Le code s'appuis sur des models déja utiliser. Plusieurs phase dans la réalisation de ce projet.
- Robot operating only on a pedestrian lane and cycle path
- Using google map to have GPS's pointway
- Have a smaller ai model as possible
- Have to take considerations of all road signalitics :
- Speed limitation
- Road lane
- Human and object collision
- Sheet collision (on the road)
Le projet ce découpe en plusieurs phases de conceptions. La deuxieme phase est la plus complexe a mettre en oeuvre et détermine a suite des phases suivante.
Perception de l'environnement (profondeur de carte, segmentation des textures, détection des objects ,suiveur de ligne)
Création de la vue 3D bird'eye view (BEV) avec une vue simplifiée sous forme de vecteur.
La sortie du BEV passe dans l'entrée d'un transformer et aussi les différents capteurs GPS et pathway de google map. Cela permet de faire une prediction du les points de route future.
First objectif : From carla software simulation environment :
- Scripte simulation with automatic and manuel
- AI model (ARchitecture and dataflow)
- Architecture of training model
- Scripte of evaluation performance model
- 2 camera min 1080p
- GPS
- Acces to google map (online or offline)
- Robot
Dataset used :
Création de map custom pour établir un dataset le plus réaliste possible
Follow the link: Tesla model explaine:
méthode 4 Pillars : https://www.thinkautonomous.ai/blog/autonomous-vehicle-architecture/ [ Perception -> Localization -> Planning -> Control ] this methode is very good for only for little system
https://www.thinkautonomous.ai/blog/tesla-end-to-end-deep-learning/ https://www.thinkautonomous.ai/blog/occupancy-networks/?ref=thinkautonomous.ai https://carla.readthedocs.io/en/latest/build_windows/#windows-build