Une caméra pour renforcer la sécurité en vol
Trouver l'avion dans le paysage. CVLAB et FLARM développent un système de détection et de suivi en temps réel. © CVLAB
Dossier PME 2/4. Le Laboratoire de vision par ordinateur et l’entreprise zougoise FLARM développent un système visuel d’évitement de collision en temps réel pour les drones et les avions pilotés.
Avec la multiplication des drones et le succès croissant des petits avions et planeurs, le ciel devient de plus en plus encombré. Avec ou sans pilotes, ces appareils constituent des menaces de collision potentielles. Certains seront dotés de dispositifs de radiodiffusion qui les rendent faciles à détecter et à éviter, mais pas tous. Afin de renforcer la sécurité aérienne, le Laboratoire de vision par ordinateur (CVLAB) et l’entreprise zougoise FLARM sont en train de développer un système léger, basé sur la vision, capable de détecter les menaces et d’alerter les pilotes. Ce projet a reçu le soutien de la Commission pour la technologie et l’innovation (aujourd’hui Innosuisse).
Créé en 2004 par trois ingénieurs et pilotes de planeur, FLARM a développé avec succès un système d’évitement de collisions largement présent dans les avions légers et les planeurs. Utilisant les données GPS, l’outil permet de déterminer l’altitude et la position d’un appareil en vol; il détermine ainsi sa trajectoire et sa position pour les transmettre aux avions volant dans les environs. Extrêmement efficace lorsque les engins sont équipés du boîtier FLARM, le système est par contre inutile si l’un n’en possède pas.
Expertise et développement
« Nous sommes tous des vélivoles. Nous utilisons le FLARM depuis des années et il nous est tous arrivé d'être surpris par un aéronef qui n'avait pas été détecté, parce que non équipé », raconte Pascal Fua, professeur au CVLAB dont l’expertise dans la modélisation de la forme et du mouvement issus de séquences vidéo est aujourd’hui largement reconnue. Urban Mäder, cofondateur de FLARM, y croit : « La vision par ordinateur pourrait bien être une technologie de base pour les futures solutions d'évitement des collisions. Les recherches passées du CVLAB ont montré des résultats prometteurs sur lesquels nous voulions construire les recherches futures. » La collaboration était scellée.
La solution des chercheurs du CVLAB consiste à compléter le système FLARM avec une caméra grand angle et un logiciel capable de repérer sur ses images un objet en vol en temps réel. « Le défi est de trouver un compromis entre l’efficacité et la robustesse du système et les contraintes d’utilisation, c’est-à-dire un système compact pour tenir dans un petit avion, économe en énergie et en argent », précise Joachim Hugonot, chargé du projet au CVLAB.
Détection et suivi
Pour mettre au point le logiciel de détection, il faut lui fournir un maximum de données afin que, sur la base du machine learning, il apprenne à repérer un objet volant dans le plus de situations possible. Les chercheurs ont donc effectué plusieurs heures de vol en enregistrant à l’aide d’une caméra le paysage depuis le cockpit. La deuxième étape exige d’annoter les données, afin que l’algorithme repère où se trouvent les avions et qu’il s’entraîne pour les repérer et les suivre lui-même. « Au final, nous fournirons à FLARM deux algorithmes, l’un capable de détecter où se trouvent les avions et l’autre capable de les suivre en temps réel, ainsi que les outils d’annotation », résume Joachim Hugonot.
De manière générale, « travailler avec les PME offre beaucoup de flexibilité parce que l'on connaît bien les gens impliqués et qu'on peut discuter avec eux », souligne Pascal Fua, dont le laboratoire réalise un quart de ses projets avec des PME. « Nous envisageons actuellement une suite à ce projet impliquant en outre une entreprise partenaire. Les objectifs restent ambitieux et d'autres recherches pourraient être nécessaires d’ici à ce que tous les problèmes soient résolus », estime Urban Mäder.