Explorer la vision par ordinateur dans les applications de navigation

Aujourd’hui, sortir son téléphone, saisir une destination et suivre un itinéraire étape par étape pour s’y rendre semble aller de soi. Cela ne prend que quelques secondes. Pourtant, cette commodité du quotidien est le résultat de plusieurs années de progrès technologiques. La navigation a parcouru un long chemin, des cartes papier et des boussoles aux systèmes intelligents capables de comprendre le monde en temps réel et d’y réagir.

L’une des technologies à l’origine de cette évolution est la vision par ordinateur, une branche de l’intelligence artificielle (AI) qui permet aux machines d’interpréter les informations visuelles comme les humains. Les outils de navigation de pointe utilisent désormais des images en temps réel provenant de satellites, de caméras embarquées et de capteurs au niveau de la rue pour améliorer la précision des cartes, surveiller l’état des routes et guider les utilisateurs dans des environnements complexes.

Dans cet article, nous allons explorer comment la vision par ordinateur améliore la navigation en perfectionnant les cartes GPS, en fournissant des mises à jour du trafic en temps réel et en prenant en charge des technologies telles que la navigation en réalité augmentée et les véhicules autonomes.

Systèmes de navigation IA avec cartographie 3D immersive#

Utiliser des outils comme Google Maps pour se déplacer au quotidien est devenu très courant, que tu traverses la ville ou que tu cherches un café à proximité. À mesure que les technologies d’IA sont adoptées plus largement, nous voyons apparaître des fonctionnalités toujours plus avancées comme Immersive View, lancée en 2023 par Google Maps, qui permet aux utilisateurs de prévisualiser certaines étapes de leur trajet dans un environnement 3D. Cela est rendu possible grâce à la combinaison de l’IA, de la photogrammétrie et de la vision par ordinateur.

Fig 1. Vue immersive de Google Maps.

Tout commence par des milliards d’images haute résolution capturées par un éventail d’équipements spécialisés. Cela comprend les voitures Street View, des véhicules équipés de caméras à 360 degrés qui parcourent les villes, ainsi que les appareils Trekker, des sacs à dos portables dotés de caméras qui servent à capturer des images dans des endroits inaccessibles aux véhicules, comme les sentiers de randonnée ou les ruelles étroites.

Ces images sont alignées sur les données cartographiques à l’aide de la photogrammétrie, une technique qui assemble des photos 2D prises sous différents angles afin de créer des modèles 3D précis des rues, des bâtiments et du terrain.

La vision par ordinateur est ensuite utilisée pour analyser ces modèles au moyen de la détection d’objets et de la segmentation d’image, afin d’identifier et d’étiqueter des éléments importants tels que les panneaux routiers, les trottoirs, les passages pour piétons et les entrées des bâtiments.

Fig 2. La Vue immersive utilise la segmentation pour segmenter les objets dans une rue.

Les données étiquetées servent à entraîner des systèmes d’IA capables de reconnaître les différences entre les repères visuels selon les régions. Par exemple, le système peut facilement distinguer un panneau « SLOW » aux États-Unis, qui est généralement un losange jaune ou orange, d’un panneau similaire au Japon, qui est habituellement un triangle rouge et blanc. Ce niveau de compréhension rend l’expérience de navigation plus précise et sensible aux différences culturelles.

Enfin, Immersive View superpose les itinéraires de navigation en direct à l’environnement 3D, offrant une expérience fluide et intuitive qui montre exactement où tu te diriges.

La réalité augmentée dans les solutions de navigation#

Nous avons probablement tous déjà tourné en rond en essayant de comprendre dans quelle direction Google Maps nous indiquait d’aller. C’est précisément ce que la navigation en réalité augmentée (AR), une technologie qui superpose des informations numériques à la vue réelle de la caméra, cherche à résoudre. Elle transforme la manière dont les gens s’orientent dans des lieux très fréquentés comme les rues des villes ou les grands espaces intérieurs.

Les cartes classiques peuvent être difficiles à suivre, en particulier lorsque les signaux GPS sont faibles ou fonctionnent mal. La navigation en AR répond à ce problème en affichant des indications, des flèches et des étiquettes numériques directement sur la vue en direct de la caméra du monde réel. Les utilisateurs voient ainsi des indications qui correspondent aux rues et aux bâtiments qui les entourent, ce qui leur permet de savoir beaucoup plus facilement où aller.

Comment la réalité augmentée est utilisée dans la navigation#

La navigation en AR s’appuie sur des modèles de vision par ordinateur pour comprendre l’environnement grâce à la caméra d’un appareil. Cela implique diverses tâches comme la localisation d’image, qui détecte des éléments tels que les contours des bâtiments ou les panneaux de rue et les associe à une carte enregistrée. La localisation et cartographie simultanées (SLAM) crée une carte de l’environnement tout en suivant la position de l’appareil en temps réel.

