NVIDIA DRIVE Labs

Présentation de l’environnement logiciel pour véhicules autonomes

La série de vidéos DRIVE Labs s’attache à répondre à une grande variété de défis d'ingénierie en matière de conduite autonome, de la perception des voies à la gestion des intersections. Ces courtes vidéos illustrent la manière dont l’équipe de NVIDIA DRIVE AV Software s'efforce de créer des systèmes de conduite autonome sécurisés et fiables.

Montez à bord de la voiture autonome de NVIDIA

Cet épisode spécial de la série DRIVE Labs vous explique comment le logiciel NVIDIA DRIVE AV combine des algorithmes essentiels de détection, de géolocalisation et de planification ou de contrôle d’itinéraires pour permettre à des véhicules de conduire en toute autonomie sur les voies publiques qui jouxtent nos locaux de Santa Clara, en Californie.

Classification des panneaux et des feux de circulation avec l’IA

Le logiciel NVIDIA DRIVE AV utilise une combinaison de réseaux de neurones profonds (DNN) pour classifier les panneaux et les feux de circulation. Découvrez comment notre DNN LightNet classifie la forme des feux de circulation (ex : rectangulaire ou en forme de flèche) et leur état (ex : couleur), tandis que le DNN SignNet identifie le type de panneau de circulation.

Élimination des collisions avec NVIDIA Safety Force Field

Notre logiciel d’évitement des collisions Safety Force Field (SFF) constitue un superviseur indépendant pour les actions réalisées par le système de planification et de contrôle principal du véhicule. SFF vérifie les commandes choisies par le système principal du véhicule avant de les désactiver et de les corriger si jamais elles sont considérées comme dangereuses.

Détection des voies à haute précision

Le traitement du réseau de neurones profonds (DNN) apparaît comme une technique IA importante pour la détection des voies. Notre DNN LaneNet augmente la portée de la détection des voies, le rappel des lignes extérieures et la fiabilité de la détection des voies au pixel près.

Perception d'une nouvelle dimension

Calculer la distance entre des objets en utilisant des données capturées par une seule caméra peut s’avérer complexe sur terrain accidenté ou vallonné. Grâce aux réseaux de neurones profonds, les véhicules autonomes peuvent préfigurer des distances 3D à partir d’images 2D.

Vision Surround avec des caméras

Découvrez comment nous utilisons notre configuration à six caméras pour voir à 360 degrés autour de la voiture et suivre des objets qui se déplacent dans l’environnement du véhicule.

Prédire l'avenir grâce aux réseaux de neurones récurrents

Les véhicules autonomes doivent utiliser des méthodes de calcul et des données multi-capteurs, comme une séquence-source d’images, afin de comprendre le déplacement d'un objet dans le temps.

Réseau de neurones profonds ClearSightNet

Le réseau de neurones profonds (DNN) ClearSightNet est entraîné pour évaluer les capacités des caméras à repérer et déterminer les causes d'occultations, de blocages et de réductions de la visibilité.

Réseau de neurones profonds WaitNet

Découvrez comment le réseau de neurones profonds (DNN) WaitNet est capable de détecter des intersections sans utiliser de carte.

Ensemble de perception des trajectoires

Ce trio de DNN construit et évalue le niveau de confiance des prévisions relatives aux trajectoires centrales et aux lignes extérieures des voies, mais aussi aux changements, aux séparations et aux jonctions de voies.

Recevez les dernières actualités de DRIVE Labs directement dans votre boîte de réception avec la newsletter de NVIDIA pour l’automobile.