BLUF : Une voiture autonome ne « voit » pas la route comme un humain. Elle construit en permanence une représentation numérique tridimensionnelle de son environnement à partir de plusieurs capteurs complémentaires, lidar, radar et caméras, dont les données sont fusionnées en temps réel par des algorithmes pour détecter, classer et anticiper le comportement des objets environnants.
Une perception fondamentalement différente de la vision humaine #
Contrairement à l’œil humain, qui interprète une image en deux dimensions enrichie par l’expérience et l’intuition, une voiture autonome construit une carte tridimensionnelle précise et constamment mise à jour de son environnement immédiat. Cette représentation ne repose pas sur un unique capteur, mais sur la combinaison de plusieurs technologies complémentaires, chacune ayant ses propres forces et limites.
Le lidar, la mesure de distance par laser #
Le lidar (light detection and ranging) émet des impulsions laser dans toutes les directions et mesure le temps que met la lumière à revenir après avoir touché un obstacle. Cette technique permet de construire un nuage de points en trois dimensions extrêmement précis, capable de détecter la forme, la distance et le mouvement des objets environnants, piétons, véhicules, infrastructures, avec une grande fiabilité, y compris dans l’obscurité.
À lire Ces supercars qui n’ont jamais quitté le stade de prototype
Le radar, fiable par tous les temps #
Le radar utilise des ondes radio plutôt que de la lumière, ce qui le rend particulièrement performant dans des conditions où le lidar et les caméras perdent en efficacité, brouillard, forte pluie, neige. Il excelle notamment dans la mesure précise de la vitesse relative des objets environnants, une information essentielle pour anticiper les trajectoires des autres véhicules.
Les caméras, pour comprendre le contexte visuel #
Les caméras embarquées apportent une dimension que le lidar et le radar ne peuvent pas fournir seuls : la reconnaissance contextuelle. Couleur d’un feu de signalisation, contenu d’un panneau, position d’une ligne au sol, ou encore détection des intentions d’un piéton à travers son orientation corporelle, ces informations visuelles complexes nécessitent des algorithmes de vision par ordinateur entraînés sur des millions d’images.
La fusion de capteurs, clé de voûte du système #
Aucun de ces capteurs ne fonctionne isolément. La performance d’un système de conduite autonome repose avant tout sur sa capacité à fusionner en temps réel les données issues du lidar, du radar et des caméras pour produire une représentation unique et cohérente de l’environnement, plus fiable que celle que fournirait chaque capteur pris individuellement. Cette redondance volontaire permet aussi au système de continuer à fonctionner de façon dégradée si l’un des capteurs devient temporairement inopérant.
Anticiper plutôt que simplement détecter #
Au-delà de la simple détection d’objets, les systèmes les plus avancés intègrent des modules de prédiction comportementale, capables d’estimer la trajectoire probable d’un piéton, d’un cycliste ou d’un autre véhicule dans les secondes à venir. Cette capacité d’anticipation, entraînée sur d’immenses bases de données de situations réelles, constitue aujourd’hui l’un des principaux axes de recherche du secteur.
À lire Les routes les plus dangereuses du monde, et ce qu’elles révèlent sur la conduite
À retenir
La perception d’une voiture autonome repose sur une architecture redondante et complémentaire de capteurs, bien plus complexe qu’une simple caméra reliée à une intelligence artificielle. C’est précisément cette redondance qui constitue, encore aujourd’hui, le principal verrou technique et le principal poste d’investissement de l’industrie de la conduite autonome.
