Application de la Théorie de l’Évidence à la Fusion de Données Multi-Capteurs dans les Véhicules Autonomes

Abstract

Dans ce projet de fin d’études, nous avons travaillé sur la fusion de données provenant de capteurs utilisés dans les véhicules autonomes, comme les radars, caméras et lidars. Ces capteurs peuvent être imprécis ou donner des informations différentes sur une même situation. L’objectif principal de notre travail était de mettre en place une méthode permettant de mieux comprendre l’environnement autour du véhicule, malgré ces incertitudes. Pour cela, nous avons utilisé la théorie de l’évidence (appelée aussi théorie de Dempster-Shafer), en nous concentrant sur trois types d’objets à reconnaître : un véhicule, un piéton, ou un objet immobile. Nous avons testé notre approche sur des données générées de manière aléatoire, puis analysé les résultats à l’aide de plusieurs mesures comme la précision, le rappel (recall) et le taux d’efficacité. Les résultats montrent que notre méthode permet une meilleure prise de décision et améliore la fiabilité de la perception du véhicule dans des situations incertaines