carOS : les recherches d'Apple sur l'utilisation du LiDAR et la détection 3D
Par Laurence - Publié le
Rappelons que les voitures autonomes utilisent souvent un système de caméras bidimensionnelles normales et de LiDAR pour reconnaître le monde qui les entoure et s'orienter dans le trafic. Les caractéristiques techniques indiquent que ce dispositif fournit des informations de profondeur, cependant leur faible résolution rend difficile la détection d'objets lointains ou de petite taille, sans l'aide d'une caméra normale reliée en temps réel.
Il y a quelques jours, Yin Zhou et Oncel Tuzel, deux chercheurs chinois, ont soumis une petite étude (très) technique à la revue en ligne indépendante arXiv. Dans cet article (intitulé VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection) les deux hommes ont proposé une nouvelle approche logicielle dénommée "VoxelNet" pour améliorer la détection des objets en 3D par nuage de points.
Apple a créé en juillet le "Apple Machine Learning Journal" pour permettre à ses chercheurs de diffuser leurs travaux, ce qui permettait à la fois de respecter la dynamique de publication propre aux universitaires mais également de contrôler dans une certaine mesure cette dernière. De fait, les recherches se font rares en dehors de la revue, qui -pour l'instant- n'a réalisé aucune publication sur les voitures autonomes.
Mais avec ce nouveau logiciel, les chercheurs d'Apple ont dit qu'ils étaient en mesure d'obtenir des résultats
très encourageantsen repérant les piétons et les cyclistes avec juste des données LiDAR. Ils seraient capables de surpasser d'autres approches pour détecter des objets en 3D qui utiliseraient exclusivement des LiDAR. Ils précisent toutefois que les expériences étaient des simulations sur ordinateur et n'impliquaient pas d'essais routiers.
En juin dernier, déjà, Tim Cook s'est montré plutôt formel sur ce point (mais tout aussi vague sur la question en général) en considèrant les systèmes de véhicules autonomes comme,
la mère de tous les projets IA.
Source
Intégralité de l'étude