L’Université PRINCETON a développé un nouveau type de système de sécurité qui permet aux voitures de détecter les usagers de la route vulnérables même s’ils se trouvent dans un virage sans visibilité.
Le nouveau système utilise un radar Doppler, qui fait rebondir les ondes radio sur les surfaces des bâtiments et d’autres objets sur la route. Lorsque le signal rebondit sur les bâtiments, par exemple dans une ville de zone bâtie, l’unité de contrôle informatique peut alors créer une image de l’environnement du véhicule, l’aidant à détecter les usagers de la route vulnérables. L’image que le système peut créer est si avancée qu’il peut même détecter si l’objet hors de vue est en mouvement ou immobile.
Le système a déjà été utilisé pour détecter les vélos, ce qui signifie qu’il devrait, compte tenu de leur taille et de leur masse plus importantes, être également capable de détecter les motos.
Le nouveau système de détection pourrait également être installé sur un vélo, lui permettant de détecter d’autres usagers de la route autrement cachés, des vélos, des piétons, d’autres motos ou même des chevaux.
Le professeur Felix Heide, professeur adjoint d’informatique à l’université, affirme que le système a des ramifications pour la sécurité des motocyclistes.
« Nous avons déjà testé avec succès des cyclistes, de sorte que les motocyclistes et les conducteurs de scooters seront également faciles à détecter par notre système », dit-il.
« Cette [system] permettra aux voitures de voir les objets occlus que les capteurs lidar et de caméra d’aujourd’hui ne peuvent pas enregistrer, par exemple, permettant à un véhicule autonome de voir autour d’une intersection dangereuse », explique Felix.
« Les capteurs radar sont également relativement peu coûteux, en particulier par rapport aux capteurs lidar, et s’adaptent à la production de masse. »
Fangyin Wei, l’un des principaux auteurs de l’étude, explique que l’ordinateur exécutant le système a dû apprendre à reconnaître les cyclistes et les piétons à partir d’une quantité très limitée de données.
«Nous devons d’abord détecter s’il y a quelque chose. S’il y a quelque chose, est-ce important? Est-ce un cycliste ou un piéton ? » elle dit. « Ensuite, nous devons le localiser. »