Inondations, tremblements de terre, fusillades, attentats... Après une catastrophe, il est souvent extrêmement dangereux d'envoyer immédiatement du personnel d'urgence, même si les gens ont un besoin urgent d'aide. Les drones autonomes offrent-ils une solution ?
Les drones sont très utiles et sont déjà parfois déployés après des catastrophes. Malheureusement, cependant, la plupart nécessitent un pilote humain pour faire fonctionner l'aéronef sans pilote télécommandé. Cela limite la vitesse à laquelle les sauveteurs peuvent fouiller toute une zone touchée, et cela peut donc prendre plus de temps avant que les victimes ne soient efficacement aidées.
Les drones autonomes pourraient rechercher plus rapidement une zone plus vaste, mais ne seraient efficaces que s'ils pouvaient identifier indépendamment les personnes dans le besoin. À l'Université de Dayton dans l'Ohio (États-Unis), ils travaillent sur un système qui peut aider à identifier les personnes ou les animaux - en particulier ceux piégés dans les décombres ou les débris. La technologie imite le comportement d'un sauveteur humain :le système explore de vastes zones à un rythme assez rapide, puis sélectionne quelques régions spécifiques à inspecter plus en profondeur.
Les zones sinistrées sont souvent jonchées d'arbres tombés, de bâtiments effondrés, de routes endommagées et d'autres débris, ce qui peut compliquer la localisation des personnes dans le besoin.
L'équipe de recherche a développé un système basé sur des réseaux de neurones artificiels qui peuvent être installés sur l'ordinateur d'un drone. Ce système reflète plusieurs aspects de l'excellent fonctionnement de la vision humaine. Il analyse les images capturées par la caméra du drone et transmet les informations les plus importantes aux superviseurs humains.
Avant tout, le système traite les images pour améliorer leur clarté. Tout comme les gens serrent les yeux pour ajuster leur mise au point, cette technologie localise les zones sombres d'un paysage et éclaircit automatiquement les images. Si les images sont trop floues ou brumeuses, le système les qualifie de « surexposées ». Dans ce cas, la luminosité sera réduite afin que l'environnement soit plus clairement visible.
Dans un environnement pluvieux, le cerveau humain utilise une brillante stratégie pour voir clair. En se concentrant sur les parties d'un paysage qui ne bougent pas - et celles qui bougent, comme les gouttes de pluie - les gens peuvent voir assez bien quand il pleut. La technologie des chercheurs utilise la même technique :chaque emplacement est scanné en continu avec une série d'images afin d'obtenir des informations claires sur les différents objets qui s'y trouvent.
De plus, les chercheurs ont également développé une technologie qui peut rendre les images prises par un drone plus grandes, plus claires et plus légères. En agrandissant une image, les humains et les algorithmes peuvent reconnaître plus clairement les caractéristiques les plus importantes d'une image.
Le système peut reconnaître des personnes dans différentes positions, par exemple allongées sur le ventre ou recroquevillées en boule, même sous différents angles et dans des conditions d'éclairage variables.
Le cerveau humain peut voir un objet sous un certain angle, puis imaginer à quoi il ressemblerait sous d'autres angles. Lorsque la police distribue un message de recherche, il contient généralement également une photo, par exemple. On sait que les gens se forment une image en trois dimensions de ce à quoi ressemble cette personne et qu'ils la reconnaîtront de toute façon dans la rue, même s'ils ne voient pas exactement la même image que sur la photo. Les chercheurs ont intégré cette stratégie dans le système en calculant des modèles humains en trois dimensions, à la fois des formes humaines en général et des projections plus détaillées d'individus spécifiques. Ces modèles sont utilisés pour rechercher des similitudes lorsqu'une personne apparaît à l'écran.
Les chercheurs ont également réussi à trouver un moyen de reconnaître des parties d'un objet, sans que l'ensemble ne soit visible. Le système peut être entraîné à reconnaître et à localiser une jambe qui dépasse des décombres, une main agitant au loin ou une tête qui dépasse d'un tas de bois. Il est capable de distinguer une personne ou un animal d'un arbre, d'un arbuste ou d'un véhicule.
Lors du premier balayage du paysage, le système imite l'approche d'un éclaireur aéroporté. Il inspecte le terrain pour identifier d'éventuels objets ou zones importants, puis procède à leur analyse plus approfondie. Par exemple, un pilote à la recherche d'un camion depuis les airs accordera normalement moins d'attention aux lacs, étangs, terres agricoles et terrains de jeux, car vous n'y voyez généralement pas de camions. La technologie autonome applique la même stratégie pour limiter la zone de recherche aux zones les plus importantes d'un paysage.
Le système examine ensuite chaque zone sélectionnée pour obtenir des informations sur la forme, la structure et la texture des objets dans la région. Lorsqu'il détecte certains traits qui correspondent à une personne ou à une partie d'une personne, le système le marque comme emplacement de la victime.
Le drone collecte également des données GPS sur sa position et sait à quelle distance se trouve la victime des autres objets de la séquence. Avec ces informations, le système peut calculer l'emplacement exact de la personne dans le besoin et avertir immédiatement les services d'urgence.
Tout ce processus - prendre des images, les éditer pour une visibilité optimale et les analyser pour trouver des personnes cachées ou piégées - ne prend qu'un cinquième de seconde sur les ordinateurs des drones équipés d'une caméra HR.
L'armée américaine a déjà manifesté son intérêt pour cette technologie, les chercheurs travaillant avec elle pour retrouver les victimes sur un champ de bataille. De plus, le système a déjà été adapté pour aider les services publics à détecter les dommages aux pipelines causés par des structures ou des véhicules. En outre, les services publics sont également intéressés par la détection de nouvelles structures ou bâtiments à proximité du réseau de canalisations. Ces groupes et bien d'autres s'intéressent à ce type de technologie qui imite le fonctionnement des yeux humains, en particulier pour détecter des objets dans des endroits que nous, les humains, ne pouvons pas atteindre.
Traduction :Nikita Vanboterdael
