Perception multimodale et compréhension de scènes pour des véhicules intelligents et transnationaux. – PRETIV

PRETIV : Perception multimodale et compréhension de scène pour des véhicules intelligents et transnationaux.
HEUDIASYC (CNRS), PKU-KLMP (Université de Pékin), e-Motion (INRIA), PSA Peugeot Citroen. 199990€ + 1000000RMB. 01/2012-12/2014.
La sécurisation et l’aide à la conduite d’un véhicule nécessitent des technologies avancées en terme de perception et de compréhension de son environnement extérieur. Le projet comprend 4 tâches:
T0 : Coordination, management, dissémination + un comité consultatif ;
T1 : Perception multimodale ;
T2 : Raisonnement et compréhension de scène ;
T3 : Intégration sur véhicules, expériences, scénarios et comparaisons.
Les objectifs, résultats attendus et points innovants du projet sont résumés ainsi :
- Développement d’un système de perception en ligne incluant la localisation, reconstitution d'une cartographie statique et dynamique de l'environnement du véhicule, la détection, le suivi et la reconnaissance des objets en mouvement à partir de méthodes d’apprentissage et de fusion de données multi-capteurs;
- Analyse/compréhension de la scène extérieure au véhicule en termes d’interactions (véhicule – autres objets, véhicule – infrastructure) et de comportements. Cette analyse sans contraintes de temps-réel et reposant sur des méthodes d’apprentissage statistique, vise à aider la comparaison des méthodes de perception dans des environnements de conduite différents (liés aux aspects transnationaux, types de trafics, habitudes de conduite, etc.). Elle vise également à permettre d’améliorer les systèmes de perception par identification puis injection d’a priori spécifiques dans les algorithmes.
- Fourniture d’indicateurs utiles à la prise de décision, permettant d’apprécier la dangerosité de la situation de conduite en tenant compte des incertitudes et imprécisions des données muti-capteurs.
- Intégration des méthodes de traitement dans les véhicules de deux laboratoires, tests et comparaisons de leurs comportements en environnement réel.
- Mise à disposition des bases contenant les données acquises et traitées, avec vérité terrain, en situations de conduite réelle en Chine et en France (cartes 3D, localisation, objets statiques et mobiles, trajectoires, etc.).
Les tests de prototypes sur route ouverte, en France comme en Chine, présentent un intérêt certain, d'une part car ils permettront de tester le comportement des algorithmes en environnement réel ; et d'autre part car on abordera également l'aspect transnational des types de trafic et habitudes de conduite. Ce dernier point permettra d'évaluer les écarts éventuels de paramétrage des fonctions de perception.
Le projet mettra en œuvre des méthodes combinant analyse de données multi-capteurs, vision par ordinateur, apprentissage (semi-supervisé, multi-tâches, etc.) et fusion d’informations (probabiliste, non probabiliste de raisonnement incertain, etc.) afin de comparer des systèmes de perception ayant vocation à améliorer la robustesse des systèmes actuels d’aides à la conduite. Des expérimentations seront conduites via deux plateformes équipées de caméras, lidars, GPS/ SIG, etc.
Le projet repose sur une expérience démontrée de 3 laboratoires et permettra un partage de connaissances et de méthodes. Un comité consultatif sera composé des centres de recherche de PSA Peugeot Citroën en France et en Chine. Le constructeur suivra l’avancement du projet et fera des recommandations, fournira connaissances et expertise aux laboratoires tant pour l’intérêt des méthodes de traitement elles-mêmes que pour leur intégration dans les véhicules et leur évaluation en situations de conduite.
Le projet aidera potentiellement les industriels du secteur à la prise en compte de facteurs humains et des différences dans les comportements, les infrastructures, etc. dans la définition de systèmes de perception intelligents pour un usage plus fiable (ce point ne sera pas directement traité dans PRETIV).