# CoCam4D partage les données de profondeur entre voitures sans LiDAR

> Un nouveau cadre bayésien permet aux véhicules autonomes d’échanger des représentations 3D compactes sous forme de gaussiennes, afin de réduire l’incertitude sur la profondeur sans recourir au LiDAR.

Oossa · 2026-10-09 · https://oossa.com/fr/cocam4d-enables-camera-only-cars-to-share-depth-data

Des chercheurs dirigés par Soham Pahari ont présenté CoCam4D, un système de perception collaborative pour la conduite autonome qui repose uniquement sur des caméras. Il modélise l’incertitude géométrique à l’aide de primitives de scène gaussiennes en 3D et les partage via C‑V2X dans un format de 35 octets appelé Dynamic Object Primitives. Les tests sur des jeux de données publics montrent une amélioration de 11.48% par rapport à la meilleure méthode récente fondée uniquement sur la vision sur OPV2V+, et de 10.62% sur DAIR‑V2X‑C. Cette approche fonctionne sans LiDAR et s’appuie uniquement sur les données partagées des caméras.

## Les faits

- Article publié sur arXiv le 2026-10-09 (« Fri Oct 09 2026 »)
- Amélioration de 11.48% sur OPV2V+ et de 10.62% sur DAIR‑V2X‑C

## Pourquoi c'est important

Les flottes de voitures équipées de caméras peuvent ainsi mieux percevoir les angles morts sans matériel LiDAR coûteux.

## Sources et références

1. [CoCam4D: Geometry-Aware Cooperative 4D Perception for Camera-Only Autonomous Driving](https://arxiv.org/abs/2610.11577) – arXiv cs.RO, 2026-10-09

Dernière mise à jour: 2026-10-09