Par exemple, l’aéroport de Zurich a été le premier à mettre en œuvre Live View de Google Maps pour la navigation intérieure. Les passagers peuvent utiliser la caméra de leur téléphone pour voir des flèches et des indications superposées à l’environnement réel, afin d’être guidés dans les terminaux jusqu’aux portes d’embarquement, aux boutiques et aux services. Cela améliore l’expérience des passagers en facilitant la navigation dans des espaces intérieurs complexes.

Fig 3. L’aéroport de Zurich utilise la vision par ordinateur et l’AR pour guider les passagers à l’intérieur.

Améliorer la sécurité routière grâce aux systèmes de navigation IA#

Les rues des villes sont de plus en plus fréquentées chaque jour. Avec davantage de voitures sur les routes, des trottoirs encombrés et une activité constante, maintenir une circulation fluide et sûre représente un défi croissant. Pour contribuer à gérer ce chaos, de nombreuses villes se tournent vers l’IA et la vision par ordinateur.

Des caméras intelligentes et des capteurs installés aux intersections et le long des routes capturent un flux continu de données visuelles. Ces images sont traitées en temps réel pour détecter les accidents, surveiller la circulation, repérer les nids-de-poule et identifier des situations telles que le stationnement illégal ou les comportements piétons dangereux.

Un exemple intéressant est la Smart Airport Expressway à Hangzhou, en Chine. Cette autoroute de 20 kilomètres, qui relie le centre-ville de Hangzhou à l’aéroport international de Xiaoshan, a été modernisée avec des caméras haute résolution et des radars à ondes millimétriques. Ces appareils recueillent en continu des données vidéo et issues de capteurs, qui sont ensuite analysées à l’aide de la vision par ordinateur.

Au lieu de se contenter d’enregistrer des images, le système interprète ce qui se passe sur la route. Les algorithmes de vision par ordinateur détectent les collisions entre véhicules, reconnaissent les infractions au code de la route et identifient même les piétons ou les mouvements inhabituels à proximité des sorties d’autoroute. Les responsables de la circulation peuvent ainsi réagir aux incidents en quelques secondes, sans devoir être physiquement présents sur place.

Les données alimentent également un jumeau numérique : un modèle virtuel 3D en direct de l’autoroute qui affiche les conditions de circulation en temps réel, les détails des véhicules et les congestions émergentes. Les agents de la circulation surveillent cette interface visuelle pour gérer le flux, émettre des alertes intelligentes et réagir rapidement et précisément aux incidents.

La mobilité autonome rendue possible par la vision par ordinateur dans la navigation#

Aujourd’hui, la navigation va bien au-delà du simple fait d’aller d’un point A à un point B. Elle constitue désormais un élément essentiel des systèmes intelligents qui transportent des personnes, gèrent des marchandises et prennent des décisions en temps réel, que ce soit sur la route ou à l’intérieur d’entrepôts.

La vision par ordinateur est au cœur de nombreux de ces systèmes : elle permet aux machines d’interpréter les données visuelles et de réagir instantanément à leur environnement. Parcourons quelques exemples pour voir comment cette technologie transforme la navigation dans différents environnements.

Des robots d’entrepôt qui se déplacent grâce à la vision par ordinateur#

Les robots deviennent essentiels à l’avenir de la logistique, en particulier dans les opérations d’entreposage à grande échelle. À mesure que la demande du commerce électronique augmente, les entreprises s’appuient de plus en plus sur des machines dotées de vision par ordinateur pour se déplacer dans des environnements complexes, trier les articles et gérer les stocks rapidement et avec précision.

Prenons par exemple les centres de traitement des commandes d’Amazon, où plus de 750 000 robots travaillent aux côtés des humains pour assurer l’efficacité des opérations. Ces robots dépendent largement de la vision par ordinateur pour se déplacer dans les allées très fréquentées des entrepôts, identifier les articles et prendre rapidement des décisions précises.

Sequoia est l’un de ces systèmes : cette plateforme robotique est conçue pour accélérer la gestion des stocks. Elle utilise une vision par ordinateur avancée pour scanner, compter et organiser les produits entrants, contribuant ainsi à fluidifier les processus de stockage et de récupération.

De même, Vulcan, un bras robotique, utilise des caméras et l’analyse d’images pour prélever des articles en toute sécurité sur les étagères, en adaptant sa prise à la forme et à la position de chaque objet et en reconnaissant même lorsqu’une assistance humaine est nécessaire. De son côté, Cardinal, un autre robot doté de capacités de vision, est spécialisé dans le tri : il scanne des tas de colis mélangés et les place avec précision dans les bons chariots d’expédition.

