Localisation d'un robot mobile par fusion de données multi sensorielles dans un environnement structure PDF Download
Are you looking for read ebook online? Search for your book and save it on your Kindle device, PC, phones or tablets. Download Localisation d'un robot mobile par fusion de données multi sensorielles dans un environnement structure PDF full book. Access full book title Localisation d'un robot mobile par fusion de données multi sensorielles dans un environnement structure by Jan Opderbecke. Download full books in PDF and EPUB format.
Author: Jan Opderbecke
Publisher:
ISBN:
Category :
Languages : fr
Pages : 130
Get Book Here
Book Description
Dans cette thèse une méthode de fusion de données multi sensorielles pour localiser un robot mobile est proposée. L'algorithme met en ouvre un filtre de kalman afin de combiner la localisation relative avec un recalage absolu qui est effectue par rapport a des repères de l'environnement du véhicule. Ces repères sont des balises artificielles ponctuelles ou des éléments caractéristiques de l'environnement: coins, segments de droite l'algorithme permet une localisation du robot par rapport a des repères dont la position n'est que plus ou moins bien connue. Des contraintes, dues a la préparation d'un milieu balise (détermination de la position des repères), peuvent ainsi être levées. Un recalage des balises plus ou moins bien connue est de plus propose et il met également en ouvre un filtre de kalman. Une analyse détaillée de l'algorithme ainsi qu'une étude de ses performances par simulations statistiques sont présentées. Cette analyse nous a permis d'introduire une méthode pour sélectionner les balises qui apportent le plus d'information. Des essais ont été effectues sur une plate-forme expérimentale qui est équipée d'un tellement laser panoramique. Quelques résultats qui permettent de valider la méthode de localisation sont présentes
Author: Jan Opderbecke
Publisher:
ISBN:
Category :
Languages : fr
Pages : 130
Get Book Here
Book Description
Dans cette thèse une méthode de fusion de données multi sensorielles pour localiser un robot mobile est proposée. L'algorithme met en ouvre un filtre de kalman afin de combiner la localisation relative avec un recalage absolu qui est effectue par rapport a des repères de l'environnement du véhicule. Ces repères sont des balises artificielles ponctuelles ou des éléments caractéristiques de l'environnement: coins, segments de droite l'algorithme permet une localisation du robot par rapport a des repères dont la position n'est que plus ou moins bien connue. Des contraintes, dues a la préparation d'un milieu balise (détermination de la position des repères), peuvent ainsi être levées. Un recalage des balises plus ou moins bien connue est de plus propose et il met également en ouvre un filtre de kalman. Une analyse détaillée de l'algorithme ainsi qu'une étude de ses performances par simulations statistiques sont présentées. Cette analyse nous a permis d'introduire une méthode pour sélectionner les balises qui apportent le plus d'information. Des essais ont été effectues sur une plate-forme expérimentale qui est équipée d'un tellement laser panoramique. Quelques résultats qui permettent de valider la méthode de localisation sont présentes
Author: Laurent Delahoche
Publisher:
ISBN:
Category :
Languages : fr
Pages : 180
Get Book Here
Book Description
LES TRAVAUX PRESENTES DANS CE MEMOIRE TRAITE DE LA LOCALISATION D'UN ROBOT MOBILE DANS UN ENVIRONNEMENT INTERIEUR NON BALISE. TROIS TYPES DE CAPTEURS SONT UTILISES POUR DETERMINER LA POSITION DU ROBOT : UN ODOMETRE, UN SYSTEME DE VISION OMNIDIRECTIONNELLE ET UN SYSTEME TELEMETRIQUE ROTATIF. L'OBJECTIF DE CETTE ETUDE EST DE PERMETTRE A UN ROBOT DE SE DEPLACER EN TOUTE SECURITE D'UNE CONFIGURATION INITIALE A UNE CONFIGURATION FINALE DANS UN ENVIRONNEMENT PARTIELLEMENT CONNU. POUR CELA DEUX APPROCHES ONT ETE UTILISEES : LA FUSION DES DONNEES PROPRIOCEPTIVES ET EXTEROCEPTIVES ET LA COOPERATION ENTRE LES CAPTEURS EXTEROCEPTIFS. DANS UN PREMIER TEMPS UNE METHODE DE LOCALISATION BASEE SUR LA FUSION DES DONNEES ODOMETRIQUES ET DES DONNEES TELEMETRIQUES A ETE DEVELOPPEE ET TESTEE. L'ESTIMATION DE LA POSITION ET DE SON INCERTITUDE ASSOCIEE EST OBTENUE PAR FILTRAGE DE KALMAN. LES AMERS UTILISES POUR CETTE APPROCHE SONT LES PAROIS DU MILIEU D'EVOLUTION. DANS UN DEUXIEME TEMPS UNE METHODE DE LOCALISATION UTILISANT LA VISION OMNIDIRECTIONNELLE ET L'ODOMETRIE A ETE ELABOREE. LES ANGLES D'AZIMUT DES DIFFERENTS AMERS VERTICAUX DE L'ENVIRONNEMENT SONT EXTRAITS DU MODELE SENSORIEL POUR CALCULER LA