LiDAR

Le LiDAR (détection et télémétrie par la lumière) est une technologie de détection active qui utilise la lumière laser pour mesurer les distances et capturer la géométrie d’un environnement. Un scanner LiDAR fournit son propre éclairage, ce qui lui permet de mesurer les surfaces dans l’obscurité. En vision par ordinateur, ces mesures fournissent aux machines des informations spatiales pour localiser des objets, parcourir des environnements et créer des cartes tridimensionnelles.

Fonctionnement des scanners LiDAR#

Un capteur LiDAR à impulsions émet de la lumière laser et mesure le temps que met la lumière réfléchie à revenir. La distance correspond à la vitesse de la lumière multipliée par le temps de trajet aller-retour, puis divisée par deux. L’association de chaque distance à la direction du faisceau donne l’emplacement d’un point sur une surface. Des mesures répétées forment un nuage de points : un ensemble de points dotés de coordonnées x, y et z, souvent accompagnés de l’intensité du retour, qui indique la force du signal réfléchi.

Le LiDAR laser s’est développé à partir des premières expériences de radar optique. Giorgio Fiocco et Louis Smullin ont réalisé des mesures atmosphériques par laser en 1963, détectant des couches diffusantes entre 60 et 140 kilomètres au-dessus de la Terre. Leur expérience a établi une première application des échos laser à la mesure à distance.

Un scanner 2D échantillonne un plan autour d’un robot ; un scanner 3D effectue des mesures à plusieurs hauteurs. Les systèmes aéroportés associent également les distances mesurées par laser à des mesures de position et d’orientation afin de placer les points en coordonnées géographiques. Le LiDAR topographique et bathymétrique s’adapte à différents environnements : les instruments topographiques utilisent généralement la lumière proche infrarouge pour cartographier les terres, tandis que les instruments bathymétriques utilisent la lumière verte pour mesurer le relief sous-marin.

Transformer les mesures LiDAR en perception par l’IA#

Les nuages de points décrivent la géométrie. Le machine learning permet de les interpréter à l’aide de tâches telles que la détection d’objets 3D, qui estime l’emplacement, les dimensions et l’orientation d’un objet. PointPillars, présenté par Alex H. Lang et ses collègues en 2018, regroupe les points en colonnes verticales, apprend des caractéristiques pour ces colonnes et traite la représentation obtenue en vue plongeante avec un réseau de détection. Cette méthode transforme des mesures irrégulières en une structure adaptée au traitement convolutionnel efficace.

La fusion de capteurs associe la géométrie du LiDAR à l’apparence capturée par les caméras. Les images apportent la couleur, la texture et des détails reconnaissables ; le LiDAR apporte des mesures de distance et de forme. L’étalonnage définit la rotation et la translation entre les capteurs, tandis que la synchronisation aligne leurs horodatages. Une erreur à l’une ou l’autre de ces étapes peut associer une détection de caméra à des points appartenant à un autre objet.

Ultralytics YOLO prend en charge ce flux de travail reliant les images à la géométrie grâce à son intégration ROS : les masques de segmentation de YOLO26, issus d’images RVB alignées, peuvent sélectionner les points correspondants dans un nuage de points organisé et doté d’informations de couleur, afin d’isoler les objets en 3D.

LiDAR, radar et profondeur obtenue par caméra#

Ces technologies fournissent des mesures complémentaires :

• Estimation de la profondeur : Les méthodes utilisant des caméras déduisent la distance à partir d’images. Le LiDAR mesure la distance à l’aide de lumière laser émise ; une carte de profondeur est une représentation possible des informations de distance.
• Radar : utilise des ondes radio et mesure couramment la distance ainsi que la vitesse radiale, c’est-à-dire la vitesse de rapprochement ou d’éloignement par rapport au capteur. Il reste utile sous la pluie et dans le brouillard, qui dégradent la détection optique.
• Reconstruction 3D : crée un modèle géométrique d’une scène. Le LiDAR fournit des mesures que les systèmes de reconstruction combinent pour créer des cartes ou des surfaces.

Les nuages de points LiDAR deviennent plus clairsemés avec la distance, de sorte que les piétons éloignés et d’autres petits objets sont représentés par moins de mesures. Le brouillard et la neige diffusent également la lumière laser, produisant une rétrodiffusion qui déforme les nuages de points et perturbe la détection. Ces effets surviennent dans la perception automobile, où l’absence de géométrie ou les retours causés par les conditions météorologiques peuvent modifier les obstacles identifiés par un détecteur.

Applications dans la conduite, la robotique et la cartographie#

• Conduite autonome : le Waymo Driver associe LiDAR, caméras et radar pour percevoir les véhicules, les piétons et les cyclistes. Le LiDAR fournit la géométrie de l’environnement, tandis que le système de perception interprète les données des capteurs pour identifier les usagers de la route et leur position.
• Robotique mobile : le flux de travail SLAM de TurtleBot3 utilise des balayages laser pour créer une carte tout en estimant la position du robot. SLAM signifie localisation et cartographie simultanées ; des observations répétées relient la position changeante du robot aux caractéristiques permanentes de l’environnement.
• Cartographie aérienne et surveillance environnementale : le LiDAR aéroporté du National Ecological Observatory Network mesure la structure des forêts, notamment la hauteur de la canopée et la densité de la végétation. Une seule impulsion peut produire plusieurs retours provenant des cimes, des branches, du sous-bois et du sol, car une partie de la lumière traverse les interstices de la végétation.