire - façon - image - lui-même - modèle - n' - objet - objets‚ - pas· - piéton - piétons‚ - qu' - risque - véhicule - voir
Transcription automatiqu :
a axé les travaux sur euh l'assistance à la conduite bon c'à dire faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels ne pas se projeter trop loin dans le futur pendant cinquante ans alors c'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes dans il en interaction avec l'humain elle apporte une assistance ce véhicule il est né et a travaillé sur la perception donc l'idée c'est que il va récupérer des données capteurs sont des données brutes bruit et bon on peut avoir des erreurs on perçoit l'environnement que depuis euh un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir ça de on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent sur ce qui peut être dangereux ce qui n'est pas dangereux etc de façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues n'a besoin d'être un peu moins réactif que ce l'que on serait en ville en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traversent devant nos voitures donc même si on roule à très basse vitesse on en est très réactif nous sommes sur autoroute craint d'observer une scène routière à cette supplique de l'autoroute on peut voir des données qu'on a à partir des capteurs de l'est du véhicule qui sont ici affichés sur l'écran donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images télescopique en couleur on voit là l'qui est fournie par la caméra mon oculaire côté tsa on a les impacts lasers qu'on peut voir en rouge et en vert ici soir au projetaient dans les images visualiser en 3d et sur ce type d'affichage a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face a vendu du véhicule donc on a déjà ses fonctions la ligne est celle des etats on veut qu'on puisse également changer de voix que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probable ministe c'est une représentation de l'environnement dans laquelle chaque cellule est associée une d'être occupée ou non par un objet que vous voyez ici en bleu sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits les impacts laser on peut voir les régions de l'environnement sont occupées avec une forte probabilité en particulier les barrières et lorsqu'on va aborder avant que le véhicule ait une forte probabilité d'occupation donc on ne peut certainement pas rouler ce sont des zones risques toutes les régions ne sont pas observées par le pour lesquels on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait l'on ne sait pas on peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être faire un segment de nos grilles de façon à trouver les régions à forte occupation d'essayer de transformer ces régions en une notion d'objet vérifie il y a beaucoup de points sont regroupés qui ont l'air d'être occupés c'est probablement un objet une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire façon d'estimer risque court terme du moins en ville c'est une approche géométrique on va observer la trajectoire future de notre véhicule objets qui peuvent se trouver dans la salle en face s'y il a une entre cette trajectoire et différents objets dans la seine il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement utilisé pour des applications pertinent d'essayer de reconnaître il y ait une ce qui est un piéton et ça on va le faire notamment avec les images est à dire qu'on a des d'apprentissage a qui on va fournir un grand nombre d'images de piétons par exemple de façon à ce que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons prouve le meilleur modèle pour représenter un piéton en interne ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qui s'est construit lui-même de piétons donc du coup quand on reconnaît les objets on fait que les objets se déplacent différemment un piéton peut aller dans toutes les directions une voiture est contrainte par ses roues on va pouvoir appliquer modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets ensuite on peut aller encore plus loin dans le raisonnement est à dire que on connaît des objets on connaît les classes les objets on sait réduire un peu leur trajectoire on peut essayer de raisonner en termes d'intentions une applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire on se place plus dans une perspective où il y a des automatismes dire que la la la par exemple sur un parquet pour être complètement autonome peut la laisser à l'entrée du parking elle va se garer toute seule voilà où il y a pas les les les difficultés des interactions avec l'humain par contre la route euh dans des circonstances qui peuvent être dangereuses prend en compte l'interaction avec l'humain l'c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels ne pas se projeter trop loin dans le futur pendant cinquante ans alors c'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes dans il en interaction avec l'humain elle apporte une assistance ce véhicule il est né et a travaillé sur la perception donc l'idée c'est que il va récupérer des données capteurs sont des données brutes bruit et bon on peut avoir des erreurs on perçoit l'environnement que depuis euh un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir ça de on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent sur ce qui peut être dangereux ce qui n'est pas dangereux etc de façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues n'a besoin d'être un peu moins réactif que ce l'que on serait en ville en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traversent devant nos voitures donc même si on roule à très basse vitesse on en est très réactif nous sommes sur autoroute craint d'observer une scène routière à cette supplique de l'autoroute on peut voir des données qu'on a à partir des capteurs de l'est du véhicule qui sont ici affichés sur l'écran donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images télescopique en couleur on voit là l'qui est fournie par la caméra mon oculaire côté tsa on a les impacts lasers qu'on peut voir en rouge et en vert ici soir au projetaient dans les images visualiser en 3d et sur ce type d'affichage a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face a vendu du véhicule donc on a déjà ses fonctions la ligne est celle des etats on veut qu'on puisse également changer de voix que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probable ministe c'est une représentation de l'environnement dans laquelle chaque cellule est associée une d'être occupée ou non par un objet que vous voyez ici en bleu sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits les impacts laser on peut voir les régions de l'environnement sont occupées avec une forte probabilité en particulier les barrières et lorsqu'on va aborder avant que le véhicule ait une forte probabilité d'occupation donc on ne peut certainement pas rouler ce sont des zones risques toutes les régions ne sont pas observées par le pour lesquels on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait l'on ne sait pas on peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être faire un segment de nos grilles de façon à trouver les régions à forte occupation d'essayer de transformer ces régions en une notion d'objet vérifie il y a beaucoup de points sont regroupés qui ont l'air d'être occupés c'est probablement un objet une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire façon d'estimer risque court terme du moins en ville c'est une approche géométrique on va observer la trajectoire future de notre véhicule objets qui peuvent se trouver dans la salle en face s'y il a une entre cette trajectoire et différents objets dans la seine il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement utilisé pour des applications pertinent d'essayer de reconnaître il y ait une ce qui est un piéton et ça on va le faire notamment avec les images est à dire qu'on a des d'apprentissage a qui on va fournir un grand nombre d'images de piétons par exemple de façon à ce que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons prouve le meilleur modèle pour représenter un piéton en interne ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qui s'est construit lui-même de piétons donc du coup quand on reconnaît les objets on fait que les objets se déplacent différemment un piéton peut aller dans toutes les directions une voiture est contrainte par ses roues on va pouvoir appliquer modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets ensuite on peut aller encore plus loin dans le raisonnement est à dire que on connaît des objets on connaît les classes les objets on sait réduire un peu leur trajectoire on peut essayer de raisonner en termes d'intentions une applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire on se place plus dans une perspective où il y a des automatismes dire que la la la par exemple sur un parquet pour être complètement autonome peut la laisser à l'entrée du parking elle va se garer toute seule voilà où il y a pas les les les difficultés des interactions avec l'humain par contre la route euh dans des circonstances qui peuvent être dangereuses prend en compte l'interaction avec l'humain l'c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels ne pas se projeter trop loin dans le futur pendant cinquante ans alors c'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes dans il en interaction avec l'humain elle apporte une assistance ce véhicule il est né et a travaillé sur la perception donc l'idée c'est que il va récupérer des données capteurs sont des données brutes bruit et bon on peut avoir des erreurs on perçoit l'environnement que depuis euh un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir ça de on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent sur ce qui peut être dangereux ce qui n'est pas dangereux etc de façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues n'a besoin d'être un peu moins réactif que ce l'que on serait en ville en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traversent devant nos voitures donc même si on roule à très basse vitesse on en est très réactif nous sommes sur autoroute craint d'observer une scène routière à cette supplique de l'autoroute on peut voir des données qu'on a à partir des capteurs de l'est du véhicule qui sont ici affichés sur l'écran donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images télescopique en couleur on voit là l'qui est fournie par la caméra mon oculaire côté tsa on a les impacts lasers qu'on peut voir en rouge et en vert ici soir au projetaient dans les images visualiser en 3d et sur ce type d'affichage a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face a vendu du véhicule donc on a déjà ses fonctions la ligne est celle des etats on veut qu'on puisse également changer de voix que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probable ministe c'est une représentation de l'environnement dans laquelle chaque cellule est associée une d'être occupée ou non par un objet que vous voyez ici en bleu sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits les impacts laser on peut voir les régions de l'environnement sont occupées avec une forte probabilité en particulier les barrières et lorsqu'on va aborder avant que le véhicule ait une forte probabilité d'occupation donc on ne peut certainement pas rouler ce sont des zones risques toutes les régions ne sont pas observées par le pour lesquels on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait l'on ne sait pas on peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être faire un segment de nos grilles de façon à trouver les régions à forte occupation d'essayer de transformer ces régions en une notion d'objet vérifie il y a beaucoup de points sont regroupés qui ont l'air d'être occupés c'est probablement un objet une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire façon d'estimer risque court terme du moins en ville c'est une approche géométrique on va observer la trajectoire future de notre véhicule objets qui peuvent se trouver dans la salle en face s'y il a une entre cette trajectoire et différents objets dans la seine il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement utilisé pour des applications pertinent d'essayer de reconnaître il y ait une ce qui est un piéton et ça on va le faire notamment avec les images est à dire qu'on a des d'apprentissage a qui on va fournir un grand nombre d'images de piétons par exemple de façon à ce que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons prouve le meilleur modèle pour représenter un piéton en interne ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qui s'est construit lui-même de piétons donc du coup quand on reconnaît les objets on fait que les objets se déplacent différemment un piéton peut aller dans toutes les directions une voiture est contrainte par ses roues on va pouvoir appliquer modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets ensuite on peut aller encore plus loin dans le raisonnement est à dire que on connaît des objets on connaît les classes les objets on sait réduire un peu leur trajectoire on peut essayer de raisonner en termes d'intentions une applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire on se place plus dans une perspective où il y a des automatismes dire que la la la par exemple sur un parquet pour être complètement autonome peut la laisser à l'entrée du parking elle va se garer toute seule voilà où il y a pas les les les difficultés des interactions avec l'humain par contre la route euh dans des circonstances qui peuvent être dangereuses prend en compte l'interaction avec l'humain l'c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain elle apporte une assistance ce véhicule il est né et a travaillé sur la perception donc l'idée c'est que il va récupérer des données capteurs sont des données brutes bruit et bon on peut avoir des erreurs on perçoit l'environnement que depuis euh un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir ça de on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent sur ce qui peut être dangereux ce qui n'est pas dangereux etc de façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues n'a besoin d'être un peu moins réactif que ce l'que on serait en ville en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traversent devant nos voitures donc même si on roule à très basse vitesse on en est très réactif nous sommes sur autoroute craint d'observer une scène routière à cette supplique de l'autoroute on peut voir des données qu'on a à partir des capteurs de l'est du véhicule qui sont ici affichés sur l'écran donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images télescopique en couleur on voit là l'qui est fournie par la caméra mon oculaire côté tsa on a les impacts lasers qu'on peut voir en rouge et en vert ici soir au projetaient dans les images visualiser en 3d et sur ce type d'affichage a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face a vendu du véhicule donc on a déjà ses fonctions la ligne est celle des etats on veut qu'on puisse également changer de voix que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probable ministe c'est une représentation de l'environnement dans laquelle chaque cellule est associée une d'être occupée ou non par un objet que vous voyez ici en bleu sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits les impacts laser on peut voir les régions de l'environnement sont occupées avec une forte probabilité en particulier les barrières et lorsqu'on va aborder avant que le véhicule ait une forte probabilité d'occupation donc on ne peut certainement pas rouler ce sont des zones risques toutes les régions ne sont pas observées par le pour lesquels on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait l'on ne sait pas on peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être faire un segment de nos grilles de façon à trouver les régions à forte occupation d'essayer de transformer ces régions en une notion d'objet vérifie il y a beaucoup de points sont regroupés qui ont l'air d'être occupés c'est probablement un objet une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire façon d'estimer risque court terme du moins en ville c'est une approche géométrique on va observer la trajectoire future de notre véhicule objets qui peuvent se trouver dans la salle en face s'y il a une entre cette trajectoire et différents objets dans la seine il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement utilisé pour des applications pertinent d'essayer de reconnaître il y ait une ce qui est un piéton et ça on va le faire notamment avec les images est à dire qu'on a des d'apprentissage a qui on va fournir un grand nombre d'images de piétons par exemple de façon à ce que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons prouve le meilleur modèle pour représenter un piéton en interne ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qui s'est construit lui-même de piétons donc du coup quand on reconnaît les objets on fait que les objets se déplacent différemment un piéton peut aller dans toutes les directions une voiture est contrainte par ses roues on va pouvoir appliquer modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets ensuite on peut aller encore plus loin dans le raisonnement est à dire que on connaît des objets on connaît les classes les objets on sait réduire un peu leur trajectoire on peut essayer de raisonner en termes d'intentions une applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire on se place plus dans une perspective où il y a des automatismes dire que la la la par exemple sur un parquet pour être complètement autonome peut la laisser à l'entrée du parking elle va se garer toute seule voilà où il y a pas les les les difficultés des interactions avec l'humain par contre la route euh dans des circonstances qui peuvent être dangereuses prend en compte l'interaction avec l'humain l'c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain Il apporte une assistance· Ce véhicule‚ principalement il est destiné à travailler sur la perception donc l'idée c'est qu'il va récupérer des données capteurs sont des données brutes bruitées‚ bon donc on peut avoir des erreurs et on ne perçoit l'environnement que depuis un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir de ça on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions· Donc si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent‚ sur ce qui peut être dangereux et ce qui n'est pas dangereux‚ etc· De façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues‚ donc