Djekoune USTHB 2010

N dordre : 06/2010-D/EL REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTERE DE L'ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE
UNIVERSITE DES SCIENCES ET DE LA TECHNOLOGIE HOUARI BOUMEDIENE
Facult d Electronique et dInformatique
tel-00673213, version 1 - 23 Feb 2012
Thse
Prsente pour l'obtention du grade de DOCTORAT En: ELECTRONIQUE Spcialit: Contrle de Processus et Robotique Par: A. Oualid DJEKOUNE Sujet
Localisation Et Guidage Du Robot Mobile Atrv2 Dans Un Environnement Naturel.

Soutenue publiquement le 15 dcembre 2010, devant le jury compos de: Mr. ATTARI Mokhtar Mr. ACHOUR Karim Mr. TOUMI Redouane Mr. HAMERLAIN Mustapha Mr. BELHOCINE Mahmoud Mme. ACHOUR Nora Professeur lUSTHB Directeur de Recherche au CDTA Professeur lUSTHB Directeur de Recherche au CDTA Matre de Recherche A au CDTA Matre de confrence A l USTHB Prsident Directeur de thse Codirecteur de thse Examinateur Examinateur Examinatrice
tel-00673213, version 1 - 23 Feb 2012
mes parents, ma femme, mes fils Imad Eddine et Mohamed Wassim, mes filles Lyna et Farah, mes frres et surs.
ii
Avant propos
Les travaux prsents dans cette thse ont t effectus au sein de l'quipe de recherche "Vision Artificielle et ANalyse dIMages" du Centre de Dveloppement des Technologies Avances (CDTA). Honneur ceux qui sont l'origine de ce travail, je parle bien videmment de mes directeurs de thse Messieurs Achour Karim et Toumi Redouane. Sans eux, sans leur confiance qu'ils m'ont accorde, sans leur aide, sans leurs conseils, rien, absolument rien de cette extraordinaire aventure n'aurait exist. Jexprime toute ma gratitude Azouaoui Wahiba, Toumi Redouane, Belhocine Mahmoud, Hamerlain Mustapha et Bouzouia Brahim, qui nont compt ni leurs efforts ni leur temps pour lire ce rapport. Leurs critiques constructives et leurs questions pertinentes mont t dun grand bnfice. tel-00673213, version 1 - 23 Feb 2012 J'exprime ma sincre reconnaissance Monsieur Attari Mokhtar, professeur l'USTHB pour l'honneur qu'il m'a fait en acceptant de juger ce travail et de prsider le jury de soutenance. Je tiens remercier Madame Achour Nora, matre de confrences A l'USTHB et messieurs Hamerlain Mustapha, directeur de recherche et directeur de la division "Productique et Robotique" et Belhocine Mahmoud, matre de recherche A, chef dquipe "Vision Artificielle et ANalyse dIMages", qui m'ont fait l'honneur de juger ce travail en participant en tant que membres de jury. Mes remerciements vont galement tous ceux qui ont permis de loin ou de prs, de contribuer l'aboutissement de ce travail et tous les membres de la division "Productique et Robotique" pour l'ambiance de travail. Un remerciement particulier pour mes parents, mon pouse et mes enfants Imad Eddine, Lyna et Farah, ainsi qu toute ma famille pour mavoir donn la force daller au bout de ce travail, pour leur patience et leur amour.
iii
Rsum
Les travaux prsents dans cette thse portent essentiellement sur la localisation et la navigation du systme mobile ATRV2 dans un environnement inconnu a priori. Ce systme doit dabord modliser et construire sa carte de lenvironnement partir de donnes issues de ses capteurs embarqus, se localiser dans cette carte et ensuite gnrer un chemin sans collisions lui permettant datteindre son but. Le modle de lenvironnement que nous avons choisi est un modle mtrique (grille de certitude) bas sur lalgorithme HIMM et est mis jour en utilisant les donnes en provenance des capteurs embarqus. La mthode de localisation utilise est base sur le filtre de Kalman tendu (EKF). Cette mthode fusionne les donnes odomtriques (modle du systme) et les donnes du systme de perception embarqu (mesure) pour corriger rgulirement lestimation relative de la position du systme mobile due lerreur cumulative engendre par les capteurs odomtriques. Pour dterminer la mesure, la mthode utilise la mise en correspondance des grilles tout en estimant sa zone de recherche et la position autour de laquelle elle effectue la recherche de la position estime. Pour la navigation, nous avons propos une nouvelle mthode appele DVFF combinant une mthode de planification de trajectoire globale base sur lalgorithme D*, et une mthode ractive non stop base sur le principe des champs de forces virtuelles VFF. Cette mthode de navigation utilise les valeurs courantes des capteurs ultrasonores embarqus (sur une petite fentre temporelle), et les donnes provenant du modle de lenvironnement, pour dcider de laction effectuer. Elle permet au systme mobile ATRV2 de se mouvoir sans crainte de collisions avec les obstacles de son environnement.
tel-00673213, version 1 - 23 Feb 2012
iv
Abstract
The work presented in this thesis focus on the localization and the navigation of the ATRV2 mobile system in an unknown environment. This mobile system must first model and build his map using data from its onboard sensors, localize itself in this map, and then, generate a collision-free path allowing to it to reach his goal. The model of the environment we have chosen is a metric model (certainty grid) based on the HIMM algorithm, and is updated using data from the onboard sensors. The used localization method is based on the extended Kalman filter (EKF). This method merges the odometric data (system model) and the data from the onboard perception system (measure) to regularly correct the relative estimate of the mobile system position due to the cumulative error caused by the odometer sensors. To determine the measure, the method uses the map matching while estimating its search area and the position around which it searches the estimated position. For the navigation, we have proposed a new method called DVFF combining path planning method based on the D* algorithm, and reactive non-stop method based on the virtual force field VFF. This navigation method uses the current values of onboard ultrasonic sensors (on a small time window), and data from the environment model, to decide what action to take. It allows to the ATRV2 mobile system to move without collisions with obstacles of its environment.
tel-00673213, version 1 - 23 Feb 2012
Table des matires

Avant propos Rsum Abstract Table des matires Table des figures Liste des tableaux Prsentation gnrale.
I. Contexte gnral. II. Problmatique traite. III. Motivation et contributions. IV. Plan de la thse. iii iv v vi ix xii 13 14 15 15 16 18 19 20 20 21 24 25 25 28 28 28 29 30 41 42 42 43 43 44 45 45 46 47 48 48 48 49 49 50 51 53 53 55 56 56
Partie I : Introduction aux systmes de robotique mobile. tel-00673213, version 1 - 23 Feb 2012 Chapitre I : Systme de perception des systmes de robotique mobile.
I.1. Capteurs utiliss dans les systmes de robotique mobiles. I.1.1. Capteurs proprioceptifs. I.1.1.1. Capteurs de dplacement. I.1.1.2. Capteurs dattitude. I.1.2. Capteurs extroceptifs. I.1.2.1. Les capteurs tlmtriques. I.1.2.2. Les capteurs micro-onde. I.1.2.3. Les capteurs tactiles. I.1.2.4. Les GPS. I.1.2.5. Les camras. a. La strovision. b. Les techniques de lumires structures. I.1.3.Conclusion. I.2. Fusion de donnes capteurs. I.2.1. Mthodes classiques. I.2.1.1. Raisonnement Baysien. I.2.1.2. Utilisation destimateurs. I.2.2. Mthodes lies un traitement non probabiliste de lincertain. I.2.2.1. Combinaison par la thorie des possibilits. I.2.2.2. Utilisation de la thorie de lvidence. I.2.3. Mthodes drives de lintelligence artificielle. I.2.4. Mthodes doptimisation. I.2.5.Conclusion. I.3. Reprsentation dun environnement de navigation. I.3.1. Reprsentation mtrique. I.3.1.1. Reprsentation gomtrique. I.3.1.2. Grille doccupation. I.3.2. Reprsentation topologique. I.3.3. Conclusion. I.4. Conclusion.
Chapitre II : Localisation et navigation des systmes de robotique mobile.

II.1. Localisation des systmes de robotique mobile. II.1.1. La localisation relative.
vi
tel-00673213, version 1 - 23 Feb 2012
II.1.1.1. Lodomtrie. II.1.1.2. La vlocimtrie. II.1.1.3. Les capteurs inertiels. II.1.1.4. Les capteurs dimages. II.1.2. La localisation absolue. II.1.2.1. Nature des balises. II.1.2.2. Principes de la localisation. II.1.3. Mthodes hybrides. II.1.3.1. Le recalage dynamique. II.1.3.2. La coopration multi-capteurs. II.1.4. Localisation et modlisation simultanes de lenvironnement (SLAM). II.1.5. Conclusion. II.2. Navigation des systmes de robotique mobile. II.2.1. Les difficults de la navigation. II.2.2. Les approches locales. II.2.2.1. Les algorithmes Bug. II.2.2.2. Les approches bases sur les champs de potentiel. II.2.2.3. La mthode Vector Field Histogram (VFH). II.2.2.4. Les approches doptimisation de contraintes (Constrained optimization approaches). II.2.2.5. La mthode Nearness Diagram ou ND. II.2.2.6. La mthode Elastic Bande ou EB. II.2.2.7. Autres mthodes. II.2.3. Les approches globales. II.2.3.1. Espace des configurations. II.2.3.2. Discrtisation de lenvironnement. II.2.3.3. Planification dun chemin (trajectoire) global. II.2.3.4. Recherche dun chemin optimal. II.2.4. Approches Hybrides. II.2.4.1. La mthode Vector Field Histogram* (VFH*). II.2.4.2. La mthode Global Dynamic Window Approach (GDWA). II.2.4.3. La mthode Global Nearness Diagram (GND). II.2.4.4. Autres mthodes de planification. II.2.5. Conclusion. II.3. Conclusion.
57 57 57 57 58 58 61 64 65 66 67 68 68 69 71 71 71 73 74 76 78 78 79 79 80 81 86 88 88 90 91 91 92 92 94 95 96 96 99 100 100 100 100 101 105 105 108 108
Partie II : Localisation et navigation dun systme mobile : cas de lATRV2. Chapitre III : Modle de lenvironnement de navigation utilis.
III.1. Systme de perception utilis. III.1.1. Capteurs ultrasons. III.1.2. Systme de vision. III.2. Reprsentation des mesures issues des capteurs embarqus. III.2.1. Modle de lenvironnement. III.2.1.1. La carte locale. III.2.1.2. La carte globale. III.2.2. Capteurs ultrasons. III.2.3. Systme de vision. III.2.3.1. Calcul des paramtres du modle gomtrique dune Camra : Mthode choisie. III.2.3.2. Mise en uvre du calibrage : Application au banc stroscopique du systme mobile ATRV2. III.2.4. Fusion des donnes capteurs.
vii
III.2.4.1. Calibrage Capteurs ultrasons-Banc stroscopique. III.2.4.2. La fusion. III.3. Exprimentations. III.3.1. Construction base sur les donnes capteurs ultrasonores. III.3.2. Construction base sur les donnes du banc stroscopique. III. 4. Conclusion.
109 110 115 115 117 120 122 123 125 125 129 130 130 134 134 135 135 136 137 137 137 137 139 141 145 145 147 148 152 153 153 154 158 160 162 165 181
Chapitre IV : Localisation et navigation proposes pour le systme mobile ATRV2.