CONFIGURATION DU ROBOT. CONTRAIREMENT A L'APPROCHE ADOPTEE PRECEDEMMENT POUR LA FUSION DES DONNEES, LE FILTRAGE DE KALMAN ETENDU EST DANS CE CAS EMPLOYE, A CAUSE DE LA NON LINEARITE DES EQUATIONS D'OBSERVATION. FINALEMENT, DANS UN TROISIEME TEMPS, UNE STRATEGIE VISANT A FAIRE COOPERER DEUX CAPTEURS EXTEROCEPTIFS, UN TELEMETRE LASER ROTATIF ET LE SYSTEME DE VISION OMNIDIRECTIONNELLE, A ETE MISE EN OEUVRE. CETTE METHODE PERMET D'OBTENIR UNE ESTIMATION ABSOLUE DE LA CONFIGURATION DU ROBOT QUI EST D'UNE PART PRECISE ET D'AUTRE PART ROBUSTE. EN OUTRE, UN ALGORITHME PERMETTANT DE METTRE A JOUR LA CARTE DE L'ENVIRONNEMENT DU ROBOT AU COURS DE SON DEPLACEMENT A ETE ELABOREE ET TESTE. CE MODULE D'INSERTION DE BALISES NATURELLES NON REPERTORIEES, PERMET AINSI AU ROBOT DE SE LOCALISER DANS DES ZONES DE L'ENVIRONNEMENT QUI NE SONT QUE PARTIELLEMENT CONNUES. CE SYSTEME DE LOCALISATION, BASE SUR UNE APPROCHE COOPERATIVE, PERMET A UN ROBOT DE MENER A BIEN DES MISSIONS DANS UN ENVIRONNEMENT INTERIEUR NON BALISE QUI N'EST QUE PARTIELLEMENT CONNU.
Author: Maroua Ladhari
Publisher:
ISBN:
Category :
Languages : fr
Pages : 0
Get Book Here
Book Description
La problématique qui va être abordée dans cette thèse est la localisation d'un robot mobile. Ce dernier, équipé de capteurs bas-coût, cherche à exploiter le maximum d'informations possibles pour répondre à un objectif fixé au préalable. Un problème de fusion de données sera traité d'une manière à ce qu'à chaque situation, le robot saura quelle information utiliser pour se localiser d'une manière continue. Les données que nous allons traiter seront de différents types. Dans nos travaux, deux propriétés de localisation sont désirées: la précision et la confiance. Pour pouvoir le contrôler, le robot doit connaître sa position d'une manière précise et intègre. En effet, la précision désigne le degré d'incertitude métrique lié à la position estimée. Elle est retournée par un filtre de fusion. Si en plus, le degré de certitude d'être dans cette zone d'incertitude est grand, la confiance dans l'estimation sera élevée et cette estimation sera donc considérée comme intègre. Ces deux propriétés sont généralement liées. C'est pourquoi, elles sont souvent représentées ensemble pour caractériser l'estimation retournée de la pose du robot. Dans ce travail nous rechercherons à optimiser simultanément ces deux propriétés.Pour tirer profit des différentes techniques existantes pour une estimation optimale de la pose du robot,nous proposons une approche descendante basée sur l'exploitation d'une carte environnementale définie dans un référentiel absolu. Cette approche utilise une sélection a priori des meilleures mesures informatives parmi toutes les sources de mesure possibles. La sélection se fait selon un objectif donné (de précision et de confiance), l'état actuel du robot et l'apport informationnel des données.Comme les données sont bruitées, imprécises et peuvent également être ambiguës et peu fiables, la prise en compte de ces limites est nécessaire afin de fournir une évaluation de la pose du robot aussi précise et fiable que possible. Pour cela, une focalisation spatiale et un réseau bayésien sont utilisés pour réduire les risques de mauvaises détections. Si malgré tout de mauvaises détections subsistent, elles seront gérées par un processus de retour qui réagit de manière efficace en fonction des objectifs souhaités.Les principales contributions de ce travail sont d'une part la conception d'une architecture de localisation multi-sensorielle générique et modulaire de haut niveau avec un mode opératoire descendant. Nous avons utilisé la notion de triplet perceptif qui représente un ensemble amer, capteur, détecteur pour désigner chaque module perceptif. À chaque instant, une étape de prédiction et une autre de mise à jour sont exécutées. Pour l'étape de mise à jour, le système sélectionne le triplet le plus pertinent (d'un point de vue précision et confiance) selon un critère informationnel. L'objectif étant d'assurer une localisation intègre et précise, notre algorithme a été écrit de manière à ce que l'on puisse gérer les aspects ambiguïtés.D'autre part, l'algorithme développé permet de localiser un robot dans une carte de l'environnement. Pour cela, une prise en compte des possibilités de mauvaises détections suite aux phénomènes d'ambiguïté a été considérée par le moyen d'un processus de retour en arrière. En effet, ce dernier permet d'une part de corriger une mauvaise détection et d'autre part d'améliorer l'estimation retournée de la pose pour répondre à un objectif souhaité.
