Seeing the View

Opis projektu

Bezpieczniejsze pojazdy autonomiczne stają się realne

Jesteśmy obecnie świadkami coraz szerszego wykorzystywania pojazdów autonomicznych w codziennym życiu. Podobnie jednak jak w przypadku innych rozwiązań, także one wymagają dopracowania, zanim staną się nieodłącznym elementem naszej przyszłości. Najważniejszym obszarem wymagającym poprawy jest zapewnienie absolutnego bezpieczeństwa na drogach publicznych. Nawet najnowocześniejsze pojazdy autonomiczne nadal mają problemy z wykrywaniem obiektów i fałszywymi alarmami. Ich producenci starają się je rozwiązać stosując droższe czujniki o wyższej rozdzielczości, jednak nawet one nie stanowią uniwersalnego rozwiązania wyzwań typowych dla systemów wykrywania obiektów. Zespół finansowanego ze środków Unii Europejskiej projektu STV opracowuje nowatorskie rozwiązanie w zakresie wykrywania obiektów, oparte na przełomowej nowej architekturze. Celem badaczy jest optymalizacja tanich czujników, zwiększenie dokładności wykrywania, zmniejszenie liczby fałszywych alarmów i urzeczywistnienie wizji tanich i bezpiecznych pojazdów autonomicznych poruszających się po naszych drogach.

Cel

The automotive industry is amid a disruptive change highlighted by the entry of autonomous vehicles. However, at current stage,
self-driving cars technologies are not safe enough for operation on public roads. They suffer from too many missed detections and
high false alarm rates. Some autonomous vehicle developers have tried to overcome these problems by putting higher resolution
(and higher cost) sensors, yet they solutions still these suffer from inadequate perception.
There is a growing market consensus that the limitations of the current perception solutions (called ‘Environmental Models’) are
entrenched in their ‘Object level’ fusion architecture. This cannot be fixed by tweaking the algorithms, changing parameters or
adding more data for learning. A promising alternative solution is ‘Raw data fusion’ with roots in academia and now diffusing to
commercial projects.
VAYAVISION “Seeing the View” project is based on ‘Raw Data Fusion’ architecture with up-sample techniques to further increase the
effective resolution of sparse measurements from active sensors (LiDARs and RADARs). The solution constructs an accurate RGBd 3D
model based even on low cost sensors while enabling the perception algorithms richer data and a more comprehensive view of the
environment. Using Machine Vision algorithms and Deep Neural Networks, VAYAVISION detects very small obstacles (such as a
10cm high box) and has much better detection rates and with less false alarms than the legacy ‘Object Fusion’ solutions.
VAYAVISION’s raw data fusion platform is planned to enable a much safer and comfortable driving experience at an affordable
vehicle price. VAYAVISION solves the heart of autonomous driving challenge of correctly understanding the changing environment
of the vehicle by using ‘Raw Data Fusion’ and Up-sampling.

Dziedzina nauki

Program(-y)

Temat(-y)

EIC-SMEInst-2018-2020 - SME instrument

Zaproszenie do składania wniosków

H2020-EIC-SMEInst-2018-2020

Zobacz inne projekty w ramach tego zaproszenia

Szczegółowe działanie

H2020-SMEInst-2018-2020-2

System finansowania

SME-2 - SME instrument phase 2

Koordynator

VAYAVISION SENSING LTD.

Wkład UE netto

€ 2 425 937,50

Adres

6 YONATAN NETANYAHU
6037604 OR YEHUDA
Izrael

MŚP

Tak

Rodzaj działalności

Private for-profit entities (excluding Higher or Secondary Education Establishments)

Linki

Kontakt z organizacją

Uczestnictwo w unijnych programach w zakresie badań i innowacji

sieć współpracy HORIZON

Koszt całkowity

€ 3 465 625,00