IV.1. Le systme mobile ATRV2. IV.1.1. Dimensions. IV.1.2. Cinmatique. IV.1.3. Holonomie et non Holonomie. IV.2. Approche de localisation utilise. IV.2.1. Le modle du systme odomtrique. IV.2.2. Le modle de mesure. IV.2.3. Le modle dincertitude. IV.2.4. La prdiction de la position du systme mobile. IV.2.5. La mesure. IV.2.6. Estimation finale de la position du systme mobile. IV.3. Approche de navigation propose. IV.3.1. Algorithme de planification de chemin optimal D*. IV.3.1.1. Introduction. IV.3.1.2. Algorithme dvelopp. IV.3.1.3. Rsultats de simulation. IV.3.1.4. Rsultats exprimentaux. IV.3.2. Lalgorithme Champs de Forces Virtuelles ou VFF (Virtual Force Field). IV.3.2.1. Introduction. IV.3.2.2. Algorithme de navigation dvelopp. IV.3.2.4. Rsultats exprimentaux. IV.3.3. Lapproche DVFF. IV.3.3.1. Premier algorithme. IV.3.3.2. Deuxime algorithme. IV.3.3.3. Rsultats exprimentaux. IV.4. Contrle de mouvement du systme mobile ATRV2. IV.5. Conclusion.
tel-00673213, version 1 - 23 Feb 2012
Conclusion gnrale et perspectives. Bibliographie. Annexes.
viii
Table des figures

Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure I.1: Principe de l'odomtrie. I.2: Principe du capteur effet Doppler. I.3: Exemples de tlmtres ultrasonores I.4: Exemple de ceinture de 12 capteurs ultrasons. I.5: Exemple d'utilisation d'un capteur tri-aural. I.6: Tlmtre infrarouge Sharp de la famille GP2. I.7: Tlmtre laser SICK fournissant 180 mesures rparties sur 180 degrs. I.8: Gomtrie du capteur stroscopique. I.9: Modle stnop dune camra. I.10: Faisceaux de lignes pipolaires: cas gnral non rctifi. I.11: Faisceaux de lignes pipolaires: cas rectifi. I.12: Triangulation par plusieurs plans Laser. I.13: Exemple doprateurs comportement constant. I.14: Fusion en cas de conflit important. I.15: Cration d'une RCD (Regions of Constant Depth). II.1: Estimation de la position d'un systme mobile utilisant un repre artificiel. II.2: Localisation par mesure de distances de trois balises. II.3: Localisation par mesure de distances incertaines de trois balises. II.4: Localisation par triangulation. II.5: Un exemple de navigation utilisant un algorithme Bug. II.6: Lapproche champ de potentiel. II.7: Grille doccupation locale construite par la mthode HIMM. II.8: Calcul de la direction de dplacement base sur lhistogramme des obstacles. II.9: Fentre Dynamique. II.10: Construction du diagramme PND selon un environnement donn. II.11: Construction du diagramme RND selon un environnement donn, un obstacle pntre la zone de scurit. II.12: Types d'actions menes dans les situations LS1 et LS2. II.13: Diffrents types d'actions menes dans des situations dites de haute scurit. II.14: Chapelet de bulles. II.15: Reconstruction dun C-Space. II.16: Dcompositions en cellules de lespace libre dans les cartes mtriques. II.17: Dcompositions en chemins prcalculs dans les cartes mtriques. II.18: Diagramme de Voronoi. II.19: Exemple dun graphe de visibilit. II.20: Mthode de Brooks. II.21: Exemple de la mthode des silhouettes. II.22: Exemples de dcomposition exacte de Cfree. II.23: Dcomposition approche de lespace libre. II.24: approximation des trajectoires. II.25: chemins gnrs selon la profondeur de l'arbre. II.26: Arbres gnrs pour les chemins b), c) et d) de la figure II.25. II.27: Gnration des distances au but par la fonction NF1. III.1: Deux obstacles renvoyant la mme mesure. 22 23 26 26 26 27 27 34 36 38 38 42 46 46 50 60 62 62 62 71 72 73 73 75 76 77 77 77 78 80 81 81 82 83 83 84 85 85 89 90 90 91 97
tel-00673213, version 1 - 23 Feb 2012
ix
Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure
tel-00673213, version 1 - 23 Feb 2012
Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure
III.2: Rpartition des nergies. III.3: Phnomne de spcularit. III.4: Exemple de rflexions multiples. III.5: Exemple de diaphonie. III.6: Le systme mobile ATRV2 et sa perception panoramique. III.7: Systme de vision de lATRV2. III.8: Fonction de probabilit d'un capteur idal. III.9: Grille pour un capteur idal. III.10: Grille pour un capteur idal prenant en compte l'espace libre. III.11: Exemple d'obstacle mal peru. III.12: Grille prenant en compte l'ouverture angulaire du capteur. III.13: Profils de probabilit appliqus au capteur ultrasons. III.14: Vue des profils de probabilit en 3D. III.15: Exemple de modlisation d'un capteur ultrasons par une gaussienne. III.16: Modlisation du capteur ultrasons. III.17: Mise en oeuvre du calibrage du banc stroscopique du systme mobile ATRV2. III.18: Reconstruction 3D de la mire. III.19: Positions et orientations des capteurs US embarqus et le modle gomtrique du banc stroscopique. III.20: Le champ de vision commun entre les capteurs ultrasons et le banc stroscopique. III.21: Exemple de fusion des donnes capteurs base sur la combinaison adaptative. III.22: Le logiciel danalyse et daffichage dvelopp. III.23: Situation relle statique 1. III.24: Situation relle statique 2. III.25: Situation relle statique 3. III.26: Premire situation de mouvement du systme mobile. III.27: Deuxime situation de mouvement du systme mobile. III.28: Troisime situation de mouvement du systme mobile. III.29: La zone de recherche: cas gnral. III.30: Principe de la recherche directe. III.31: Rsultats dappariement et la reconstruction 3D en utilisant tous les points de la paire stro. III.32: Rsultats dappariement et la reconstruction 3D en utilisant les points contours de la paire stro. IV.1: Le systme mobile ATRV2. IV.2: Vue de haut du systme mobile ATRV2. IV.3: Vue arrire de lATRV2. IV.4: Vue de lintrieur de lATRV2. IV.5: Gomtrie de lATRV2. IV.6: Le repre delATRV2 dans le repre absolu Ru . IV.7: Le modle cinmatique utilis pour lATRV2. IV.8: Espace de vitesses de lATRV2. IV.9: Quatre diffrents types de mouvement ralisables par lATRV2. IV.10: Dplacement de lATRV2 dans le cas dun virage gauche.
97 98 98 98 99 100 101 102 102 102 102 103 103 104 104 107 107 110 111 112 115 116 116 117 117 117 117 119 119 119 120 124 124 125 125 125 126 126 127 128 129
Figure IV.11: Position de lATRV2 dans le repre univers Ru en fonction des donnes Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure odomtriques. IV.12: Dplacement circulaire entre deux instants dchantillonnage. IV.13: Lalgorithme du filtre de Kalman tendu utilis. IV.14: Lattribut wc selon les dimensions du systme mobile. IV.15: Calcul de la direction globale du chemin conformment la position du back pointer. IV.16: Direction du chemin global partir dun point de dpart et un point darrive donns. IV.17: Calcul de la direction du chemin global au point CP1. IV.18: Linterface du logiciel de recherche de chemin optimal dvelopp bas sur lalgorithme D*. IV.19: Chemin optimal. IV.20: Premire exprimentation. IV.21: Deuxime exprimentation. IV.22: Troisime exprimentation. IV.23: Principe du Champ de Forces Virtuelles. r IV.24: Calcul de la force rpulsive frontale FF .
131 132 136 138 138 138 138 140 141 143 144 145 146 147 147 148 148 150 151 152 153 153 154 156 156 157 157 158 160
tel-00673213, version 1 - 23 Feb 2012
Figure IV.25: Calcul des forces latrales. Figure IV.26: Dcomposition des forces latrales. Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure Figure IV.27: IV.28: IV.29: IV.30: IV.31: Calcul du vecteur rsultant R . Premire exprience. Deuxime exprience. Troisime exprience. Diagramme de lapproche de navigation DVFF.
IV.32: Calcul du vecteur rsultant F . IV.33: Organigramme du deuxime algorithme. IV.34: Premire exprience. IV.35: Deuxime exprience. IV.36: Troisime exprience. IV.36: Troisime exprience. IV.38: Cinquime exprience. IV.39: Modle cinmatique du systme mobile ATRV2 et sa commande de mouvement.
xi
Liste des tableaux

