Détection de véhicules en temps réel sur grilles d'occupation par des méthodes d'apprentissage profond

Nils Defauw (1) , Olivier Antoni (1) , Marielle Malfante (1) , Tiana Rakotovao (1) , Suzanne Lesecq (2)

1 LIIM - Laboratoire Intelligence Intégrée Multi-capteurs
2 CEA-LETI - Commissariat à l'énergie atomique et aux énergies alternatives - Laboratoire d'Electronique et de Technologie de l'Information

Les grilles d'occupation sont un modèle d'environnement communément utilisé pour représenter l'environnement direct autour d'un véhicule sous forme d'une grille. Cette étude évalue la possibilité de détecter des véhicules sur des grilles d'occupation en s'inspirant de l'état de l'art en traitement d'images. Les architectures développées produisent des résultats de détection précis avec un temps de prédiction permettant une exécution en temps réel.

Domaines: Automatique / Robotique

Nils Defauw, Olivier Antoni, Marielle Malfante, Tiana Rakotovao, Suzanne Lesecq. Détection de véhicules en temps réel sur grilles d'occupation par des méthodes d'apprentissage profond. XXVIIIème Colloque Francophone de Traitement du Signal et des Images (GRETSI 2022), Groupe de Recherche et d'Etudes de Traitement du Signal et des Images, Sep 2022, Nancy, France. pp.1. ⟨cea-03759802⟩