Cette thèse se concentre sur les défis de la conduite autonome dans des environnements visuels dégradés (DVE). Les DVE désignent les conditions environnementales, telles que la pluie, le brouillard et la fumée, qui peuvent dégrader les capacités de perception des véhicules autonomes, en particulier ceux qui reposent sur la technologie 3D-LiDAR. L'objectif de la thèse est de quantifier les dégradations induites par les DVE sur les nuages de points LiDAR et de développer un modèle d'inférence bayésien pour améliorer la perception dans les DVE. Les contributions comprennent une analyse quantitative des impacts des DVE, un modèle d'inférence bayésien pour récupérer la visibilité à partir des nuages de points LiDAR, et des propositions d'utilisation du modèle pour améliorer la perception dans les DVE. La thèse est divisée en deux parties : la première présente le contexte, notamment la technologie 3D-LiDAR et les scénarios de DVE, tandis que la seconde présente la méthodologie, les résultats expérimentaux et le modèle d'inférence développé. L'approche globale souligne l'importance de comprendre et de résoudre les effets des DVE sur la conduite autonome afin d'améliorer la sécurité et la fiabilité. |
This thesis focuses on the challenges of autonomous driving in degraded visual environments (DVE). DVE refers to environmental conditions, such as rain, fog, and smoke, that can degrade the perception capabilities of autonomous vehicles, particularly those relying on 3D-LiDAR technology. The thesis aims to quantify the degradations induced by DVE on LiDAR point clouds and develop a Bayesian inference model to enhance perception in DVE. The contributions include a quantitative analysis of DVE impacts, a Bayesian inference model for retrieving visibility from LiDAR point clouds, and proposals for using the model to improve perception in DVE. The thesis is divided into two parts: the first provides the context, including 3D-LiDAR technology and DVE scenarios, while the second presents the methodology, experimental results, and the developed inference model. The overall approach emphasizes the importance of understanding and addressing the effects of DVE on autonomous driving to enhance safety and reliability. |