CASPI - vaul-ulaval/vaul-wiki GitHub Wiki
Figure: Robot de la compétition du 15 mai 2021.
La compétition CASPI (Canadian Automated Snow Plow Initiative) [1] est une compétition de chasse-neige autonome crée en 2019 et organisé par Cavcoe [2]). Cette compétition est divisée en deux épreuves: la rédaction d’un rapport technique présentant le design du véhicule utilisé, ainsi qu’une épreuve de déneigement. L’épreuve comporte quatre tâches différentes, soit le déneigement d’une bande de neige, l’évitement d’obstacle sur une portion de circuit, la détection de cônes bleus avec des numéros et le retour à la position de départ.
Tout comme la compétition américaine de Chasse-Neige Autonome (ASC), la compétition canadienne CASPI a pour but de mettre au défi les étudiants et individus à concevoir, construire et exploiter un chasse-neige entièrement autonome en les encourageant à utiliser l'état de l'art dans la technologies de navigation et de contrôle pour dégager rapidement, avec précision et en toute sécurité un chemin de neige désigné.
- Déneigement d'une bande de neige,
- Évitement d'obstacle sur une portion de circuit,
- Détection de cônes bleus avec des numéros,
- Retour à la position de départ.
- Mai 2020 : Meilleur rapport technique
- Partie 1: Design
- Partie 2: Perception
- Partie 3: Prediction
- Partie 3: Planification
- Design mécanique
Figure: Design du véhicule et emplacement des composants clés.
- Composants électroniques
Figure: Principaux composants électriques.
- Capacité de labour et contrôle de la température
Figure: Capacité de labour et contrôle de la température
- Capteurs et boitier de composants
Figure: Emplacements des capteurs clés & Logement de composants
Figure: Schéma du système de guidage de navigation.
Figure: Presentation AI
Figure: Détection d'approche générale
- Plus de 382 000 images pour la formation
- 145 classes pour la détection
- Réseau de neurones réentraîné avec plus de classes
Figure: Model YoloV3 & Base de données COCO et Cônes de signalisation
Figure: Model ResNet34 & Jeu de données de panneaux allemands (GTRSB) et de panneaux de signalisation Québecois
Figure: Entrainement avec YOLOv3 et ResNet34.
Figure: Résultats de détection de caméra pour les objets et les piétons avec YoloV3.
Figure: Résultats de détection de caméra pour les panneaux de signalisation au Québec avec Resnet 34.
Figure: Simulation de détection de caméra.
Figure: Approche générale pour la détection lidar.
Figure: Détection Lidar avec le jeu de données LeddarTech PixSet
Figure: Simulation de détection lidar et caméra
Figure: Résultats de la détection Lidar jusqu'à présent
Figure: Approche générale de la prédiction
Exemple 1: Suivi des piétons sur le trottoir.
Figure: Prédiction de la trajectoire de la voiture.
Figure: Prediction de collision
Figure: Approche générale
Exemple 1: Simulation de déneigement sur un trottoir.
Exemple 2: Simulation d'évitement d'obstacles sur un trottoir.
Exemple 3: Simulation de planification de déneigement dans un stationnement.
Figure: Module de localisation.
Figure: Systeme modulaire.
[1] Competition Canadienne de chasse-neige automatisé (CASPI)
[2] Site web de l'organisateur Cavcoe de la compétition CASPI.