Mon sujet de thèse
Je travaille à l’élaboration d’un programme capable d’analyser les images filmées par un drone pour en déduire la présence et la distance d’obstacles potentiels puis de rectifier la trajectoire du drone pour éviter ces obstacles tout en conservant une bonne qualité de vidéo.
Il y a deux méthodes géométriques pour évaluer la distance d’un objet. Soit on dispose de deux images prises simultanément mais avec un décalage spatial comme dans la vision humaine, soit on prend deux images à deux moments différents et on utilise la trajectoire du drone pour remonter à un semblant de vision stéréo.
Des logiciels permettant d’éviter des obstacles existent déjà mais ils ne sont pas très précis sur les distances et limitent donc la vitesse des drones.
Notre but est d’améliorer la sécurité de pilotage en perfectionnant l’anticipation des rencontres d’obstacles tout en planifiant plus en amont les évitements pour minimiser leur impact sur la qualité des vidéos.
Ceci est rendu possible par les impressionnantes capacités des réseaux neuronaux qui sont capables de repérer les zones de l’image correspondant à un même objet physique. Ceci permet alors de faciliter l’évaluation de la distance de ces objets vis-à-vis du drone.
Nous cherchons maintenant à généraliser notre approche dans les cas où la caméra est en rotation entre les prises de vue, ce qui complique considérablement la situation et qui reste trop complexe pour les réseaux neuronaux.
Le domaine des réseaux neuronaux est aujourd’hui en telle effervescence que les publications de 2015 peuvent être quasiment considérées comme obsolètes. Il faut toujours être à l’affût des nouveautés et être capable de changer rapidement de méthode pour mettre à l’épreuve les dernières avancées. C’est une recherche très incrémentale, mais qui peut basculer à tout moment vers un changement radical de méthodes.
Une approche originale
Nous avons appliqué les méthodes d’apprentissage de réseaux neuronaux au problème de la vision d’obstacles, en fournissant au réseau de neurones deux images au lieu d’une, avec une distance variable entre les prises de vue de ces images.
On a obtenu de très bons résultats car le réseau de neurones est très efficace pour déterminer le contexte d’une image et, à partir de ce contexte, de mieux appréhender les obstacles. Sans que nous ayons donné au réseau d’indications géométriques, on observe que le réseau arrive à faire de la géométrie, par lui-même.
Des difficultés à surmonter
Le seul capteur que nous pouvons utiliser pour l’évaluation des distances est la caméra du drone que l’utilisateur utilise aussi pour filmer.
Il s’agit d’une limitation forte. Cela serait plus simple si nous avions des capteurs spécifiques à l’évitement d’obstacles.
Pourquoi m’être inscrit à « Ma thèse en 180 secondes »
Pour pouvoir expliquer ma thèse à mes parents ! C’est aussi un bon moyen d’obtenir de la visibilité, mais je considère surtout ce concours comme une très bonne formation.
J’ai du mal à rester concis dans mes explications et je pars souvent trop loin dans des détails. J’ai appris à mieux hiérarchiser les informations et à mieux identifier l’essentiel.
Ça me permet, même en dehors de la contrainte de concision du concours, d’avoir un discours plus synthétique et plus clair.