Des chercheurs du MIT ont développé un système capable de produire des images d'objets enveloppés d'un brouillard si épais que la vision humaine ne peut pas le pénétrer. Il peut également mesurer la distance des objets.

Une incapacité à gérer des conditions de conduite brumeuses a été l'un des principaux obstacles au développement de systèmes de navigation pour véhicules autonomes utilisant la lumière visible, qui sont préférables aux systèmes radar pour leur haute résolution et leur capacité à lire les panneaux de signalisation et les marqueurs de voie. Donc, le système MIT pourrait être une étape cruciale vers les voitures autonomes.

Les chercheurs ont testé le système à l'aide d'un petit réservoir d'eau avec le moteur vibrant d'un humidificateur immergé dedans. Dans un brouillard si dense que la vision humaine ne pouvait pénétrer que 36 centimètres, le système était capable de résoudre des images d'objets et d'évaluer leur profondeur à une distance de 57 centimètres.

Cinquante-sept centimètres n'est pas une grande distance, mais le brouillard produit pour l'étude est bien plus dense que tout ce qu'un conducteur humain aurait à affronter; dans le monde réel, un brouillard typique peut offrir une visibilité d'environ 30 à 50 mètres. Le point essentiel est que le système fonctionne mieux que la vision humaine, alors que la plupart des systèmes d'imagerie fonctionnent bien moins bien. Un système de navigation aussi bon qu'un conducteur humain pour conduire dans le brouillard serait une énorme avancée.

« J'ai décidé de relever le défi de développer un système capable de voir à travers le brouillard réel, " dit Guy Satat, un étudiant diplômé du MIT Media Lab, qui a dirigé la recherche. "Nous avons affaire à un brouillard réaliste, qui est dense, dynamique, et hétérogène. Il bouge et change constamment, avec des plaques de brouillard plus ou moins dense. D'autres méthodes ne sont pas conçues pour faire face à des scénarios aussi réalistes."

Satat et ses collègues décrivent leur système dans un article qu'ils présenteront à la Conférence internationale sur la photographie informatique en mai. Satat est le premier auteur sur le papier, et il est rejoint par son directeur de thèse, professeur agrégé d'arts et sciences médiatiques Ramesh Raskar, et par Matthieu Tancik, qui était un étudiant diplômé en génie électrique et en informatique lorsque le travail a été fait.

Jouer les cotes

Comme de nombreux projets entrepris dans le Camera Culture Group de Raskar, le nouveau système utilise une caméra de temps de vol, qui tire des rafales ultracourtes de lumière laser dans une scène et mesure le temps qu'il faut à leurs réflexions pour revenir.

Un jour clair, le temps de retour de la lumière indique fidèlement les distances des objets qui l'ont réfléchie. Mais le brouillard fait que la lumière "se disperse, " ou rebondir de manière aléatoire. Par temps brumeux, la plupart de la lumière qui atteint le capteur de la caméra aura été réfléchie par des gouttelettes d'eau en suspension dans l'air, pas par les types d'objets que les véhicules autonomes doivent éviter. Et même la lumière réfléchie par les obstacles potentiels arrivera à des moments différents, ayant été déviés par des gouttelettes d'eau à l'aller comme au retour.

Le système MIT contourne ce problème en utilisant des statistiques. Les motifs produits par la lumière réfléchie par le brouillard varient en fonction de la densité du brouillard :En moyenne, la lumière pénètre moins profondément dans un brouillard épais que dans un brouillard léger. Mais les chercheurs du MIT ont pu montrer que, peu importe l'épaisseur du brouillard, les temps d'arrivée de la lumière réfléchie adhèrent à un modèle statistique connu sous le nom de distribution gamma.

Les distributions gamma sont un peu plus complexes que les distributions gaussiennes, les distributions communes qui donnent la courbe en cloche familière :elles peuvent être asymétriques, et ils peuvent prendre une plus grande variété de formes. Mais comme les distributions gaussiennes, ils sont complètement décrits par deux variables. Le système MIT estime les valeurs de ces variables à la volée et utilise la distribution résultante pour filtrer la réflexion du brouillard sur le signal lumineux qui atteint le capteur de la caméra de temps de vol.

Surtout, le système calcule une distribution gamma différente pour chacun des 1, 024 pixels dans le capteur. C'est pourquoi il est capable de gérer les variations de densité de brouillard qui ont déjoué les systèmes précédents :il peut gérer les circonstances dans lesquelles chaque pixel voit un type de brouillard différent.

Formes emblématiques

La caméra compte le nombre de particules lumineuses, ou photons, qui l'atteignent toutes les 56 picosecondes, ou des billions de seconde. Le système MIT utilise ces comptes bruts pour produire un histogramme, essentiellement un graphique à barres, avec les hauteurs des barres indiquant le nombre de photons pour chaque intervalle. Ensuite, il trouve la distribution gamma qui correspond le mieux à la forme du graphique à barres et soustrait simplement le nombre de photons associés des totaux mesurés. Ce qui reste, ce sont de légères pointes sur les distances qui sont en corrélation avec les obstacles physiques.

"Ce qui est bien, c'est que c'est assez simple, " dit Satat. " Si vous regardez le calcul et la méthode, ce n'est étonnamment pas complexe. Nous n'avons pas non plus besoin de connaissances préalables sur le brouillard et sa densité, ce qui l'aide à fonctionner dans un large éventail de conditions de brouillard."

Satat a testé le système à l'aide d'une chambre à brouillard d'un mètre de long. A l'intérieur de la chambre, il a monté des marqueurs de distance régulièrement espacés, qui a fourni une mesure approximative de la visibilité. Il a également placé une série de petits objets - une figurine en bois, blocs de bois, silhouettes de lettres - que le système était capable d'imager même lorsqu'elles étaient indiscernables à l'œil nu.

Il existe différentes manières de mesurer la visibilité, cependant :des objets de différentes couleurs et textures sont visibles à travers le brouillard à différentes distances. Donc, évaluer les performances du système, il a utilisé une métrique plus rigoureuse appelée profondeur optique, qui décrit la quantité de lumière qui pénètre dans le brouillard.

La profondeur optique est indépendante de la distance, ainsi, la performance du système sur le brouillard qui a une profondeur optique particulière à une distance de 1 mètre devrait être un bon prédicteur de sa performance sur le brouillard qui a la même profondeur optique à une distance de 30 mètres. En réalité, le système peut même mieux se comporter sur de plus longues distances, car les différences entre les temps d'arrivée des photons seront plus grandes, ce qui pourrait rendre les histogrammes plus précis.

« Le mauvais temps est l'un des principaux obstacles à surmonter pour la technologie de conduite autonome, " dit Srinivasa Narasimhan, professeur d'informatique à l'Université Carnegie Mellon. « Le travail innovant de Guy et Ramesh produit la meilleure amélioration de la visibilité que j'ai vue dans les longueurs d'onde visibles ou proches de l'infrarouge et a le potentiel d'être mis en œuvre sur les voitures très bientôt. »

Cette histoire est republiée avec l'aimable autorisation de MIT News (web.mit.edu/newsoffice/), un site populaire qui couvre l'actualité de la recherche du MIT, innovation et enseignement.