La détection des météores, phénomène lumineux résultant de l'entrée de matière extraterrestre dans l'atmosphère, est un sujet d'intérêt pour les astronomes. Le projet Meteorix ambitionne d'effectuer cette détection depuis un nanosatellite, de type CubeSat 3U, afin de surmonter les contraintes liées à l'observation au sol, notamment météorologiques. Cette thèse s'inscrit dans le cadre de ce projet et porte sur l'enrichissement et l'optimisation d'une application de vision par ordinateur de détection spatiale devant respecter deux fortes contraintes : un traitement temps réel (40 ms par image) sur un système sur puce (SoC) à faible consommation d'énergie, limitée à 10 W. Ces travaux doivent donc répondre à des problématiques clés sur l’optimisation des algorithmes pour garantir un traitement en temps réel et sur les approximations envisageables ne compromettant pas la qualité des résultats finaux.
La détection spatiale doit prendre en compte les mouvements du satellite et de la scène observée, rendant inefficaces les algorithmes usuellement utilisés. C'est pourquoi, l'application du projet Meteorix repose essentiellement sur un algorithme de flot optique (Horn & Schunck), pour estimer les différents mouvements apparents de la scène. L'application complète permet d’atteindre un taux de détection de 96%.
Pour respecter les contraintes de temps d'exécution et d'énergie, l’algorithme de flot optique a été parallélisé (OpenMP et SIMD) puis optimisé grâce à des transformations algorithmiques, notamment par des modifications de la sémantique du code, par un ordonnancement des itérations en pipeline et par une estimation multi-échelles approximative. Ces optimisations ont permis d’atteindre des accélérations allant de x15 à x28 et de réduire la consommation énergétique d'un facteur trois par rapport à la version optimisée du compilateur.
Des tests sur des systèmes embarqués, comme la Jetson Orin Nano et l’Orange Pi 5+, ont identifié des configurations respectant la limite de 10 W tout en maintenant un taux de détection de 96%.