on a besoin d'être un peu moins réactif que ce que l'on serait en ville‚ en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traverse devant nos voitures donc même si on roule à très basse vitesse on a besoin d'être très très réactif nous sommes sur autoroute craint d'observer une scène routière à cette supplique de l'autoroute on peut voir des données qu'on a à partir des capteurs de l'est du véhicule qui sont ici affichés sur l'écran donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images télescopique en couleur on voit là l'qui est fournie par la caméra mon oculaire côté tsa on a les impacts lasers qu'on peut voir en rouge et en vert ici soir au projetaient dans les images visualiser en 3d et sur ce type d'affichage a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face a vendu du véhicule donc on a déjà ses fonctions la ligne est celle des etats on veut qu'on puisse également changer de voix que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probable ministe c'est une représentation de l'environnement dans laquelle chaque cellule est associée une d'être occupée ou non par un objet que vous voyez ici en bleu sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits les impacts laser on peut voir les régions de l'environnement sont occupées avec une forte probabilité en particulier les barrières et lorsqu'on va aborder avant que le véhicule ait une forte probabilité d'occupation donc on ne peut certainement pas rouler ce sont des zones risques toutes les régions ne sont pas observées par le pour lesquels on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait l'on ne sait pas on peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être faire un segment de nos grilles de façon à trouver les régions à forte occupation d'essayer de transformer ces régions en une notion d'objet vérifie il y a beaucoup de points sont regroupés qui ont l'air d'être occupés c'est probablement un objet une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire façon d'estimer risque court terme du moins en ville c'est une approche géométrique on va observer la trajectoire future de notre véhicule objets qui peuvent se trouver dans la salle en face s'y il a une entre cette trajectoire et différents objets dans la seine il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement utilisé pour des applications pertinent d'essayer de reconnaître il y ait une ce qui est un piéton et ça on va le faire notamment avec les images est à dire qu'on a des d'apprentissage a qui on va fournir un grand nombre d'images de piétons par exemple de façon à ce que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons prouve le meilleur modèle pour représenter un piéton en interne ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qui s'est construit lui-même de piétons donc du coup quand on reconnaît les objets on fait que les objets se déplacent différemment un piéton peut aller dans toutes les directions une voiture est contrainte par ses roues on va pouvoir appliquer modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets ensuite on peut aller encore plus loin dans le raisonnement est à dire que on connaît des objets on connaît les classes les objets on sait réduire un peu leur trajectoire on peut essayer de raisonner en termes d'intentions une applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire on se place plus dans une perspective où il y a des automatismes dire que la la la par exemple sur un parquet pour être complètement autonome peut la laisser à l'entrée du parking elle va se garer toute seule voilà où il y a pas les les les difficultés des interactions avec l'humain par contre la route euh dans des circonstances qui peuvent être dangereuses prend en compte l'interaction avec l'humain l'c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain Il apporte une assistance· Ce véhicule‚ principalement il est destiné à travailler sur la perception donc l'idée c'est qu'il va récupérer des données capteurs sont des données brutes bruitées‚ bon donc on peut avoir des erreurs et on ne perçoit l'environnement que depuis un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir de ça on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions· Donc si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent‚ sur ce qui peut être dangereux et ce qui n'est pas dangereux‚ etc· De façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues‚ donc on a besoin d'être un peu moins réactif que ce que l'on serait en ville‚ en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traverse devant nos voitures donc même si on roule à très basse vitesse on a besoin d'être très très réactif Ici nous sommes sur autoroute‚ en train d'observer une scène routière assez typique de l'autoroute on peut voir des données qu'on a à partir des capteurs de l'est du véhicule qui sont ici affichés sur l'écran donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images télescopique en couleur on voit là l'qui est fournie par la caméra mon oculaire côté tsa on a les impacts lasers qu'on peut voir en rouge et en vert ici soir au projetaient dans les images visualiser en 3d et sur ce type d'affichage a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face a vendu du véhicule donc on a déjà ses fonctions la ligne est celle des etats on veut qu'on puisse également changer de voix que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probable ministe c'est une représentation de l'environnement dans laquelle chaque cellule est associée une d'être occupée ou non par un objet que vous voyez ici en bleu sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits les impacts laser on peut voir les régions de l'environnement sont occupées avec une forte probabilité en particulier les barrières et lorsqu'on va aborder avant que le véhicule ait une forte probabilité d'occupation donc on ne peut certainement pas rouler ce sont des zones risques toutes les régions ne sont pas observées par le pour lesquels on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait l'on ne sait pas on peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être faire un segment de nos grilles de façon à trouver les régions à forte occupation d'essayer de transformer ces régions en une notion d'objet vérifie il y a beaucoup de points sont regroupés qui ont l'air d'être occupés c'est probablement un objet une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire façon d'estimer risque court terme du moins en ville c'est une approche géométrique on va observer la trajectoire future de notre véhicule objets qui peuvent se trouver dans la salle en face s'y il a une entre cette trajectoire et différents objets dans la seine il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement utilisé pour des applications pertinent d'essayer de reconnaître il y ait une ce qui est un piéton et ça on va le faire notamment avec les images est à dire qu'on a des d'apprentissage a qui on va fournir un grand nombre d'images de piétons par exemple de façon à ce que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons prouve le meilleur modèle pour représenter un piéton en interne ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qui s'est construit lui-même de piétons donc du coup quand on reconnaît les objets on fait que les objets se déplacent différemment un piéton peut aller dans toutes les directions une voiture est contrainte par ses roues on va pouvoir appliquer modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets ensuite on peut aller encore plus loin dans le raisonnement est à dire que on connaît des objets on connaît les classes les objets on sait réduire un peu leur trajectoire on peut essayer de raisonner en termes d'intentions une applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire on se place plus dans une perspective où il y a des automatismes dire que la la la par exemple sur un parquet pour être complètement autonome peut la laisser à l'entrée du parking elle va se garer toute seule voilà où il y a pas les les les difficultés des interactions avec l'humain par contre la route euh dans des circonstances qui peuvent être dangereuses prend en compte l'interaction avec l'humain l'c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain Il apporte une assistance· Ce véhicule‚ principalement il est destiné à travailler sur la perception donc l'idée c'est qu'il va récupérer des données capteurs sont des données brutes bruitées‚ bon donc on peut avoir des erreurs et on ne perçoit l'environnement que depuis un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir de ça on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions· Donc si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent‚ sur ce qui peut être dangereux et ce qui n'est pas dangereux‚ etc· De façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues‚ donc on a besoin d'être un peu moins réactif que ce que l'on serait en ville‚ en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traverse devant nos voitures donc même si on roule à très basse vitesse on a besoin d'être très très réactif Ici nous sommes sur autoroute‚ en train d'observer une scène routière assez typique de l'autoroute on peut voir des données qu'on a à partir des capteurs du véhicule qui sont ici affichés sur l'écran· Donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images stéréoscopiques‚ en couleur on voit l'image qui est fournie par la caméra monoculaire· A côté ce ça on a les impacts laser qu'on peut voir en rouge et en vert ici soit re projetées au projetaient dans les images visualiser en 3d et sur ce type d'affichage a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face a vendu du véhicule donc on a déjà ses fonctions la ligne est celle des etats on veut qu'on puisse également changer de voix que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probable ministe c'est une représentation de l'environnement dans laquelle chaque cellule est associée une d'être occupée ou non par un objet que vous voyez ici en bleu sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits les impacts laser on peut voir les régions de l'environnement sont occupées avec une forte probabilité en particulier les barrières et lorsqu'on va aborder avant que le véhicule ait une forte probabilité d'occupation donc on ne peut certainement pas rouler ce sont des zones risques toutes les régions ne sont pas observées par le pour lesquels on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait l'on ne sait pas on peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être faire un segment de nos grilles de façon à trouver les régions à forte occupation d'essayer de transformer ces régions en une notion d'objet vérifie il y a beaucoup de points sont regroupés qui ont l'air d'être occupés c'est probablement un objet une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire façon d'estimer risque court terme du moins en ville c'est une approche géométrique on va observer la trajectoire future de notre véhicule objets qui peuvent se trouver dans la salle en face s'y il a une entre cette trajectoire et différents objets dans la seine il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement utilisé pour des applications pertinent d'essayer de reconnaître il y ait une ce qui est un piéton et ça on va le faire notamment avec les images est à dire qu'on a des d'apprentissage a qui on va fournir un grand nombre d'images de piétons par exemple de façon à ce que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons prouve le meilleur modèle pour représenter un piéton en interne ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qui s'est construit lui-même de piétons donc du coup quand on reconnaît les objets on fait que les objets se déplacent différemment un piéton peut aller dans toutes les directions une voiture est contrainte par ses roues on va pouvoir appliquer modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets ensuite on peut aller encore plus loin dans le raisonnement est à dire que on connaît des objets on connaît les classes les objets on sait réduire un peu leur trajectoire on peut essayer de raisonner en termes d'intentions une applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire on se place plus dans une perspective où il y a des automatismes dire que la la la par exemple sur un parquet pour être complètement autonome peut la laisser à l'entrée du parking elle va se garer toute seule voilà où il y a pas les les les difficultés des interactions avec l'humain par contre la route euh dans des circonstances qui peuvent être dangereuses prend en compte l'interaction avec l'humain l'c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain Il apporte une assistance· Ce véhicule‚ principalement il est destiné à travailler sur la perception donc l'idée c'est qu'il va récupérer des données capteurs sont des données brutes bruitées‚ bon donc on peut avoir des erreurs et on ne perçoit l'environnement que depuis un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir de ça on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions· Donc si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent‚ sur ce qui peut être dangereux et ce qui n'est pas dangereux‚ etc· De façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues‚ donc on a besoin d'être un peu moins réactif que ce que l'on serait en ville‚ en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traverse devant nos voitures donc même si on roule à très basse vitesse on a besoin d'être très très réactif Ici nous sommes sur autoroute‚ en train d'observer une scène routière assez typique de l'autoroute on peut voir des données qu'on a à partir des capteurs du véhicule qui sont ici affichés sur l'écran· Donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images stéréoscopiques‚ en couleur on voit l'image qui est fournie par la caméra monoculaire· A côté ce ça on a les impacts laser qu'on peut voir en rouge et en vert ici soit reprojetées dans les images soit visualisées en 3d sur ce type d'affichage· On a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face avant du véhicule donc on a déjà ces fonctions-là‚ l'idée c'est de les étendre c'est-à-dire qu'on puisse également est celle des états on veut qu'on puisse également changer de voie‚ que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle· Donc ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probabiliste‚ c'est une représentation de l'environnement dans laquelle chaque cellule est associée à une d'être occupée ou non par un objet que vous voyez ici en bleu sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits les impacts laser on peut voir les régions de l'environnement sont occupées avec une forte probabilité en particulier les barrières et lorsqu'on va aborder avant que le véhicule ait une forte probabilité d'occupation donc on ne peut certainement pas rouler ce sont des zones risques toutes les régions ne sont pas observées par le pour lesquels on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait l'on ne sait pas on peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être faire un segment de nos grilles de façon à trouver les régions à forte occupation d'essayer de transformer ces régions en une notion d'objet vérifie il y a beaucoup de points sont regroupés qui ont l'air d'être occupés c'est probablement un objet une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire façon d'estimer risque court terme du moins en ville c'est une approche géométrique on va observer la trajectoire future de notre véhicule objets qui peuvent se trouver dans la salle en face s'y il a une entre cette trajectoire et différents objets dans la seine il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement utilisé pour des applications pertinent d'essayer de reconnaître il y ait une ce qui est un piéton et ça on va le faire notamment avec les images est à dire qu'on a des d'apprentissage a qui on va fournir un grand nombre d'images de piétons par exemple de façon à ce que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons prouve le meilleur modèle pour représenter un piéton en interne ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qui s'est construit lui-même de piétons donc du coup quand on reconnaît les objets on fait que les objets se déplacent différemment un piéton peut aller dans toutes les directions une voiture est contrainte par ses roues on va pouvoir appliquer modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets ensuite on peut aller encore plus loin dans le raisonnement est à dire que on connaît des objets on connaît les classes les objets on sait réduire un peu leur trajectoire on peut essayer de raisonner en termes d'intentions une applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire on se place plus dans une perspective où il y a des automatismes dire que la la la par exemple sur un parquet pour être complètement autonome peut la laisser à l'entrée du parking elle va se garer toute seule voilà où il y a pas les les les difficultés des interactions avec l'humain par contre la route euh dans des circonstances qui peuvent être dangereuses prend en compte l'interaction avec l'humain l'c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain Il apporte une assistance· Ce véhicule‚ principalement il est destiné à travailler sur la perception donc l'idée c'est qu'il va récupérer des données capteurs sont des données brutes bruitées‚ bon donc on peut avoir des erreurs et on ne perçoit l'environnement que depuis un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir de ça on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions· Donc si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent‚ sur ce qui peut être dangereux et ce qui n'est pas dangereux‚ etc· De façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues‚ donc on a besoin d'être un peu moins réactif que ce que l'on serait en ville‚ en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traverse devant nos voitures donc même si on roule à très basse vitesse on a besoin d'être très très réactif Ici nous sommes sur autoroute‚ en train d'observer une scène routière assez typique de l'autoroute on peut voir des données qu'on a à partir des capteurs du véhicule qui sont ici affichés sur l'écran· Donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images stéréoscopiques‚ en couleur on voit l'image qui est fournie par la caméra monoculaire· A côté ce ça on a les impacts laser qu'on peut voir en rouge et en vert ici soit reprojetées dans les images soit visualisées en 3d sur ce type d'affichage· On