Les capteurs, technologies clés du véhicule autonome

Un extrait de Véhicule autonome et connecté – Technologies, enjeux et déploiement, par Jacques EHRLICH

Localiser, positionner le véhicule est une fonction qui peut se décliner selon deux niveaux que l’on pourrait qualifier de macroscopique et microscopique. Au niveau macroscopique, on est conduit à combiner le positionnement GNSS (qui délivre une position toutes les secondes environ) avec des techniques de navigation à l’estime, permettant de déduire la position du véhicule à partir de la dernière position obtenue par GNSS. Pour ce faire, deux capteurs proprioceptifs du véhicule sont utilisés, l’odomètre (mesure de distance parcourue) et le gyromètre (mesure de la vitesse de lacet) qui, après intégration, fournit une indication de cap. Au niveau microscopique, sur les chaussées dites structurées, on utilise principalement les marquages routiers (bandes de peinture continues ou discontinues délimitant les voies). En l’absence de marquages sur route ou sur pistes (routes dites non structurées), ce sont les changements de textures entre la surface de roulement et le bord de route qui sont exploités. Dans tous les cas, les techniques employées sont fondées sur le traitement d’images. Une caméra placée derrière le pare-brise du véhicule (généralement à côté du rétroviseur) observe la voie sur une distance de quelques mètres à quelques dizaines de mètres en avant du véhicule. L’extraction des marquages se fait par une analyse des contrastes (détection de contours ou méthodes de gradients). Une fois l’extraction faite, les marquages sont appariés à un modèle de courbure de route.

Détection d’obstacles proches et lointains

La détection des obstacles nécessite d’accéder à la structure tridimensionnelle de la scène routière, ce que permettent difficilement les techniques fondées sur l’utilisation d’une seule caméra, car elles reposent sur l’hypothèse dite du « monde plan ». On a donc recours à des méthodes par stéréovision, faisant usage de deux caméras éloignées de quelques dizaines de centimètres l’une de l’autre et placées derrière le pare-brise du véhicule, à proximité du rétroviseur. Le but de la stéréovision est de calculer la position spatiale de points à partir des coordonnées de leurs images dans deux vues différentes, afin d’effectuer des mesures ou de reconstruire la structure tridimensionnelle de la scène. Les caméras doivent être parfaitement synchronisées et intégrées dans un support rigide qui garantit d’obtenir des images de la même scène. L’efficacité des systèmes de détection d’obstacles par stéréovision peut être renforcée par la fusion de données avec un télémètre laser à balayage (lidar). Celui-ci permet de détecter le contour englobant des obstacles et ainsi d’isoler dans la scène des zones d’intérêt, ce qui permet de concentrer le traitement d’image sur ces zones et améliorer le temps de traitement.

Au-delà d’une trentaine de mètres, la détection d’obstacles repose essentiellement sur les lidars et les radars, avec pour ce dernier une supériorité qui est son insensibilité aux conditions météorologiques dégradées (pluie, neige ou brouillard). Ces deux capteurs ont l’avantage de délivrer directement une information de distance aux cibles qu’ils détectent. Ils sont dotés de fonctions de suivi de cible, voire même d’anticipation de leur trajectoire. Enfin, grâce à leur grand angle d’ouverture, il est possible, en fusionnant les données de deux ou quatre lidars correctement disposés, de construire une cartographie des obstacles sur 360°. Le coût de ces capteurs est encore très élevé. Par la richesse des informations que les caméras apportent, on est naturellement tenté d’utiliser ce capteur à faible coût pour de multiples applications. La plus emblématique et utile pour le véhicule autonome est l‘estimation de la distance de visibilité liée à la géométrie de la route ou aux conditions météorologiques (brouillard).