Tableau III.1 : Rcapitulatif des tats possibles des cellules appartenant au champ de vision commun pour la fusion. Tableau III.2 : Rsultats de la fusion des donnes capteurs base sur la combinaison adaptative pour les grilles A et B. 112 114
tel-00673213, version 1 - 23 Feb 2012
xii
tel-00673213, version 1 - 23 Feb 2012
Prsentation Gnrale.
xiii
Prsentation gnrale
I. Contexte gnral.
La principale ligne actuelle de recherche pour la robotique mobile est de permettre un systme robotique mobile (systme mobile ou robot mobile) de se dplacer de manire autonome dans son environnement pour accomplir un certain nombre de tches. Ces tches sont, par exemple, se dplacer vers une cible fixe ou mobile, viter les obstacles, accoster, suivre une route, explorer et intervenir dans un milieu hostile. Pour cela, les problmes rsoudre sont parfois assez complexes. Lun deux est la dtermination dune reprsentation interne de lenvironnement (carte) du systme mobile au moyen de la perception pour permettre la planification des actions et le contrle de lexcution. Le choix de la reprsentation est essentiel. Cette reprsentation doit tre adapte la tche du systme mobile mais aussi lenvironnement dans lequel il volue. Le type denvironnement dans lequel devra se dplacer le systme mobile dtermine bien entendu le type de capteurs utiliser pour la perception. De trs nombreux capteurs sont utilisables : des camras, des proximtres, et des capteurs tactiles, etc. Mais aucun dentre eux ne peut lui seul rendre compte de tout ce que le systme mobile doit connatre sur le monde qui lentoure. La perception de chacun deux est partielle et entache derreurs. La solution consistera donc, faire cooprer un grand nombre de capteurs. Cette coopration entre capteurs est trs intressante, voire indispensable pour la ralisation des objectifs de la perception. Elle peut se faire entre des capteurs de nature diffrente (vision et capteurs acoustiques, par exemple) permettant la perception de caractristiques totalement diffrentes des objets, ou de mme type, placs diffrents endroits diminuant ainsi les problmes de rsolution, de champ de vue ou dus loccultation. Un autre problme en relation avec la perception est celui de la localisation du systme mobile dans la carte produite partir des lments perus de lenvironnement. Elle consiste calculer et maintenir jour la connaissance de la position et de lorientation du systme mobile dans un repre absolu li son environnement. Ensuite, un itinraire entre la position calcule du systme mobile et son but, gnr grce des outils de planification de chemins, peut enfin tre excut, ce qui amne le systme mobile voluer dans son environnement. Cest dans ce contexte que se situent les travaux de notre thse. Le but est de doter le systme mobile ATRV2 1 dune capacit de raction et daction dans un environnement naturel qui peut tre inconnu a priori. En particulier, il sera ncessaire de modliser et de construire la carte de lenvironnement partir de donnes issues des capteurs de son systme de perception (une ceinture de douze capteurs Ultrasons de type Polarod et un banc stroscopique couleur) pour se localiser et ensuite calculer un itinraire lui permettant datteindre son but.
1
tel-00673213, version 1 - 23 Feb 2012
Le systme mobile, tout-terrain, ATRV2 est une plate forme exprimentale construite par la socit iRobot, quip dune ceinture de douze capteurs ultra sonores et dun banc stroscopique avec deux camras couleur.
14
Prsentation gnrale
II. Problmatique traite.

Pour un systme mobile se dplaant dans un environnement qui peut tre inconnu a priori, lautonomie de dplacement devient un problme encore plus difficile rsoudre que dans le cas o le systme mobile volue dans un environnement parfaitement connu. La navigation autonome doit pouvoir rpondre aux trois mmes questions que nous nous posons tous inconsciemment lorsque nous utilisons nos vhicules : O suis-je ? O dois-je aller ? Comment my rendre ? Les deux premires questions posent le problme de la localisation. Cette localisation ncessite le choix de capteurs afin que le systme mobile puisse reconnatre son environnement. La reconnaissance implique la prsence dune connaissance initiale. Tout comme le conducteur humain qui utilise sa mmoire pour se localiser, un systme mobile doit tre pourvu dune reprsentation interne de son environnement de navigation. tel-00673213, version 1 - 23 Feb 2012 La troisime question impose une contrainte additionnelle sur la reprsentation interne de lenvironnement. Si la mmoire du systme mobile doit lui permettre de se localiser, elle doit aussi lui donner la capacit de dfinir un plan de navigation pour atteindre son but. Cette aptitude passe par la mise en place dune organisation adquate de la mmoire du systme mobile. Elle doit lui permettre de faire le lien entre sa position initiale et la position de son but. Les rponses ces trois questions suffisent aux conducteurs humains pour raliser une tche de navigation. Tout conducteur est cens possder son permis de conduire ; le contrle des mouvements du vhicule nest donc pas, a priori, une difficult. Cependant, donner aux systmes mobiles la capacit de contrler leurs mouvements reste un problme majeur de la recherche en robotique mobile. Une quatrime question doit donc tre rajoute pour pouvoir raliser une tche de navigation par un systme mobile : "Comment raliser ce dplacement ?". De cette analyse, nous en dduisons quun systme mobile autonome doit pour raliser une tche de navigation : possder un (ou des) capteurs(s) proprioceptif(s) et extroceptif(s) ; avoir une reprsentation de son environnement de navigation ; tre capable de se localiser dans cet environnement ; possder un outil de dfinition dun plan de navigation ; tre capable de contrler ses mouvements pour raliser ce plan. Se sont de pr-requis que nous devons satisfaire durant notre travail pour dfinir une mthode de localisation et une mthode de navigation autonome robuste permettant au systme mobile ATRV2 de se dplacer dun point initial vers un point destination (ou but) tout en garantissant lvitement des obstacles de son environnement.
III. Motivation et Contributions.

Les travaux prsents dans cette thse portent essentiellement sur le dveloppement dune mthode de localisation et dune mthode de navigation pour le systme mobile ATRV2 dans un environnement naturel inconnu a priori. 15
Prsentation gnrale
Nous nous intressons plus particulirement au dveloppement des mthodes de localisation et navigation beaucoup plus qu lenvironnement o le systme mobile ATRV2 se dplace. Lenvironnement naturel ncessite un certain type de capteur (inclinomtre, GPS, etc.) que le systme mobile ATRV2 ne possde pas. Nous nous sommes restreints au dplacement de ce systme mobile sur un sol plat et nayant aucune connaissance a priori sur son environnement. Notre motivation premire est le dveloppement de techniques de perception, de localisation et de navigation appropries rendant ce systme mobile capable de percevoir et dutiliser ses donnes perceptuelles pour augmenter son autonomie de dplacement, pouvoir agir et ragir face son environnement et accomplir ses tches tout en vitant les obstacles imprvus. Pour cela, le systme mobile ATRV2 doit dabord modliser et construire sa carte de lenvironnement partir de donnes issues de ses capteurs embarqus, se localiser dans cette carte et ensuite gnrer un chemin sans collisions lui permettant datteindre son but. Nos contributions ont port sur les points suivants: Mise en uvre dune mthode de construction du modle de lenvironnement du systme mobile ATRV2. Ralisation dune mthode de localisation du systme mobile ATRV2 dans son environnement combinant le filtre de Kalman tendu et la mise en correspondance de cartes Etude et mise en uvre dune mthode de navigation locale base sur le principe des champs de forces virtuelles VFF. Etude et mise en uvre dune mthode de navigation globale base sur lalgorithme D* utilisant la contrainte gomtrique du systme mobile ATRV2. Etude et mise en uvre dune nouvelle mthode de navigation hybride nomme DVFF combinant les mthodes de navigation D* et VFF. Mise en uvre dune mthode de contrle du mouvement du systme mobile ATRV2.
tel-00673213, version 1 - 23 Feb 2012
IV. Plan de la thse.

Ce mmoire de thse se divise en deux grandes parties contenant chacune deux chapitres. La premire partie est un tat de l'art concernant tous les points devant tre abords pour lintgration dun systme de perception sur un systme de robotique mobile. Les diffrents types de capteurs disponibles sur le march et les approches traitant de la modlisation-fusion de leurs mesures sont prsents dans le premier chapitre ainsi que les diffrentes reprsentations denvironnements proposes dans la littrature. Le deuxime chapitre passe en revue les principaux travaux mens dans le cadre des diffrents systmes de localisation et de navigation et les mthodes dveloppes pour leur rsolution. La deuxime partie prsente notre contribution concernant la localisation et la navigation du systme mobile ATRV2 dans un environnement qui peut tre inconnu a priori, o nous commenons dabord dans le troisime chapitre par prsenter les capteurs embarqus formant le systme de perception de lATRV2, nous donnons les principes physiques qui rgissent leur fonctionnement et nous exposons les diffrentes sources derreurs inhrentes leur utilisation. Ensuite, nous donnons le modle choisi de lenvironnement de navigation qui va tre 16
Prsentation gnrale
utilis tout au long de ce travail. A la fin de ce chapitre, nous proposons une approche permettant la fusion multisensorielle de donnes visuelles et tlmtriques. Au dbut du quatrime chapitre, nous prsentons les caractristiques spcifiques du systme mobile ATRV2, ses architectures matrielle et logicielle, ainsi que sa gomtrie. La cinmatique et le caractre holonome et non holonome du systme sont des caractristiques extrmement importantes pour le dveloppement de notre travail. Ils vont tre utiliss dans le dveloppement dune nouvelle mthode de navigation nomme DVFF. Cette mthode combine une mthode de planification de trajectoire globale base sur lalgorithme D*, et une mthode ractive non stop base sur le principe des champs de forces virtuelles VFF. Elle permet au systme mobile ATRV2 de sorienter vers sa position destination tout en vitant les collisions avec les obstacles de son environnement. Nous concluons ce mmoire de thse en faisant le bilan de nos diffrentes contributions tout au long des chapitres, et lanalyse qualitative de lensemble des rsultats obtenus. Nous voquons ensuite quelques perspectives que nous trouvons les plus intressantes pour la suite de ces travaux. tel-00673213, version 1 - 23 Feb 2012
17
Partie I
tel-00673213, version 1 - 23 Feb 2012
Introduction aux systmes de robotique mobile.
18
Chapitre I
tel-00673213, version 1 - 23 Feb 2012
Systme de perception des systmes de robotique mobile.
19
Chapitre I : Systme de perception des systmes de robotique mobile
Dans ce chapitre, nous prsentons les diffrents types de capteurs utiliss dans les systmes de robotique mobile disponibles sur le march et les approches traitant de la modlisation-fusion de leurs mesures ainsi que les diffrentes reprsentations denvironnement proposes dans la littrature.
I.1. Capteurs utiliss dans les systmes de robotique mobile.

