Clément Nouvel est responsable LiDAR chez Valeo. Il a expliqué à Techniques de l’Ingénieur la stratégie du groupe français autour de la technologie LiDAR. Une stratégie qui a vu Valeo développer des capteurs LiDAR depuis plus de dix ans, pour atteindre aujourd’hui un statut de leader mondial sur cette technologie.

Une avance qui permet au groupe de se projeter avec confiance sur les prochaines étapes du développement du véhicule autonome, alors que les premiers véhicules de niveau 3 arrivent sur le marché.

Techniques de l’Ingénieur : Valeo est un acteur historique sur le marché des capteurs pour l’automobile. Pouvez-vous revenir sur cette histoire ?

Clément Nouvel : Le développement industriel de capteurs d’assistance à la conduite pour équiper les véhicules a commencé dans les années 90, et Valeo était déjà leader sur ce marché à cette époque, avec le développement de capteurs à ultrasons, dont la finalité était un rôle d’avertissement du conducteur pour les manœuvres de stationnement.

Aujourd’hui nous avons produit plus d’un milliard de ces capteurs, qui permettent au conducteur d’être averti lorsque son véhicule suit une trajectoire se rapprochant dangereusement d’un obstacle.

Depuis, d’autres types de capteurs sont venus progressivement enrichir notre portefeuille de technologies pour une compréhension toujours plus complète de l’environnement du véhicule, comprenant capteurs ultrasons, caméras, radars et LiDARS, et améliorer toujours plus la sécurité.

Valeo a été le premier à proposer, grâce à ses capteurs, des systèmes d’alerte de de franchissement de ligne et systèmes de détection d’angle mort. Ces technologies sont venues s’ajouter au fur et à mesure pour s’intégrer de manière sûre au fonctionnement du véhicule, avec l’objectif d’informer et d’assister le conducteur dans sa tâche. Tout cela s’est fait de manière très progressive. Aujourd’hui, ces systèmes réglementés sont capables de prendre la main sur le véhicule dans certains cas spécifiques pour intervenir. C’est le cas pour le freinage d’urgence par exemple.

Pourquoi ces technologies sont-elles complémentaires ?

Chaque technologie de capteurs a ses avantages. Le capteur à ultrasons est par exemple bien adapté pour la courte portée. Il est, de plus, petit et peu cher. Il est donc possible d’en installer un peu partout sur le véhicule, pour apporter une aide au parking par exemple.

La caméra a une bonne résolution, peut voir en couleur, et est également peu chère, donc facile à installer dans les véhicules. D’ailleurs, peu de gens le savent, mais dès l’année prochaine quasiment tous les nouveaux véhicules auront une caméra frontale.

Le radar, via l’effet Doppler, permet de capter des informations à travers du brouillard, ou quand les conditions de luminosité sont très mauvaises. Ces technologies sont donc toutes complémentaires, et le LiDAR vient ajouter des avantages supplémentaires par sa portée et sa capacité à capter l’environnement en 3D avec une grande précision de jour comme de nuit, avec une capacité à voir les détails sans équivalent chez les autres types de capteurs.

Pour arriver au véhicule autonome, il faudra utiliser l’ensemble de ces technologies, qui offrent également une redondance de l’information, ce qui permet d’assurer un niveau de sécurité optimal.

Le LiDAR est-il aujourd’hui un outil technologique pour le développement des véhicules autonomes ?

Le LiDAR est une technologie indispensable pour atteindre le niveau 3 d’autonomie et présente également des avantages à des niveaux d’autonomie inférieurs, en particulier le niveau 2. Quand on importe une technologie venant d’un autre secteur industriel, il y a un temps de maturation, de convergence pour développer des applications technologiques robustes, performantes, et les moins chères possible.

Sur ce point, Valeo est en position de leadership, puisque nous avons entamé cette réflexion autour de la maturation du LiDAR pour les véhicules il y a plus de dix ans. La question qui peut se poser aujourd’hui est plutôt de savoir quand le LiDAR sera à un niveau de prix et de performance optimums. Sur ce dernier point, Valeo se place également en leader, puisqu’en produisant de gros volumes, nous développons aujourd’hui les Lidars les moins chers et les plus compétitifs du marché. C’est un domaine sur lequel nous avons un leadership important.

