Trois raisons pour lesquelles l’IA et l’imagerie thermique vont révolutionner la mobilité

Trois raisons pour lesquelles l’IA et l’imagerie thermique vont révolutionner la mobilité

Oct 10 . 3min read

Une grande majorité des technologies développées autour de la mobilité aujourd’hui visent à réduire le nombre de blessés sur les routes et à offrir de nouvelles expériences de déplacement. Il est vrai que se déplacer reste un besoin incontournable, que nos sociétés cherchent par conséquent à rendre à la fois toujours plus sûr et toujours plus performant en matière d’autonomie pour permettre de nouveaux usages. C’est d’ailleurs pourquoi, le système ADAS pour Advanced Driver- Assistance System, qui est un système de sécurité active et d'assistance du conducteur comprenant 6 niveaux, a été conçu. Son principal objectif est d’augmenter les capacités d’un véhicule à détecter les dangers environnants pour se déplacer de manière autonome et sécurisée.

Ainsi, ce système constitue un sujet de recherche et d’amélioration permanente qui s’appuie sur des technologies de pointe comme l’imagerie thermique. En effet, l’imagerie thermique couplée à d’autres sensors et à de l’intelligence artificielle, et plus précisément au Deep Learning, un type d’intelligence artificielle dans laquelle la machine apprend par elle-même de manière encadrée, est réellement capable d’apporter à l’industrie automobile les capacités dont elle a besoin pour atteindre cette garantie de sécurité absolue.

Nous vous détaillons ici 3 raisons pour lesquelles l’IA et l’imagerie thermique vont révolutionner l’automobile.

 

  • L’identification précise des objets détectés

Le véhicule autonome sera équipé de multiples capteurs complémentaires, capables d’acquérir précisément son environnement, dont des RADARs, des caméras visibles, NIR et thermiques, des LiDARs et des SONARs. Parmi eux, les capteurs thermiques permettent de réaliser très clairement et distinctement une image thermique des  objets placés ou mouvants autour de la voiture et plus particulièrement des Usagés Vulnérables de la Route.

Ensuite, les systèmes d’intelligence artificielle sont capables de classer, dans ces images, des objets et de les reconnaitre : piétons, animaux, objets abandonnés…

Ainsi, combiner ces informations aux autres capteurs et compléter par d’autres formes d’IA, permet d’aller au-delà de la simple reconnaissance d’un objet : le véhicule intelligent est alors capable de comprendre une scène et de planifier sa réponse après avoir évalué la situation et trié les différentes options possibles.

Le véhicule est ensuite en mesure de modifier sa trajectoire de manière fiable selon les décisions prises.

 

  • La détection d’obstacles même en situation de visibilité limitée

Les capteurs thermiques sont les seuls à pouvoir détecter la chaleur naturellement émise par un objet grâce à la réception de ses radiations de manière passive. Ils peuvent alors convertir ces ondes en signal électrique qui est ensuite traduit en images.

C’est pourquoi, la technologie infrarouge permet de « voir » de nuit et dans des conditions climatiques difficiles (pluie, neige, brouillard) car elle ne nécessite pas d’éclairage externe. De plus, ces ondes ont la faculté d’êtres moins atténuées par ces environnements.

cas client

 

  • L’exploitation de datas par le véhicule ou par le conducteur

Toujours dans ce contexte d’optimisation des conditions de conduite et de sécurité grâce à l’imagerie thermique, les chercheurs utilisent la création de bases de données d’images diurnes et nocturnes dont le but est d’entrainer l’IA qui sera embarquée dans le système intelligent de la voiture. Ces images sont ensuite annotées par classes pour que chaque situation soit documentée en fonction des typologies d’objets à détecter : humains, animaux, véhicules, objets…

L’objectif est de parfaire l’apprentissage de l’IA par des méthodes de Deep Learning grâce à ces bases de données annotées : les systèmes intelligents apprennent, reconnaissent et évoluent pour devenir toujours plus intelligents.

La recherche continue d’aller toujours plus loin dans cette exploitation du Deep Learning pour perfectionner et rendre plus fiable la détection des piétons et des éléments environnants. Pour cela, elle étudie la fusion multimodale des images qui permet une compréhension plus profonde de l’image en affinant la segmentation sémantique des éléments de l’image.

Ainsi, le Deep Learning et l’imagerie thermique améliorent leurs performances en matière de visibilité, de reconnaissance mais également dans d’autres applications comme la compréhension de la scène et la modélisation de l’environnement en toutes conditions. Ces évolutions permettent également de recueillir des informations essentielles à la planification du parcours.

Et les résultats perlent d’eux-mêmes : fusionnée à l’imagerie visible, l’imagerie thermique a permis d’améliorer de 36% l’average precision de la détection d’un piéton en conditions nocturnes.

De plus, la résolution modeste des capteurs thermiques généralement VGA (640x480) permet d’alléger les ressources de traitement nécessaires tout en améliorant la qualité de détection.

 

Le secteur de la mobilité est en pleine mutation et très prochainement les usages en matière de déplacements urbains vont grandement évoluer, essentiellement en raison de l’avènement des véhicules autonomes. Ceux-ci seront de plus en plus intelligents, connectés et équipés de capteurs en tous genres : thermiques, à ultrasons, lidars… Autant de technologies qu’il faudra faire fonctionner et communiquer en réseau afin qu’elles apportent au système, les bonnes informations, au bon moment.

Cette gestion des données reste encore un grand défi à relever pour les professionnels de la technologie infrarouge, qui occupent tous les fronts de l’innovation. En effet, un autre secteur dans lequel la technologie infrarouge est devenue incontournable, est celui de l’aérospatial.

En plus de la mobilité terrestre, la technologie infrarouge contribue au développement d’applications spatiales, notamment dans le domaine de la météorologie. Nous vous proposons de découvrir le déploiement d’un programme spatial dont l’objectif est la surveillance de la température de la surface des sols, grâce à un détecteur infrarouge de pointe.

cas client

 

Share this article