OpenCV 5 remet à niveau la vision des robots

OpenCV a publié le 4 juin OpenCV 5, une version majeure de sa bibliothèque de vision par ordinateur. La source officielle présente un nouveau moteur DNN, un meilleur support d’ONNX, des améliorations d’accélération matérielle, une intégration Python plus propre, des capacités 3D élargies et une documentation revue. DNN désigne ici les réseaux neuronaux profonds, et ONNX est un format d’échange qui permet de déplacer des modèles entre outils. Le fait utile pour la robotique n’est pas seulement la sortie d’une bibliothèque populaire : c’est la modernisation d’une brique qui sert souvent à faire voir les robots.

OpenCV est une couche discrète mais très répandue dans les systèmes de perception. Elle peut charger des images, calibrer des caméras, détecter des formes, suivre des objets, reconstruire une scène ou préparer des données pour un modèle. Dans un robot mobile, un bras équipé de caméras ou une cellule d’inspection industrielle, cette plomberie visuelle compte autant que le modèle qui prend la décision finale. Si elle est lente, difficile à porter ou mal adaptée aux accélérateurs, le reste de la chaîne se fragilise. OpenCV 5 répond précisément à ce déplacement du terrain : la vision moderne mélange algorithmes classiques, apprentissage profond, modèles de vision, calcul embarqué et architectures matérielles hétérogènes.

Le nouveau moteur DNN est le signal principal. OpenCV explique avoir réécrit cette partie pour mieux exécuter des modèles modernes, avec une compatibilité ONNX renforcée et une trajectoire vers le GPU dans les prochaines versions 5.x. Pour une équipe robotique, cela peut réduire le besoin de multiplier les dépendances entre une bibliothèque de vision classique, un moteur d’inférence et des conversions de modèles fragiles. Ce n’est pas une promesse d’autonomie magique : un robot échoue encore si ses données, son contrôle ou sa sécurité sont mauvais. Mais une pile plus cohérente rend les essais plus reproductibles, surtout quand il faut comparer plusieurs modèles sur des caméras, processeurs et plateformes différentes.

L’autre point important est moins spectaculaire : le nettoyage de l’architecture. OpenCV 5 recommande C++17, déprécie l’ancienne API C, améliore le support de NumPy 2.x et réorganise la couche d’accélération matérielle. La HAL, pour Hardware Acceleration Layer, vise à offrir un chemin plus commun vers différents processeurs et accélérateurs au lieu d’empiler des optimisations séparées. Concrètement, cela intéresse les robots parce qu’ils vivent rarement dans un centre de données. Ils doivent traiter des images près des capteurs, avec des contraintes de puissance, de latence et de maintenance. OpenCV 5 ne résout pas ces contraintes à lui seul, mais il remet à niveau une base logicielle qui reste centrale pour transformer des pixels en décisions exploitables.