| Attributes | Values |
|---|
| type
| |
| Thesis advisor
| |
| Author
| |
| dc:subject
| - Thèses et écrits académiques
- Capteurs (technologie)
- Estimation de paramètres
- Robots mobiles
- Environnement -- Modèles mathématiques
- Primitives (mathématiques)
- Calcul sur des intervalles
|
| preferred label
| - Localisation et modélisation de l'environnement d'un robot mobile par coopération de deux capteurs omnidirectionnels
|
| Language
| |
| Subject
| |
| dc:title
| - Localisation et modélisation de l'environnement d'un robot mobile par coopération de deux capteurs omnidirectionnels
|
| Degree granting institution
| |
| note
| - Les travaux présentés dans cette thèse 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 dans 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 par des primitives de types points. La deuxième problématique traitée est celle de 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 à 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 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 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 montons les limites de cette première approche qui engendre des phénomènes de dérives 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 un 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.
|
| dc:type
| |
| http://iflastandar...bd/elements/P1001
| |
| rdaw:P10219
| |
| has content type
| |
| is primary topic
of | |
| is rdam:P30135
of | |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