a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face avant du véhicule donc on a déjà ces fonctions-là‚ l'idée c'est de les étendre c'est-à-dire qu'on puisse également changer de voie‚ que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle· Donc ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probabiliste‚ c'est une représentation de l'environnement dans laquelle chaque cellule est associée à une d'être occupée ou non par un objet que vous voyez ici en bleu sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits les impacts laser on peut voir les régions de l'environnement sont occupées avec une forte probabilité en particulier les barrières et lorsqu'on va aborder avant que le véhicule ait une forte probabilité d'occupation donc on ne peut certainement pas rouler ce sont des zones risques toutes les régions ne sont pas observées par le pour lesquels on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait l'on ne sait pas on peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être faire un segment de nos grilles de façon à trouver les régions à forte occupation d'essayer de transformer ces régions en une notion d'objet vérifie il y a beaucoup de points sont regroupés qui ont l'air d'être occupés c'est probablement un objet une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire façon d'estimer risque court terme du moins en ville c'est une approche géométrique on va observer la trajectoire future de notre véhicule objets qui peuvent se trouver dans la salle en face s'y il a une entre cette trajectoire et différents objets dans la seine il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement utilisé pour des applications pertinent d'essayer de reconnaître il y ait une ce qui est un piéton et ça on va le faire notamment avec les images est à dire qu'on a des d'apprentissage a qui on va fournir un grand nombre d'images de piétons par exemple de façon à ce que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons prouve le meilleur modèle pour représenter un piéton en interne ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qui s'est construit lui-même de piétons donc du coup quand on reconnaît les objets on fait que les objets se déplacent différemment un piéton peut aller dans toutes les directions une voiture est contrainte par ses roues on va pouvoir appliquer modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets ensuite on peut aller encore plus loin dans le raisonnement est à dire que on connaît des objets on connaît les classes les objets on sait réduire un peu leur trajectoire on peut essayer de raisonner en termes d'intentions une applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire on se place plus dans une perspective où il y a des automatismes dire que la la la par exemple sur un parquet pour être complètement autonome peut la laisser à l'entrée du parking elle va se garer toute seule voilà où il y a pas les les les difficultés des interactions avec l'humain par contre la route euh dans des circonstances qui peuvent être dangereuses prend en compte l'interaction avec l'humain l'c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain Il apporte une assistance· Ce véhicule‚ principalement il est destiné à travailler sur la perception donc l'idée c'est qu'il va récupérer des données capteurs sont des données brutes bruitées‚ bon donc on peut avoir des erreurs et on ne perçoit l'environnement que depuis un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir de ça on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions· Donc si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent‚ sur ce qui peut être dangereux et ce qui n'est pas dangereux‚ etc· De façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues‚ donc on a besoin d'être un peu moins réactif que ce que l'on serait en ville‚ en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traverse devant nos voitures donc même si on roule à très basse vitesse on a besoin d'être très très réactif Ici nous sommes sur autoroute‚ en train d'observer une scène routière assez typique de l'autoroute on peut voir des données qu'on a à partir des capteurs du véhicule qui sont ici affichés sur l'écran· Donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images stéréoscopiques‚ en couleur on voit l'image qui est fournie par la caméra monoculaire· A côté ce ça on a les impacts laser qu'on peut voir en rouge et en vert ici soit reprojetées dans les images soit visualisées en 3d sur ce type d'affichage· On a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face avant du véhicule donc on a déjà ces fonctions-là‚ l'idée c'est de les étendre c'est-à-dire qu'on puisse également changer de voie‚ que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle· Donc ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probabiliste‚ c'est une représentation de l'environnement dans laquelle chaque cellule est associée à une cellule susceptible d'être occupée ou non par un objet que vous voyez ici en bleu sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits les impacts laser on peut voir les régions de l'environnement sont occupées avec une forte probabilité en particulier les barrières et lorsqu'on va aborder avant que le véhicule ait une forte probabilité d'occupation donc on ne peut certainement pas rouler ce sont des zones risques toutes les régions ne sont pas observées par le pour lesquels on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait l'on ne sait pas on peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être faire un segment de nos grilles de façon à trouver les régions à forte occupation d'essayer de transformer ces régions en une notion d'objet vérifie il y a beaucoup de points sont regroupés qui ont l'air d'être occupés c'est probablement un objet une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire façon d'estimer risque court terme du moins en ville c'est une approche géométrique on va observer la trajectoire future de notre véhicule objets qui peuvent se trouver dans la salle en face s'y il a une entre cette trajectoire et différents objets dans la seine il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement utilisé pour des applications pertinent d'essayer de reconnaître il y ait une ce qui est un piéton et ça on va le faire notamment avec les images est à dire qu'on a des d'apprentissage a qui on va fournir un grand nombre d'images de piétons par exemple de façon à ce que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons prouve le meilleur modèle pour représenter un piéton en interne ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qui s'est construit lui-même de piétons donc du coup quand on reconnaît les objets on fait que les objets se déplacent différemment un piéton peut aller dans toutes les directions une voiture est contrainte par ses roues on va pouvoir appliquer modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets ensuite on peut aller encore plus loin dans le raisonnement est à dire que on connaît des objets on connaît les classes les objets on sait réduire un peu leur trajectoire on peut essayer de raisonner en termes d'intentions une applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire on se place plus dans une perspective où il y a des automatismes dire que la la la par exemple sur un parquet pour être complètement autonome peut la laisser à l'entrée du parking elle va se garer toute seule voilà où il y a pas les les les difficultés des interactions avec l'humain par contre la route euh dans des circonstances qui peuvent être dangereuses prend en compte l'interaction avec l'humain l'c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain Il apporte une assistance· Ce véhicule‚ principalement il est destiné à travailler sur la perception donc l'idée c'est qu'il va récupérer des données capteurs sont des données brutes bruitées‚ bon donc on peut avoir des erreurs et on ne perçoit l'environnement que depuis un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir de ça on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions· Donc si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent‚ sur ce qui peut être dangereux et ce qui n'est pas dangereux‚ etc· De façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues‚ donc on a besoin d'être un peu moins réactif que ce que l'on serait en ville‚ en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traverse devant nos voitures donc même si on roule à très basse vitesse on a besoin d'être très très réactif Ici nous sommes sur autoroute‚ en train d'observer une scène routière assez typique de l'autoroute on peut voir des données qu'on a à partir des capteurs du véhicule qui sont ici affichés sur l'écran· Donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images stéréoscopiques‚ en couleur on voit l'image qui est fournie par la caméra monoculaire· A côté ce ça on a les impacts laser qu'on peut voir en rouge et en vert ici soit reprojetées dans les images soit visualisées en 3d sur ce type d'affichage· On a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face avant du véhicule donc on a déjà ces fonctions-là‚ l'idée c'est de les étendre c'est-à-dire qu'on puisse également changer de voie‚ que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle· Donc ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probabiliste‚ c'est une représentation de l'environnement dans laquelle chaque cellule est associée à une cellule susceptible d'être occupée ou non par un objet que vous voyez ici en bleu Ce sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits-là· les impacts laser on peut voir les régions de l'environnement sont occupées avec une forte probabilité en particulier les barrières et lorsqu'on va aborder avant que le véhicule ait une forte probabilité d'occupation donc on ne peut certainement pas rouler ce sont des zones risques toutes les régions ne sont pas observées par le pour lesquels on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait l'on ne sait pas on peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être faire un segment de nos grilles de façon à trouver les régions à forte occupation d'essayer de transformer ces régions en une notion d'objet vérifie il y a beaucoup de points sont regroupés qui ont l'air d'être occupés c'est probablement un objet une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire façon d'estimer risque court terme du moins en ville c'est une approche géométrique on va observer la trajectoire future de notre véhicule objets qui peuvent se trouver dans la salle en face s'y il a une entre cette trajectoire et différents objets dans la seine il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement utilisé pour des applications pertinent d'essayer de reconnaître il y ait une ce qui est un piéton et ça on va le faire notamment avec les images est à dire qu'on a des d'apprentissage a qui on va fournir un grand nombre d'images de piétons par exemple de façon à ce que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons prouve le meilleur modèle pour représenter un piéton en interne ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qui s'est construit lui-même de piétons donc du coup quand on reconnaît les objets on fait que les objets se déplacent différemment un piéton peut aller dans toutes les directions une voiture est contrainte par ses roues on va pouvoir appliquer modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets ensuite on peut aller encore plus loin dans le raisonnement est à dire que on connaît des objets on connaît les classes les objets on sait réduire un peu leur trajectoire on peut essayer de raisonner en termes d'intentions une applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire on se place plus dans une perspective où il y a des automatismes dire que la la la par exemple sur un parquet pour être complètement autonome peut la laisser à l'entrée du parking elle va se garer toute seule voilà où il y a pas les les les difficultés des interactions avec l'humain par contre la route euh dans des circonstances qui peuvent être dangereuses prend en compte l'interaction avec l'humain l'c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain Il apporte une assistance· Ce véhicule‚ principalement il est destiné à travailler sur la perception donc l'idée c'est qu'il va récupérer des données capteurs sont des données brutes bruitées‚ bon donc on peut avoir des erreurs et on ne perçoit l'environnement que depuis un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir de ça on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions· Donc si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent‚ sur ce qui peut être dangereux et ce qui n'est pas dangereux‚ etc· De façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues‚ donc on a besoin d'être un peu moins réactif que ce que l'on serait en ville‚ en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traverse devant nos voitures donc même si on roule à très basse vitesse on a besoin d'être très très réactif Ici nous sommes sur autoroute‚ en train d'observer une scène routière assez typique de l'autoroute on peut voir des données qu'on a à partir des capteurs du véhicule qui sont ici affichés sur l'écran· Donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images stéréoscopiques‚ en couleur on voit l'image qui est fournie par la caméra monoculaire· A côté ce ça on a les impacts laser qu'on peut voir en rouge et en vert ici soit reprojetées dans les images soit visualisées en 3d sur ce type d'affichage· On a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face avant du véhicule donc on a déjà ces fonctions-là‚ l'idée c'est de les étendre c'est-à-dire qu'on puisse également changer de voie‚ que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle· Donc ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probabiliste‚ c'est une représentation de l'environnement dans laquelle chaque cellule est associée à une cellule susceptible d'être occupée ou non par un objet que vous voyez ici en bleu Ce sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits-là· sous impacts laser on peut voir les régions de l'environnement sont occupées avec une forte probabilité en particulier les barrières et lorsqu'on va aborder avant que le véhicule ait une forte probabilité d'occupation donc on ne peut certainement pas rouler ce sont des zones risques toutes les régions ne sont pas observées par le pour lesquels on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait l'on ne sait pas on peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être faire un segment de nos grilles de façon à trouver les régions à forte occupation d'essayer de transformer ces régions en une notion d'objet vérifie il y a beaucoup de points sont regroupés qui ont l'air d'être occupés c'est probablement un objet une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire façon d'estimer risque court terme du moins en ville c'est une approche géométrique on va observer la trajectoire future de notre véhicule objets qui peuvent se trouver dans la salle en face s'y il a une entre cette trajectoire et différents objets dans la seine il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement utilisé pour des applications pertinent d'essayer de reconnaître il y ait une ce qui est un piéton et ça on va le faire notamment avec les images est à dire qu'on a des d'apprentissage a qui on va fournir un grand nombre d'images de piétons par exemple de façon à ce que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons prouve le meilleur modèle pour représenter un piéton en interne ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qui s'est construit lui-même de piétons donc du coup quand on reconnaît les objets on fait que les objets se déplacent différemment un piéton peut aller dans toutes les directions une voiture est contrainte par ses roues on va pouvoir appliquer modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets ensuite on peut aller encore plus loin dans le raisonnement est à dire que on connaît des objets on connaît les classes les objets on sait réduire un peu leur trajectoire on peut essayer de raisonner en termes d'intentions une applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire on se place plus dans une perspective où il y a des automatismes dire que la la la par exemple sur un parquet pour être complètement autonome peut la laisser à l'entrée du parking elle va se garer toute seule voilà où il y a pas les les les difficultés des interactions avec l'humain par contre la route euh dans des circonstances qui peuvent être dangereuses prend en compte l'interaction avec l'humain l'c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain Il apporte une assistance· Ce véhicule‚ principalement il est destiné à travailler sur la perception donc l'idée c'est qu'il va récupérer des données capteurs sont des données brutes bruitées‚ bon donc on peut avoir des erreurs et on ne perçoit l'environnement que depuis un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir de ça on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions· Donc si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent‚ sur ce qui peut être dangereux et ce qui n'est pas dangereux‚ etc· De façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues‚ donc on a besoin d'être un peu moins réactif que ce que l'on serait en ville‚ en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traverse devant nos voitures donc même si on roule à très basse vitesse on a besoin d'être très très réactif Ici nous sommes sur autoroute‚ en train d'observer une scène routière assez typique de l'autoroute on peut voir des données qu'on a à partir des capteurs du véhicule qui sont ici affichés sur l'écran· Donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images stéréoscopiques‚ en couleur on voit l'image qui est fournie par la caméra monoculaire· A côté ce ça on a les impacts laser qu'on peut voir en rouge et en vert ici soit reprojetées dans les images soit visualisées en 3d sur ce type d'affichage· On a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face avant du véhicule donc on a déjà ces fonctions-là‚ l'idée c'est de les étendre c'est-à-dire qu'on puisse également changer de voie‚ que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle· Donc ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probabiliste‚ c'est une représentation de l'environnement dans laquelle chaque cellule est associée à une cellule susceptible d'être occupée ou non par un objet que vous voyez ici en bleu Ce sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits-là· sous impacts laser on peut voir les régions de l'environnement qui sont occupées avec une forte probabilité‚ en particulier les barrières‚ et lorsqu'on va aborder un véhicule onn va voir que le véhicule a une forte probabilité d'occupation donc on ne peut certainement pas rouler ici‚ ce sont des zones risques toutes les régions ne sont pas observées par le pour lesquels on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait l'on ne sait pas on peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être faire un segment de nos grilles de façon à trouver les régions à forte occupation d'essayer de transformer ces régions en une notion d'objet vérifie il y a beaucoup de points sont regroupés qui ont l'air d'être occupés c'est probablement un objet une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire façon d'estimer risque court terme du moins en ville c'est une approche géométrique on va observer la trajectoire future de notre véhicule objets qui peuvent se trouver dans la salle en face s'y il a une entre cette trajectoire et différents objets dans la seine il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement utilisé pour des applications pertinent d'essayer de reconnaître il y ait une ce qui est un piéton et ça on va le faire notamment avec les images est à dire qu'on a des d'apprentissage a qui on va fournir un grand nombre d'images de piétons par exemple de façon à ce que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons prouve le meilleur modèle pour représenter un piéton en interne ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qui s'est construit lui-même de piétons donc du coup quand on reconnaît les objets on fait que les objets se déplacent différemment un piéton peut aller dans toutes les directions une voiture est contrainte par ses roues on va pouvoir appliquer modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets ensuite on peut aller encore plus loin dans le raisonnement est à dire que on connaît des objets on connaît les classes les objets on sait réduire un peu leur trajectoire on peut essayer de raisonner en termes d'intentions une applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire on se place plus dans une perspective où il y a des automatismes dire que la la la par exemple sur un parquet pour être complètement autonome peut la laisser à l'entrée du parking elle va se garer toute seule voilà où il y a pas les les les difficultés des interactions avec l'humain par contre la route euh dans des circonstances qui peuvent être dangereuses prend en compte l'interaction avec l'humain l'c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain Il apporte une assistance· Ce véhicule‚ principalement il est destiné à travailler sur la perception donc l'idée c'est qu'il va récupérer des données capteurs sont des données brutes bruitées‚ bon donc on peut avoir des erreurs et on ne perçoit l'environnement que depuis un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir de ça on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions· Donc si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent‚ sur ce qui peut être dangereux et ce qui n'est pas dangereux‚ etc· De façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues‚ donc on a besoin d'être un peu moins réactif que ce que l'on serait en ville‚ en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traverse devant nos voitures donc même si on roule à très basse vitesse on a besoin d'être très très réactif Ici nous sommes sur autoroute‚ en train d'observer une scène routière assez typique de l'autoroute on peut voir des données qu'on a à partir des capteurs du véhicule qui sont ici affichés sur l'écran· Donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images stéréoscopiques‚ en couleur on voit l'image qui est fournie par la caméra monoculaire· A côté ce ça on a les impacts laser qu'on peut voir en rouge et en vert ici soit reprojetées dans les images soit visualisées en 3d sur ce type d'affichage· On a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face avant du véhicule donc on a déjà ces fonctions-là‚ l'idée c'est de les étendre c'est-à-dire qu'on puisse également changer de voie‚ que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle· Donc ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probabiliste‚ c'est une représentation de l'environnement dans laquelle chaque cellule est associée à une cellule susceptible d'être occupée ou non par un objet que vous voyez ici en bleu Ce sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits-là· sous impacts laser on peut voir les régions de l'environnement qui sont occupées avec une forte probabilité‚ en particulier les barrières‚ et lorsqu'on va aborder un véhicule onn va voir que le véhicule a une forte probabilité d'occupation donc on ne peut certainement pas rouler ici‚ ce sont des zones risques et enfin en orange on a toutes les régions qui ne sont pas observées par le capteur pour lesquels on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait l'on ne sait pas on peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être faire un segment de nos grilles de façon à trouver les régions à forte occupation d'essayer de transformer ces régions en une notion d'objet vérifie il y a beaucoup de points sont regroupés qui ont l'air d'être occupés c'est probablement un objet une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire façon d'estimer risque court terme du moins en ville c'est une approche géométrique on va observer la trajectoire future de notre véhicule objets qui peuvent se trouver dans la salle en face s'y il a une entre cette trajectoire et différents objets dans la seine il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement utilisé pour des applications pertinent d'essayer de reconnaître il y ait une ce qui est un piéton et ça on va le faire notamment avec les images est à dire qu'on a des d'apprentissage a qui on va fournir un grand nombre d'images de piétons par exemple de façon à ce que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons prouve le meilleur modèle pour représenter un piéton en interne ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qui s'est construit lui-même de piétons donc du coup quand on reconnaît les objets on fait que les objets se déplacent différemment un piéton peut aller dans toutes les directions une voiture est contrainte par ses roues on va pouvoir appliquer modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets ensuite on peut aller encore plus loin dans le raisonnement est à dire que on connaît des objets on connaît les classes les objets on sait réduire un peu leur trajectoire on peut essayer de raisonner en termes d'intentions une applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire on se place plus dans une perspective où il y a des automatismes dire que la la la par exemple sur un parquet pour être complètement autonome peut la laisser à l'entrée du parking elle va se garer toute seule voilà où il y a pas les les les difficultés des interactions avec l'humain par contre la route euh dans des circonstances qui peuvent être dangereuses prend en compte l'interaction avec l'humain l'c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain Il apporte une assistance· Ce véhicule‚ principalement il est destiné à travailler sur la perception donc l'idée c'est qu'il va récupérer des données capteurs sont des données brutes bruitées‚ bon donc on peut avoir des erreurs et on ne perçoit l'environnement que depuis un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir de ça on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions· Donc si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent‚ sur ce qui peut être dangereux et ce qui n'est pas dangereux‚ etc· De façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues‚ donc on a besoin d'être un peu moins réactif que ce que l'on serait en ville‚ en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traverse devant nos voitures donc même si on roule à très basse vitesse on a besoin d'être très très réactif Ici nous sommes sur autoroute‚ en train d'observer une scène routière assez typique de l'autoroute on peut voir des données qu'on a à partir des capteurs du véhicule qui sont ici affichés sur l'écran· Donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images stéréoscopiques‚ en couleur on voit l'image qui est fournie par la caméra monoculaire· A côté ce ça on a les impacts laser qu'on peut voir en rouge et en vert ici soit reprojetées dans les images soit visualisées en 3d sur ce type d'affichage· On a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face avant du véhicule donc on a déjà ces fonctions-là‚ l'idée c'est de les étendre c'est-à-dire qu'on puisse également changer de voie‚ que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle· Donc ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probabiliste‚ c'est une représentation de l'environnement dans laquelle chaque cellule est associée à une cellule susceptible d'être occupée ou non par un objet que vous voyez ici en bleu Ce sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits-là· sous impacts laser on peut voir les régions de l'environnement qui sont occupées avec une forte probabilité‚ en particulier les barrières‚ et lorsqu'on va aborder un véhicule onn va voir que le véhicule a une forte probabilité d'occupation donc on ne peut certainement pas rouler ici‚ ce sont des zones risques et enfin en orange on a toutes les régions qui ne sont pas observées par le capteur ou pour lesquelles on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait que l'on ne sait pas· On peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être faire un segment de nos grilles de façon à trouver les régions à forte occupation d'essayer de transformer ces régions en une notion d'objet vérifie il y a beaucoup de points sont regroupés qui ont l'air d'être occupés c'est probablement un objet une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire façon d'estimer risque court terme du moins en ville c'est une approche géométrique on va observer la trajectoire future de notre véhicule objets qui peuvent se trouver dans la salle en face s'y il a une entre cette trajectoire et différents objets dans la seine il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement utilisé pour des applications pertinent d'essayer de reconnaître il y ait une ce qui est un piéton et ça on va le faire notamment avec les images est à dire qu'on a des d'apprentissage a qui on va fournir un grand nombre d'images de piétons par exemple de façon à ce que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons prouve le meilleur modèle pour représenter un piéton en interne ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qui s'est construit lui-même de piétons donc du coup quand on reconnaît les objets on fait que les objets se déplacent différemment un piéton peut aller dans toutes les directions une voiture est contrainte par ses roues on va pouvoir appliquer modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets ensuite on peut aller encore plus loin dans le raisonnement est à dire que on connaît des objets on connaît les classes les objets on sait réduire un peu leur trajectoire on peut essayer de raisonner en termes d'intentions une applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire on se place plus dans une perspective où il y a des automatismes dire que la la la par exemple sur un parquet pour être complètement autonome peut la laisser à l'entrée du parking elle va se garer toute seule voilà où il y a pas les les les difficultés des interactions avec l'humain par contre la route euh dans des circonstances qui peuvent être dangereuses prend en compte l'interaction avec l'humain l'c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain Il apporte une assistance· Ce véhicule‚ principalement il est destiné à travailler sur la perception donc l'idée c'est qu'il va récupérer des données capteurs sont des données brutes bruitées‚ bon donc on peut avoir des erreurs et on ne perçoit l'environnement que depuis un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir de ça on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions· Donc si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent‚ sur ce qui peut être dangereux et ce qui n'est pas dangereux‚ etc· De façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues‚ donc on a besoin d'être un peu moins réactif que ce que l'on serait en ville‚ en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traverse devant nos voitures donc même si on roule à très basse vitesse on a besoin d'être très très réactif Ici nous sommes sur autoroute‚ en train d'observer une scène routière assez typique de l'autoroute on peut voir des données qu'on a à partir des capteurs du véhicule qui sont ici affichés sur l'écran· Donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images stéréoscopiques‚ en couleur on voit l'image qui est fournie par la caméra monoculaire· A côté ce ça on a les impacts laser qu'on peut voir en rouge et en vert ici soit reprojetées dans les images soit visualisées en 3d sur ce type d'affichage· On a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face avant du véhicule donc on a déjà ces fonctions-là‚ l'idée c'est de les étendre c'est-à-dire qu'on puisse également changer de voie‚ que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle· Donc ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probabiliste‚ c'est une représentation de l'environnement dans laquelle chaque cellule est associée à une cellule susceptible d'être occupée ou non par un objet que vous voyez ici en bleu Ce sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits-là· sous impacts laser on peut voir les régions de l'environnement qui sont occupées avec une forte probabilité‚ en particulier les barrières‚ et lorsqu'on va aborder un véhicule onn va voir que le véhicule a une forte probabilité d'occupation donc on ne peut certainement pas rouler ici‚ ce sont des zones risques et enfin en orange on a toutes les régions qui ne sont pas observées par le capteur ou pour lesquelles on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait que l'on ne sait pas· On peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être de faire une segmentation de nos grilles de façon à trouver les régions à forte occupation d'essayer de transformer ces régions en une notion d'objet vérifie il y a beaucoup de points sont regroupés qui ont l'air d'être occupés c'est probablement un objet une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire façon d'estimer risque court terme du moins en ville c'est une approche géométrique on va observer la trajectoire future de notre véhicule objets qui peuvent se trouver dans la salle en face s'y il a une entre cette trajectoire et différents objets dans la seine il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement utilisé pour des applications pertinent d'essayer de reconnaître il y ait une ce qui est un piéton et ça on va le faire notamment avec les images est à dire qu'on a des d'apprentissage a qui on va fournir un grand nombre d'images de piétons par exemple de façon à ce que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons prouve le meilleur modèle pour représenter un piéton en interne ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qui s'est construit lui-même de piétons donc du coup quand on reconnaît les objets on fait que les objets se déplacent différemment un piéton peut aller dans toutes les directions une voiture est contrainte par ses roues on va pouvoir appliquer modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets ensuite on peut aller encore plus loin dans le raisonnement est à dire que on connaît des objets on connaît les classes les objets on sait réduire un peu leur trajectoire on peut essayer de raisonner en termes d'intentions une applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire on se place plus dans une perspective où il y a des automatismes dire que la la la par exemple sur un parquet pour être complètement autonome peut la laisser à l'entrée du parking elle va se garer toute seule voilà où il y a pas les les les difficultés des interactions avec l'humain par contre la route euh dans des circonstances qui peuvent être dangereuses prend en compte l'interaction avec l'humain l'c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain Il apporte une assistance· Ce véhicule‚ principalement il est destiné à travailler sur la perception donc l'idée c'est qu'il va récupérer des données capteurs sont des données brutes bruitées‚ bon donc on peut avoir des erreurs et on ne perçoit l'environnement que depuis un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir de ça on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions· Donc si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent‚ sur ce qui peut être dangereux et ce qui n'est pas dangereux‚ etc· De façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues‚ donc on a besoin d'être un peu moins réactif que ce que l'on serait en ville‚ en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traverse devant nos voitures donc même si on roule à très basse vitesse on a besoin d'être très très réactif Ici nous sommes sur autoroute‚ en train d'observer une scène routière assez typique de l'autoroute on peut voir des données qu'on a à partir des capteurs du véhicule qui sont ici affichés sur l'écran· Donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images stéréoscopiques‚ en couleur on voit l'image qui est fournie par la caméra monoculaire· A côté ce ça on a les impacts laser qu'on peut voir en rouge et en vert ici soit reprojetées dans les images soit visualisées en 3d sur ce type d'affichage· On a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face avant du véhicule donc on a déjà ces fonctions-là‚ l'idée c'est de les étendre c'est-à-dire qu'on puisse également changer de voie‚ que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle· Donc ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probabiliste‚ c'est une représentation de l'environnement dans laquelle chaque cellule est associée à une cellule susceptible d'être occupée ou non par un objet que vous voyez ici en bleu Ce sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits-là· sous impacts laser on peut voir les régions de l'environnement qui sont occupées avec une forte probabilité‚ en particulier les barrières‚ et lorsqu'on va aborder un véhicule onn va voir que le