Pour raliser un systme de robotique mobile intelligent, il est ncessaire d'utiliser des capteurs qui fourniront la perception requise de l'environnement pour une prise de dcision intelligente. A ce jour, il n'existe pas de capteur qui se dmarque des autres par une efficacit vraiment suprieure. Ils ont tous des avantages et des inconvnients avec lesquels il faut pouvoir composer. Par contre, leur importance peut tre passablement influence par l'environnement dans lequel le systme est amen voluer. Le dfi est donc de raliser des systmes qui utilisent le mieux possible les capteurs ou une combinaison de capteurs en tenant compte de leurs conditions d'utilisation, et ceci requiert une bonne connaissance de leurs caractristiques. Nous pouvons dfinir deux catgories de capteurs couramment utilises en robotique mobile : ceux qui dlivrent une information caractrisant lenvironnement et ceux qui interviennent dans le fonctionnement du systme robotique. Les premiers sont appels capteurs extroceptifs qui fournissent des informations sur le monde extrieur au systme mobile, et les seconds sont les capteurs proprioceptifs qui fournissent des informations propres au comportement interne du systme mobile, cest--dire sur son tat un instant donn.
tel-00673213, version 1 - 23 Feb 2012
I.1.1. Capteurs proprioceptifs.

Les capteurs proprioceptifs fournissent par intgration des informations lmentaires sur les paramtres cinmatiques du systme mobile. Les informations sensorielles gres dans ce cadre sont gnralement des vitesses, des acclrations, des angles de giration, des angles daltitude. Cependant, ils ne peuvent pas procurer de renseignements lors de l'arrt du systme mobile. On peut regrouper les capteurs proprioceptifs en deux familles [Fra90] : Les capteurs de dplacement qui comprennent les odomtres, les acclromtres et les radars Doppler. Cette catgorie permet de mesurer des dplacements lmentaires, des variations de vitesse ou dacclration sur des trajectoires rectilignes ou curvilignes. Les capteurs dattitude, qui mesurent deux types de donnes : les angles de cap et les angles de roulis et de tangage. Ils sont principalement constitus par les gyroscopes, les gyromtres, les gyrocompas, les capteurs inertiels composites, les inclinomtres et les magntomtres. Ces capteurs sont en majorit de type inertiel. 20
I.1.1.1. Capteurs de dplacement [Cou00]. a. Les odomtres. Les systmes odomtriques fournissent la position du systme mobile pendant son mouvement, par intgration des rotations lmentaires de ses roues. Pour les applications de robotique mobile, les mesures de rotation des roues sont effectues dans la plupart des cas par des codeurs optiques incrmentaux. Il existe nanmoins d'autres codeurs (magntiques, inductifs, capacitifs, etc.). Le principe de l'odomtrie est le suivant : Le dplacement angulaire d'un systme mobile deux roues motrices est : (I.1) L o Rd et Rg dsignent les rayons des deux roues, L reprsente la longueur de l'essieu entre les roues motrices, d et g indiquent les rotations lmentaires des roues droite et gauche. Le dplacement lmentaire du systme mobile est : tel-00673213, version 1 - 23 Feb 2012
R d d R g g
d =
R d d + R g g
2
(I.2)
En supposant que le dplacement lmentaire d est circulaire ou rectiligne, et que le dplacement angulaire reste assez petit (Figure I.1), on peut calculer la position ( x t , y t , t ) actuelle du systme en fonction de la position (x t 1 , y t 1 , t 1 ) prcdente par : t 1 x t = x t 1 + d t 1 cos t 1 + 2 t 1 y t = y t 1 + d t 1 sin t 1 + 2 t = t 1 + t 1 la forme :
(I.3)
Si lon note U t = (d t , t ) t , on peut crire les relations du systme ci-dessus sous
X t +1 = f ( X t , U t )
(I.4)
L'avantage des capteurs odomtriques est qu'ils fonctionnent indpendamment de l'environnement et que la mthode est simple, facile mettre en uvre et d'un faible cot. Les inconvnients de ces capteurs sont qu'ils sont sujets aux problmes provenant du glissement, de l'usure ou du flchissement des roues et que les erreurs sur la position croissent au fur et mesure du dplacement du fait de l'intgration des mesures ncessaire pour obtenir la position du systme mobile. Pour mesurer ou rduire ces erreurs, il est important de faire la diffrence entre lerreur systmatique et non systmatique de ce capteur. Les erreurs systmatiques sont celles qui sont une partie inhrente la cinmatique du systme mobile ou ces paramtres de contrle indpendamment de 21
lenvironnement. Les erreurs non systmatiques sont celles qui dpendent de lenvironnement du systme mobile et diffrent dun environnement un autre. La distinction entre ces deux groupes est importante car chaque groupe influe diffremment sur la plateforme mobile, leurs remdes sont diffrents et plus important tous les deux ncessitent diffrentes techniques de mesure. Borenstein et al. dans [Bor94,Bor95,Bof95,Bor96a,Bor98] ont tudi les diffrentes sources des deux types derreurs, et ont catgoris ces erreurs comme suit : Les erreurs systmatiques : - Diamtres des roues diffrents. - Roues mal positionnes. - Une rsolution limite des encodeurs. - Vitesse dchantillonnage des encodeurs limite. Les erreurs non systmatiques : - Se dplacer sur un sol raboteux. - Se dplacer travers des objets imprvus sur le sol. - Glissement des roues (sol lisse, excs dacclration, patiner dans un tournant rapide, etc.). - Forces externes (interaction avec des corps externes). - Forces internes (roue folle). - Pas de contact avec le sol.
tel-00673213, version 1 - 23 Feb 2012
Figure I.1 : Principe de l'odomtrie. Dans la littrature, certains travaux ont rduit les problmes lis ce type de capteur. Dans [Cox91] les auteurs ont utilis une rfrence indpendante priodiquement, qui par la suite a t applique par exemple dans la mthode de localisation dynamique du projet V.A.H.M (Vhicule Autonome pour Handicaps Moteurs)[Hor94], ou encore pour la correction de la position 3D d'un systme mobile tous terrains [Uch98]. En modlisant les erreurs (imprcision sur les rayons des roues, non-planit du sol) il est possible d'valuer l'incertitude sur la position du systme mobile au cours du mouvement [Mor85], ou la fin du mouvement en mmorisant le trajet effectu [Cho97]. Ces modlisations ne peuvent pas prendre en compte les erreurs dues au glissement des roues, il faut donc russir les dtecter. Ceci peut tre ralis en utilisant un systme mobile d'une architecture particulire, comme le systme mobile OmniMate de l'universit de Michigan [Bor97b]. Ce systme a la particularit d'tre compos de deux parties relies par un axe. Quand un glissement apparat sur l'une des deux
22
parties, la diffrence d'orientation mesure au niveau de l'axe permet de l'valuer et de corriger la position du systme mobile. b. Les acclromtres. Lacclromtre est un capteur qui mesure lacclration linaire en un point donn. En pratique, la mesure de lacclration est effectue laide dune masse dpreuve M, de masse m, relie un botier du capteur. Le principe de ce capteur est de mesurer leffort massique non gravitationnel quon doit appliquer M pour le maintenir en place dans le botier lorsquune acclration est applique au botier. Le calcul du dplacement lmentaire du systme mobile est obtenu par double intgration de ces informations. Cette double intgration conduit gnralement des accumulations importantes derreurs. Ce capteur est plus coteux que des odomtres. c. Le radar Doppler. Les capteurs radar Doppler sont employs couramment pour des applications aronautiques et maritimes pour mesurer la vitesse linaire du vhicule par rapport la terre en se basant sur leffet Doppler-Fizeau. Le principe est de diriger un faisceau lectromagntique de frquence F vers le sol. Le faisceau reu aprs rediffusion sur le sol prsente un dcalage de frquence F proportionnel la vitesse V du dplacement relatif du vhicule par rapport au sol (Figure I.2). Lintgration de la mesure de vitesse fournira une estimation du dplacement du mobile. Ces capteurs sont le plus souvent utiliss en milieu extrieur. Ils prsentent le gros avantage dtre insensible au patinage et aux glissements des roues, raison pour laquelle ils sont employs dans certaines applications pour rduire les effets des erreurs odomtriques. En revanche, leur prcision se dgrade rapidement avec la diminution de la vitesse. De plus ils sont gnralement lourds mettre en oeuvre, aussi bien du point de vue lectronique que du point de vue du traitement des informations reues. De plus, dans certains cas une mauvaise interprtation peut tre mise en vidence si un vhicule est plac sur un sol en mouvement. Par exemple, si un filet d'eau coule entre les roues du vhicule, le capteur Doppler va interprter la vitesse de l'eau comme tant celle du vhicule [Byr92].
tel-00673213, version 1 - 23 Feb 2012
Figure I.2 : Principe du capteur effet Doppler. Lexpression de la vitesse est :
c F 2 F cos avec : v =
(I.5)
23
v : la vitesse de dplacement de l'metteur, c : la vitesse de propagation de l'onde, F : la diffrence de frquence, F : la frquence d'mission, : langle d'inclinaison entre le capteur et le sol. I.1.1.2. Capteurs dattitude. Les capteurs dattitude permettent destimer les paramtres intrinsques du systme mobile qui sont les angles de cap, de roulis et de tangage. Ces capteurs sont principalement de type inertiel. Ces capteurs ont pour point commun dtre gnralement coteux et sensibles au bruit, do une intgration moins frquente dans les systmes embarqus que les odomtres. a. Les gyroscope, gyromtre et gyrocompas. Les gyroscopes permettent la mesure de l'angle de rotation de la trajectoire du systme mobile. Ces mesures sont intgres pour fournir la position du systme mobile. Ces capteurs sont particulirement rpandus en positionnement de systmes mobiles car ils aident compenser pour la plupart, l'imprcision sur l'orientation fournie par l'odomtre [Fer91,Bor96b,Fuk96]. Une erreur d'orientation odomtrique peut entraner une erreur de position cumulative qui peut tre diminue voire compense par lutilisation conjointe de gyroscopes [Bor96b]. Les gyroscopes trs prcis sont trop onreux pour tre utiliss en robotique mobile. Cependant, les gyroscopes fibre optique, connus pour leur grande prcision, ont vu leur prix chuter et sont donc devenus une solution attractive pour la navigation en robotique mobile. Le gyromtre est un capteur qui permet de mesurer une vitesse angulaire. Il existe plusieurs types de gyromtres : les premiers avoir fait leur apparition furent mcaniques, aujourdhui, on utilise surtout des gyromtres laser ou des gyromtres optiques [Vag93]. Le gyrocompas est un capteur qui permet de mesurer le cap. Il est compos dun gyroscope et dun compas magntique. Le gyrocompas conserve le nord magntique durant tout le dplacement du vhicule, aprs lavoir initialement dtermin de faon autonome. b. Les magntomtres. Les capteurs magntiques sont des instruments qui mesurent la direction du champ magntique terrestre. Ils sont utiliss pour dduire lorientation du systme mobile. Ces derniers tant perturbs par les masses mtalliques, l'utilisation du compas magntique n'est possible que pour des systmes mobiles voluant dans la nature, moyennant une procdure d'initialisation pour compenser l'influence magntique de l'engin porteur. Comme les capteurs inertiels, les magntomtres sont utiliss pour indiquer l'orientation du systme mobile [Arn93,Kar97].
tel-00673213, version 1 - 23 Feb 2012
24
I.1.2. Capteurs extroceptifs.

