Learning and using actionable Lidar representations without annotations

Apprendre et utiliser des représentations Lidar exploitables sans annotations Le développement de systèmes de conduite autonome repose largement sur des algorithmes de perception précis entraînés sur de grands ensembles de données annotées. Cependant, la collecte et l'annotation de données de nuages de points Lidar sont particulièrement coûteuses et chronophages, limitant significativement le passage à l'échelle des technologies de conduite autonome. Cette thèse aborde ce défi en développant des méthodes pour réduire la dépendance aux données Lidar annotées grâce à des approches d'apprentissage auto-supervisé et non supervisé.Nous présentons quatre contributions principales qui s'attaquent progressivement à différents aspects de ces coûts d'annotation.Premièrement, nous introduisons une méthode pour transférer les connaissances de modèles d'images pré-entraînés par auto-supervision vers des réseaux Lidar par une distillation de l'image vers le Lidar. Cette approche exploite l'abondance d'images naturelles et leurs représentations auto-supervisées correspondantes pour entraîner des modèles de perception Lidar sans nécessiter d'annotations spécifiques.Deuxièmement, nous proposons une méthode purement contrastive auto-supervisée pour les nuages de points Lidar qui opère dans le plan horizontal ou "Bird's Eye View". Contrairement aux approches image-vers-Lidar, cette approche préserve les informations spécifiques au Lidar telles que la localisation 3D précise tout en exploitant la cohérence temporelle pour apprendre des représentations significatives pour les tâches de segmentation sémantique et de détection d'objets.Troisièmement, nous développons une méthode qui exploite la séparabilité naturelle des objets dans l'espace 3D pour effectuer une segmentation d'instance sans aucune supervision. Nous démontrons ainsi que la cohérence temporelle et les propriétés géométriques des nuages de points peuvent être exploitées pour créer des pseudo-annotations d'instances, permettant une segmentation séquentielle des objets au cours du temps.Enfin, nous prouvons que la segmentation panoptique Lidar peut être réalisée à un niveau de performance similaire aux meilleurs réseaux appris actuels, en utilisant uniquement des annotations sémantiques, sans nécessiter d'annotations d'instances. Ce travail révèle que les prédictions sémantiques sont le facteur limitant principal dans la segmentation panoptique, tandis que la séparation d'instance peut être efficacement résolue par des approches de clustering.Nos contributions montrent collectivement que des progrès significatifs peuvent être réalisés dans les tâches de perception Lidar tout en réduisant drastiquement le besoin d'annotations humaines. Les méthodes développées dans cette thèse ont des implications pratiques pour les systèmes de conduite autonome, permettant un développement et un déploiement moins coûteux tout en maintenant des standards de performance élevés.