Author: Regis Lherbier
Publisher:
ISBN:
Category :
Languages : fr
Pages : 163
Get Book Here
Book Description
Dans le cadre de la fusion multi sensorielle, afin d'accélérer la vitesse de traitement des informations issues des différents capteurs du robot, nous combinons les données visuelles avec les données de profondeur (télémètre infrarouge) pour retrouver le mouvement du robot qui se déplace dans un environnement inconnu contenant un certain nombre d'objets rigides et mobiles a priori. Cette méthode a pour point de départ des travaux sur l'estimation itérative du mouvement a partir de la vision 3d et des capteurs ultrasons sans toutefois tenir compte de l'aspect temporel ainsi que des travaux sur la reconstruction 3d trin oculaire. L'originalité de ce travail est de n'utiliser la vision que de temps en temps afin de créer une carte locale de l'environnement. Cette carte est formée de surfaces 3d. Le mouvement est retrouve de manière itérative (filtre de kalman étendu) a partir de très peu de données de profondeur. La direction des tirs télémétriques est obtenue en combinant l'estimation courante du mouvement et la prédiction sur la position des plans. Un recalage est nécessaire, en utilisant a nouveau la vision, au bout d'un certain déplacement. La gestion de la fréquence de recalage est faite a partir de deux méthodes proposées: l'une basée sur le calcul d'une erreur de position a chaque instant de recalage et l'autre basée sur l'observation des paramètres d'une surface de référence a chaque instant d'estimation. Les tests de cet algorithme ont été effectues sur des données de synthèse (nous avons réalise un logiciel permettant de simuler les mouvements du robot dans un environnement polyédrique et d'obtenir des informations synthétiques des différents capteurs). Malheureusement les tests en environnement réel n'ont pu être inclus dans le mémoire puisqu'ils n'ont pu être achevés en temps voulu en raison de problèmes matériels lies a l'utilisation d'un robot mobile.
Author:
Publisher:
ISBN:
Category :
Languages : fr
Pages : 233
Get Book Here
Book Description
Le but de cette thèse consiste à réaliser un modèle cylindrique local de l'environnement pour un robot mobile autonome, à période fixe, permettant d'intégrer des données venant de différents senseurs. Le premier chapitre présente une définition d'un robot mobile autonome, au point de vue technologique. Le chapitre II développe l'une des composantes de la perception qui est la fusion de données issues de divers senseurs. Celle-ci est étudiée par l'analyse des approches et travaux dans ce domaine, de laboratoires français et étrangers. Le problème de la fusion est ensuite posé, et la nécessité d'introduire la composante temporelle dans les données est démontrée. Cette dimension est introduite par deux moyens, la rapidité d'obtention du modèle, et par son estimation pour un instant donné. Cette approche originale réalise ce modèle estimé en tenant compte des incertitudes de chacun des senseurs mis en jeu (odomètre, proximètres ultrasonores, goniométrie infrarouge, télémétrie LASER), pour construire un modèle local cylindrique. Pour cela, un modèle de comportement des senseurs est établi, et leurs incertitudes de mesures sont identifiées. L'estimée de la position du robot mobile autonome à l'instant suivant, est alors calculée afin de prédire le modèle polaire de l'environnement. A partir de ces données, un simulateur de systèmes de perception est mis en oeuvre dans le but de valider les calculs et les hypothèses. Le principe de ce simulateur est décrit à la fin du troisième chapitre. Cet outil permet de définir les différentes composantes de cette approche, en en dégageant les faiblesses et les forces. Enfin, une expérimentation est réalisée sur le robot mobile ROBBY. Les outils réalisés sont mis en oeuvre sur la base d'architectures informatique et matérielle originales. Elles se caractérisent par une ouverture totale à l'intégration d'autres systèmes sensoriels.