Les capteurs extroceptifs sont employs en robotique mobile pour collecter des informations sur l'environnement d'volution du systme mobile. Ils sont le complment indispensable aux capteurs proprioceptifs prsents prcdemment. Des mthodes de fusion de donnes sont alors utilises pour conditionner et traiter les informations sensorielles de natures diffrentes. Ils sont notamment utiliss dans les domaines d'application tels que l'vitement d'obstacle, la localisation, la navigation et la modlisation d'environnements. Les principaux capteurs utiliss en robotique mobile sont : les capteurs tlmtriques (les ultrasons, les lasers et les infrarouges), le GPS et les camras. I.1.2.1. Les capteurs tlmtriques. On appelle tlmtrie toute technique de mesure de distance par des procds acoustiques, optiques ou radiolectriques. Lappareil permettant de mesurer les distances est appel tlmtre. Il existe diffrentes technologies pour raliser un tlmtre. Nous prsentons dans ce qui suit les tlmtres les plus utiliss dans les systmes de robotique mobile, en donnant une ide de leur gamme de mesure et dapplication. a. Les ultrasons [Cou00,Lar00]. Les capteurs ultrasons (ou tlmtres ultrasonores) sont aujourd'hui les capteurs les plus communment employs dans les systmes de robotique mobile autonome en raison de leurs bas prix, de leur faible consommation, de leur simplicit et de leur compacit (Figure I.3). Ils ont t exploits dans des domaines tels que la navigation, la modlisation d'environnement, l'vitement d'obstacle ou l'estimation de la position. Le capteur ultrasons mesure le temps de vol d'une onde ultrasonore (de 20 Khz 200 Khz) entre son mission et sa rception aprs rflexion. A partir de ce temps et connaissant la vitesse de propagation de l'onde, la distance sparant le capteur de l'obstacle qu'il peroit est directement disponible sans analyses complmentaires. Les acquisitions des mesures sont rapides, ils peuvent donc tre utiliss pour les processus qui demandent un traitement en temps rel comme l'vitement d'obstacles [Dje05]. Il existe nanmoins des erreurs potentielles comme la variation de la vitesse de propagation de l'onde qui peut tre influence par les changements de temprature, par les courants d'air et dans une moindre mesure par l'humidit. Une autre caractristique de ces capteurs est leur cne d'mission assez large (de 20 30) qui ne permet pas de connatre prcisment la position de l'obstacle dans le cne d'mission du capteur. Le prix des capteurs ultrasons n'tant pas excessif, il est possible de les disposer en ceinture autour du systme mobile afin de percevoir une grande partie de l'environnement. Par ce dispositif, des rgions trous correspondant l'espace entre les cnes de deux capteurs voisins apparaissent (Figure I.4).
tel-00673213, version 1 - 23 Feb 2012
25
Une autre mthode pour obtenir un balayage complet de l'environnement est d'utiliser un capteur tournant. Cela ncessite l'utilisation d'un systme lectromcanique qui commande les rotations du capteur [Dru87]. Par ailleurs, des systmes composs de plusieurs capteurs ont t conus pour affiner les mesures, par exemple un metteur-rcepteur et deux rcepteurs qui constituent un capteur tri-aural (Figure I.5) [Ohy94a,Sab94]. La diffrence entre les temps de rception de l'onde des trois rcepteurs dtermine l'orientation et la forme de la cible (coin, plan, cylindre, etc.). En effet, si les trois points de mesure sont aligns, l'obstacle dtect est certainement un plan; par contre si les trois points forment un arc, il s'agit sans doute d'un coin (arc courb vers le capteur) ou d'une arte (arc fuyant le capteur). La valeur de langle est donne par lexpression suivante :
l 2d
(I.6)
tel-00673213, version 1 - 23 Feb 2012
(a) (b) (c) Figure I.3 : Exemples de tlmtres ultrasonores, (a) Tlmtre ultrasonore Polaroid Migatron RPS 409 IS, (b) Tlmtre ultrasonore Polaroid srie 600, (c) Tlmtre ultrasonore MSU08.
XR
210 456 3 7
YR
11 10 8 9
Rgions trous
Figure I.4 : Exemple de ceinture de 12 capteurs ultrasons. b. Les capteurs infrarouges.
Figure I.5 : Exemple d'utilisation d'un capteur tri-aural.
Les capteurs infrarouges fonctionnent suivant le mme principe que les capteurs ultrasons. Ils se composent d'un couple metteur-rcepteur (Figure I.6). L'mission s'effectue par une diode lectroluminescente infrarouge. Le rcepteur est une photodiode ou un phototransistor, sensible au flux lumineux rtrodiffus par la cible [Cou00].
26
Les capteurs infrarouges sont d'un faible encombrement mais sensibles aux perturbations lumineuses ainsi qu' la nature des surfaces rflchissantes. Leurs portes n'tant que de quelques mtres, ils sont utiliss essentiellement pour dtecter les obstacles proches [Gou94].
LED IR Obstacle
PSF
Figure I.6 : Tlmtre infrarouge Sharp de la famille GP2.
tel-00673213, version 1 - 23 Feb 2012
La mesure obtenue
Figure I.7 : Tlmtre laser SICK fournissant 180 mesures rparties sur 180 degrs. c. Les lasers. Il existe deux manires de mesurer une distance grce un systme laser. Soit il met en mode continu et la distance est dtermine partir du dphasage entre l'onde mise et l'onde rflchie par l'obstacle, soit il met en mode puls et la distance est proportionnelle au temps de vol de l'onde entre son mission et sa rception. Le faisceau d'ondes mis est trs concentr, ce qui permet d'avoir un cne d'mission trs troit et donc une bonne prcision de mesure. Pour obtenir un balayage de l'environnement en deux, voir en trois dimensions, diffrents systmes de miroirs tournants peuvent tre associs au laser [Jor95,Kwo97,Wec98]. Les lasers existants diffrent par leurs caractristiques techniques et leurs domaines d'applications (Figure I.7). En effet, la distance maximale mesurable des lasers peut aller d'une dizaine de mtres jusqu' quelques centaines de mtres. La prcision angulaire des systmes laser est meilleure que celle des capteurs ultrasons, ils sont cependant moins utiliss car plus coteux, plus fragiles et plus dlicats mettre en uvre en raison du matriel optique utilis (lentilles, miroirs, etc.) [Cou00]. De plus, ils ncessitent un entretien trs frquent car les mesures sont affectes si le systme n'est pas propre et bien ajust. Ils sont aussi grandement influencs par les conditions environnementales telles que la temprature, la neige, la pluie et la brume. Dans ces conditions, la qualit du signal est attnue.
27
Il faut aussi considrer l'effet thermique du rayonnement laser qui peut reprsenter un certain danger. Il a t calcul qu' une distance infrieure 70 cm, le signal laser utilis avec de tels systmes est considr comme tant dangereux, particulirement pour l'il humain [Dub96]. Il est donc ncessaire de tenir compte de cette particularit lors de la conception d'un systme de dtection, surtout s'il opre dans un milieu o des personnes peuvent se trouver. I.1.2.2. Les capteurs micro-onde. Le capteur micro-onde, ou radar, est bas sur le rayonnement d'un signal lectromagntique de l'ordre du gigahertz. Il peut fonctionner en trois modes diffrents [Lar00]. La tlmtrie peut tre utilise pour fournir une information de distance, comme dans le cas des capteurs tlmtriques prcdents [Dub96, Eve95]. On peut aussi, en utilisant un radar mission continue, exploiter le principe de l'effet Doppler afin d'obtenir une indication de mouvement d'une cible. Toutefois, l'effet Doppler ne donne aucune indication de distance [Dub96, Eve95]. Le troisime mode permet d'obtenir la distance en plus de dterminer si l'obstacle est mobile ou non. Il s'agit d'utiliser un radar mission continue en lui ajoutant une modulation de la frquence d'mission. Plusieurs formes d'ondes sont possibles pour effectuer la modulation [Dub96, Eve95]. Les capteurs micro-onde ont comme avantages d'avoir une trs longue porte (mtres kilomtres) et une trs grande prcision. De plus, ils sont un des seuls types de capteurs tre pratiquement insensibles aux conditions environnementales comme la pluie et les carts de temprature [Eve95]. Mais ils ont aussi leurs inconvnients, dont le principal est leur cot trs lev. Une autre caractristique qui les rend inadquats pour certaines applications est la dimension assez importante de l'metteur. L'effet des micro-ondes sur la sant des individus exposs aux rayonnements est un autre point considrer [Dub96]. I.1.2.3. Les capteurs tactiles. Les capteurs tactiles sont des dtecteurs sensibles au contact. Il existe plusieurs varits de capteurs tactiles qui peuvent avoir de nombreuses formes et diffrents niveaux de sensibilit. La plupart de ces capteurs ne sont pas coteux. Dans un systme de dtection distance, ce type de capteur n'est pas le centre d'intrt mais peut quand mme tre utilis pour complter le systme, en assurant par ailleurs une scurit supplmentaire [Lar00]. I.1.2.4. Les GPS. Un des systmes les plus connus de ces dernires annes est le Systme de Positionnement Global (GPS) du dpartement de la dfense des Etats-Unis qui exploite une constellation de vingt-quatre satellites en orbite haute altitude. Chaque satellite dtecte les rcepteurs terrestres fixes ou mobiles qui se trouvent dans sa zone de visibilit et transmet chacun, priode fixe, un signal contenant des informations telles que son identification, l'heure d'mission du signal et les paramtres dfinissant son orbite donc sa position. Thoriquement, un rcepteur doit tre visible dau moins trois satellites, pour pouvoir calculer sa position dans un repre centr sur la terre, en calculant lintersection de trois
tel-00673213, version 1 - 23 Feb 2012
28
sphre (trois cercles pour un systme mobile au sol) ; de fait, pour tenir compte des dcalages temporels entre les mesures fournies par les satellites, quatre mesures de distance entre le satellite et le rcepteur sont requises pour disposer dune prcision satisfaisante [Lau01]. Ce systme est cependant loin de rsoudre tous les problmes de localisation des systmes mobiles. Il fonctionne en effet difficilement dans des environnements urbains, et nest pas utilisable lintrieur des btiments car les ondes employes sont fortement attnues en traversant les murs. Sa prcision est de plus souvent trop faible pour quun systme mobile terrestre puisse utiliser ces informations seules. En pratique, il est souvent coupl un systme inertiel qui permet de pallier aux pertes du signal GPS et il ne remplace de toute faon pas les capteurs du systme mobile qui lui permettent de percevoir son environnement immdiat [Fil04]. Mis part son utilisation pour la localisation, ce systme est aussi utilis pour laide la navigation davions et de bateaux lors de lapproche daroports ou de ports, ainsi que dans la surveillance de camionnettes de livraison et de vhicules durgence, en vue de choisir au mieux leurs itinraires. I.1.2.5. Les camras. Depuis les annes 70, les camras CCD (Charge Coupled Device) ont t dterminantes dans lvolution de la vision: la rapidit dacquisition, la robustesse et la miniaturisation sont autant davantages qui ont facilit leur intgration. Elles sont trs performantes en termes de porte, prcision et quantit dinformations exploitables. Elles sont de plus les seules capables de restituer une image sensorielle de lenvironnement la plus proche de celle perue par ltre humain. C'est sans doute le capteur fournissant la plus grande varit d'informations partir d'une seule acquisition. En effet, en appliquant divers algorithmes de traitement d'images, il est possible d'extraire des lments caractristiques de l'environnement comme des segments de droite, des plans, mais aussi des balises et des couleurs. En revanche, linconvnient majeur de tels capteurs se situe dabord au niveau de la gestion du flux important de donnes exploitables (traiter une image demeure une opration dlicate et surtout coteuse en temps de calcul), ensuite leur sensibilit aux conditions d'clairage. Pour augmenter le champ de vision de ces camras, on peut les associer soit avec dautres camras ou soit des systmes de rflexion de type miroir : il sagit des techniques de vision omnidirectionnelle. Cette association permet dobtenir une vue sur 360 degrs de lenvironnement [Dro02]. Utilise seule, une camra CCD ne peut fournir qu'une information 2D. Les techniques qui permettront d'obtenir des informations 3D partir d'un tel capteur sont gnralement lies ladjonction dun autre capteur. Dans ce cadre nous pouvons identifier les techniques suivantes:
tel-00673213, version 1 - 23 Feb 2012
29
a. La strovision [Lem05]. La strovision consiste observer une mme scne : soit avec deux camras loignes lune de lautre et dont on connat la distance qui les sparent, soit avec deux images successives prises partir de deux points de vue diffrents. Connaissant la gomtrie exacte du systme stroscopique, il est possible de reconstruire en 3D la scne observe ou destimer la distance des objets et davoir ainsi une image de profondeur, qui peut tre utilise pour lvitement dobstacles ou la cartographie. Afin de reconstruire en 3D la scne observe partir des images acquises, le processus de strovision comporte une chane de traitement qui se prsente de la faon suivante : 1. Le calibrage (ou calibration). 2. La rectification (tape optionnelle). 3. La mise en correspondance (ou appariement). 4. La reconstruction 3D. Dans ce qui suit, nous prsentons chacune des tapes dcrites dans la chane de traitement. tel-00673213, version 1 - 23 Feb 2012 a.1. Le calibrage. La phase de calibration de camra est considre comme une tape importante pour de nombreux algorithmes et applications de la vision par ordinateur, en particulier les systmes qui sintressent rcuprer linformation 3D perdue lors de lacquisition des images. La calibration revient dterminer analytiquement la fonction projective ou la transformation spatiale qui associe chaque point 3D dans le repre scne sa projection 2D sur le plan image. a.1.1. Calibrage dune seule camra [Cro97]. De nombreuses applications ne ncessitent pas un calibrage complet de camras, mais, ds que nous souhaitons effectuer une reconstruction tridimensionnelle euclidienne mtrique, il savre ncessaire deffectuer ce calibrage. Le calibrage consiste obtenir un modle approch de la camra. Une camra est un capteur sensible au rayonnement lumineux mis par lenvironnement. Elle est dfinie comme tant un moyen pour obtenir une image 2D partir dun objet 3D. Un modle de camra est souvent dfini par des paramtres intrinsques et extrinsques. Les paramtres intrinsques dune camra modlisent ses caractristiques internes et ne dpendent donc pas de sa position ni de son orientation dans lespace. Les paramtres extrinsques, quant eux, relient le systme de coordonnes de la camra au systme de coordonnes du monde par une srie de transformations 3D (rotation et translation). Ils reprsentent la position et lorientation de la camra par rapport un repre fixe (repre du monde). Le but du calibrage consiste tablir une relation mathmatique entre les coordonnes 3D du monde rel et leurs coordonnes 2D correspondantes sur une image issue de la camra. Cette relation est gnralement obtenue sous forme dune matrice, appele matrice de transformation 3D-2D qui contient les
