Activités de Recherche
Domaine de recherche
Ces travaux portent sur un paradigme de
localisation et de modélisation simultanée de
l’environnement (SLAM). Dans ce cadre, le système de perception
utilisé est un système de vision omnidirectionnelle
stéréoscopique basé sur la translation rigide du
capteur SYCLOP développé notre laboratoire. La
première problématique abordée est celle de la
construction d’un modèle sensoriel robuste et cohérent de
l’environnement à partir de deux images omnidirectionnelles.
Une méthode originale d’association des secteurs issus de chaque
image panoramique est proposée et utilise la «
théorie des croyances » de Dempster-Shafer. Cette approche
associative multi-critères permet par triangulation d’obtenir
un modèle sensoriel où les amers verticaux sont
représentés pas des primitives de types points. La
deuxième problématique traitée est celle la mise
en correspondance du modèle sensoriel avec un modèle
cartographié de l’environnement. Cette étape est
prépondérante puisqu’elle permet au robot de se localiser
par rapport à une carte pouvant être a priori connue ou
construite de manière incrémentale. Les critères
de
robustesse et de précision nous ont conduits à valider et
à utiliser un algorithme basé sur le calcul de la
distance cartésienne. La troisième problématique
abordée dans ces travaux, et la plus importante, est celle
permettant de au robot de construire incrémentalement la carte
de son environnement. Cette phase est indissociable de celle qui
consiste à localiser le robot. On parle alors de paradigme de
localisation et de modélisation simultanée de
l’environnement. La phase de génération
incrémentale de carte nécessite de s’intéresser
aux
problèmes que sont (1) le choix d’une représentation, (2)
la distinction du cas où une observation est
fusionnée avec une primitive cartographique de celui où
l’intégration d’une nouvelle primitive est nécessaire,
(3) la prise en compte de l’interaction entre erreur de localisation et
erreur sur l’estimation des paramètres des primitives
cartographiques. Nous avons proposé une première approche
basée sur une estimation des paramètres des primitives
cartographiques au sens des moindres carrés. Le critère
décisionnel est géré avec la théorie des
croyances de Dempster-Shafer. Nous montrons les limites de cette
première approche qui engendre des phénomènes de
dérive cumulative. Une des raisons expliquant cette
dérive est l’absence de prise en compte de la troisième
contrainte. Son intégration nous a conduit à proposer une
deuxième approche du paradigme SLAM basée sur le
formalisme de l’inversion ensembliste (analyse par intervalle).
Après avoir reformulé le problème de la
localisation au sens ensembliste, nous présentons un module de
génération incrémentale de carte basé sur
une représentation sous forme de sous-pavages. Les
résultats obtenus sur des trajets importants montrent la
minimisation des dérives ainsi qu’une précision
importante.
Mots-clés : Robot mobile, Vision
omnidirectionnelle, Localisation, Modélisation de
l’environnement, Analyse par intervalles, Erreurs bornées.
These works concerns a Simultaneous Localization And Map Building (SLAM) paradigm. The perception system used is a stereoscopic omnidirectional vision system based on a rigid translation of the SYCLOP sensor developed in our laboratory. The first problematic we have treated concerns the environment sensorial model construction from two omnidirectional SYCLOP images. An original matching method between the sectors of the two images is presented. This method uses the Dempster-Shafer theory. This associative multi criteria approach enables to get by triangulation a sensorial model in which the vertical landmarks are represented by point primitives. The second problematic concerns the matching between the sensorial model and the cartographical model of the environment. This stage is preponderant since it enables the robot to localize itself from a model which can be either a priori known or incrementally built. The robustness and precision criteria forced us to use an algorithm based on the Cartesian distance computation. The third problematic, which is the most important, concerns the incremental construction of the robot's environment. This stage is linked to the localization: it is the notion Simultaneous Localization and Map Building (SLAM) paradigm. The incremental map construction obliges us to treat several problems: (1) the choice of a representation, (2) the distinction between the case where an observation is fused with a cartographical primitive and the case where a new primitive is integrated in the map, (3) the taking into account of the interaction between the localization and the error on the cartographical primitives. We have proposed two approaches which permit to optimally treat these constraints. The first method is a least square method. The decisional criterion is managed with the help of the Demspter-Shafer theory. We show the limits of this approach which generates a cumulative drift. One of the reason which explain this drift is the no taking into account of the third constraint. In order to integrate the interaction between the localization error and the modeling error, we have proposed a second approach of the SLAM paradigm based on interval analysis. The results obtained on important trajectories show the drift minimization and an important precision.
Keywords : Mobile robot, Omnidirectional vision, Localization, Map building, Interval analysis, Bounded errors.