Fig 4. Cardinal soulève précisément des colis depuis un tas.

La vision par ordinateur dans la navigation des véhicules autonomes#

Jusqu’ici, nous avons vu comment la vision par ordinateur aide les personnes et les robots à se déplacer dans leur environnement. Mais elle est tout aussi essentielle aux systèmes autonomes, comme les voitures autonomes, dont la navigation dépend entièrement de ce que le véhicule peut voir et comprendre en temps réel.

Le système Tesla Vision en est un bon exemple. Tesla a adopté une approche de conduite autonome reposant uniquement sur des caméras, en supprimant les radars et autres capteurs au profit d’un réseau de caméras offrant une vue complète à 360 degrés de l’environnement de la voiture. Ces caméras transmettent les données visuelles à l’ordinateur Full Self-Driving (FSD), qui utilise des réseaux neuronaux profonds pour interpréter l’environnement et prendre des décisions de conduite en une fraction de seconde.

En fonction de ce qu’il voit, le système décide quand braquer, accélérer, freiner ou changer de voie, comme le ferait un conducteur humain, mais entièrement à partir d’informations visuelles. Tesla améliore continuellement ce système en recueillant et en exploitant d’immenses quantités de données de conduite réelles issues de sa flotte.

Fig 5. Tesla utilise la vision par ordinateur pour une navigation sûre et autonome (Source : Tesla).

Avantages et inconvénients de la vision par ordinateur dans la navigation#

Voici quelques avantages clés de l’utilisation de la vision par ordinateur dans la navigation, en particulier dans les systèmes où la précision, la sécurité et la prise de décision en temps réel sont essentielles :

• Réduit la consommation de carburant : En aidant les conducteurs à éviter les embouteillages et les itinéraires ponctués d’arrêts et de redémarrages, la vision par ordinateur peut réduire la consommation globale de carburant et le temps de trajet, rendant les déplacements quotidiens plus efficaces.
• Détecte l’usure des routes et les problèmes d’infrastructure : Les solutions fondées sur la vision peuvent rechercher les nids-de-poule, les marquages de voie effacés, les panneaux endommagés et les infrastructures détériorées, en fournissant aux équipes de maintenance des données fiables en temps réel.
• S’intègre parfaitement à d’autres outils d’IA : La vision par ordinateur peut être associée à des assistants vocaux, à des modèles de prédiction comportementale ou à des algorithmes d’optimisation d’itinéraires pour créer une expérience de navigation hautement intelligente et personnalisée.

Bien que la vision par ordinateur apporte de nombreux avantages à la navigation, elle présente également quelques limites importantes à prendre en compte lors de la mise en œuvre de telles solutions. Voici quelques défis clés à garder à l’esprit :

• Manque de généralisation : Les modèles entraînés dans des environnements ou des scénarios spécifiques rencontrent souvent des difficultés lorsqu’ils sont déployés dans des contextes nouveaux ou changeants sans réentraînement.
• Limites liées à l’éclairage : Les systèmes de vision dépendent d’un bon éclairage et de conditions météorologiques dégagées pour fonctionner correctement. Dans le brouillard, sous une forte pluie ou dans l’obscurité, leurs performances diminuent, sauf s’ils sont associés à des capteurs comme le LiDAR ou le radar.
• Risques liés à la vie privée: Les systèmes de navigation utilisant des caméras peuvent filmer des personnes et des propriétés privées sans leur consentement. Cela soulève des problèmes de confidentialité qui doivent être traités avec soin lors du développement et du déploiement.

Points clés à retenir#

La vision par ordinateur réinvente la navigation en rendant les cartes plus dynamiques, les systèmes de circulation plus intelligents et la mobilité plus accessible. Les itinéraires autrefois statiques sont désormais des expériences interactives en temps réel, alimentées par des aperçus 3D immersifs, des indications guidées par AR et des technologies de transport autonome.

À mesure que la technologie progresse, l’accent sera probablement mis sur des systèmes plus inclusifs, adaptatifs et responsables. Les progrès futurs dépendront de l’amélioration de la précision dans des environnements variés, du maintien de performances fiables et de la protection de la vie privée des utilisateurs. L’avenir de la vision par ordinateur dans la navigation réside dans la création de solutions qui soient non seulement intelligentes, mais aussi conçues avec considération et soucieuses de leur impact.

Rejoins notre communauté grandissante ! Explore notre dépôt GitHub pour en apprendre davantage sur l’IA, et consulte nos options de licence pour commencer tes projets d’IA visuelle. Tu t’intéresses à des innovations comme l’IA dans le commerce de détail et la vision par ordinateur dans l’agriculture ? Consulte nos pages consacrées aux solutions pour en savoir plus !