véhicule a une forte probabilité d'occupation donc on ne peut certainement pas rouler ici‚ ce sont des zones risques et enfin en orange on a toutes les régions qui ne sont pas observées par le capteur ou pour lesquelles on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait que l'on ne sait pas· On peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être de faire une segmentation de nos grilles de façon à trouver les régions à forte occupation et d'essayer de transformer ces régions en une notion d'objet· Dire ''ici il y a beaucoup de points qui sont regroupés qui ont l'air d'être occupés c'est probablement un objet''une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire· Une façon d'estimer le risque court terme du moins en ville c'est une approche géométrique‚ on va observer la trajectoire future de notre véhicule objets qui peuvent se trouver dans la salle en face s'y il a une entre cette trajectoire et différents objets dans la seine il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement utilisé pour des applications pertinent d'essayer de reconnaître il y ait une ce qui est un piéton et ça on va le faire notamment avec les images est à dire qu'on a des d'apprentissage a qui on va fournir un grand nombre d'images de piétons par exemple de façon à ce que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons prouve le meilleur modèle pour représenter un piéton en interne ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qui s'est construit lui-même de piétons donc du coup quand on reconnaît les objets on fait que les objets se déplacent différemment un piéton peut aller dans toutes les directions une voiture est contrainte par ses roues on va pouvoir appliquer modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets ensuite on peut aller encore plus loin dans le raisonnement est à dire que on connaît des objets on connaît les classes les objets on sait réduire un peu leur trajectoire on peut essayer de raisonner en termes d'intentions une applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire on se place plus dans une perspective où il y a des automatismes dire que la la la par exemple sur un parquet pour être complètement autonome peut la laisser à l'entrée du parking elle va se garer toute seule voilà où il y a pas les les les difficultés des interactions avec l'humain par contre la route euh dans des circonstances qui peuvent être dangereuses prend en compte l'interaction avec l'humain l'c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain Il apporte une assistance· Ce véhicule‚ principalement il est destiné à travailler sur la perception donc l'idée c'est qu'il va récupérer des données capteurs sont des données brutes bruitées‚ bon donc on peut avoir des erreurs et on ne perçoit l'environnement que depuis un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir de ça on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions· Donc si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent‚ sur ce qui peut être dangereux et ce qui n'est pas dangereux‚ etc· De façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues‚ donc on a besoin d'être un peu moins réactif que ce que l'on serait en ville‚ en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traverse devant nos voitures donc même si on roule à très basse vitesse on a besoin d'être très très réactif Ici nous sommes sur autoroute‚ en train d'observer une scène routière assez typique de l'autoroute on peut voir des données qu'on a à partir des capteurs du véhicule qui sont ici affichés sur l'écran· Donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images stéréoscopiques‚ en couleur on voit l'image qui est fournie par la caméra monoculaire· A côté ce ça on a les impacts laser qu'on peut voir en rouge et en vert ici soit reprojetées dans les images soit visualisées en 3d sur ce type d'affichage· On a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face avant du véhicule donc on a déjà ces fonctions-là‚ l'idée c'est de les étendre c'est-à-dire qu'on puisse également changer de voie‚ que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle· Donc ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probabiliste‚ c'est une représentation de l'environnement dans laquelle chaque cellule est associée à une cellule susceptible d'être occupée ou non par un objet que vous voyez ici en bleu Ce sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits-là· sous impacts laser on peut voir les régions de l'environnement qui sont occupées avec une forte probabilité‚ en particulier les barrières‚ et lorsqu'on va aborder un véhicule onn va voir que le véhicule a une forte probabilité d'occupation donc on ne peut certainement pas rouler ici‚ ce sont des zones risques et enfin en orange on a toutes les régions qui ne sont pas observées par le capteur ou pour lesquelles on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait que l'on ne sait pas· On peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être de faire une segmentation de nos grilles de façon à trouver les régions à forte occupation et d'essayer de transformer ces régions en une notion d'objet· Dire ''ici il y a beaucoup de points qui sont regroupés qui ont l'air d'être occupés c'est probablement un objet''une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire· Une façon d'estimer le risque court terme du moins en ville c'est une approche géométrique‚ on va observer la trajectoire future de notre véhicule et les objets qui peuvent se trouver dans la scène en face - s'il y a une intersection entre entre cette trajectoire et différents objets dans la seine il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement utilisé pour des applications pertinent d'essayer de reconnaître il y ait une ce qui est un piéton et ça on va le faire notamment avec les images est à dire qu'on a des d'apprentissage a qui on va fournir un grand nombre d'images de piétons par exemple de façon à ce que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons prouve le meilleur modèle pour représenter un piéton en interne ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qui s'est construit lui-même de piétons donc du coup quand on reconnaît les objets on fait que les objets se déplacent différemment un piéton peut aller dans toutes les directions une voiture est contrainte par ses roues on va pouvoir appliquer modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets ensuite on peut aller encore plus loin dans le raisonnement est à dire que on connaît des objets on connaît les classes les objets on sait réduire un peu leur trajectoire on peut essayer de raisonner en termes d'intentions une applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire on se place plus dans une perspective où il y a des automatismes dire que la la la par exemple sur un parquet pour être complètement autonome peut la laisser à l'entrée du parking elle va se garer toute seule voilà où il y a pas les les les difficultés des interactions avec l'humain par contre la route euh dans des circonstances qui peuvent être dangereuses prend en compte l'interaction avec l'humain l'c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain Il apporte une assistance· Ce véhicule‚ principalement il est destiné à travailler sur la perception donc l'idée c'est qu'il va récupérer des données capteurs sont des données brutes bruitées‚ bon donc on peut avoir des erreurs et on ne perçoit l'environnement que depuis un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir de ça on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions· Donc si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent‚ sur ce qui peut être dangereux et ce qui n'est pas dangereux‚ etc· De façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues‚ donc on a besoin d'être un peu moins réactif que ce que l'on serait en ville‚ en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traverse devant nos voitures donc même si on roule à très basse vitesse on a besoin d'être très très réactif Ici nous sommes sur autoroute‚ en train d'observer une scène routière assez typique de l'autoroute on peut voir des données qu'on a à partir des capteurs du véhicule qui sont ici affichés sur l'écran· Donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images stéréoscopiques‚ en couleur on voit l'image qui est fournie par la caméra monoculaire· A côté ce ça on a les impacts laser qu'on peut voir en rouge et en vert ici soit reprojetées dans les images soit visualisées en 3d sur ce type d'affichage· On a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face avant du véhicule donc on a déjà ces fonctions-là‚ l'idée c'est de les étendre c'est-à-dire qu'on puisse également changer de voie‚ que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle· Donc ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probabiliste‚ c'est une représentation de l'environnement dans laquelle chaque cellule est associée à une cellule susceptible d'être occupée ou non par un objet que vous voyez ici en bleu Ce sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits-là· sous impacts laser on peut voir les régions de l'environnement qui sont occupées avec une forte probabilité‚ en particulier les barrières‚ et lorsqu'on va aborder un véhicule onn va voir que le véhicule a une forte probabilité d'occupation donc on ne peut certainement pas rouler ici‚ ce sont des zones risques et enfin en orange on a toutes les régions qui ne sont pas observées par le capteur ou pour lesquelles on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait que l'on ne sait pas· On peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être de faire une segmentation de nos grilles de façon à trouver les régions à forte occupation et d'essayer de transformer ces régions en une notion d'objet· Dire ''ici il y a beaucoup de points qui sont regroupés qui ont l'air d'être occupés c'est probablement un objet''une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire· Une façon d'estimer le risque court terme du moins en ville c'est une approche géométrique‚ on va observer la trajectoire future de notre véhicule et les objets qui peuvent se trouver dans la scène en face - s'il y a une intersection entre cette trajectoire et différents objets dans la scène‚ il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets‚ et ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement utilisé pour des applications pertinent d'essayer de reconnaître il y ait une ce qui est un piéton et ça on va le faire notamment avec les images est à dire qu'on a des d'apprentissage a qui on va fournir un grand nombre d'images de piétons par exemple de façon à ce que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons prouve le meilleur modèle pour représenter un piéton en interne ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qui s'est construit lui-même de piétons donc du coup quand on reconnaît les objets on fait que les objets se déplacent différemment un piéton peut aller dans toutes les directions une voiture est contrainte par ses roues on va pouvoir appliquer modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets ensuite on peut aller encore plus loin dans le raisonnement est à dire que on connaît des objets on connaît les classes les objets on sait réduire un peu leur trajectoire on peut essayer de raisonner en termes d'intentions une applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire on se place plus dans une perspective où il y a des automatismes dire que la la la par exemple sur un parquet pour être complètement autonome peut la laisser à l'entrée du parking elle va se garer toute seule voilà où il y a pas les les les difficultés des interactions avec l'humain par contre la route euh dans des circonstances qui peuvent être dangereuses prend en compte l'interaction avec l'humain l'c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain Il apporte une assistance· Ce véhicule‚ principalement il est destiné à travailler sur la perception donc l'idée c'est qu'il va récupérer des données capteurs sont des données brutes bruitées‚ bon donc on peut avoir des erreurs et on ne perçoit l'environnement que depuis un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir de ça on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions· Donc si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent‚ sur ce qui peut être dangereux et ce qui n'est pas dangereux‚ etc· De façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues‚ donc on a besoin d'être un peu moins réactif que ce que l'on serait en ville‚ en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traverse devant nos voitures donc même si on roule à très basse vitesse on a besoin d'être très très réactif Ici nous sommes sur autoroute‚ en train d'observer une scène routière assez typique de l'autoroute on peut voir des données qu'on a à partir des capteurs du véhicule qui sont ici affichés sur l'écran· Donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images stéréoscopiques‚ en couleur on voit l'image qui est fournie par la caméra monoculaire· A côté ce ça on a les impacts laser qu'on peut voir en rouge et en vert ici soit reprojetées dans les images soit visualisées en 3d sur ce type d'affichage· On a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face avant du véhicule donc on a déjà ces fonctions-là‚ l'idée c'est de les étendre c'est-à-dire qu'on puisse également changer de voie‚ que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle· Donc ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probabiliste‚ c'est une représentation de l'environnement dans laquelle chaque cellule est associée à une cellule susceptible d'être occupée ou non par un objet que vous voyez ici en bleu Ce sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits-là· sous impacts laser on peut voir les régions de l'environnement qui sont occupées avec une forte probabilité‚ en particulier les barrières‚ et lorsqu'on va aborder un véhicule onn va voir que le véhicule a une forte probabilité d'occupation donc on ne peut certainement pas rouler ici‚ ce sont des zones risques et enfin en orange on a toutes les régions qui ne sont pas observées par le capteur ou pour lesquelles on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait que l'on ne sait pas· On peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être de faire une segmentation de nos grilles de façon à trouver les régions à forte occupation et d'essayer de transformer ces régions en une notion d'objet· Dire ''ici il y a beaucoup de points qui sont regroupés qui ont l'air d'être occupés c'est probablement un objet''une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire· Une façon d'estimer le risque court terme du moins en ville c'est une approche géométrique‚ on va observer la trajectoire future de notre véhicule et les objets qui peuvent se trouver dans la scène en face - s'il y a une intersection entre cette trajectoire et différents objets dans la scène‚ il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets‚ et ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement très utilisé pour des applications pertinent d'essayer de reconnaître il y ait une ce qui est un piéton et ça on va le faire notamment avec les images est à dire qu'on a des d'apprentissage a qui on va fournir un grand nombre d'images de piétons par exemple de façon à ce que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons prouve le meilleur modèle pour représenter un piéton en interne ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qui s'est construit lui-même de piétons donc du coup quand on reconnaît les objets on fait que les objets se déplacent différemment un piéton peut aller dans toutes les directions une voiture est contrainte par ses roues on va pouvoir appliquer modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets ensuite on peut aller encore plus loin dans le raisonnement est à dire que on connaît des objets on connaît les classes les objets on sait réduire un peu leur trajectoire on peut essayer de raisonner en termes d'intentions une applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire on se place plus dans une perspective où il y a des automatismes dire que la la la par exemple sur un parquet pour être complètement autonome peut la laisser à l'entrée du parking elle va se garer toute seule voilà où il y a pas les les les difficultés des interactions avec l'humain par contre la route euh dans des circonstances qui peuvent être dangereuses prend en compte l'interaction avec l'humain l'c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain Il apporte une assistance· Ce véhicule‚ principalement il est destiné à travailler sur la perception donc l'idée c'est qu'il va récupérer des données capteurs sont des données brutes bruitées‚ bon donc on peut avoir des erreurs et on ne perçoit l'environnement que depuis un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir de ça on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions· Donc si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent‚ sur ce qui peut être dangereux et ce qui n'est pas dangereux‚ etc· De façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues‚ donc on a besoin d'être un peu moins réactif que ce que l'on serait en ville‚ en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traverse devant nos voitures donc même si on roule à très basse vitesse on a besoin d'être très très réactif Ici nous sommes sur autoroute‚ en train d'observer une scène routière assez typique de l'autoroute on peut voir des données qu'on a à partir des capteurs du véhicule qui sont ici affichés sur l'écran· Donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images stéréoscopiques‚ en couleur on voit l'image qui est fournie par la caméra monoculaire· A côté ce ça on a les impacts laser qu'on peut voir en rouge et en vert ici soit reprojetées dans les images soit visualisées en 3d sur ce type d'affichage· On a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face avant du véhicule donc on a déjà ces fonctions-là‚ l'idée c'est de les étendre c'est-à-dire qu'on puisse également changer de voie‚ que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle· Donc ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probabiliste‚ c'est une représentation de l'environnement dans laquelle chaque cellule est associée à une cellule susceptible d'être occupée ou non par un objet que vous voyez ici en bleu Ce sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits-là· sous impacts laser on peut voir les régions de l'environnement qui