Ce leadership vous place-t-il dans une situation favorable dans la course au véhicule autonome ?

Oui, il est évident que cela constitue un avantage. Mais cette position de leader se reflète déjà aujourd’hui à travers la sortie du premier modèle – développé par Honda – de véhicule autonome de niveau 3, qui est équipé de cinq SCALA 1, nos capteurs LiDARs première génération. Le second modèle de niveau 3, présenté il y a quelques semaines à l’IAA de Munich, est le Classe S de Mercedes : il est équipé des capteurs LiDARs Valeo deuxième génération. A travers ces réussites s’est révélée une capacité, acquise progressivement, à adapter nos technologies aux différents cas d’usages liés au niveau 3 d’autonomie. Nous avons aujourd’hui cette capacité de présenter à nos clients des produits très compétitifs, et qui sont également développés et utilisés depuis dix ans par d’autres constructeurs. Toute cette expérience acquise et ce savoir-faire sont des atouts fondamentaux. Aujourd’hui, nous sommes par exemple en mesure de fournir des informations extrêmement précises sur le comportement de nos capteurs sur les routes de différents pays, grâce à l’expérience que nous avons accumulée. Cela a une valeur importante auprès de nos potentiels clients.

A la fin de l’année, notre seconde génération de LiDAR sera montée en série sur les modèles Classe S de Mercedes. Nous sommes les seuls acteurs dans ce cas.

Comment est appréhendé le développement des véhicules autonomes de niveau 4 ?

La marche pour passer du niveau 3 au niveau 4 est très haute. Nous avons pris de l’avance sur le niveau 3. Il faut savoir qu’aujourd’hui, le niveau 3 tel qu’il existe par exemple au Japon et tel qu’il sera bientôt implémenté dans d’autres pays, correspond pour les véhicules à une vitesse d’embouteillage. Pour passer au niveau 4, il va falloir augmenter le nombre de LiDARs dans chaque véhicule. En termes de complexité, c’est exponentiel entre les niveaux 3 et 4, mais il est certain que notre expertise du niveau 3 nous servira beaucoup pour les prochaines étapes.

Les véhicules de niveau 3 qui sortent sur le marché cette année sont dotés des trois types de capteurs que nous avons évoqués, mais également d’une connectivité et d’une cartographie qui vont s’ajouter progressivement à l’infrastructure du véhicule autonome.

Il est évident qu’il faudra au fur et à mesure mettre en place une standardisation de tous ces systèmes. Pour autant, le déploiement massif dans les véhicules de technologies utilisant les capteurs, la cartographie et la connectivité est d’ores et déjà en cours, avec l’utilisation par exemple de cartes HD pour la cartographie qui vont communiquer avec les capteurs. D’ailleurs, nous avons présenté à l’IAA de Munich cette année, un modèle Drive4U ayant un niveau 4 d’autonomie, tout en étant équipé intégralement de capteurs de série déjà sur le marché. Il y a donc une marge de manœuvre très large en termes d’innovations, même au-delà de la connectivité et de la cartographie.

Aussi, la production de capteurs à grande échelle va bien sûr favoriser le développement des véhicules autonomes pour tous les acteurs de ce secteur.

Pouvez-vous nous parler de l’usine de Wemding en Allemagne, dans laquelle ont été développés les processus de production de vos capteurs LiDAR ?

L’usine de Wemding est l’usine mère des capteurs d’assistance à la conduite chez Valeo. Elle produit des LiDARs, des caméras, des radars, des capteurs à ultrasons… cette usine est importante car c’est elle qui nous permet de produire des capteurs à grande échelle et donc à un coût réduit. C’est aussi une usine extrêmement avancée en termes d’automatisation.

