Le CS Research Lab, laboratoire industriel de CS, était présent à Orlando du 15 au 17 avril 2025, à l’occasion de la conférence SPIE Defense + Commercial Sensing, pour y présenter deux travaux de recherche d’envergure international :
Paper 13463-6 – Comparing methods of UAV detection and tracking based on low-cost 3D LiDAR
Écrit par Corentin Lanusse–Malhéné (CS Research Lab, CREA, ONERA), Benjamin Pannetier (CS Research Lab), Nicolas Rivière (ONERA), Olivier Bartheye (CREA), Anita Schilling (ONERA DOTA) et Lionel Gardenal (CS Research Lab) [MM1] et présenté par Corentin Lanusse–Malhéné
2 grandes grandes familles d’approches pour la détection et le pistage de drones en vol ont été comparées :
- Tracking-by-detection, qui repose sur une classification préalable des objets avant de pister les cibles identifiées.
- Tracking-before-detection, qui permet le pistage de toutes les cibles potentielles, sans classification préalable.
À partir de vols réels captés par un LiDAR 3D bas coût et de données de référence GPS, la robustesse de ces méthodes a été évaluée selon l’altitude, la distance et la vitesse de vol du drone. Les résultats soulignent l’intérêt, en contexte défense, de privilégier les approches « tracking-before-detection » pour faire face à des menaces évolutives et mal identifiées, particulièrement dans le cas de conditions de mesure dégradées et en environnement urbain.
Paper 13479-13 – Sequential evidential decision making for real-time drone anomaly detection: a Sim2Real VBS approach
Écrit par Pierre Pathé (CS Research Lab, CREA), Anne Laure Jousselme (CS Research Lab), Benjamin Pannetier (CS Research Lab) et Olivier Bartheye (CREA) et présenté par Pierre Pathé (CS Research Lab, CREA)
Le papier présente un cadre décisionnel séquentiel fondé sur un système à base de valuation (Valuation-Based System), intégrant une règle d’arrêt EVSI (Evidential Expected Value of Sample Information) pour déterminer automatiquement le moment optimal où suspendre la collecte de données supplémentaires. À chaque itération, l’algorithme évalue le gain attendu en qualité de décision face au coût de captation supplémentaire. Comparé aux règles classiques à seuil et aux méthodes statiques de Value-of-Information, cette approche améliore significativement précision et rappel, tout en gérant explicitement l’incertitude épistémique et l’évidence conflictuelle.
Enjeux et perspectives
Ces deux publications illustrent la capacité du CS Research Lab à allier recherche appliquée et innovation industrielle pour :
- Renforcer la fusion multisensorielle et la surveillance adaptative en milieu urbain,
- Développer des métriques objectives pour mesurer et optimiser les performances des algorithmes de suivi,
- Paver la voie à des solutions anti-drone fiables, évolutives et opérationnelles.
Remerciements
Nous remercions sincèrement SPIE, les organisateurs et les experts venus du monde entier. Leur expertise et leurs retours sont essentiels pour bâtir ensemble les solutions de défense de demain.
Pour plus d’information sur le CS Research Lab : https://www.cs-soprasteria.com/fr/technologies-innovation/cs-research-lab/
Pierre Pathé