sont occupées avec une forte probabilité‚ en particulier les barrières‚ et lorsqu'on va aborder un véhicule onn va voir que le véhicule a une forte probabilité d'occupation donc on ne peut certainement pas rouler ici‚ ce sont des zones risques et enfin en orange on a toutes les régions qui ne sont pas observées par le capteur ou pour lesquelles on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait que l'on ne sait pas· On peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être de faire une segmentation de nos grilles de façon à trouver les régions à forte occupation et d'essayer de transformer ces régions en une notion d'objet· Dire ''ici il y a beaucoup de points qui sont regroupés qui ont l'air d'être occupés c'est probablement un objet''une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire· Une façon d'estimer le risque court terme du moins en ville c'est une approche géométrique‚ on va observer la trajectoire future de notre véhicule et les objets qui peuvent se trouver dans la scène en face - s'il y a une intersection entre cette trajectoire et différents objets dans la scène‚ il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets‚ et ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement très utilisé pour des applications C'est pertinent d'essayer de reconnaître il y ait une ce qui est un piéton et ça on va le faire notamment avec les images est à dire qu'on a des d'apprentissage a qui on va fournir un grand nombre d'images de piétons par exemple de façon à ce que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons prouve le meilleur modèle pour représenter un piéton en interne ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qui s'est construit lui-même de piétons donc du coup quand on reconnaît les objets on fait que les objets se déplacent différemment un piéton peut aller dans toutes les directions une voiture est contrainte par ses roues on va pouvoir appliquer modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets ensuite on peut aller encore plus loin dans le raisonnement est à dire que on connaît des objets on connaît les classes les objets on sait réduire un peu leur trajectoire on peut essayer de raisonner en termes d'intentions une applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire on se place plus dans une perspective où il y a des automatismes dire que la la la par exemple sur un parquet pour être complètement autonome peut la laisser à l'entrée du parking elle va se garer toute seule voilà où il y a pas les les les difficultés des interactions avec l'humain par contre la route euh dans des circonstances qui peuvent être dangereuses prend en compte l'interaction avec l'humain l'c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain Il apporte une assistance· Ce véhicule‚ principalement il est destiné à travailler sur la perception donc l'idée c'est qu'il va récupérer des données capteurs sont des données brutes bruitées‚ bon donc on peut avoir des erreurs et on ne perçoit l'environnement que depuis un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir de ça on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions· Donc si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent‚ sur ce qui peut être dangereux et ce qui n'est pas dangereux‚ etc· De façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues‚ donc on a besoin d'être un peu moins réactif que ce que l'on serait en ville‚ en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traverse devant nos voitures donc même si on roule à très basse vitesse on a besoin d'être très très réactif Ici nous sommes sur autoroute‚ en train d'observer une scène routière assez typique de l'autoroute on peut voir des données qu'on a à partir des capteurs du véhicule qui sont ici affichés sur l'écran· Donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images stéréoscopiques‚ en couleur on voit l'image qui est fournie par la caméra monoculaire· A côté ce ça on a les impacts laser qu'on peut voir en rouge et en vert ici soit reprojetées dans les images soit visualisées en 3d sur ce type d'affichage· On a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face avant du véhicule donc on a déjà ces fonctions-là‚ l'idée c'est de les étendre c'est-à-dire qu'on puisse également changer de voie‚ que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle· Donc ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probabiliste‚ c'est une représentation de l'environnement dans laquelle chaque cellule est associée à une cellule susceptible d'être occupée ou non par un objet que vous voyez ici en bleu Ce sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits-là· sous impacts laser on peut voir les régions de l'environnement qui sont occupées avec une forte probabilité‚ en particulier les barrières‚ et lorsqu'on va aborder un véhicule onn va voir que le véhicule a une forte probabilité d'occupation donc on ne peut certainement pas rouler ici‚ ce sont des zones risques et enfin en orange on a toutes les régions qui ne sont pas observées par le capteur ou pour lesquelles on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait que l'on ne sait pas· On peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être de faire une segmentation de nos grilles de façon à trouver les régions à forte occupation et d'essayer de transformer ces régions en une notion d'objet· Dire ''ici il y a beaucoup de points qui sont regroupés qui ont l'air d'être occupés c'est probablement un objet''une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire· Une façon d'estimer le risque court terme du moins en ville c'est une approche géométrique‚ on va observer la trajectoire future de notre véhicule et les objets qui peuvent se trouver dans la scène en face - s'il y a une intersection entre cette trajectoire et différents objets dans la scène‚ il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets‚ et ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement très utilisé pour des applications C'est pertinent d'essayer de reconnaître ce qui est une voiture‚ ce qui est un piéton - et ça on va le faire notamment avec les images est à dire qu'on a des d'apprentissage a qui on va fournir un grand nombre d'images de piétons par exemple de façon à ce que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons prouve le meilleur modèle pour représenter un piéton en interne ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qui s'est construit lui-même de piétons donc du coup quand on reconnaît les objets on fait que les objets se déplacent différemment un piéton peut aller dans toutes les directions une voiture est contrainte par ses roues on va pouvoir appliquer modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets ensuite on peut aller encore plus loin dans le raisonnement est à dire que on connaît des objets on connaît les classes les objets on sait réduire un peu leur trajectoire on peut essayer de raisonner en termes d'intentions une applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire on se place plus dans une perspective où il y a des automatismes dire que la la la par exemple sur un parquet pour être complètement autonome peut la laisser à l'entrée du parking elle va se garer toute seule voilà où il y a pas les les les difficultés des interactions avec l'humain par contre la route euh dans des circonstances qui peuvent être dangereuses prend en compte l'interaction avec l'humain l'c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain Il apporte une assistance· Ce véhicule‚ principalement il est destiné à travailler sur la perception donc l'idée c'est qu'il va récupérer des données capteurs sont des données brutes bruitées‚ bon donc on peut avoir des erreurs et on ne perçoit l'environnement que depuis un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir de ça on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions· Donc si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent‚ sur ce qui peut être dangereux et ce qui n'est pas dangereux‚ etc· De façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues‚ donc on a besoin d'être un peu moins réactif que ce que l'on serait en ville‚ en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traverse devant nos voitures donc même si on roule à très basse vitesse on a besoin d'être très très réactif Ici nous sommes sur autoroute‚ en train d'observer une scène routière assez typique de l'autoroute on peut voir des données qu'on a à partir des capteurs du véhicule qui sont ici affichés sur l'écran· Donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images stéréoscopiques‚ en couleur on voit l'image qui est fournie par la caméra monoculaire· A côté ce ça on a les impacts laser qu'on peut voir en rouge et en vert ici soit reprojetées dans les images soit visualisées en 3d sur ce type d'affichage· On a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face avant du véhicule donc on a déjà ces fonctions-là‚ l'idée c'est de les étendre c'est-à-dire qu'on puisse également changer de voie‚ que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle· Donc ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probabiliste‚ c'est une représentation de l'environnement dans laquelle chaque cellule est associée à une cellule susceptible d'être occupée ou non par un objet que vous voyez ici en bleu Ce sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits-là· sous impacts laser on peut voir les régions de l'environnement qui sont occupées avec une forte probabilité‚ en particulier les barrières‚ et lorsqu'on va aborder un véhicule onn va voir que le véhicule a une forte probabilité d'occupation donc on ne peut certainement pas rouler ici‚ ce sont des zones risques et enfin en orange on a toutes les régions qui ne sont pas observées par le capteur ou pour lesquelles on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait que l'on ne sait pas· On peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être de faire une segmentation de nos grilles de façon à trouver les régions à forte occupation et d'essayer de transformer ces régions en une notion d'objet· Dire ''ici il y a beaucoup de points qui sont regroupés qui ont l'air d'être occupés c'est probablement un objet''une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire· Une façon d'estimer le risque court terme du moins en ville c'est une approche géométrique‚ on va observer la trajectoire future de notre véhicule et les objets qui peuvent se trouver dans la scène en face - s'il y a une intersection entre cette trajectoire et différents objets dans la scène‚ il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets‚ et ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement très utilisé pour des applications C'est pertinent d'essayer de reconnaître ce qui est une voiture‚ ce qui est un piéton - et ça on va le faire notamment avec les images c'est-à-dire qu'on a des algorithmes d'apprentissage a qui on va fournir un grand nombre d'images de piétons par exemple de façon à ce que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons prouve le meilleur modèle pour représenter un piéton en interne ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qui s'est construit lui-même de piétons donc du coup quand on reconnaît les objets on fait que les objets se déplacent différemment un piéton peut aller dans toutes les directions une voiture est contrainte par ses roues on va pouvoir appliquer modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets ensuite on peut aller encore plus loin dans le raisonnement est à dire que on connaît des objets on connaît les classes les objets on sait réduire un peu leur trajectoire on peut essayer de raisonner en termes d'intentions une applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire on se place plus dans une perspective où il y a des automatismes dire que la la la par exemple sur un parquet pour être complètement autonome peut la laisser à l'entrée du parking elle va se garer toute seule voilà où il y a pas les les les difficultés des interactions avec l'humain par contre la route euh dans des circonstances qui peuvent être dangereuses prend en compte l'interaction avec l'humain l'c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain Il apporte une assistance· Ce véhicule‚ principalement il est destiné à travailler sur la perception donc l'idée c'est qu'il va récupérer des données capteurs sont des données brutes bruitées‚ bon donc on peut avoir des erreurs et on ne perçoit l'environnement que depuis un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir de ça on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions· Donc si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent‚ sur ce qui peut être dangereux et ce qui n'est pas dangereux‚ etc· De façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues‚ donc on a besoin d'être un peu moins réactif que ce que l'on serait en ville‚ en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traverse devant nos voitures donc même si on roule à très basse vitesse on a besoin d'être très très réactif Ici nous sommes sur autoroute‚ en train d'observer une scène routière assez typique de l'autoroute on peut voir des données qu'on a à partir des capteurs du véhicule qui sont ici affichés sur l'écran· Donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images stéréoscopiques‚ en couleur on voit l'image qui est fournie par la caméra monoculaire· A côté ce ça on a les impacts laser qu'on peut voir en rouge et en vert ici soit reprojetées dans les images soit visualisées en 3d sur ce type d'affichage· On a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face avant du véhicule donc on a déjà ces fonctions-là‚ l'idée c'est de les étendre c'est-à-dire qu'on puisse également changer de voie‚ que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle· Donc ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probabiliste‚ c'est une représentation de l'environnement dans laquelle chaque cellule est associée à une cellule susceptible d'être occupée ou non par un objet que vous voyez ici en bleu Ce sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits-là· sous impacts laser on peut voir les régions de l'environnement qui sont occupées avec une forte probabilité‚ en particulier les barrières‚ et lorsqu'on va aborder un véhicule onn va voir que le véhicule a une forte probabilité d'occupation donc on ne peut certainement pas rouler ici‚ ce sont des zones risques et enfin en orange on a toutes les régions qui ne sont pas observées par le capteur ou pour lesquelles on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait que l'on ne sait pas· On peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être de faire une segmentation de nos grilles de façon à trouver les régions à forte occupation et d'essayer de transformer ces régions en une notion d'objet· Dire ''ici il y a beaucoup de points qui sont regroupés qui ont l'air d'être occupés c'est probablement un objet''une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire· Une façon d'estimer le risque court terme du moins en ville c'est une approche géométrique‚ on va observer la trajectoire future de notre véhicule et les objets qui peuvent se trouver dans la scène en face - s'il y a une intersection entre cette trajectoire et différents objets dans la scène‚ il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets‚ et ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement très utilisé pour des applications C'est pertinent d'essayer de reconnaître ce qui est une voiture‚ ce qui est un piéton - et ça on va le faire notamment avec les images c'est-à-dire qu'on a des algorithmes d'apprentissage à qui on va fournir un grand nombre d'images de piétons‚ par exemple‚ de façon que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons‚ trouve le meilleur modèle pour représenter un piéton en interne‚ et ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qu'il s'est construit lui-même de piéton· Donc du coup quand on reconnaît les objets on fait que les objets se déplacent différemment un piéton peut aller dans toutes les directions une voiture est contrainte par ses roues on va pouvoir appliquer modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets ensuite on peut aller encore plus loin dans le raisonnement est à dire que on connaît des objets on connaît les classes les objets on sait réduire un peu leur trajectoire on peut essayer de raisonner en termes d'intentions une applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire on se place plus dans une perspective où il y a des automatismes dire que la la la par exemple sur un parquet pour être complètement autonome peut la laisser à l'entrée du parking elle va se garer toute seule voilà où il y a pas les les les difficultés des interactions avec l'humain par contre la route euh dans des circonstances qui peuvent être dangereuses prend en compte l'interaction avec l'humain l'c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain Il apporte une assistance· Ce véhicule‚ principalement il est destiné à travailler sur la perception donc l'idée c'est qu'il va récupérer des données capteurs sont des données brutes bruitées‚ bon donc on peut avoir des erreurs et on ne perçoit l'environnement que depuis un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir de ça on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions· Donc si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent‚ sur ce qui peut être dangereux et ce qui n'est pas dangereux‚ etc· De façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues‚ donc on a besoin d'être un peu moins réactif que ce que l'on serait en ville‚ en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traverse devant nos voitures donc même si on roule à très basse vitesse on a besoin d'être très très réactif Ici nous sommes sur autoroute‚ en train d'observer une scène routière assez typique de l'autoroute on peut voir des données qu'on a à partir des capteurs du véhicule qui sont ici affichés sur l'écran· Donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images stéréoscopiques‚ en couleur on voit l'image qui est fournie par la caméra monoculaire· A côté ce ça on a les impacts laser qu'on peut voir en rouge et en vert ici soit reprojetées dans les images soit visualisées en 3d sur ce type d'affichage· On a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face avant du véhicule donc on a déjà ces fonctions-là‚ l'idée c'est de les étendre c'est-à-dire qu'on puisse également changer de voie‚ que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle· Donc ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probabiliste‚ c'est une représentation de l'environnement dans laquelle chaque cellule est associée à une cellule susceptible d'être occupée ou non par un objet que vous voyez ici en bleu Ce sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits-là· sous impacts laser on peut voir les régions de l'environnement qui sont occupées avec une forte probabilité‚ en particulier les barrières‚ et lorsqu'on va aborder un véhicule onn va voir que le véhicule a une forte probabilité d'occupation donc on ne peut certainement pas rouler ici‚ ce sont des zones risques et enfin en orange on a toutes les régions qui ne sont pas observées par le capteur ou pour lesquelles on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait que l'on ne sait pas· On peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être de faire une segmentation de nos grilles de façon à trouver les régions à forte occupation et d'essayer de transformer ces régions en une notion d'objet· Dire ''ici il y a beaucoup de points qui sont regroupés qui ont l'air d'être occupés c'est probablement un objet''une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire· Une façon d'estimer le risque court terme du moins en ville c'est une approche géométrique‚ on va observer la trajectoire future de notre véhicule et les objets qui peuvent se trouver dans la scène en face - s'il y a une intersection entre cette trajectoire et différents objets dans la scène‚ il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets‚ et ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement très utilisé pour des applications C'est pertinent d'essayer de reconnaître ce qui est une voiture‚ ce qui est un piéton - et ça on va le faire notamment avec les images c'est-à-dire qu'on a des algorithmes d'apprentissage à qui on va fournir un grand nombre d'images de piétons‚ par exemple‚ de façon que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons‚ trouve le meilleur modèle pour représenter un piéton en interne‚ et ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qu'il s'est construit lui-même de piéton· Donc du coup quand on reconnaît les objets‚ on sait que les objets se déplacent différemment - un piéton peut aller dans toutes les directions‚ une voiture est contrainte par ses roues· Donc on va pouvoir appliquer des modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets· Ensuite‚ on peut aller encore plus loin dans le raisonnement c'est-à-dire que‚ on connaît des objets‚ on connaît les classes les objets‚ on sait réduire un peu leur trajectoire‚ on peut essayer de raisonner en termes d'intentions· Donc‚ une des applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas· Si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable de prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire on se place plus dans une perspective où il y a des automatismes dire que la la la par exemple sur un parquet pour être complètement autonome peut la laisser à l'entrée du parking elle va se garer toute seule voilà où il y a pas les les les difficultés des interactions avec l'humain par contre la route euh dans des circonstances qui peuvent être dangereuses prend en compte l'interaction avec l'humain l'c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain Il apporte une assistance· Ce véhicule‚ principalement il est destiné à travailler sur la perception donc l'idée c'est qu'il va récupérer des données capteurs sont des données brutes bruitées‚ bon donc on peut avoir des erreurs et on ne perçoit l'environnement que depuis un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir de ça on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions· Donc si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent‚ sur ce qui peut être dangereux et ce qui n'est pas dangereux‚ etc· De façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues‚ donc on a besoin d'être un peu moins réactif que ce que l'on serait en ville‚ en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traverse devant nos voitures donc même si on roule à très basse vitesse on a besoin d'être très très réactif Ici nous sommes sur autoroute‚ en train d'observer une scène routière assez typique de l'autoroute on peut voir des données qu'on a à partir des capteurs du véhicule qui sont ici affichés sur l'écran· Donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images stéréoscopiques‚ en couleur on voit l'image qui est fournie par la caméra monoculaire· A côté ce ça on a les impacts laser qu'on peut voir en rouge et en vert ici soit reprojetées dans les images soit visualisées en 3d sur ce type d'affichage· On a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face avant du véhicule donc on a déjà ces fonctions-là‚ l'idée c'est de les étendre c'est-à-dire qu'on puisse également changer de voie‚ que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle· Donc ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probabiliste‚ c'est une représentation de l'environnement dans laquelle chaque cellule est associée à une cellule susceptible d'être occupée ou non par un objet que vous voyez ici en bleu Ce sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits-là· sous impacts laser on peut voir les régions de l'environnement qui sont occupées avec une forte probabilité‚ en particulier les barrières‚ et lorsqu'on va aborder un véhicule onn va voir que le véhicule a une forte probabilité d'occupation donc on ne peut certainement pas rouler ici‚ ce sont des zones risques et enfin en orange on a toutes les régions qui ne sont pas observées par le capteur ou pour lesquelles on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait que l'on ne sait pas· On peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être de faire une segmentation de nos grilles de façon à trouver les régions à forte occupation et d'essayer de transformer ces régions en une notion d'objet· Dire ''ici il y a beaucoup de points qui sont regroupés qui ont l'air d'être occupés c'est probablement un objet''une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire· Une façon d'estimer le risque court terme du moins en ville c'est une approche géométrique‚ on va observer la trajectoire future de notre véhicule et les objets qui peuvent se trouver dans la scène en face - s'il y a une intersection entre cette trajectoire et différents objets dans la scène‚ il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets‚ et ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement très utilisé pour des applications C'est pertinent d'essayer de reconnaître ce qui est une voiture‚ ce qui est un piéton - et ça on va le faire notamment avec les images c'est-à-dire qu'on a des algorithmes d'apprentissage à qui on va fournir un grand nombre d'images de piétons‚ par exemple‚ de façon que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons‚ trouve le meilleur modèle pour représenter un piéton en interne‚ et ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qu'il s'est construit lui-même de piéton· Donc du coup quand on reconnaît les objets‚ on sait que les objets se déplacent différemment - un piéton peut aller dans toutes les directions‚ une voiture est contrainte par ses roues· Donc on va pouvoir appliquer des modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets· Ensuite‚ on peut aller encore plus loin dans le raisonnement c'est-à-dire que‚ on connaît des objets‚ on connaît les classes les objets‚ on sait réduire un peu leur trajectoire‚ on peut essayer de raisonner en termes d'intentions· Donc‚ une des applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas· Si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable de prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire Nous on se place plus dans une perspective où il y a des automatismes c'est-à-dire que par exemple sur un parquet pour être complètement autonome peut la laisser à l'entrée du parking elle va se garer toute seule voilà où il y a pas les les les difficultés des interactions avec l'humain par contre la route euh dans des circonstances qui peuvent être dangereuses prend en compte l'interaction avec l'humain l'c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain Il apporte une assistance· Ce véhicule‚ principalement il est destiné à travailler sur la perception donc l'idée c'est qu'il va récupérer des données capteurs sont des données brutes bruitées‚ bon donc on peut avoir des erreurs et on ne perçoit l'environnement que depuis un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir de ça on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions· Donc si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent‚ sur ce qui peut être dangereux et ce qui n'est pas dangereux‚ etc· De façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues‚ donc on a besoin d'être un peu moins réactif que ce que l'on serait en ville‚ en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traverse devant nos voitures donc même si on roule à très basse vitesse on a besoin d'être très très réactif Ici nous sommes sur autoroute‚ en train d'observer une scène routière assez typique de l'autoroute on peut voir des données qu'on a à partir des capteurs du véhicule qui sont ici affichés sur l'écran· Donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images stéréoscopiques‚ en couleur on voit l'image qui est fournie par la caméra monoculaire· A côté ce ça on a les impacts laser qu'on peut voir en rouge et en vert ici soit reprojetées dans les images soit visualisées en 3d sur ce type d'affichage· On a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face avant du véhicule donc on a déjà ces fonctions-là‚ l'idée c'est de les étendre c'est-à-dire qu'on puisse également changer de voie‚ que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle· Donc ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probabiliste‚ c'est une représentation de l'environnement dans laquelle chaque cellule est associée à une cellule susceptible d'être occupée ou non par un objet que vous voyez ici en bleu Ce sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits-là· sous impacts laser on peut voir les régions de l'environnement qui sont occupées avec une forte probabilité‚ en particulier les barrières‚ et lorsqu'on va aborder un véhicule onn va voir que le véhicule a une forte probabilité d'occupation donc on ne peut certainement pas rouler ici‚ ce sont des zones risques et enfin en orange on a toutes les régions qui ne sont pas observées par le capteur ou pour lesquelles on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait que l'on ne sait pas· On peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être de faire une segmentation de nos grilles de façon à trouver les régions à forte occupation et d'essayer de transformer ces régions en une notion d'objet· Dire ''ici il y a beaucoup de points qui sont regroupés qui ont l'air d'être occupés c'est probablement un objet''une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire· Une façon d'estimer le risque court terme du moins en ville c'est une approche géométrique‚ on va observer la trajectoire future de notre véhicule et les objets qui peuvent se trouver dans la scène en face - s'il y a une intersection entre cette trajectoire et différents objets dans la scène‚ il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets‚ et ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement très utilisé pour des applications C'est pertinent d'essayer de reconnaître ce qui est une voiture‚ ce qui est un piéton - et ça on va le faire notamment avec les images c'est-à-dire qu'on a des algorithmes d'apprentissage à qui on va fournir un grand nombre d'images de piétons‚ par exemple‚ de façon que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons‚ trouve le meilleur modèle pour représenter un piéton en interne‚ et ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qu'il s'est construit lui-même de piéton· Donc du coup quand on reconnaît les objets‚ on sait que les objets se déplacent différemment - un piéton peut aller dans toutes les directions‚ une voiture est contrainte par ses roues· Donc on va pouvoir appliquer des modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets· Ensuite‚ on peut aller encore plus loin dans le raisonnement c'est-à-dire que‚ on connaît des objets‚ on connaît les classes les objets‚ on sait réduire un peu leur trajectoire‚ on peut essayer de raisonner en termes d'intentions· Donc‚ une des applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas· Si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable de prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire Nous on se place plus dans une perspective où il y a des automatismes c'est-à-dire que par exemple sur un parking pour être complètement autonome‚ on peut la laisser à l'entrée du parking elle va se garer toute seule là où il il n'y a pas es difficultés d'interaction avec l'humain par contre la route euh dans des circonstances qui peuvent être dangereuses prend en compte l'interaction avec l'humain l'c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain Il apporte une assistance· Ce véhicule‚ principalement il est destiné à travailler sur la perception donc l'idée c'est qu'il va récupérer des données capteurs sont des données brutes bruitées‚ bon donc on peut avoir des erreurs et on ne perçoit l'environnement que depuis un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir de ça on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions· Donc si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent‚ sur ce qui peut être dangereux et ce qui n'est pas dangereux‚ etc· De façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues‚ donc on a besoin d'être un peu moins réactif que ce que l'on serait en ville‚ en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traverse devant nos voitures donc même si on roule à très basse vitesse on a besoin d'être très très réactif Ici nous sommes sur autoroute‚ en train d'observer une scène routière assez typique de l'autoroute on peut voir des données qu'on a à partir des capteurs du véhicule qui sont ici affichés sur l'écran· Donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images stéréoscopiques‚ en couleur on voit l'image qui est fournie par la caméra monoculaire· A côté ce ça on a les impacts laser qu'on peut voir en rouge et en vert ici soit reprojetées dans les images soit visualisées en 3d sur ce type d'affichage· On a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face avant du véhicule donc on a déjà ces fonctions-là‚ l'idée c'est de les étendre c'est-à-dire qu'on puisse également changer de voie‚ que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle· Donc ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probabiliste‚ c'est une représentation de l'environnement dans laquelle chaque cellule est associée à une cellule susceptible d'être occupée ou non par un objet que vous voyez ici en bleu Ce sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits-là· sous impacts laser on peut voir les régions de l'environnement qui sont occupées avec une forte probabilité‚ en particulier les barrières‚ et lorsqu'on va aborder un véhicule onn va voir que le véhicule a une forte probabilité d'occupation donc on ne peut certainement pas rouler ici‚ ce sont des zones risques et enfin en orange on a toutes les régions qui ne sont pas observées par le capteur ou pour lesquelles on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait que l'on ne sait pas· On peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être de faire une segmentation de nos grilles de façon à trouver les régions à forte occupation et d'essayer de transformer ces régions en une notion d'objet· Dire ''ici il y a beaucoup de points qui sont regroupés qui ont l'air d'être occupés c'est probablement un objet''une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire· Une façon d'estimer le risque court terme du moins en ville c'est une approche géométrique‚ on va observer la trajectoire future de notre véhicule et les objets qui peuvent se trouver dans la scène en face - s'il y a une intersection entre cette trajectoire et différents objets dans la scène‚ il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets‚ et ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement très utilisé pour des applications C'est pertinent d'essayer de reconnaître ce qui est une voiture‚ ce qui est un piéton - et ça on va le faire notamment avec les images c'est-à-dire qu'on a des algorithmes d'apprentissage à qui on va fournir un grand nombre d'images de piétons‚ par exemple‚ de façon que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons‚ trouve le meilleur modèle pour représenter un piéton en interne‚ et ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qu'il s'est construit lui-même de piéton· Donc du coup quand on reconnaît les objets‚ on sait que les objets se déplacent différemment - un piéton peut aller dans toutes les directions‚ une voiture est contrainte par ses roues· Donc on va pouvoir appliquer des modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets· Ensuite‚ on peut aller encore plus loin dans le raisonnement c'est-à-dire que‚ on connaît des objets‚ on connaît les classes les objets‚ on sait réduire un peu leur trajectoire‚ on peut essayer de raisonner en termes d'intentions· Donc‚ une des applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas· Si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable de prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire Nous on se place plus dans une perspective où il y a des automatismes c'est-à-dire que par exemple sur un parking pour être complètement autonome‚ on peut la laisser à l'entrée du parking elle va se garer toute seule là où il il n'y a pas es difficultés d'interaction avec l'humain par contre sur la route‚ dans des circonstances qui peuvent être dangereuses‚ prendre en compte l'interaction avec l'humain c'est à dire faire euh en sorte y il qu'ait des warning y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain Il apporte une assistance· Ce véhicule‚ principalement il est destiné à travailler sur la perception donc l'idée c'est qu'il va récupérer des données capteurs sont des données brutes bruitées‚ bon donc on peut avoir des erreurs et on ne perçoit l'environnement que depuis un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir de ça on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions· Donc si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent‚ sur ce qui peut