Retour

Algolux, améliorer les réflexes des voitures sans conducteur

D'ici quelques années, les voitures sans conducteur seront sur nos routes. Afin d'égaler les réflexes humains, ces véhicules devront avoir une reconnaissance vidéo à toute épreuve, soutenue par un système de 8 à 10 caméras. L'entreprise montréalaise Algolux développe cette technologie fondée sur la vision par ordinateur et l'apprentissage profond.

Un texte de Thomas Lafontaine

Le nombre d’appareils utilisant la reconnaissance vidéo a explosé au cours des dernières années. Des véhicules sont désormais équipés de caméras détectant les collisions imminentes lorsqu’ils sont en marche arrière. Certains réfrigérateurs intelligents peuvent, quant à eux, détecter la fin prochaine de votre douzaine d’œufs, et envoyer une notification pour vous en informer.

La performance de ces appareils demeure toutefois limitée. Leur reconnaissance optique, une fois calibrée par l’humain à partir de centaines de paramètres, ne peut s’adapter à toutes les situations. Or, quand il s’agit d’appareils devant prendre rapidement des décisions critiques, il n’y a pas de place pour l'erreur.

C’est à ce défi que s’est attaqué Algolux, une jeune pousse créée en 2014 et située dans le quartier Pointe-Saint-Charles, à Montréal. L’équipe de 14 personnes travaille à rendre « intelligente » la configuration des paramètres optiques. Leur solution, une technologie nommée CRISP-ML, repose sur l’apprentissage profond, une forme d’intelligence artificielle qui ressemble le plus au fonctionnement du cerveau humain.

Selon le PDG d’Algolux, Allan Benchetrit, cette automatisation permettra une meilleure reconnaissance vidéo, mais également des économies importantes pour les entreprises utilisant les caméras vidéo.

La vision de la machine, différente de celle de l’humain

Le travail de configuration est d’autant plus difficile que les processeurs d’images traditionnels utilisés pour la vision humaine sont inadéquats pour les ordinateurs.

« Les images produites pour l’œil humain demeurent difficiles à reconnaître pour l’ordinateur, puisque ces images contiennent moins de données », précise Benchetrit. Ces images peuvent apparaître floues, mais ce flou est nécessaire pour permettre à la machine de reconnaître très rapidement, par exemple, une tasse de café parmi les dizaines ou centaines de milliers de photos de tasses de café qu’elle a en mémoire.

« Là où l’humain préfère une qualité d’image aux contrastes forts et aux couleurs nettes, l’ordinateur préfère une qualité d’image qui lui permettra de distinguer un panneau d'arrêt d’un panier de basketball », résume Benchetrit.

Un processus d’incubation distinct

Algolux (« algo » pour algorithme, « lux » pour lumière) est née d’un partenariat avec l’incubateur TandemLaunch, l’un des rares incubateurs dont la démarche consiste à « incuber » non pas de jeunes entreprises, mais plutôt des technologies.

Le produit développé par Algolux, CRISP-ML (computationally reconfigurable imaging signal - machine-learning), fait l’objet de 6 à 12 brevets, déposés ou sur le point d’être déposés. Il s’adresse pour le moment au marché de l’automobile et profite de conditions favorables, selon Allan Benchetrit.

« Nous n’avons aucun concurrent sur le marché. C’est super, tant qu’on est capables de capitaliser là-dessus. »

Il ne sera pas possible pour les individus d’acheter CRISP-ML, car le produit est un outil utilisé par les ingénieurs optiques dans les étapes qui précèdent la fabrication de caméras.

Gageons toutefois que, dans quelques années, lorsque vous apercevrez une voiture autonome sur une route, vous saurez que ses caméras sauront bien reconnaître l’espace environnant grâce à la technologie d’Algolux.

Plus d'articles

Commentaires

Vidéo du jour


Une caméra de sécurité montre quelque chose d'extraordinaire





Rabais de la semaine