30
paramtres intrinsques et extrinsques. Une fois cette matrice calcule, linformation 3D peut tre infre partir des coordonnes 2D et vice-versa. Diffrentes techniques de calibrage ont t proposes dans la littrature. Elles peuvent toutes tre classes en deux grandes familles selon quelles utilisent une mire de calibrage ou pas. Une mire de calibrage est un objet du monde rel dont on connat parfaitement la gomtrie et partir duquel seront extraits les points qui seront utiliss dans la phase de calibrage. Elle est gnralement compose de motifs rptitifs (cercles ou rectangles) afin de choisir des points dintrt dont les coordonnes image (2D) peuvent tre mesures avec une plus grande prcision. Les techniques de calibrage qui utilisent une mire sont bases sur lobservation de cette dernire. Les coordonnes 3D de quelques points dintrt sont alors dtermines et leurs projections sont mesures dans le repre image et on obtient ainsi les coordonnes 2D de ces points (en pixels). Une fois les coordonnes 2D et 3D de ces points connues, il est possible destimer la matrice de transformation 3D-2D. La prcision de la calibration dpend bien sr de la prcision de la grille et de celle des points dintrts choisis. Les techniques de calibrage qui nutilisent pas de mire (ou connues aussi sous le nom de calibrage automatique ou semi-automatique) supposent, elles, que seuls les paramtres intrinsques de la camra sont connus. Le calibrage automatique ne ncessite donc aucun appareillage de calibration et aucune connaissance a priori sur le systme dimagerie ou la scne, si ce nest une liste de primitives 2D (points dintrt) mises en correspondance entre diffrentes vues. La littrature fait souvent aussi tat de calibrage faible ou fort ; la distinction se situe au niveau dune estimation globale de la matrice de projection (cas faible) ou dune estimation de chaque paramtre qui compose cette matrice (cas fort). Dans ce qui suit, nous prsentons un panorama non exhaustif des grandes tendances de la calibration de camra [Ben02]. 1. Mthode des multiplans. C'est une mthode qui utilise plusieurs vues d'un mme plan [Bas98b, Bas98a, Bea92, Bou99] dans un volume donn. La distance entre la camra et le plan de calibration est mesure avec une extrme prcision. Le principe consiste modliser le volume gnr par les positions quelconques du plan dans l'espace. Initi par la mthode des deux plans o chaque point contenu dans les plans est une ligne de vise, cette mthode ne ncessite aucune formulation gomtrique. L'ensemble camra et plan de calibration se comporte comme une bote noire, o les paramtres identifier sont obtenus par interpolation. En gnral, une dizaine de vues du plan contenant au minimum une vingtaine de points de repre sont ncessaires pour rendre la mthode robuste. 2. Mthode de Tsa. Roger Tsa [Tsa86, Tsa89] prsente une mthode base galement sur le principe du dplacement d'un plan mais avec la particularit de modliser la calibration d'une camra par une approche gomtrique simplifie. Cette
tel-00673213, version 1 - 23 Feb 2012
31
technique de calibration prsente la possibilit d'estimer le coefficient qui exprime la distorsion radiale du systme optique. Une srie d'hypothses simplificatrices sont ncessaires pour utiliser cette mthode. Notamment la camra est positionne de sorte que son axe optique fasse au minimum 30 degrs avec la normale du plan de calibration. Le plan de calibration doit se dplacer de faon parallle sa position prcdente afin d'obtenir une contrainte de paralllisme et annihiler les distorsions axiales. D'autres hypothses supposent l'invariance de la distorsion avec le dplacement du plan de calibration. Une cascade de rsolutions de systmes linaires et non linaires est ncessaire pour aboutir la dtermination des paramtres intrinsques et extrinsques. Il faut plus de 200 points de mesure pour calibrer une camra. 3. Mthode des points de fuite. Cette mthode dont la communaut des chercheurs en vision attribue la primeur Capril et Torre [Cap90], utilise les proprits lies aux trois points de fuite [Cip99] d'un cube vu en perspective. En effet, les points de fuite de trois directions de droites orthogonales deux deux forment un triangle dont l'orthocentre est le point de fuite principal. La mthode ncessite l'acquisition d'au moins deux images d'un cube de dimensions connues vu sous deux angles diffrents pour y tudier chaque face. Sur chaque face du cube figure des lignes parallles et l'orientation des lignes de chaque face est diffrente de sorte obtenir trois points de fuite distincts. L'ensemble des points de fuite rpartis sur les deux images permet de dfinir un orthocentre. C'est ainsi qu'est calcule la distance focale, en supposant que le centre optique est au centre de l'image, par un calcul linaire pour ensuite tre affine par une mthode non linaire intgrant les distorsions radiales. La matrice de rotation est estime partir des appariements des deux images (strovision) [Hor93]. 4. Mthode de Faugeras et Toscani. C'est l'une des mthodes de calibration de camra qui est trs souvent utilise dans l'industrie. Les ingnieurs spcialistes du traitement d'images trouvent dans la thse de doctorat de Gorgio Toscani [Tos87] un vritable document exploitable. Toscani a abord, dans sa thse, la problmatique de la calibration, ainsi que la localisation en strovision, par un langage mathmatique couramment usit et d'une implmentation immdiate. Toscani s'approche de la calibration par un formalisme et par une mthodologie rigoureuse. l'aide d'une mire de calibration et partir des quations de la projection perspective linaire du modle stnop, cette mthode extrait les paramtres intrinsques et extrinsques par la rsolution d'un systme de 2n quations, o n est le nombre de points non coplanaires suprieur 6 de la mire de calibration par deux approches. La premire mthode linaire, issue de la photogrammtrie arienne, permet de rsoudre le systme d'quations en proposant d'admettre que la distance entre le
tel-00673213, version 1 - 23 Feb 2012
32
repre de la camra et le repre de l'objet de calibration soit ramene la valeur 1. La seconde mthode, trs originale, a une approche non linaire et utilise, pour rsoudre le systme d'quations, l'une des seules contraintes d'orthogonalit de la matrice de rotation qui ne subit par l'influence des paramtres intrinsques et qui se nomme la contrainte Faugeras-Toscani [Fau86]. 5. Mthode base d'ellipses. La mthode base d'ellipses met en vidence un problme, souvent nglig, que l'on relgue aux oprations de traitement de l'image. Or cette nouvelle approche la calibration est plus que ncessaire pour effectuer de bonnes mesures dans l'image. A juste titre, Jean Philippe Tarel [Tar96] admet que la prcision des donnes est souvent lie la qualit des mesures et pour ce faire, l'auteur explicite la relation qui existe entre un objet dans l'espace et son image par une approche lambertienne. En effet, la lumire exerce sur une surface de la mire de calibration rayonne par une rflexion diffuse dans une demi-sphre gaussienne. Daprs le thorme de Jean Henry Lambert : "la quantit d'nergie mise partir d'un lment de surface dans une direction dtermine est proportionnelle au cosinus de l'angle que fait cette direction avec la normale la surface". La rponse proportionnelle du capteur CCD l'intensit reue permet de mesurer, avec une grande prcision, des caractristiques gomtriques, comme l'aire, le barycentre et les moments d'inertie. 6. Mthode par autocalibration. Cette mthode est qualifie par ses auteurs comme un procd permettant d'extraire les paramtres intrinsques d'une camra sans intervention manuelle et sans mire de calibration. L'intrt majeur de cette technique rside dans l'utilisation de systmes dits vision active o sans cesse les paramtres optiques sont modifis par le zoom ou la mise au point. L'autocalibration est particulirement adapte lorsque la luminosit est fortement ingale ou lorsque la camra travaille des distances fortement variables. Thomas Skordas [Sko95] a ralis un comparatif dtaill sur les trois catgories d'autocalibration. La premire mthode est base sur la gomtrie pipolaire entre deux camras et repose sur le calcul de la matrice fondamentale qui intervient entre les deux camras. La seconde mthode recherche estimer un grand nombre de paramtres issus d'un systme d'quations quadratiques. La dernire mthode se base sur la connaissance a priori du mouvement de la camra, d'o la ncessit de faire une srie de mouvements (de la camra) ainsi que l'acquisition de nombreuses images. La connaissance de points caractristiques permet d'estimer les paramtres intrinsques de la camra.
tel-00673213, version 1 - 23 Feb 2012
33
a.1.2. Calibrage dun banc stroscopique [Cro97]. Pour calibrer un capteur stroscopique compos dans notre cas de deux camras 2 , nous commenons tout dabord par calibrer chaque camra en utilisant les mmes points de rfrence 3D et dans la mme situation. Ces deux calibrages vont donner deux matrices de projection perspective M l et M r partir desquelles nous pouvons construire les diffrentes transformations (repre absolu/repre camra, repre camra/repre rtinien et repre rtinien/repre image) pour les deux camras. Nous calculons ensuite la matrice A l r qui dcrit la transformation rigide permettant de passer du repre camra gauche au repre camra droite en utilisant la relation suivante : A l r = A r A l1 (I.7) o A l et A r sont respectivement la transformation repre absolu/repre camra gauche et droite. La figure suivante (Figure I.8) dcrit la gomtrie du capteur stroscopique. tel-00673213, version 1 - 23 Feb 2012
Al
C ZL C ZR
C XL
X
X
C R
YLC
B
YRC Ar
A l r
Figure I.8 : Gomtrie du capteur stroscopique. a.1.3. Modle gomtrique dune camra [Cro97]. Une camra ralise une transformation ponctuelle qui fait passer dun point physique de lespace rel 3D un point 2D sur le plan image de celui-ci. Ce qui revient une transformation mathmatique de R3 vers R2. On suppose gnralement que la transformation ralise est une projection centrale par rapport au centre de la camra : cest le modle Pinhole ou modle Stnop. Le modle stnop se caractrise par un plan de projection (le plan image) et un centre de projection (le centre optique F). La Figure I.9 montre quun point B de la scne se projette sur le plan image en un point b qui est lintersection de la droite (FB) avec le plan image. Avec ce modle, le processus dobtention dune image peut tre dcrit de manire synthtique par la matrice de projection perspective (ou encore matrice de
2
Le banc stroscopique utilis est compos de deux camras CCD couleur montes sur le systme mobile ATRV2.
34
transformation 3D-2D). Il sagit en fait de la matrice qui dcrit la transformation qui permet de passer des coordonnes de B exprimes, par exemple, en millimtres dans un repre absolu tridimensionnel, sa projection b sur le plan image dcrite par ses coordonnes exprimes en pixels dans un repre bidimensionnel li au plan image. Si les coordonnes de B dans le repre absolu sont (x, y, z ) alors les coordonnes (u, v ) de sa projection b dans le repre image sont obtenues par une transformation linaire en coordonnes homognes qui scrit sous la forme matricielle suivante :
tel-00673213, version 1 - 23 Feb 2012
x su y sv=M z s 1 m11 avec M = m21 m 31
(I.8)
m12 m22 m32
m13 m23 m33
m14 m24 m34
(I.9)
M est la matrice de projection perspective. Elle permet de passer des coordonnes dun point dans le repre absolu aux coordonnes de sa projection dans le repre image. Elle peut tre dcompose en dautres transformations savoir : Une transformation qui permet de passer des coordonnes dun point dans le repre absolu aux coordonnes de ce mme point dans un repre li la camra. Une transformation qui permet de passer des coordonnes dun point de la scne dans le repre camra aux coordonnes de sa projection dans le repre image. 1. Transformation repre absolu/repre camra. Soit (x, y, z ) les coordonnes dun point dans le repre absolu et (xc , y c , z c ) ses coordonnes dans le repre camra. Le dplacement entre ces deux repres est constitu dune rotation R et dune translation T qui forment les paramtres extrinsques de la camra. La transformation entre ces deux repres peut scrire sous la forme suivante :
x c r11 y c = r21 z r c 31 r12 r22 r32 r13 x t x r23 y + t y r33 z tz
(I.10)
o en coordonnes homognes :
xc r11 y c r21 z =r c 31 1 0
r12 r22 r321 0
r13 r23 r33 0
tx x ty y tz z 1 1
(I.11)
35
2. Transformation repre camra/repre image. Dans le repre camra, la projection centrale dun point de lespace sur le plan rtinien est:
x r = f y r = f xc / zc yc / zc
(I.12)
Ce systme dquations peut tre rcrit sous forme matricielle en utilisant les coordonnes homognes :
s xr f s yr = 0 s 0
0 f 0
x 0 0 c y 0 0 c zc 1 0 1
(I.13)
Les points images sont mesurs en pixels dans un repre bidimensionnel associ limage. Afin de pouvoir crire la matrice de transformation du repre camra au repre image, nous devons introduire les paramtres suivants : u 0 et v 0 , tel-00673213, version 1 - 23 Feb 2012 coordonnes de lintersection de laxe optique avec le plan image (mesures en pixels), ainsi que k v et k u qui sont respectivement le facteur dchelle vertical et horizontal (pixels/mm) car les pixels dune camra sont rarement carrs. La relation entre les coordonnes dun point de limage dans le repre rtinien et celles du mme point dans le repre li limage est :
u = k u x r + u 0 v = k v y r + v0
(I.14)
ou encore en coordonnes homognes :

