Auteur / Autrice : | Rémi Defraiteur |
Direction : | Roger Reynaud, Sergio Alberto Rodríguez Flórez, Nicole El Zoghby |
Type : | Thèse de doctorat |
Discipline(s) : | Robotique |
Date : | Soutenance le 15/06/2021 |
Etablissement(s) : | université Paris-Saclay |
Ecole(s) doctorale(s) : | École doctorale Sciences et technologies de l'information et de la communication |
Partenaire(s) de recherche : | Laboratoire : Systèmes et applications des technologies de l'information et de l'énergie (Gif-sur-Yvette, Essonne ; 2002-....) - Renault SAS Guyancourt |
référent : Faculté des sciences d'Orsay | |
Jury : | Président / Présidente : Samia Bouchafa |
Examinateurs / Examinatrices : François Goulette, Pierre Charbonnier, Guillaume Bresson, Anne Verroust-Blondet | |
Rapporteurs / Rapporteuses : François Goulette, Pierre Charbonnier |
Mots clés
Résumé
Le véhicule autonome représente l'un des défis technologiques actuels majeurs dans le secteur automobile. Les véhicules actuels se complexifient et intègrent de nouveaux systèmes reposants sur des fonctionnalités clés telles que la perception. Permettant au véhicule d'appréhender l'environnement dans lequel il évolue, elle est exploitée sous différents aspects pour garantir une mobilité plus sûre. Étant donné le rôle essentiel de la perception dans le bon comportement d'un véhicule autonome, il est nécessaire de s'assurer que les solutions de perception utilisées soient suffisamment performantes pour garantir une circulation sécurisée. L’évaluation de telles solutions de perception reste cependant une tâche complexe et peu explorée. L’un des points critiques est la difficulté de produire et de disposer de données de référence suffisantes pour mener des évaluations pertinentes. L'objectif de cette thèse est de mettre au point un nouvel outil de validation permettant d'évaluer les performances et niveaux d'erreurs de différentes solutions de perception, tout en utilisant le minimum de traitements manuels. Via cet outil, il sera alors possible de mettre en concurrence différentes solutions en se basant sur des critères communs. La mise au point de cet outil se décompose selon deux parties principales qui sont : la génération automatisée de données de référence et la méthode d'évaluation des solutions de perceptions testées.