Accédez aux ressources directement depuis les compétences, savoirs, activités professionnelles, centres d'intérêt des référentiels, ainsi qu'aux sujets d'examen et séminaires nationaux.
publié le 18 Juil 2025 par Olivier TOURVIEILLE
L’entreprise Easymile a mis en place à Toulouse des bus 100 % autonomes sur le campus universitaire de Paul Sabatier. Il s’agit d’un projet de recherche mené par l’IRIT et l’Université, mais dès aujourd’hui, les minibus qui peuvent accueillir vingt personnes sont en fonction et se déplacent dans un rayon de 5 km. Ces véhicules autonomes nécessitent un niveau élevé d'informations pour fonctionner en toute sécurité et sont donc équipés d'une gamme complète de capteurs.
Ces capteurs collectent et analysent les données enregistrées pour créer une image à 360 degrés de l'environnement, y compris les infrastructures, les autres véhicules, les piétons et tout ce qui se trouve sur le chemin.
Le traitement en temps réel des données permet au système du véhicule autonome de décider comment se comporter pour progresser en toute sécurité sur la route (s'arrêter, partir, ralentir, etc.).
Ce sujet s’intéresse à une partie des algorithmes mis en place afin de rendre le projet possible, notamment la partie détection d’obstacles dans l’espace.
En effet, pour détecter les objets, les piétons et les véhicules avec précision et rapidité, il est nécessaire de mettre en place des programmes robustes avec une complexité limitée.
Dans un premier temps, nous nous intéresserons à un algorithme simple de détection d’obstacles, basé sur l’apprentissage supervisé. Il faudra tout d’abord réfléchir à la méthode de localisation dans l’espace du piéton.
Dans un deuxième temps, nous nous pencherons sur le traitement de l’image et la détection des obstacles.
Enfin, dans le but d’améliorer et de comprendre le fonctionnement des programmes du bus, la collecte d’un grand nombre de données est réalisée à chaque déplacement, c’est l’objet de la dernière partie du sujet.
II.1 - Calcul de luminance
II.2 - Le concept d’image-intégrale
II.3 - Détection des obstacles : algorithme de Viola-Jones
III.1 - Données
III.2 - Détermination des K plus proches voisins
III.3 - Validation de l’algorithme
Le sujet et le corrigé de cette épreuve sont également disponibles sur le site de l’UPSTI (Union des Professeurs de Sciences et Techniques Industrielles)
https://www.upsti.fr/espace-etudiants/annales-de-concours