Autonomní vozidla: metody dlouhodobého učení pro detekci dynamických objektů v obtížných podmínkách

Poskytovatel

Ministerstvo školství, mládeže a tělovýchovy

Program

Podpora mobility výzkumných pracovníků a pracovnic v rámci mezinárodní spolupráce ve VaVaI

Veřejná soutěž

—

Hlavní účastníci

České vysoké učení technické v Praze / Fakulta elektrotechnická

Druh soutěže

M2 - Mezinárodní spolupráce

Číslo smlouvy

MSMT-8030/2018-20

Název projektu anglicky

Lifelong learning of dynamic objects detection and tracking in adverse conditions for autonomous vehicles

Anotace anglicky

The main scientific goal of our project is to allow autonomous vehicles to understand not only how the environment ‘looks like’ but also ‘what is going on’ and use the ‘what is going on’ knowledge to predict the future actions of the other dynamic objects in vehicle’s vicinity. To do so reliably in real world scenarios, autonomous vehicles need to be aware of the other traffic actors in their area of operation. To achieve the goal, we will research and develop methods that allow to detect and track dynamic objects in the IAV’s proximity in adverse weather conditions and dense traffic situations. These methods will be based on principles of life-long learning and adaptation, which will allow them to improve their efficiency over time, leading to vehicles capable of long-term autonomous navigation in realistic situations. The main practical objective of this project is to develop research cooperation between Czechia and France in autonomous vehicles, in particular between CTU and UTBM. The principal investigators on both sides have a good basis for collaboration. When they worked together at the University of Lincoln in the UK, Dr. Tomas Krajnik mainly studied the life- long spatio-temporal mapping [8] and persistent self-localisation of mobile robots [18], while Dr. Zhi Yan researched and developed methods for dynamic object detection and tracking [5]. Dr. Zhi Yan is now joining Prof. Yassine Ruichek’s research team at UTBM working on environment perception and autonomous navigation. The research team has several intelligent and autonomous vehicle platforms equipped with various sensors such as RGB/RGB-D cameras, 2D/3D LiDARs, GPS, etc. Prof. Yassine Ruichek is working on environment perception and localization based on multi-source data fusion [19, 20, 21, 22]. These methods are in focus of the project’s principal investigators and constitute the main competencies of autonomous vehicles.

Kategorie VaV

ZV - Základní výzkum

OECD FORD - hlavní obor

20204 - Robotics and automatic control

OECD FORD - vedlejší obor

—

OECD FORD - další vedlejší obor

—

CEP - odpovídající obory <br>(dle <a href="http://www.vyzkum.cz/storage/att/E6EF7938F0E854BAE520AC119FB22E8D/Prevodnik_oboru_Frascati.pdf">převodníku</a>)

JD - Využití počítačů, robotika a její aplikace

Hodnocení poskytovatelem

U - Uspěl podle zadání (s publikovanými či patentovanými výsledky atd.)

Zhodnocení výsledků projektu

Projekt byl realizován v rámci Aktivity MOBILITY, jejímž hlavním cílem je navázání a prohlubování kontaktů se zahraničními výzkumnými institucemi. Neprobíhá tedy kontrola dílčích výstupů projektu prostřednictvím hodnotící komise, avšak je kontrolována správnost čerpání přidělených financí a přiměřenost jejich využití.

Zahájení řešení

1. 1. 2018

Ukončení řešení

31. 12. 2019

Poslední stav řešení

U - Ukončený projekt

Poslední uvolnění podpory

19. 2. 2019

Důvěrnost údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Systémové označení dodávky dat

CEP20-MSM-8J-U/02:1

Datum dodání záznamu

29. 6. 2020

Celkové uznané náklady

108 tis. Kč

Výše podpory ze státního rozpočtu

108 tis. Kč

Ostatní veřejné zdroje financování

0 tis. Kč

Neveřejné tuz. a zahr. zdroje finan.

0 tis. Kč