Guillaume Rolland
Des chercheurs de l’Université de l’Illinois à Urbana-Champaign ont développé une nouvelle méthode de géolocalisation sous-maritime à l’aide de réseaux de neurones profonds qui ont été formés sur 10 millions d’images sensibles à la polarisation collectées dans le monde entier. Cette nouvelle étude, dirigée par le professeur de génie électrique et informatique Viktor Gruev, ainsi que le professeur d’informatique David Forsyth, permet la géolocalisation sous-maritime en utilisant uniquement des données optiques tout en fournissant un outil de navigation sous-maritime sans fil.
Ces résultats ont été récemment publiés dans la revue eLight.
“Nous montrons pour la première fois, vous pouvez vous géolocaliser, ou une caméra, dans un sure nombre de ailments différentes, que ce soit dans les eaux océaniques ouvertes, les eaux claires ou les eaux à faible visibilité, le jour, la nuit ou en profondeur”, dit Gruev. “Une fois que vous avez une idée de l’endroit où vous vous trouvez, vous pouvez commencer à explorer et à utiliser ces informations pour mieux comprendre le monde sous-marin ou même la façon dont les animaux naviguent.”
Gruev explique que l’un des principaux défis de la navigation sous-maritime et de la géolocalisation est que les signaux GPS ne peuvent pas pénétrer dans l’eau – ils rebondissent sur la surface. “Nous sommes aveugles en termes de signaux GPS sous l’eau. Nous devons utiliser différents moyens et différentes technologies pour géolocaliser sous l’eau.”
La norme actuelle de géolocalisation utilise des informations acoustiques, principalement obtenues par la technologie sonar. Cela fonctionne en déployant de nombreuses petites balises sonar qui envoient des signaux qui sont triangulés pour localiser un objet sous l’eau. Le problème, cependant, est que le sonar ne fonctionne que dans une petite zone définie, tout en étant également limité par sa précision.
Une autre méthode actuellement utilisée consiste à utiliser des submersibles qui sont attachés à un navire plus grand au-dessus de la surface qui a un signal GPS. Bien que le submersible puisse manœuvrer un peu, il est finalement limité par le mouvement du navire.
“C’est un problème incroyablement difficile d’avoir un véhicule sous-marin en mouvement libre. La façon dont nous résolvons ce problème est de développer des caméras spécialisées et des algorithmes d’apprentissage automatique. En combinant ceux-ci, nous pouvons réellement déterminer l’emplacement du soleil et c’est là que la polarisation l’imagerie entre en jeu.” –Victor Gruev
Les ondes lumineuses du soleil se déplacent dans toutes les directions, elles ne sont pas polarisées. Lorsque ces ondes traversent un filtre, comme la floor de l’eau, elles sont obligées de se déplacer dans une seule path – la lumière a été polarisée. Les modèles de polarisation sont le résultat de la transmission de la lumière de l’air à l’eau et de la diffusion par les molécules d’eau et d’autres particules. Les modèles sous-marins changent tout au extended de la journée et dépendent de l’emplacement de l’observateur et du soleil. En analysant ces modèles avec des informations précises sur la day et l’heure, il est alors doable de déterminer l’emplacement.
L’équipe a collecté environ 10 tens of millions d’images avec une caméra sous-marine et une lentille omnidirectionnelle able d’enregistrer les schémas de polarisation de quatre sites : un lac d’eau douce à Champaign, IL (visibilité d’environ, 3 m), les eaux marines côtières de Florida Vital, FL (visibilité d’environ, 5-3 m), de l’eau de mer dans la baie de Tampa, FL (visibilité d’environ, 5 m) et un lac d’eau douce à Ohrid, Macédoine du Nord (visibilité supérieure à 10 m). Les photos ont été prises dans une variété de situations (eaux claires ou eaux troubles), de profondeurs et d’heures de la journée, même la nuit lorsque l’intensité de la lumière sous-marine est nettement plus faible.
“Nous pensons que la vie est terne si nous ne pouvons rien voir, si nous ne pouvons pas voir les mains devant nous. Mais si nous pouvons voir les propriétés de polarisation de la lumière, nous pouvons nous géolocaliser, même dans les eaux boueuses. Et en fait, la vie est assez riche en termes de polarisation », dit Gruev.
Ces illustrations or photos ont ensuite été transmises à un système d’apprentissage et le système a été ajusté jusqu’à ce qu’il donne un emplacement précis.” L’utilisation de ces strategies d’apprentissage automatique a permis d’améliorer la précision de localisation à 40-50 km, avec la possibilité d’améliorer encore as well as la précision.
Les récents efforts de recherche et de sauvetage du submersible OceanGate Titan ont mis en évidence le besoin de capacités de géolocalisation précises. Afin de localiser le submersible à n’importe quelle profondeur probable, les efforts ont été répartis en deux régions distinctes, près de la area de l’océan et près du fond marin, en raison des limites de la technologie actuelle. Les efforts en eaux profondes sont beaucoup additionally difficiles que les opérations près de la area, qui ont furthermore d’options technologiques et reposent principalement sur le sonar. Non seulement le sonar n’est pas fiable sur une grande surface, mais il crée aussi souvent des échos qui masquent l’emplacement précis d’un objet. Gruev a déclaré : “Cette technologie d’imagerie par polarisation permettra à de additionally petits robots autonomes de parcourir les 200 à 300 premiers mètres où la lumière pénètre dans l’eau et où notre technologie fonctionne très bien et peut aider lors des missions de recherche et de sauvetage.”
“Il est difficile de comprendre à quel level les océans sont grands, combien d’eau il y a, à quelle distance de tout ce que vous pouvez être et à quel issue il est difficile de trouver quoi que ce soit là-bas. Le plus gros problème technologique, jusqu’au début du 19e siècle, c’était simplement savoir où l’on se trouvait en mer. Et ça reste vraiment, vraiment difficile.” –David Forsyth
Viktor Gruev est également affilié au Beckman Institute for Innovative Science and Technological innovation, au Section of Bioengineering et au Carle Illinois School of Drugs de l’UIUC.
Parmi les autres contributeurs à ce travail figurent Xiaoyang Bai (Département de génie électrique et informatique de l’UIUC), Zuodong Liang (Département de génie électrique et informatique de l’UIUC), Zhongmin Zhu (Département de génie électrique et informatique de l’UIUC) et Alexander Schwing (Département de Génie électrique et informatique et Département d’informatique à l’UIUC).
Cette recherche a été financée par l’Office of Naval Study et l’US Air Pressure Place of work of Scientific Investigate.
