Académique Documents
Professionnel Documents
Culture Documents
Presentation 17-06-2023 1687016586 648dd48a97749 9212
Presentation 17-06-2023 1687016586 648dd48a97749 9212
S C EI : 2836 2
TIPE: Planification des
trajéctoires pour les
voitures autonomes
INTRODUCTION :
• La valeur des voitures autonomes dans le future.
• La planification de la trajectoire .
1
Le fonctionnement des voitures autonomes:
Planification Prise de
Perception Localisation Contrôle
du trajet décision
2
Objectifs :
• Trouver l'emplacement des obstacles dans des régions supposes
inconnues en se basant sur la méthode probabiliste des réseaux de
neurones
• Une fois les obstacles qui se présente devant la voiture sont trouves on
génère la trajectoire en se basant sur la méthode de champ de potentiel .
• Comparer les résultats obtenus avec les fameuses méthodes de
planification de trajectoire
3
VOITURE VOITURE
VOITURE DANS DANS UNE La méthode CAPABLE DE
UNE REGION Apprentissage par de champ FONCTIONNER
REGIONS OU
DONT LES réseaux de LES de
ET DE SE
OBSTACLES neurones OBSTACLES DIRIGER VERS
SONT potentiel UN OBJECTIF
SONT
INCONNUES LOCALISES
4
PROBLEMATIQUE:
5
PLAN
1- la perception de la position des obstacles par un reseau de neurone
2-Plannification en utilisant la méthode de champ de potentiel
6
Notion de neurone formel et perception
multicouche :
Neurone formel
x 1 W1
W2 y1
x
La fonction
2 d'activation
Sortie
Wn Σ|f
x
Σ|f
n x1 Σ|f
Σ|f y1
Σ|f
Entrées I=1
x2
Σ|f
7
Σ|f
Perception multicouche
Exemple des fonctions d ’activation :
8
Algorithme de perception multicouche :
3third
2 nd co uche
1) Algorithme de propagation : cachée
1 ère couche co uche
cachée cachée
On note W la matrice des poids des
Σ|f neme couche
cachée
connections entre deux couches successive Σ|f
et B la matrice des biais ajoutés aux moyennes Σ|f Σ|f Σ|f
x1
Σ|f
pondérés des entrées de chaque couches
Σ|f ... Σ | f y1
Σ|f Σ|f
I=1
x2
Σ|f
Σ|f Σ|f Σ|f
Σ|f
9
Algorithme de perception multicouche
10
Algorithme de perception multicouche
2) Calcul de gradient :
Optimisation des paramètres .
la variation de la fonction objectif par rapport à l'un des poids est :
On a : Et
11
Algorithme de perception multicouche
2) Calcul de gradient :
L’entrée(t)
L’entrée (t)
Σ|f L’entrée (t+1)
12
Algorithme de perception multicouche
3) La descente de gradient :
Entrée
1
Camera
Lidar
Entrée
3
Capteur infrarouge
14
La méthode de champ de potentiel:
L'idée générale :
• Par analogie du bol et du ressort la voiture se déplace vers une configuration
d'énergie inférieure.
15
La méthode de champ de potentiel:
16
La méthode de champ de potentiel:
Les deux types des champs :
17
La méthode de champ de potentiel:
Champ attractive:
18
La méthode de champ de potentiel:
Champ repulsif:
19
La méthode de champ de potentiel:
La fonction de potentiel
20
https://medium.com/nerd-for-tech/local-path-planning-
using-virtual-potential-field-in-python-ec0998f490af 21
Application
22
Conclusion:
• Précision améliorée
• Adaptabilité et flexibilité
• Meilleure gestion des situations complexes
• Apprentissage autonome
23
Annexes: