Depuis quelques années, les nouveaux systèmes de reconnaissance des panneaux améliorent la conduite autonome et l’aide à la conduite. Ces systèmes utilisent le deep learning, qui repose sur des réseaux de neurones pour analyser les images des panneaux de signalisation. Cependant, ces systèmes sont souvent testés en laboratoire, ce qui limite leur validation dans des conditions réelles. Un institut coréen a donc développé un système embarqué pour tester l’IA directement sur la route.

Une nouvelle approche d’évaluation sur route

Collecter de données pour améliorer les systèmes existants

L’institut a équipé des véhicules de caméras intelligentes pour collecter des milliers d’images de routes variées. Ces données ont été utilisées pour entraîner des caméras dotées de l’IA à reconnaître les panneaux de signalisation. Grâce à cet apprentissage, la précision et la rapidité d’analyse se sont améliorées. Ensuite, les chercheurs ont testé les caméras en conditions réelles, comme dans des situations de faible luminosité ou de pluie. Ils ont également évalué la performance de ces dernières face à des obstacles visuels. Enfin, l’équipe a mesuré l’efficacité du système sur des routes d’entraînement.

Un test en conditions réelles

Après l’entraînement, l’équipe a testé les modèles lors d’un trajet sur route avec usagers. Elle a évalué leur précision et leur temps de traitement en conditions réelles. Les chercheurs ont aussi développé une méthode pour catégoriser les routes urbaines. Cette approche a permis d’adapter l’IA aux spécificités de chaque type de route. Ainsi, l’IA devient plus efficace dans des contextes variés, comme les intersections ou les zones résidentielles. En analysant ces scénarios, l’équipe a optimisé les performances du système pour mieux répondre aux défis de la conduite autonome.

 

Illustration de Neousys Technology

Défis et solutions pour une reconnaissance efficace des panneaux de signalisation

Surmonter les limites de la qualité des images

Un des principaux défis des systèmes de reconnaissance des panneaux est la qualité des images, souvent dégradée par la lumière, la pluie ou la saleté sur les capteurs. Pour surmonter ce problème, les chercheurs ont utilisé des caméras avancées et des algorithmes de traitement d’image. Ces solutions permettent de compenser les défauts d’image et de maintenir une reconnaissance optimale. De plus, des systèmes d’IA ajustent automatiquement les paramètres pour compenser la luminosité ou l’angle de vue.

Neousys Technology a fourni deux PC fanless NT-NUVO-8208GC pour mettre en œuvre le système proposé par l’institut coréen. Le NT-NUVO-8208GC est un PC industriel embarqué avec un GPU, utilisé comme serveur de stockage d’images à bord. Parallèlement, le NRU120S, basé sur la technologie NVIDIA® Jetson AGX Xavier™, permet l’analyse intelligente des vidéos. Ce système combine traitement local et IA pour une gestion efficace des données en temps réel.

Garantir un traitement en temps réel

Les systèmes de reconnaissance des panneaux doivent fonctionner en temps réel pour garantir la sécurité. Cela nécessite un traitement rapide des données des caméras, surtout dans des zones à forte densité de trafic. Pour répondre à ce besoin, des systèmes d’inférence en périphérie (edge computing) sont utilisés. Ces systèmes traitent les données directement à bord du véhicule, ce qui réduit la latence. En outre, des unités de calcul ultra-performantes, comme les GPU embarqués, réalisent ces analyses instantanément. Cela garantit une réponse rapide et fiable.

 

En résumé, la reconnaissance des panneaux via le deep learning améliore la conduite autonome. L’institut coréen a testé ces systèmes en conditions réelles pour optimiser leur performance. Grâce à l’edge computing et à des caméras avancées, les chercheurs ont amélioré la précision et la réactivité du système. Cela garantit une sécurité accrue pour les véhicules autonomes, même dans des environnements complexes. Ces systèmes devraient être commercialisés dans les prochaines années, apportant ainsi des solutions concrètes à la conduite autonome.

 

Parcourez nos autres articles de blog pour découvrir des innovantes et des conseils d’experts, qui optimiseront vos équipements !