Fusion de données multimodale adaptative pour la détection d'objets dans des conditions météorologiques défavorables pour véhicules autonomes – AdaV

Le projet AdaV traite la perception pour les véhicules autonomes dans un environnement complexe et dans des conditions météorologiques défavorables. En effet, une visibilité dégradée dû au mauvais temps est un défi important qui met en péril la sécurité dans la navigation dans des environnements inconnus et incertains. Pour cela, ce projet s’appuie sur l'utilisation de capteurs conventionnels et non conventionnels pour réaliser la détection dynamique d'objets pour l'analyse de scènes routières. L'objectif principal est de participer à la modélisation des capteurs par l'estimation de leur incertitude et de leur fiabilité dans diverses conditions atmosphériques (brouillard, neige, pluie). Pour cela, l'utilisation d'une approche basée sur l’apprentissage est envisagée afin d’établir les paramètres d'un modèle de source évidentiel. La fourniture d'un modèle de source robuste conduira à une fusion évidentielle et multimodale adaptative en fonction de l'état de la visibilité dans une scène routière.