être dangereux et ce qui n'est pas dangereux‚ etc· De façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues‚ donc on a besoin d'être un peu moins réactif que ce que l'on serait en ville‚ en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traverse devant nos voitures donc même si on roule à très basse vitesse on a besoin d'être très très réactif Ici nous sommes sur autoroute‚ en train d'observer une scène routière assez typique de l'autoroute on peut voir des données qu'on a à partir des capteurs du véhicule qui sont ici affichés sur l'écran· Donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images stéréoscopiques‚ en couleur on voit l'image qui est fournie par la caméra monoculaire· A côté ce ça on a les impacts laser qu'on peut voir en rouge et en vert ici soit reprojetées dans les images soit visualisées en 3d sur ce type d'affichage· On a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face avant du véhicule donc on a déjà ces fonctions-là‚ l'idée c'est de les étendre c'est-à-dire qu'on puisse également changer de voie‚ que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle· Donc ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probabiliste‚ c'est une représentation de l'environnement dans laquelle chaque cellule est associée à une cellule susceptible d'être occupée ou non par un objet que vous voyez ici en bleu Ce sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits-là· sous impacts laser on peut voir les régions de l'environnement qui sont occupées avec une forte probabilité‚ en particulier les barrières‚ et lorsqu'on va aborder un véhicule onn va voir que le véhicule a une forte probabilité d'occupation donc on ne peut certainement pas rouler ici‚ ce sont des zones risques et enfin en orange on a toutes les régions qui ne sont pas observées par le capteur ou pour lesquelles on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait que l'on ne sait pas· On peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être de faire une segmentation de nos grilles de façon à trouver les régions à forte occupation et d'essayer de transformer ces régions en une notion d'objet· Dire ''ici il y a beaucoup de points qui sont regroupés qui ont l'air d'être occupés c'est probablement un objet''une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire· Une façon d'estimer le risque court terme du moins en ville c'est une approche géométrique‚ on va observer la trajectoire future de notre véhicule et les objets qui peuvent se trouver dans la scène en face - s'il y a une intersection entre cette trajectoire et différents objets dans la scène‚ il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets‚ et ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement très utilisé pour des applications C'est pertinent d'essayer de reconnaître ce qui est une voiture‚ ce qui est un piéton - et ça on va le faire notamment avec les images c'est-à-dire qu'on a des algorithmes d'apprentissage à qui on va fournir un grand nombre d'images de piétons‚ par exemple‚ de façon que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons‚ trouve le meilleur modèle pour représenter un piéton en interne‚ et ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qu'il s'est construit lui-même de piéton· Donc du coup quand on reconnaît les objets‚ on sait que les objets se déplacent différemment - un piéton peut aller dans toutes les directions‚ une voiture est contrainte par ses roues· Donc on va pouvoir appliquer des modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets· Ensuite‚ on peut aller encore plus loin dans le raisonnement c'est-à-dire que‚ on connaît des objets‚ on connaît les classes les objets‚ on sait réduire un peu leur trajectoire‚ on peut essayer de raisonner en termes d'intentions· Donc‚ une des applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas· Si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable de prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire Nous on se place plus dans une perspective où il y a des automatismes c'est-à-dire que par exemple sur un parking pour être complètement autonome‚ on peut la laisser à l'entrée du parking elle va se garer toute seule là où il il n'y a pas es difficultés d'interaction avec l'humain par contre sur la route‚ dans des circonstances qui peuvent être dangereuses‚ prendre en compte l'interaction avec l'humain c'est à dire faire en sorte y il qu'ait des warnings lorsqu'il u aua y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens il y a gens qui aiment beaucoup conduire certains qui conduisent nerveusement conduisent plus doucement bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain Il apporte une assistance· Ce véhicule‚ principalement il est destiné à travailler sur la perception donc l'idée c'est qu'il va récupérer des données capteurs sont des données brutes bruitées‚ bon donc on peut avoir des erreurs et on ne perçoit l'environnement que depuis un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir de ça on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions· Donc si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent‚ sur ce qui peut être dangereux et ce qui n'est pas dangereux‚ etc· De façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues‚ donc on a besoin d'être un peu moins réactif que ce que l'on serait en ville‚ en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traverse devant nos voitures donc même si on roule à très basse vitesse on a besoin d'être très très réactif Ici nous sommes sur autoroute‚ en train d'observer une scène routière assez typique de l'autoroute on peut voir des données qu'on a à partir des capteurs du véhicule qui sont ici affichés sur l'écran· Donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images stéréoscopiques‚ en couleur on voit l'image qui est fournie par la caméra monoculaire· A côté ce ça on a les impacts laser qu'on peut voir en rouge et en vert ici soit reprojetées dans les images soit visualisées en 3d sur ce type d'affichage· On a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face avant du véhicule donc on a déjà ces fonctions-là‚ l'idée c'est de les étendre c'est-à-dire qu'on puisse également changer de voie‚ que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle· Donc ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probabiliste‚ c'est une représentation de l'environnement dans laquelle chaque cellule est associée à une cellule susceptible d'être occupée ou non par un objet que vous voyez ici en bleu Ce sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits-là· sous impacts laser on peut voir les régions de l'environnement qui sont occupées avec une forte probabilité‚ en particulier les barrières‚ et lorsqu'on va aborder un véhicule onn va voir que le véhicule a une forte probabilité d'occupation donc on ne peut certainement pas rouler ici‚ ce sont des zones risques et enfin en orange on a toutes les régions qui ne sont pas observées par le capteur ou pour lesquelles on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait que l'on ne sait pas· On peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être de faire une segmentation de nos grilles de façon à trouver les régions à forte occupation et d'essayer de transformer ces régions en une notion d'objet· Dire ''ici il y a beaucoup de points qui sont regroupés qui ont l'air d'être occupés c'est probablement un objet''une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire· Une façon d'estimer le risque court terme du moins en ville c'est une approche géométrique‚ on va observer la trajectoire future de notre véhicule et les objets qui peuvent se trouver dans la scène en face - s'il y a une intersection entre cette trajectoire et différents objets dans la scène‚ il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets‚ et ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement très utilisé pour des applications C'est pertinent d'essayer de reconnaître ce qui est une voiture‚ ce qui est un piéton - et ça on va le faire notamment avec les images c'est-à-dire qu'on a des algorithmes d'apprentissage à qui on va fournir un grand nombre d'images de piétons‚ par exemple‚ de façon que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons‚ trouve le meilleur modèle pour représenter un piéton en interne‚ et ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qu'il s'est construit lui-même de piéton· Donc du coup quand on reconnaît les objets‚ on sait que les objets se déplacent différemment - un piéton peut aller dans toutes les directions‚ une voiture est contrainte par ses roues· Donc on va pouvoir appliquer des modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets· Ensuite‚ on peut aller encore plus loin dans le raisonnement c'est-à-dire que‚ on connaît des objets‚ on connaît les classes les objets‚ on sait réduire un peu leur trajectoire‚ on peut essayer de raisonner en termes d'intentions· Donc‚ une des applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas· Si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable de prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire Nous on se place plus dans une perspective où il y a des automatismes c'est-à-dire que par exemple sur un parking pour être complètement autonome‚ on peut la laisser à l'entrée du parking elle va se garer toute seule là où il il n'y a pas es difficultés d'interaction avec l'humain par contre sur la route‚ dans des circonstances qui peuvent être dangereuses‚ prendre en compte l'interaction avec l'humain c'est à dire faire en sorte y il qu'ait des warnings lorsqu'il u aua y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens· Il y a des gens qui aiment beaucoup conduire‚ certains qui conduisent nerveusement‚ d'autres qui conduisent plus doucement ‚ il est bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là autre aspect c'est ce que voit pas le conducteur donc là et c'est énorme un énorme pourcentage des accidents je crois que c'soixante pour cent des accidents parce que il y a une tension du conducteur et donc là la voiture peut simplement un premier temps alerter le conducteur attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur sur la route de droite ou un piéton euh ou un cycliste donc simplement l'avertir pour qui réagit ceci réagit pas dans la seconde qui suit la voiture peut réagir
On a axé les travaux sur l'assistance à la conduite· C'est-à-dire comment faire en sorte que le véhicule beaucoup plus sûr que les véhicules actuels‚ ne pas se projeter trop loin dans le futur pas dans 50 ans ans‚ ce n'est pas un véhicule qui vole c'est pas un véhicule qui a des capacités complètement autonomes non‚ il est en interaction avec l'humain Il apporte une assistance· Ce véhicule‚ principalement il est destiné à travailler sur la perception donc l'idée c'est qu'il va récupérer des données capteurs sont des données brutes bruitées‚ bon donc on peut avoir des erreurs et on ne perçoit l'environnement que depuis un point de vue particulier donc on a une vision finalement assez limitée de l'environnement et à partir de ça on va essayer de reconstruire une représentation de la scène qui soit exploitable après pour prendre des décisions· Donc si on est sur autoroute ou si on est en ville on ne va pas conduire de la même façon puisqu'on va avoir des a priori très différents sur la façon dont les objets bougent‚ sur ce qui peut être dangereux et ce qui n'est pas dangereux‚ etc· De façon assez paradoxale sur autoroute on roule vite mais les constantes de temps sont finalement assez longues‚ donc on a besoin d'être un peu moins réactif que ce que l'on serait en ville‚ en ville on peut avoir un piéton qui change très vite de comportement qui d'un coup traverse devant nos voitures donc même si on roule à très basse vitesse on a besoin d'être très très réactif Ici nous sommes sur autoroute‚ en train d'observer une scène routière assez typique de l'autoroute on peut voir des données qu'on a à partir des capteurs du véhicule qui sont ici affichés sur l'écran· Donc par exemple on va voir les images obtenues à travers les caméras donc on voit en noir et blanc l'une des images stéréoscopiques‚ en couleur on voit l'image qui est fournie par la caméra monoculaire· A côté ce ça on a les impacts laser qu'on peut voir en rouge et en vert ici soit reprojetées dans les images soit visualisées en 3d sur ce type d'affichage· On a déjà des systèmes qui permettent de suivre la voiture de devant de manière complètement automatique avec un radar sur la face avant du véhicule donc on a déjà ces fonctions-là‚ l'idée c'est de les étendre c'est-à-dire qu'on puisse également changer de voie‚ que l'on puisse prédire ce qui va se passer pour pouvoir prendre la bonne décision sur le contrôle· Donc ça c'est une approche qu'on défend beaucoup dans l'équipe cette notion de grille d'occupation probabiliste‚ c'est une représentation de l'environnement dans laquelle chaque cellule est associée à une cellule susceptible d'être occupée ou non par un objet que vous voyez ici en bleu Ce sont toutes les régions de l'environnement où on est sûr que la région est libre donc on sait qu'on peut rouler à ces endroits-là· sous impacts laser on peut voir les régions de l'environnement qui sont occupées avec une forte probabilité‚ en particulier les barrières‚ et lorsqu'on va aborder un véhicule onn va voir que le véhicule a une forte probabilité d'occupation donc on ne peut certainement pas rouler ici‚ ce sont des zones risques et enfin en orange on a toutes les régions qui ne sont pas observées par le capteur ou pour lesquelles on n'a pas suffisamment d'informations on va avoir une probabilité d'occupation proche de zéro virgule cinq qui veut dire en fait que l'on ne sait pas· On peut remonter encore d'un niveau de perception et chercher à détecter des objets l'idée va être de faire une segmentation de nos grilles de façon à trouver les régions à forte occupation et d'essayer de transformer ces régions en une notion d'objet· Dire ''ici il y a beaucoup de points qui sont regroupés qui ont l'air d'être occupés c'est probablement un objet''une fois qu'on a des objets on peut les suivre au cours du temps ce qui va nous permettre d'estimer leur vitesse et de prédire leur trajectoire· Une façon d'estimer le risque court terme du moins en ville c'est une approche géométrique‚ on va observer la trajectoire future de notre véhicule et les objets qui peuvent se trouver dans la scène en face - s'il y a une intersection entre cette trajectoire et différents objets dans la scène‚ il y a un risque donc on va estimer à quelle distance se trouvent ces objets et donc dans combien de temps on peut rentrer en collision avec ces objets‚ et ce temps à collision va nous donner une première estimation du risque du moins sur le court terme c'est typiquement très utilisé pour des applications C'est pertinent d'essayer de reconnaître ce qui est une voiture‚ ce qui est un piéton - et ça on va le faire notamment avec les images c'est-à-dire qu'on a des algorithmes d'apprentissage à qui on va fournir un grand nombre d'images de piétons‚ par exemple‚ de façon que l'ordinateur apprenne de lui-même ce qu'est un modèle de piétons‚ trouve le meilleur modèle pour représenter un piéton en interne‚ et ensuite quand on va lui montrer une image il y va essayer de reconnaître si c'est un piéton ou pas en comparant modèle qu'il s'est construit lui-même de piéton· Donc du coup quand on reconnaît les objets‚ on sait que les objets se déplacent différemment - un piéton peut aller dans toutes les directions‚ une voiture est contrainte par ses roues· Donc on va pouvoir appliquer des modèles dynamiques différents à ces différents objets de façon à prédire de façon différente les trajectoires de ces objets· Ensuite‚ on peut aller encore plus loin dans le raisonnement c'est-à-dire que‚ on connaît des objets‚ on connaît les classes les objets‚ on sait réduire un peu leur trajectoire‚ on peut essayer de raisonner en termes d'intentions· Donc‚ une des applications sur lesquelles on travaille actuellement c'est essayer de prédire si le conducteur du véhicule a l'intention de changer de voie sur autoroute ou pas· Si l'on suit les marquages routiers au cours du temps à partir d'une caméra on peut savoir où se trouve le véhicule sur la voie de circulation a partir d'un modèle qu'on va avoir appris en fonction de la façon dont le véhicule va se déplacer sur cette voie de circulation on va être capable de prédire que le véhicule va changer de voie dans les étangs à venir ou que c'était juste une petite oscillation comme il peut arriver souvent quand on est en train de conduire Nous on se place plus dans une perspective où il y a des automatismes c'est-à-dire que par exemple sur un parking pour être complètement autonome‚ on peut la laisser à l'entrée du parking elle va se garer toute seule là où il il n'y a pas es difficultés d'interaction avec l'humain par contre sur la route‚ dans des circonstances qui peuvent être dangereuses‚ prendre en compte l'interaction avec l'humain c'est à dire faire en sorte y il qu'ait des warnings lorsqu'il u aua y il lorsqu'a un danger pour le mettre au courant ou éventuellement faire du freinage automatique que les constructeurs automobiles proposent de telles aides à la conduite faut que les gens acceptent d'acheter des véhicules avec ces aides à la conduite et l'acceptable et de mon point de vue elle passe notamment par la capacité qu'on peut avoir à personnaliser l'aide à la conduite suivant les gens· Il y a des gens qui aiment beaucoup conduire‚ certains qui conduisent nerveusement‚ d'autres qui conduisent plus doucement ‚ il est bien qu'ils puissent chacun avoir quelque chose soit adaptable et pas avoir l'impression d'être limitée par leur voiture sinon ils vont jamais acheter une voiture qui va avoir ces aides là· L'autre aspect c'est ce que voit pas le conducteur donc là et c'est un énorme pourcentage des accidents je crois que c'est 70 p 100 des accidents parce que il y a une inattention du conducteur et donc là la voiture peut simplement dans un premier temps alerter le conducteur en lui disant ''attention danger sur la droite tu le vois pas encore mais euh il y a euh il y a un véhicule qui arrive sur la route de droite ou un piéton ou un cycliste''donc simplement l'avertir pour qu'il réagisse· S'il réagit pas dans la seconde qui suit la voiture peut réagir·
Inria-815_AuServiceDuCon_HD.MP4

Format : .mp4
293,8 Mo
1024 x 576 pixels
Moyenne définition - équivalent DVD
Encodage PAL .MP4 H264
5 Mbits/s
Sélection
Voir Selection
Déposer ici pour retirer de la sélection