Etudiant : ESSAID MOHAMMED AMINE

Filière : Master Informatique Décisionnelle et Vision Intelligente (MIDVI)

Encadrant : Pr. ELHAOUSI FATIMA

Annèe : 2024

Résumé : Ce rapport décrit une approche novatrice pour la segmentation des scènes 3D dans le contexte des véhicules autonomes. L'approche proposée, appelée 2DPASS, repose sur l'utilisation de modèles 2D pour améliorer la segmentation des nuages de points LIDAR en 3D. Ce système vise à distinguer et classifier différents éléments de la scène tels que les routes, les piétons et les véhicules. Le rapport met en évidence les contributions principales de cette recherche, notamment l'architecture 2DPASS, qui a été présentée et acceptée à la conférence ECCV 2022. L'approche 2DPASS utilise des modèles d'apprentissage profond pour intégrer des informations 2D dans la segmentation 3D des nuages de points LIDAR, améliorant la précision et la robustesse de la segmentation sémantique des scènes 3D pour les voitures autonomes. Le processus de développement du système de segmentation sémantique comprend plusieurs étapes, y compris l’utilisation de l'annotation de données pour entraîner le modèle sur ces données, et l'évaluation de la performance du modèle sur des ensembles de données de test. Les résultats obtenus montrent la viabilité de notre modèle 2DPASS pour la segmentation sémantique des scènes 3D dans le contexte des véhicules autonomes. De plus, ce rapport à fournit des instructions détaillées pour l'installation du système, la préparation des données, ainsi que l'entraînement et les tests du modèle 2DPASS. Des résultats de performances sont également fournis sur l’ensemble de données de SEMANTIC KITTY.