Nvidia est une entreprise américaine qui conçoit des processeurs graphiques, des cartes et puces graphiques pour PC et consoles de jeux.
C’est un projet de cartographie HD de plus de 500 000 km de routes afin de faciliter l’usage des voitures autonomes d’ici 2024. Ce projet mêle des cartes HD et des données dont l’ambition principale est de concevoir un jumeau numérique à l’échelle de la Terre. C’est un projet destiné aux industries automobiles.
La plateforme couvrira l’Amérique du Nord, l’Europe et l’Asie.
Source : 01net
Des SIG et de l’IA
L’entreprise a fait appel à l’IA ( Intelligence Artificielle ) par le biais des expertises de la start-up DeepMap spécialisée dans la cartographie haute définition des environnements.
Cette cartographie a recours au crowdsourcing c’est-à-dire un moteur qui va permettre de rassembler et de retenir la mémoire d’une flotte à l’échelle de la Terre. Ce moteur se base sur l’IA qui récolte les mises à jour cartographiques de millions de voiture et fournit la flotte du monde réel en quelques heures.
DeepMap est une technologie qui a été développée et vérifiée ces six dernières années. La base “DeepMap” sert de “base vérifiée”.
3 couches, 3 niveaux de redondance
La carte HD superpose 3 couches de localisation recueillies et utilisées par trois types d’appareil : caméra, lidar et radar.
Le pilote IA se localise indépendamment sur chaque couche de la carte. C’est une redondance entre 3 moyens de localisation qui contribue à la sécurité des voitures.
Couche de localisation Caméra :
Source : blogs.nvidia.com
Cette couche de localisation se compose d’attributs cartographiques comme les séparateurs de voie, les marquages routiers, les limites des routes, les feux de circulation, les panneaux et les poteaux.
Couche de localisation Radar : carrefour cartographié avec un radar dans un véhicule
Source : blogs.nvidia.com
La localisation radar apporte des indications sur le marquage au sol, les séparateurs et bordures de voie, les feux tricolores, les panneaux et poteaux. Selon NVIDIA, le radar permet aussi de détecter des environnements qui ne sont pas cartographiés, le pilote IA se repère alors aux objets environnants.
La solution du radar est plus efficace que le lidar et les caméras, avec la lumière est basse ou de mauvaises conditions météorologiques.
Couche Lidar : carrefour représenté depuis les voxels générés par un lidar.
Source : blogs.nvidia.com
Le lidar apporte plus de précisions et fiabilités de l’environnement de la voiture autonome. En effet, le lidar crée une représentation en 3D à 5 centimètres près.
Sitographie :
https://blogs.nvidia.com/blog/2022/03/22/drive-map-multi-modal-mapping-engine/
Ci-dessous un article de veillecarto avant la concrétisation du projet :