Développement d’un système de détection intelligente pour véhicule autonome basé sur machine learning et la fusion de données

Abstract

Le présent système a été développé dans le but de détecter divers types d’obstacles pouvant compromettre la sécurité de la conduite, notamment les irrégularités de la chaussée telles que les nids-de-poule, ainsi que les obstacles présents dans les zones de stationnement. La détection des nids-de-poule repose sur l’intégration de techniques d’intelligence artificielle, en particulier l’utilisation de classifieurs capables d’identifier automatiquement, à partir d’images la présence ou l’absence de telles anomalies. En ce qui concerne la détection des obstacles physiques en contexte de stationnement, une approche fondée sur la fusion de données issues de capteurs à ultrasons et d’un capteur infrarouge a été adoptée. Cette combinaison de capteurs permet une perception en temps réel de l’environnement immédiat du véhicule, offrant ainsi une meilleure précision et une plus grande fiabilité du système d’assistance au stationnement Mots clés : Intelligence Artificielle, SVM, HOG, LBP, classification, capteur, fusion de données, conduite autonome, python الملخص يهدف النظام المطّور في هذه الدراسة إلى كشف مختلف أنواع العوائق التي قد تُعّرض سالمة القيادة إلى العوائق الشائعة في للخطر، وخصو ًصا الشذوذات الموجودة على سطح الطريق مثل الحفر، إضافةً بيئات مواقف السيارات. يعتمد كشف الحفر على دمج تقنيات الذكاء االصطناعي، وخاصةً من خالل ّرف تلقائًيا على وجود هذه الشذوذات أو عدمها اعتمادًا على تحليل ِّفات قادرة على التع استخدام مصنّ الصور. أ ّما بالنسبة لكشف العوائق الفيزيائية في سياق مواقف السيارات، فقد تم اعتماد منهجية دمج البيانات، وذلك من خالل الجمع بين قياسات ح ّساسات الموجات فوق الصوتية وح ّساس األشعة تحت الحمراء. تُم ّكن هذه البنية الحسية من اإلدراك الفوري لمحيط المركبة المباشر، مما يُح ّسن من دقة وموثوقية نظام المساعدة على الركن

الكلمات المفتاحية الذكاء االصطناعي، آلة المتجهات الداعمة(SVM (، واصفات HOG وLBP مستشعر، دمج البيانات، القيادة الذاتية Abstract The system developed in this study aims to detect various types of obstacles that may compromise driving safety, particularly road surface irregularities such as potholes, as well as obstacles commonly found in parking environments. Pothole detection is based on the integration of artificial intelligence techniques, specifically through the use of classifiers capable of automatically identifying the presence or absence of such anomalies from image analysis. For the detection of physical obstacles in parking contexts, a data fusion approach has been adopted, combining measurements from ultrasonic sensors and an infrared sensor. This sensor configuration enables real-time perception of the vehicle's immediate surroundings, thereby improving the accuracy and reliability of the parking assistance system. Keywords: Artificial Intelligence, SVM, HOG, LBP, classification, sensor, data fusion, autonomous driving, Python.