Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Frustum PointNets
Architecture de réseau de neurones qui opère dans un volume de vision (frustum) projeté depuis une boîte englobante 2D pour prédire une boîte englobante 3D précise.
Bird's-Eye-View (BEV) Projection
Technique de transformation des données de capteurs (images, nuages de points) en une représentation cartographique vue du dessus pour simplifier la détection et la localisation des objets.
Multi-View Fusion
Processus d'agrégation d'informations provenant de plusieurs points de vue (caméras) pour reconstruire une scène ou un objet 3D cohérent et robuste.
Ray Casting
Algorithme qui lance des rayons virtuels depuis un point d'observation pour déterminer les intersections avec les objets dans une scène 3D, fondamental pour le rendu et la projection.
3D Bounding Box
Parallélépipède rectangle paramétré par sa position, ses dimensions (longueur, largeur, hauteur) et son orientation (angles de lacet, tangage, roulis) pour encadrer un objet 3D.
IoU 3D (Intersection over Union)
Métrique d'évaluation pour la détection 3D, calculant le rapport entre le volume d'intersection et le volume d'union de la boîte englobante prédite et de la boîte englobante réelle.
LiDAR (Light Detection and Ranging)
Technologie de télémétrie active qui émet des impulsions laser et mesure le temps de retour de leur réflexion pour générer des nuages de points 3D précis de l'environnement.
Monocular 3D Object Detection
Tâche consistant à estimer la position, la taille et l'orientation 3D d'un objets à partir d'une seule image 2D, en s'appuyant sur des indices géométriques et contextuels.
Stereo Vision
Méthode qui utilise deux ou plusieurs caméras calibrées pour simuler la vision humaine et calculer la profondeur par triangulation à partir de la disparité des images.
PointNet
Réseau de neurones profond pionnier conçu pour traiter directement des nuages de points non structurés, en apprenant des fonctions symétriques sur l'ensemble des points.
Range Image
Représentation 2D des données d'un capteur de profondeur où chaque pixel stocke la distance mesurée, similaire à une image mais avec l'intensité remplacée par la portée.
Anchor-based 3D Detection
Approche de détection qui prédit des décalages par rapport à une grille prédéfinie de boîtes 3D (ancres) de différentes tailles et orientations dans l'espace.
Center-based 3D Detection
Paradigme de détection qui prédit directement le centre de chaque objet et ses propriétés (taille, orientation), simplifiant le post-traitement et évitant les calculs d'IoU complexes.