s u ku s v =0 s 0
0 kv 0
u 0 s xr v0 s y r 1 s
ZC
(I.15)
Repre image u u0
v v0
B (x, y, z)
XR
Repre rtine b
(u , v ) (x r , y r , z r )
YR
XC
Repre camra
F Centre de projection
YC
Figure I.9 : Modle stnop dune camra.
36
3. Transformation repre absolu/repre image. La matrice de projection perspective permet de passer du repre absolu au repre image et vice-versa. En dautres termes, elle permet le passage des coordonnes 3D (x, y, z ) aux coordonnes 2D (u , v ) . Ce passage repre absolu/image se dcompose en trois tapes : Une transformation repre absolu/repre camra. Une transformation repre camra/repre rtinien. Et enfin, une transformation repre rtinien/repre image. Ainsi partir des quations I.11, I.13 et I.15, la matrice de projection M scrit comme suit :
ku M = 0 0
tel-00673213, version 1 - 23 Feb 2012
kv 0
u0 f v0 0 1 0
f k u r11 + u 0 r31 = f k v r21 + v0 r31 r 31
r r13 t x r 0 0 11 12 r21 r22 r23 t y f 0 0 r31 r321 r33 t z 0 1 0 0 0 0 1 f k u r12 + u 0 r32 f k u r13 + u 0 r33 f k v r22 + v 0 r32 f k v r23 + v 0 r33 r32 r33
0
f ku t x + u0 t z f k v t y + v0 t z tz
(I.16)
u r11 + u 0 r31 u r12 + u 0 r32 = v r21 + v 0 r31 v r22 + v0 r32 r r32 31
u r13 + u 0 r33 u t x + u 0 t z v r23 + v0 r33 v t y + v 0 t z

