Éviter les collisions grâce à une nouvelle méthode apprise des marins

Prévenir les accidents en calculant les collisions imminentes de drones ou de voitures : tel est l’objectif de Darius Burschka. Le professeur de l’Université technique de Munich (TUM) suit chaque point des images générées par des caméras transportées par des drones volants ou des voitures sur la route. Il applique en principe la technique du « relèvement constant » traditionnellement utilisée par les navigateurs en mer.

L’œil composé d’une guêpe a donné une idée au professeur Burschka. En déplaçant son corps d’avant en arrière, l’insecte détecte quels objets sont proches et lesquels sont plus éloignés. De cette façon, il construit une carte mentale en vol.

Espace aérien et trafic routier : 60 mesures par seconde pour plus de sécurité

Un principe similaire est appliqué dans une solution avec laquelle le professeur Burschka, co-responsable du groupe de perception de l’Institut de robotique et d’intelligence artificielle de Munich (MIRMI) du TUM, tente d’identifier les collisions imminentes de drones ou de voitures avec d’autres objets. Son système informatique vérifie les points d’image d’une caméra 60 fois par seconde et détermine les « conditions de collision ».

« Nous suivons jusqu’à un million de pixels d’une image en temps réel », explique Burschka. Pour calculer ce « flux optique », il n’a pas besoin d’un supercalculateur. Au lieu de cela, il travaille avec un « simple » processeur graphique haute performance qui gère les images, un autre processus pour calculer les chemins de collision et une caméra. Le chercheur explique : « Nous examinons les caractéristiques détectables dans l’image et regardons comment elles se déplacent à travers elle. »

Images bidimensionnelles comme base : Similaire à l’approche de relèvement constant en mer

Pour calculer le danger immédiat d’une collision, le professeur TUM n’a besoin que d’images bidimensionnelles d’un point de vue comme celui utilisé par la guêpe pour fixer des points individuels et en percevoir les changements – ou comme un marin appliquant la méthode du relèvement constant. Avec cette méthode, un navire est déterminé comme étant sur une trajectoire de collision si le relèvement absolu entre les navires en approche montre peu ou pas de changement à mesure que la distance diminue. « La meilleure façon de détecter une collision potentielle est de garder un œil sur les objets environnants qui ne bougent pas », explique Burschka.

Le scientifique du TUM calcule où et dans quelle direction les objets passent devant la caméra, c’est-à-dire « pénètrent dans le plan d’observation ». Dans les applications conventionnelles, les experts en conduite autonome, par exemple, utilisent plusieurs caméras pour calculer les distances aux objets proches à l’aide de vecteurs. « Lorsque les objets sont éloignés de la caméra, le processus 3D n’est plus fiable », explique Burschka. Les changements de position des points d’une image à l’autre ne sont plus visibles.

Changement de paradigme : le délai d’interaction remplace l’analyse de l’état des métriques

Avec la nouvelle méthode, les objets s’approchant rapidement et encore éloignés de l’observateur sont reconnus comme plus dangereux que d’autres qui sont plus proches mais se déplacent dans la même direction. « Au lieu de donner la priorité aux objets en mouvement uniquement en fonction de leur mouvement, cela se fait sur la base de conditions de collision dynamiques », explique le professeur Burschka.

Toutes les « caractéristiques » de l’image sont maintenant sous observation et celles potentiellement dangereuses peuvent être signalées en conséquence. « Nous mesurons le ‘délai d’interaction’, c’est-à-dire le temps qui s’écoulera avant qu’une collision ne se produise », explique-t-il. La nouvelle méthode permettra aux scientifiques d’analyser les trajectoires d’objets en mouvement avec une seule caméra, qui sera également en mouvement.

« Contrairement à la reconstruction métrique, cette approche est beaucoup moins chère et plus robuste », déclare le professeur Burschka. L’approche « time to interaction » représenterait ainsi un changement de paradigme dans la recherche. Le professeur envisage d’utiliser son invention dans les drones, les véhicules en réseau et la robotique de service.