Résumé:
La conduite autonome est un domaine en pleine expansion, offrant des avantages considérables en termes de sécurité, de commodité et d'efficacité. Les véhicules autonomes sont capables de comprendre leur environnement, de prendre des décisions et d'effectuer des actions de conduite sans intervention humaine directe. Ils peuvent contribuer à réduire les accidents de la route, améliorer la gestion du trafic et faciliter la mobilité pour les personnes à mobilité réduite.
Cependant, la conduite autonome dans des conditions de visibilité réduite présente des défis particuliers. Dans des situations de conduite sombres ou floues, la détection et l'estimation précise de la distance entre les objets deviennent cruciales pour assurer une conduite sûre.
Le projet de fin d'étude se propose donc de développer des méthodes de prédiction de distance robustes et précises dans des conditions de vue sombre ou floue. Pour ce faire, il explore des techniques avancées telles que l'apprentissage profond et les réseaux de neurones convolutifs (CNN) pour améliorer la capacité des véhicules autonomes à percevoir leur environnement dans de telles conditions. L'objectif ultime est d'améliorer la sécurité et la fiabilité des véhicules autonomes dans des situations de conduite difficiles.
