Un drone autonome développé en Autriche permet d’inspecter des infrastructures complexes à distance grâce à l’intelligence artificielle, à une caméra industrielle haute résolution et à une navigation relative sans faire appel aux systèmes GPS !

L’inspection des infrastructures critiques – pylônes électriques, installations industrielles, ponts – impose des contraintes techniques majeures. Les méthodes traditionnelles reposent sur des opérations manuelles à proximité immédiate des installations, dans des zones parfois inaccessibles ou à risques. Le recours à des drones autonomes ouvre une nouvelle voie vers des inspections plus sûres, plus répétables et plus efficaces, même en conditions difficiles.

Navigation sémantique embarquée pour l’inspection d’ouvrages complexes

Développé dans le cadre d’un projet financé par le ministère fédéral autrichien du climat et de la technologie, un drone quadricoptère expérimental a été conçu à l’université de Klagenfurt pour réaliser des vols d’inspection autour d’isolateurs de pylônes électriques. Contrairement aux systèmes reposant sur le GNSS (Global Navigation Satellite System), le prototype utilise une navigation relative aux objets détectés par vision. Le GNSS est un ensemble de systèmes satellitaires mondiaux (comme le GPS américain, Galileo européen ou GLONASS russe) permettant de déterminer une position géographique absolue. Si ces systèmes sont très efficaces en terrain dégagé, ils présentent des limites importantes près de grandes structures métalliques, dans des vallées encaissées ou des environnements industriels denses, où les signaux peuvent être dégradés par des phénomènes de réflexion ou d’occultation.

Le drone développé à Klagenfurt exploite une alternative plus robuste : la navigation sémantique basée sur l’analyse d’images à haute fréquence en temps réel. Chaque pixel capturé par la caméra est interprété non plus comme une simple valeur couleur, mais comme un élément associé à un objet technique identifié (par exemple, un isolateur). L’intelligence artificielle embarquée identifie les composants spécifiques, détermine leur position relative, et pilote le déplacement du drone autour de ces objets avec une précision sub‑décimétrique. Cela permet d’assurer des vols d’inspection à distance constante (ici trois mètres), avec une reproductibilité fiable entre plusieurs missions.

Intégration technique : capteurs industriels et traitement embarqué

Au cœur de l’architecture technique du drone se trouve une caméra industrielle USB3 Vision, modèle U3-3276LE C-HQ de la famille uEye LE. Compacte, légère et conçue pour l’environnement embarqué, elle intègre un capteur Sony Pregius IMX265 CMOS 1/1,8″ à obturateur global (global shutter), offrant une résolution native de 2064 × 1544 pixels (≈ 3,19 mégapixels) et une cadence pouvant atteindre 58 images par seconde. Ce type d’obturateur évite les artefacts visuels typiques des capteurs, notamment lors de mouvements rapides, ce qui est crucial pour l’analyse fiable d’images dynamiques en vol.

Les données issues de la caméra sont traitées à bord par un module NVIDIA Jetson Orin AGX (64 Go), interfacé via USB3. L’environnement logiciel repose sur ROS (Robot Operating System) et le SDK IDS peak, qui facilite l’intégration des flux vidéo, l’ajustement automatique des paramètres de capture (balance des blancs, gain, binning) et le traitement des images brutes.

Lors des vols d’essai, la caméra fonctionne en mode 1280 × 960 pixels à 50 images par seconde, ce qui correspond à la fréquence maximale soutenue par l’algorithme d’intelligence artificielle embarqué. L’ajustement des réglages optiques (gain, balance des blancs) s’effectue au démarrage du système, tandis que l’exposition reste en mode manuel, assurant une constance des paramètres de prise de vue pendant toute la mission.

La stabilité du drone et la précision de sa navigation sont assurées par un système de fusion de capteurs. L’IMU (Inertial Measurement Unit) intégrée au pilote automatique PX4 fournit des données de vitesse et d’accélération à haute fréquence (jusqu’à 200 Hz), combinées aux informations issues de la caméra, voire du LIDAR ou du GNSS lorsque disponible. L’ensemble est traité par un filtre de Kalman étendu (EKF), qui compare les prédictions de position à partir du modèle dynamique du drone avec les données réelles mesurées, et ajuste en continu la pose de l’appareil.