Author: Philippe Arnould
Publisher:
ISBN:
Category :
Languages : fr
Pages : 157
Get Book Here
Book Description
LES TRAVAUX PRESENTES, DANS CE MEMOIRE, CONCERNENT L'ETUDE DE LA LOCALISATION D'UN VEHICULE AUTONOME A PARTIR D'INFORMATIONS PROVENANT D'UN ODOMETRE ET D'UN MAGNETOMETRE. LE BUT EST D'OBTENIR DES INFORMATIONS DE POSITIONS ET DE CAP SUFFISAMMENT FIABLES ET PRECISES POUR ENVISAGER LA NAVIGATION DU VEHICULE SUR UNE DISTANCE LA PLUS LONGUE POSSIBLE ENTRE DEUX RECALAGES PAR RAPPORT A L'ENVIRONNEMENT. AFIN DE TIRER PARTIE AU MIEUX DES INFORMATIONS DISPONIBLES, DES TECHNIQUES DE FUSION DE DONNEES MULTICAPTEURS ONT ETE ELABOREES. ELLES PERMETTENT DE S'AFFRANCHIR DE LA PLUPART DES DEFAUTS INTRINSEQUES A CHAQUE CAPTEUR PRIS INDIVIDUELLEMENT. DEUX METHODES ONT ETE ETUDIEES ET TESTEES: UNE METHODE DE FUSION PAR DISCRIMINATION DE L'ORIENTATION OU L'ON COMPARE EN PERMANENCE L'INCERTITUDE DES DEUX CAPTEURS ET UNE METHODE DE FUSION PAR FILTRAGE DE KALMAN. LES RESULTATS OBTENUS SUR DES PARCOURS TYPES AVEC LA DEUXIEME METHODE NOTAMMENT MONTRE QUE L'ERREUR DE POSITION EN FIN DE PARCOURS EST RAMENEE A 0,5% DE LA DISTANCE PARCOURUE. L'UTILISATION DE TELLES TECHNIQUES REND POSSIBLE LA NAVIGATION SANS RECALAGE SUR DES DISTANCES DE QUELQUES DIZAINES DE METRES DE 100 METRES SUIVANT LA PRECISION REQUISE
Author: Philippe Fillatreau
Publisher:
ISBN:
Category :
Languages : fr
Pages : 185
Get Book Here
Book Description
Cette thèse traite du problème de la localisation dans un environnement tridimensionnel (3D) d'un robot mobile autonome, ainsi que de celui de la modélisation de terrain. Deux domaines typiques d'application de ce travail sont la robotique mobile d'intervention (sécurite civile,) et l'exploration planétaire. La contribution de la thèse se situe surtout au niveau de la localisation d'un robot dans un environnement semi-structure ou non structuré. Un état de l'art concernant d'une part les principaux capteurs utilisables, et d'autre part la modélisation, est présente. L'accent est mis sur les capteurs inertiels et sur la modélisation de formes non structurées ; le choix des capteurs utilisés, ainsi que celui des primitives géométriques retenues, sont justifiés. Dans un premier temps, une approche pour la localisation du robot à l'aide d'amers de type structure, mais éventuellement naturels, est presentée. Le problème de la fusion incrémentale d'un modèle de localisation basé sur des primitives hétérogenes, à partir de la détection de lignes verticales (arbres, colonnes) ou de murs, est traité. Plusieurs approches pour le recalage de la position du robot et la fusion des données hétérogènes sont comparées. Une stratégie de choix des différents amers est enfin proposée. Dans un deuxième temps, le problème de la modélisation de terrain accidenté et du recalage sur des caractéristiques non structurées de l'environnement est abordé. Une méthode de modélisation du terrain par hiérarchie de b-splines est proposeé, et la construction incrémentale du modèle de terrain est traitée. Le modèle analytique obtenu permet d'extraire divers invariants 3D, comme des maxima d'altitude ou des points de forte courbure ; l'aspect multi-résolution permet de focaliser progressivement la recherche de telles caractéristiques. Finalement, une méthode de localisation faisant coopérer l'extraction de caractéristiques avec des techniques de type corrélation est proposée. Les différentes méthodes développées ont fait l'objet d'une validation sur plusieurs robots mobiles expérimentaux.
