Modèle prédictif de mouvement des objets d'une scène routière ; application à la sélection robuste des cibles pour les ADAS

par Jean Mercat

Projet de thèse en Automatique

Sous la direction de Guillaume Sandou, Dominique Beauvois et de Nicole El zoghby.

Thèses en préparation à Paris Saclay , dans le cadre de École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....) , en partenariat avec L2S - Laboratoire des signaux et systèmes (laboratoire) , Systèmes (equipe de recherche) et de CentraleSupélec (2015-....) (établissement de préparation de la thèse) depuis le 01-09-2017 .


  • Résumé

    La recherche sur les véhicules autonomes a connu une forte croissance au cours des dernières années, surtout avec les investissements de plus en plus élevés des gouvernements et de l'industrie pour accélérer ces recherches dans le monde entier. Une capacité essentielle d'un véhicule autonome est de pouvoir construire sa propre carte de l'environnement avec suffisamment de fiabilité pour obtenir une bonne compréhension de cet environnement. Le véhicule doit également éviter les différents obstacles sur la route, ainsi que détecter les objets mobiles dans un environnement dynamique complexe. La perception est un axe essentiel de la compréhension de l'environnement. Afin d'améliorer la qualité de l'information sensorielle et d'augmenter la fiabilité des données, ces dernières doivent être collectées depuis plusieurs capteurs et fusionnées de manière à donner une meilleure vue d'ensemble. L'étude fera le point sur les recherches existantes en prédiction de trajectoires des objets d'une scène routière, afin de synthétiser les difficultés existantes sur cette problématique dans un milieu routier dense et en constante évolution. Ensuite, une solution sera proposée à partir d'algorithmes prenant en compte les marquages au sol, les infrastructures ainsi que les comportements vraisemblables des objets. L'étude fournira des algorithmes de calcul de densité de probabilité des différents objets de la scène. Enfin, cette solution sera testée et validée à l'aide des données réelles collectées par des capteurs de perceptions montés sur un véhicule prototype. Le travail proposé contribue à l'axe stratégique 'Autonomous Driving'. Il permettra de renforcer les connaissances Renault sur les architectures et les techniques associées de fusion de données capteurs et la planification/prédiction de trajectoires. Ce travail permettra également d'approfondir les problématiques de la perception du véhicule autonome ainsi que la compréhension de l'environnement dans des situations complexes et constamment en évolution.

  • Titre traduit

    Prediction model of object movements in road environments; application to target robust selection in advanced driver assistance systems


  • Résumé

    The research on autonomous vehicules has been continuously growing in the last years. This is mainly due to the larger and larger investments in the field both from governments and industries, to speed up this research domain all over the world. For an autonomus vehicle, a crucial functionality is to be able to build its own environment description, with a sufficiently high level of fiability and accuracy, so as to get a fair understanding of its neighborhood. The vehicle should also be able to avoid the different obstacles on the road, and to detect mobile objects in its complex dynamic environment as well. Perception is a crucial axis in the environment understanding. In order to enhance the quality of the sensor information, and to increase the reliability of their data, these data should be collected and gathered from several sensors and mergered so as to get a better global view. The starting point of the study will be the currently existing researches on the prediction of the object trajectories in a road scene, so as to synthetize the main difficulties with this issue for a dense and continuously evolving road traffic . Then, a solution will be proposed based on algorithms taking into account line indicators, road infrastructures, and the potentiel behaviors of the objects. The study will have to define algorithms to compute the density of probability of the different objects of the road scene. Finally, the solution will be tested and validated with the help of real life data collected by perception sensors carried on a prototype vehicle. The proposed study takes place in the strategic axis 'autonomous driving'. It will strenghten Renault's skills and knowledges about the architectures, the corresponding technologies of multi sensor data fusion and about the planning and prediction of trajectories. From an academic point of view, it will also be an opportunity to tackle the issue of the autonomous vehicle perception as well as the understanding of the vehicle environment in complex and continuously evolving situations.