Un sous-système des systèmes avancés d'aide à la conduite qui localise et classifie des objets discrets (véhicules, piétons, cyclistes, obstacles, panneaux) dans l'environnement du véhicule et produit des boîtes englobantes, des classes et des scores de confiance pour la planification en aval.

Principe

Combiner des modèles de détection spécifiques aux capteurs (par ex. CNN sur images caméra, détecteurs CFAR sur radar, clustering sur lidar) avec suppression non maximale, calibration de confiance et association temporelle pour produire des hypothèses d'objet stables et exploitables sous contraintes temps réel.

Démonstration

Une chaîne ADAS étiquette les usagers de la route avec des boîtes 2D issues de détecteurs caméra, affine la distance à l'aide de points lidar et valide la vitesse par Doppler radar ; les détections fusionnées avec confiance et identifiants de piste sont transmises au planificateur de mouvement pour l'évitement de collision.

Mauvaise application

Utiliser une suppression non maximale trop agressive ou un seuil de détection calibré uniquement sur conditions favorables peut supprimer de vrais objets petits ou partiellement occultés, conduisant à un comportement dangereux si ces détections supprimées sont ignorées par la planification.

Conséquence

Une détection d'objets fiable réduit le risque de collision, permet le freinage automatisé et les manœuvres d'évitement, et fournit des entrées structurées pour le suivi et la prédiction d'intention ; les échecs de détection ou les confiances mal calibrées dégradent directement la sécurité d'ADAS.

Inversion

L'inverse privilégie la navigation basée sur l'espace libre ou les voies sans hypothèses d'objets explicites ; plus simple, il ne peut toutefois soutenir des comportements centrés sur les objets comme l'évitement de piétons ou les changements de vitesse déclenchés par panneaux.

Limite

La détection d'objets pour ADAS concerne les sorties de perception qui identifient et évaluent des entités discrètes pour les décisions de conduite immédiates ; elle exclut la compréhension sémantique à plus long terme non liée à la sécurité immédiate, les sorties de détection purement synthétiques réservées à l'entraînement hors ligne et les défauts matériels des capteurs.

Tension sémantique

Il existe une tension entre la détection à haute rappel (tout attraper au prix de plus de faux positifs) et la haute précision (moins de fausses alarmes mais risque d'omettre des dangers) ; la conception doit équilibrer ces aspects pour un compromis sécurité-performance acceptable.

Synthèse

La Détection D'Objets (ADAS) est la production en temps réel d'hypothèses d'objets localisées, classifiées et notées en confiance à partir de données capteurs, formant l'entrée structurée qui permet des décisions de conduite sûres et centrées sur les objets.