La vision par ordinateur est un domaine de l'intelligence artificielle qui permet aux ordinateurs d'extraire des informations significatives à partir d'images numériques, de vidéos et d'autres entrées visuelles.

Pour les applications automobiles, elle confère essentiellement au véhicule un sens de la vue.

Ceci est réalisé grâce à des modèles de deep learning, en particulier des réseaux de neurones convolutifs (CNN), qui sont entraînés sur des ensembles de données massifs d'imagerie routière.

La fonction principale du système est la détection et la classification d'objets.

Il peut identifier et localiser les piétons, les cyclistes, les autres voitures, les camions, les panneaux de signalisation et les marquages au sol.

Mais cela va au-delà de la simple identification.

Il effectue également une segmentation sémantique, où chaque pixel d'une image se voit attribuer une classe (par exemple, 'route', 'trottoir', 'ciel', 'bâtiment').

Cela crée une compréhension de la scène très détaillée, au niveau du pixel.

Cette 'vue' est le fondement des Systèmes Avancés d'Aide à la Conduite (ADAS) et de la conduite autonome.

Des fonctionnalités comme le Freinage d'Urgence Automatique (AEB), l'Aide au Maintien dans la Voie et la Reconnaissance des Panneaux de Signalisation reposent toutes sur la vision par ordinateur.

Dans la gestion de flotte, les dashcams dotées d'IA utilisent la vision par ordinateur pour détecter les comportements de conduite à risque comme le talonnage, la distraction ou la somnolence, fournissant des alertes en temps réel et des données pour le coaching.

C'est la technologie clé qui permet à un véhicule de percevoir son environnement et de réagir en toute sécurité.