1 / 6

Tache 3.1 Couplage Zones d’intérêt / détection

Tache 3.1 Couplage Zones d’intérêt / détection. (1), (7), (2). Zones d’interêt (RUCM). Zones d’intérêt (RUSL). Projection. proprio. Zones d’interêt (RUCS). Zones d’intérêt (RUi). Sélection/Focalisation Prédiction/Reconnaissance. Objets (RUi). (1) : i = SL (4)(6) : i = CM (6) i=CS.

heman
Download Presentation

Tache 3.1 Couplage Zones d’intérêt / détection

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Tache 3.1Couplage Zones d’intérêt / détection (1), (7), (2) Zones d’interêt (RUCM) Zones d’intérêt (RUSL) Projection proprio Zones d’interêt (RUCS) Zones d’intérêt (RUi) Sélection/Focalisation Prédiction/Reconnaissance Objets (RUi) (1) : i = SL (4)(6) : i = CM (6) i=CS

  2. Tache 3.2 - Solution combinées • 2 type d’architectures identifiées lors du séminaire du 15 novembre (voir présentation SP3)

  3. Capteur 1 Mesures 1 Capteur n Mesures n Pistage Association, Estimation, Prédiction Pistes RUSL Tache 3.2 architecture type 2 • Les entrées sont • Des objets détectés par l’une ou l’autre modalité. • Partenaires identifiés • (5), (7) Détection Estimation Détection Estimation Objets RUSL

  4. 1 1-Scene knowledge update 2-Select possible behaviors to compete 2 3-Re-define short to mid-term objective 3 4 4-Plan actions 5-Trigger actions 5 Task control Arc Reflex Robust Mode Concurrent Models Refined Mode Perception control Architecture d’un système quasi-autonome Opportunistic trend → event driven Fusion Data Base Fused Tracks Tracks Objects Premices Flow control Evaluate Locomotion control Real World

  5. 8+L 8+L 8m 8m Données proprio Carte vue de dessus Choix de Dt IEF (2) Fenêtre Prédiction supervision 3.1 Détecteur i Objet Recalage Carte vue de dessus Fenêtres Détecteur i Détecteur j Détecteur k Scrutation sur nouvel horizon Focalisation pour détecteur robuste Prise en compte du mouvement des vulnérables sur la carte Objetsrusl 3.2 Association d’objets/pistes Mise à jour/ Estimation pistes Initialisation nouvelles pistes 2.X Gestion des pistes / Evaluation 3.2 Pistesrusl

  6. IEF 3.3 Pistes i ti,id_i, rusl Pistes jtj,id_j, rusl 3.3 Recalage temporel proprio Association piste à piste (marqueurs) Prédiction (inversion de modèles) correction Fusion (3 échelles de temps) Validation Pistes globalesrusl

More Related