Author: Amel Dechemi
Publisher: Presses Academiques Francophones
ISBN: 9783841620651
Category :
Languages : fr
Pages : 124
Get Book Here
Book Description
Ce livre porte sur l'elaboration d'une approche de fusion de donnees pour deux applications: la localisation d'un robot mobile Pioneer II et la reconnaissance de son environnement, dans un environnement d'interieur inconnu. Le robot mobile est muni d'une ceinture de 8 capteurs a ultrasons et d'une camera CCD (RVB). L'approche adoptee pour la localisation se base sur l'utilisation conjointe de la methode de triangulation geometrique generalisee (TGG) et du filtre de Kalman etendu (EKF). Ce dernier fusionne les positions acquises par l'odometrie avec celles calculees par la triangulation geometrique generalisee, obtenues par le traitement des donnees ultrasonores. L'approche concernant la reconnaissance d'environnement, quant a elle, permettra une classification de lieux dans l'environnement. Grace aux traitements individuels (fusion des donnees ultrasonores et segmentation des images) de chaque capteur (capteurs a ultrasons et camera CCD), une preclassification sera effectuee. Celle-ci permettra d'obtenir une classification finale par la fusion des deux preclassifications par la logique floue.
Author: Kokou Djath
Publisher:
ISBN:
Category :
Languages : en
Pages : 192
Get Book Here
Book Description
Les travaux présentés dans ce mémoire abordent les problèmes de navigation et de localisation d’un robot mobile non-holonome lors des changements d’environnements entre l’intérieur et l’extérieur. Ces problèmes sont formulés en termes de variations des caractéristiques statistiques des bruits de mesure en localisation et de changement de capteurs mis en jeu en navigation. La démarche exposée consiste à déterminer d’abord les moyens de navigation du robot, à identifier ensuite le type environnement de travail du robot (intérieur, transition ou extérieur) à partir des informations sensorielles et enfin à reconfigurer les moyens de navigation du robot afin de l’adapter au nouvel environnement. L’identification du type d’environnement a été réalisée en vérifiant l’état de fonctionnement des différents capteurs par rapport à l’évolution du bruit. Le filtre de Kalman étendu et la méthode des moindres carrés orthogonaux ont été retenus comme algorithmes de fusion de données pour la localisation du robot. Le premier est utilisé en environnements intérieurs et extérieurs où les bruits de mesure peuvent être statistiquement bien caractérisés. Le second algorithme est utilisé en transition car dans ce milieu l’estimation du bruit est plus complexe. L’évolution du bruit dépend alors des perturbations ; d’où la nécessité d’une méthode robuste faisant peu d’hypothèses sur les bruits. Nous avons proposé enfin, une méthode de navigation basée sur le principe de sous-buts à l’intérieur. Les algorithmes proposés dans cette étude ont été validés sur le robot mobile expérimental ROMANE (Robot Mobile pour la Navigation à l’Extérieur)
Author: François Pélissier
Publisher:
ISBN:
Category :
Languages : fr
Pages : 210
Get Book Here
Book Description
CARL, chariot autonome avec robot léger, est un chariot de nouvelle génération a vocation industrielle. Il a pour objectif de pallier le manque de flexibilité des chariots filoguidés, quant à la modification de leurs trajectoires matérialisées. Les trajectoires de CARL sont définies de façon cartésienne dans un repère lie à l'environnement et ne nécessitent donc aucun aménagement au sol. Pour se localiser dans son espace de travail, CARL dispose d'informations de localisation relative (odométrie), corrigées par une localisation absolue grâce à l'observation d'amers répertoires et définis par leurs coordonnées dans le repère absolu. Ces amers sont actuellement des balises et des lignes verticales, perçus par une camera embarquée. Les lignes verticales, amers naturels, sont avantageuses dans le sens où elles permettent de réduire l'équipement en balises, voire de le supprimer si l'environnement s'y prête (lignes isolées). De plus, la localisation absolue a une structure multi sensorielle: elle est à même de filtrer toute autre mesure que celles de la camera, comme par exemple les observations délivrées par les capteurs ultrasoniques embarques. Cette fusion d'observations repose sur la théorie du filtre de Kalman. Dote d'une telle localisation, CARL peut être guide le long de parcours complexes, constitues d'une succession d'arcs de cercles et de segments de droite, avec une bonne précision. Cette méthode offre ainsi une grande variété de trajectoires et une grande souplesse d'utilisation.
