Latest revision as of 17:07, 4 July 2018

Etudiant : Léo Valette (RICM4, Polytech Grenoble, UGA, Grenoble, France)

Encadrants : Alexandre Carissimi (UFRGS, Porto Alegre, Brésil), Didier Donsez (UGA, Grenoble, France)

Documents

Journal - SRS - Rapport - Flyer - Poster - Video 1 - Video 2 - Video 3

Contexte

Selon les estimations, 253 millions de personnes présentent une déficience visuelle: 36 millions d’entre elles sont aveugles et 217 millions présentent une déficience visuelle modérée à sévère (1).

En France, près de 1,7 million de personnes sont atteintes d’un trouble de la vision. 207 000 aveugles (pas de perception de la lumière) et malvoyants profonds (vision résiduelle limitée à la distinction de silhouettes) ; 932 000 malvoyants moyens (incapacité visuelle sévère : en vision de loin, ils ne peuvent distinguer un visage à 4 mètres ; en vision de près, la lecture est impossible).

Références

Objectifs

Le projet a pour objectif d'expérimenter des technologies IoT permettant à des personnes déficientes visuelles d'éviter les obstacles quand elles se déplacent en milieu urbain (signalétique, parkmetre, mobilier urbain ...). Le stagiaire devra évaluer trois technologies candidates, réaliser 3 prototypes avec une ou des applications idoines pour smartphone donnant un retour à l'usager et expérimenter les prototypes avec des personnes volontaires.

Technologies

LIDAR Lite SEN-13167

VL6180X Eval Kit

LiDaR

LIDAR Lite SEN-13167

VL53L1 Time of Flight Ranging Sensor

Movidius Neural Stick

Datasets

Caltech dataset for training http://www.vision.caltech.edu/Image_Datasets/CaltechPedestrians/

Média

Photos - Video 1 - Video 2 - Video 3

Montage BL475-IOT01A + LiDaR

Montage Raspberry Pi + Movidius NCS

@@ Line 1: / Line 1: @@
-Etudiant: Léo Valette
+Etudiant : Léo Valette (RICM4, Polytech Grenoble, UGA, Grenoble, France)
+Encadrants : Alexandre Carissimi (UFRGS, Porto Alegre, Brésil), Didier Donsez (UGA, Grenoble, France)
-Encadrants:
+=Documents=
+[[Canne Blanche/Journal|Journal]] - [[Canne Blanche/SRS|SRS]] - Rapport - Flyer - Poster - Video 1 - Video 2 - Video 3
 =Contexte=
 ''Selon les estimations, 253 millions de personnes présentent une déficience visuelle: 36 millions d’entre elles sont aveugles et 217 millions présentent une déficience visuelle modérée à sévère (1).''
-''En France, près de 1,7 million de personnes sont atteintes d’un trouble de la vision.
-000 aveugles (pas de perception de la lumière) et malvoyants profonds (vision résiduelle limitée à la distinction de silhouettes) ; 932 000 malvoyants moyens (incapacité visuelle sévère : en vision de loin, ils ne peuvent distinguer un visage à 4 mètres ; en vision de près, la lecture est impossible).''
+''En France, près de 1,7 million de personnes sont atteintes d’un trouble de la vision. 207 000 aveugles (pas de perception de la lumière) et malvoyants profonds (vision résiduelle limitée à la distinction de silhouettes) ; 932 000 malvoyants moyens (incapacité visuelle sévère : en vision de loin, ils ne peuvent distinguer un visage à 4 mètres ; en vision de près, la lecture est impossible).''
 Références
@@ Line 13: / Line 16: @@
 * http://www.who.int/blindness/publications/publication/fr/
+=Objectifs=
-=Objecfifs=
-Le projet a pour objectif d'expérimenter des technologies IoT permettant à des personnes déficientes visuelles d'éviter les obstacles quand elles se déplacent en milieu urbaine (signalétique, ...). Le stagiaire devra évaluer trois technologies candidates, réaliser 3 prototypes avec une ou des applications idoines pour smartphone donnant un retour à l'usager et expérimenter les prototypes avec des personnes volontaires.
+Le projet a pour objectif d'expérimenter des technologies IoT permettant à des personnes déficientes visuelles d'éviter les obstacles quand elles se déplacent en milieu urbain (signalétique, parkmetre, mobilier urbain ...). Le stagiaire devra évaluer trois technologies candidates, réaliser 3 prototypes avec une ou des applications idoines pour smartphone donnant un retour à l'usager et expérimenter les prototypes avec des personnes volontaires.
 =Technologies=
+[[Image:LIDAR Lite SEN-13167.jpg|200px|thumb|right|LIDAR Lite SEN-13167]]
+[[Image:VL6180X-001.jpg|200px|thumb|right|VL6180X Eval Kit]]
 ==LiDaR==
-* https://air.imag.fr/index.php/LIDAR_Lite_SEN-13167
+* [[LIDAR Lite SEN-13167]]
-==VL53L1==
+==[[VL53L1 Time of Flight Ranging Sensor]]==
 * http://www.st.com/content/st_com/en/about/media-center/press-item.html/fr/p3918.html
 * http://www.st.com/content/st_com/en/products/imaging-and-photonics-solutions/proximity-sensors/vl53l1x.html
@@ Line 26: / Line 32: @@
 * http://www.st.com/en/evaluation-tools/b-l475e-iot01a.html
 * http://www.st.com/en/evaluation-tools/nucleo-f446re.html
+* [https://blog.st.com/orlando-neural-network-iot/ Orlando: An SoC With a Neural Network and the Future of IoT?]
-==Neural Stick==
+==[[Intel Movidius|Movidius Neural Stick]]==
 * RPI + Camera 8MP + PowerPack LiPo
 * https://www.movidius.com/
@@ Line 36: / Line 43: @@
 * https://www.youtube.com/watch?v=hX0UELNRR1I
 * https://aiyprojects.withgoogle.com/vision/#project-overview
+* https://www.theverge.com/circuitbreaker/2017/10/6/16434834/google-clips-camera-ai-movidius-myriad-vpu
+* https://software.intel.com/en-us/articles/pedestrian-detection-using-deep-neural-networks-on-intel-architecture
+=Datasets=
+* Caltech dataset for training http://www.vision.caltech.edu/Image_Datasets/CaltechPedestrians/
+=Média=
+Photos - Video 1 - Video 2 - Video 3
+[[File:bl475eiot01a.jpg |150px|thumb|Montage BL475-IOT01A + LiDaR ]]
+[[File:movidus.jpg |150px|thumb|Montage Raspberry Pi + Movidius NCS ]]

Difference between revisions of "Canne Blanche"