Ensuite, pour en revenir au LiDAR, il s’agit d’une technologie complexe : pour produire des LiDARs en série, il faut parvenir à simplifier et à maîtriser des process et des technologies au maximum. C’est ce que nous sommes parvenus à faire sur notre site de Wemding, progressivement. Ce savoir-faire développé à Wemding est ensuite exporté vers nos autres usines de production. C’est un avantage concurrentiel très important, puisque nous sommes les seuls fournisseurs sur le marché à avoir intégré la production de Lidars en série. Nous en sommes à la seconde génération, alors qu’aucun de nos concurrents n’a mis sa première en production de série pour le moment.

Propos recueillis par Pierre Thouverez

Image du Une : Capteur produit à l’usine de Wemding ©Valeo

Les informations fournies à partir des données LiDAR par la start-up Outsight correspondent aux exigences spécifiques du véhicule autonome.

Raul Bravo, président et fondateur d’Outsight, a expliqué à Techniques de l’Ingénieur en quoi tout le potentiel autour du LiDAR ne serait pas totalement exploité aujourd’hui.

Techniques de l’Ingénieur : Pourriez-vous revenir sur la genèse de la start-up Outsight ?

Raul Bravo : Outsight est issu d’une société, Dibotics, qui à l’époque de l’émergence des capteurs LiDAR était en pointe en matière de traitement des données en temps réel, notamment pour les navettes autonomes. Dibotics produisait alors des algorithmes pour traiter ce type de données. Outsight a intégré Dibotics pour “productiser” ces algorithmes [en faire un produit commercial acceptable, NDLR.] et en faire des outils facilement utilisables.

Outsight a donc pour mission de faire en sorte que le traitement des données LiDAR en temps réel de Dibotics soit facilement utilisable et intégrable, pour être installé dans n’importe quel produit, que ce soit un véhicule autonome, un robot ou une machine industrielle…

Ce n’est pas encore le cas aujourd’hui ?

Non, ce n’est pas le cas. Les données transmises par un capteur LiDAR sont très différentes de celles que l’on obtient en utilisant une caméra. En effet, une caméra est un capteur passif, c’est-à-dire qu’elle fonctionne avec la lumière qu’elle reçoit. Nous disposons aujourd’hui de capteurs ayant une résolution très importante, ils sont d’ailleurs présents dans tous nos smartphones.

Le LiDAR est lui un capteur actif, il génère de la lumière. C’est ce qui l’empêche de proposer une résolution aussi importante que les caméras.

Par contre le LiDAR apporte quelque chose qui le rend intéressant et que la caméra ne propose pas : la 3D. La 3D va permettre de voir des volumes, de distinguer des objets, ce qui est fondamental, par exemple dans le cas du développement des véhicules autonomes. Prenons un exemple : une caméra va pouvoir repérer un individu situé autour d’un véhicule, mais ne pourra pas donner d’information précise sur son emplacement exact. Or, la précision de ce type d’information est une des clés pour développer des véhicules autonomes fiables et sûrs.

Cet aspect spatial des données est crucial, pour le véhicule autonome mais également dans beaucoup d’autres domaines. C’est ce qui rend le LiDAR si intéressant.

Comment traitez-vous ces données LiDAR ?

Ce sont des données extrêmement complexes à traiter. C’est la mission d’Outsight de travailler sur ces données pour les rendre plus accessibles. Elles sont par nature éparses, il nous faut donc développer des moyens d’en tirer tout le potentiel, et en extraire l’information dont on a besoin : S’il y a un individu en amont du véhicule : est-il sur le trottoir, sur la route, faut-il freiner, changer de trajectoire… nous devons être en mesure de fournir de manière fiable les données menant à ces actions.

Et Outsight est-il en mesure de fournir ces informations à l’heure actuelle ?

Nous avons mené des tests de détection d’objets. Sur l’image ci-dessous, on voit à gauche les informations que fournit le LiDAR, et à droite l’exploitation que nous en faisons en temps-réel. Le but est de distinguer un pneu se situant une centaine de mètres devant le véhicule.

Sur l’image de gauche, il est impossible de distinguer le pneu. Sa présence au-dessus de la flèche bleue est caractérisée par une petite rupture d’onde.

Il est par contre clairement identifié sur l’image de droite, devant la voiture, en trois dimensions.

