Ce projet avait pour but de déterminer un objectif à atteindre dans une image afin de permettre à un robot de naviguer en toute autonomie et en évitant les obstacles. En effet, il est possible pour un robot de naviguer dans une map connue grâce au SLAM (Simultaneous Location And Mapping). Le SLAM nécessite de connaître l'environnement à travers une map réalisée au préalable. 

L'objectif ici était de permettre la navigation sans avoir de cartographie de l'environnement et en évitant les obstalces. Pour cela l'idée était de faire reconnaître la route à un robot via une caméra et lui faire suivre le point le plus haut de la route dans l'image.

Pour reconnaître la route, je me suis appuyé sur un modèle de Fully Convolutional Networks. Ce modèle a été pré-entraîné par Nvidia et est nommé Segnet. Il a été choisi afin d'utiliser l'algorithme sur des routes extérieures mais aussi dans des couloirs de bâtiments.  Puisque seule la classe de la route est utilisée, il est possible de déterminer le chemin sans tenir compte des obstacles sur celle-ci.

Ce projet a été développé sur une Jetson Nano de la marque Nvidia et pouvait fonctionner à plus de 60 FPS comme le montre l'image animée ci-contre. Une fois l'objectif fixé (point en rouge sur le GIF), il était possible de déterminer le chemin pour y accéder.