Cet article propose 3DTTNet, une nouvelle méthode multimodale de reconnaissance des zones carrossables pour véhicules autonomes en environnements tout-terrain non structurés. 3DTTNet génère une estimation dense du terrain carrossable en intégrant des images monoculaires omnidirectionnelles et des nuages de points LiDAR. Cela implique la génération de quatre étiquettes de coût carrossable : critique, moyen, faible et libre, en tenant compte des conditions de franchissement d'obstacles et des contraintes structurelles du véhicule. Le jeu de données RELLIS-OCC, qui comprend de nouvelles annotations de zones carrossables, est également présenté. Les résultats expérimentaux démontrent que 3DTTNet surpasse les méthodes existantes en matière de reconnaissance des zones carrossables 3D, en particulier dans les environnements tout-terrain à géométries irrégulières et occlusion partielle, avec une amélioration de 42 % de l'IoU de complétude de scène. Le cadre proposé est évolutif et adaptable à diverses plateformes de véhicules, et l'estimation du coût carrossable peut être améliorée en ajustant les paramètres de la grille d'occupation et en intégrant des modèles dynamiques avancés.