C’est une illustration des travaux que nous menons. Sous les images, on voit deux graphes indiquant combien de fois le LiDAR touche l’obstacle au fur et à mesure qu’il s’approche du pneu. En générant une “super résolution”, nous arrivons à cumuler l’information dont nous disposons, un peu comme le fait un humain avec ses yeux en se rappelant de ce qu’il a vu quelques instants auparavant, mais pas une caméra, qui elle ne fournit que des images instantanées.

Concrètement, la caméra ne propose ni plus ni moins qu’une succession de photos s’enchaînant rapidement. Ainsi, les logiciels de traitement de vidéos traitent en fait chaque image de la vidéo, l’une après l’autre. Les données transmises par le LiDAR étant d’une résolution limitée, de nombreux acteurs du marché ont abandonné l’idée de traiter les données LiDAR comme on traiterait une vidéo, arguant que le LiDAR est trop cher et pas assez performant. Nous pensons chez Outsight que les informations fournies par le LiDAR permettent aujourd’hui d’obtenir des résultats et une résolution suffisantes pour les besoins du véhicule autonome. L’idée est d’exploiter au maximum toutes les données que nous fournissent le LiDAR.

La technologie LiDAR n’est donc pas exploitée aujourd’hui au maximum ?

En effet. Disons qu’il ne faut pas écarter une technologie tant qu’on ne l’a pas exploitée au maximum. Nous entendons autour de nous que le LiDAR est une technologie qui n’est pas encore mûre… nous ne sommes pas d’accord et nous pensons qu’aujourd’hui le LiDAR n’est pas exploité comme il pourrait l’être.

Sur le véhicule autonome, y a-t-il un intérêt à combiner les spécificités des différents capteurs pour obtenir un résultat le plus fiable possible ?

Il y a deux raisons principales pour lesquelles on peut chercher à combiner différents capteurs. D’abord, on peut combiner des capteurs parce que chaque capteur a des imperfections. Par exemple, les caméras ne fonctionnent pas quand il n’y a pas de lumière, il faut donc un capteur complémentaire pour étendre l’aspect “vision” du véhicule en conditions nocturnes.

Ensuite, il y a l’épineuse question de la sécurité : si un capteur nous dit qu’il n’y a pas d’obstacle devant lui, il faut un second capteur qui confirme l’analyse du premier. C’est un principe de redondance, qui est même parfois étendu à trois capteurs, dans le cas où les deux premiers capteurs ne sont pas d’accord. Ces trois capteurs sont en général un LiDAR, un radar et une caméra, qui sont trois technologies très complémentaires les unes par rapport aux autres, puisqu’elles perçoivent toutes trois leur environnement de manière différente.

La problématique est donc de développer une complémentarité entre les technologies pour rendre le véhicule autonome fiable ?

Dans l’absolu oui, mais ce n’est malheureusement pas aussi simple que cela. Avant de parler de complémentarité des capteurs, il faut d’abord résoudre d’autres problématiques. Par exemple, quand on se penche sur le repérage d’objets qui se situeraient sur la trajectoire de la voiture, il faut être certain que les différents capteurs repèrent et se réfèrent bien aux mêmes objets. Sans quoi la complémentarité n’existe pas. Il faut donc des référentiels spatiaux et temporels communs. C’est ce que nous proposons avec notre logiciel via l’analyse en temps réel des informations. Cela permet de mettre en place un référentiel commun, pour favoriser le développement de cette complémentarité dans un cadre précis.

Quand-est ce que vous pensez voir un véhicule autonome évoluer librement en ville ?

Je peux vous dire précisément quand le véhicule autonome sera prêt, je peux vous dire dans quel environnement évoluera ce véhicule, mais je suis aujourd’hui incapable de vous donner ces deux informations en même temps ! Aujourd’hui il reste encore de nombreuses problématiques d’une extrême complexité, des infrastructures et une régulation efficace à mettre en place… cela va prendre un certain temps.

Propos recueillis par Pierre Thouverez

Image de une : Image obtenue grâce aux données LiDAR ©Outsight