r33 tz
En identifiant lquation (I.16) avec (I.9), et en tenant compte des proprits dorthogonalit de la matrice de rotation R, nous obtenons un ensemble dquations qui permettent de calculer les paramtres intrinsques et extrinsques en fonction des coefficients de la matrice M. Nous aurons donc :
r3 = m 3 t u 0 = m1 . ( m 3 ) t v 0 = m 2 . ( m 3 ) u = m1 m 3 v = m 2 m 3 (m u m ) r1 = 1 0 3 u m v m r2 = ( 2 0 3 ) v (m u m ) t x = 14 0 34 u ( m v m ) t y = 24 0 34 v t z = m 34
(I.17)
Pour trouver les paramtres intrinsques et extrinsques, nous devons donc : 1. Calculer la matrice de projection M.
37
2. Extraire les paramtres de la camra partir de la matrice M grce aux formules fournies par le systme dquations (I.17). a.2. Rectification. La rectification est une tape qui simplifie le processus de la vision stroscopique dans certaines applications. En effet, elle permet de se ramener une gomtrie pipolaire simple, vu que nous obtenons des lignes pipolaires parallles aux lignes des images (Figures I.10 et I.11). Donc les points homologues des deux images ont la mme ordonne (ils se trouvent sur la mme ligne pipolaire), ce qui rduit la recherche des correspondants une recherche monodimensionnelle. Ceci rend cette configuration beaucoup plus intressante du point de vue algorithmique. La rectification est donc une transformation des images qui dpend uniquement de la gomtrie du systme dacquisition (paramtres des camras et leur position relative). tel-00673213, version 1 - 23 Feb 2012 Il existe plusieurs mthodes de rectification. Les mthodes de rectification traditionnelles [Aya88] consistent en une transformation des plans images afin dobtenir des plans espaces qui concident. Il existe plusieurs variantes de ces mthodes telles que dans [Cro97, Fau93b, Pap96] qui ont dmontr leurs limites lorsque les pipoles sont localiss dans les images. Roy [Roy97] a propos une mthode pour rsoudre ce problme, mais elle reste complexe et rencontre certains problmes. Pollefeys [Pol99] a propos une mthode qui consiste slectionner le plan parallle la ligne de base, puis de projeter les deux images sur ce plan. Zhang [Loo99] et Hartley [Har00] quant eux ont propos une mthode qui repose sur une dcomposition homographique. Cette mthode peut tre applique dans le cas o les images sont calibres ou non, ce qui rend la mthode plus intressante.
Figure I.10: Faisceaux de lignes pipolaires: cas gnral non rctifi. a.3. Mise en correspondance.
Figure I.11: Faisceaux de lignes pipolaires: cas rectifi.
La mise en correspondance est communment considre comme une tape cl dans le processus de strovision. Cest aussi lune des tapes les plus difficiles du fait de son aspect combinatoire. En effet, sans aucune autre information pour retrouver les correspondances dune primitive donne, il faut la comparer toutes les autres primitives. Cette comparaison est elle-mme dlicate du fait des pertes occasionnes lors de lacquisition des images. Vu son importance majeure, la mise en correspondance stroscopique a suscit de nombreuses recherches. Dans la littrature les
38
algorithmes de mise en correspondance stroscopique existants sont classifis en deux catgories: a.3.1. Mthodes base de primitives. Dans cette catgorie, les algorithmes extraient les primitives saillantes [Aya88,Asc92,Hri88,Mor79] telles que : les segments, les contours, les coins, etc., puis les apparient dans deux ou plusieurs images. Ces mthodes sont beaucoup plus rapides grce la rduction de linformation contenue dans les images. Elles permettent dobtenir une prcision gale celle des primitives extraites. Cependant, ces mthodes sont fortement limites par le nombre des primitives prsentes dans les images. Les rsultats obtenus sont des donnes 3D parses. Dans la littrature, nous trouvons plusieurs approches de mise en correspondance base de primitives. Nanmoins, nous citons les plus souvent rencontres : o Algorithme de relaxation. o Approches hirarchiques. o Utilisation des graphes. o Approches nergtiques. o Rseaux de neurones. o Algorithme de prdiction et vrification dhypothses. a.3.2. Mthodes surfaciques. Ces mthodes consistent fixer dabord un point dintrt dans une image, puis laide dune mesure de similarit (distance euclidienne par exemple), nous cherchons un point dans lautre image dont le voisinage est semblable celui du point de rfrence. Ces mthodes proposent gnralement de fournir une solution pour chaque point dintrt. Elles ont lavantage, par rapport aux mthodes base de primitives, de produire une reprsentation dense de la scne observe. Parmi ces mthodes, nous citons les plus souvent rencontres dans la littrature: o Algorithmes corrlatifs (ou recherche directe) o Programmation dynamique. o Approche multi rsolution. o Flot maximum. o Recuit Simul. o Champs de Markov. a.3.3. Contraintes de mise en correspondance. A cause de facteurs tels que le bruit, les variations de la lumire, les occlusions et la distorsion perspective, lapparence des primitives correspondantes diffre dans les diffrentes vues, ce qui engendre un ensemble de candidats et rend le choix du bon correspondant dlicat et crucial. Afin dliminer lambigut et de valider les bons appariements, nous imposons les contraintes suivantes [Fau93a] pour mieux localiser les correspondants potentiels et liminer les faux appariements.
tel-00673213, version 1 - 23 Feb 2012
39
1. Contrainte pipolaire. La contrainte pipolaire permet, une fois une primitive particulire slectionne dans la premire image, de rduire lespace de recherche de lhomologue une dimension dans la seconde image. La recherche ne se fait plus dans toute limage, mais sur la droite pipolaire. 2. Contrainte dunicit. La contrainte dunicit se traduit par le fait quune primitive dans la premire image a au plus un homologue dans la seconde image. Une primitive est la projection dune seule entit 3D. 3. Contrainte dordre. La contrainte dordre permet de vrifier la compatibilit de deux appariements en considrant que lordre dans lequel sont disposes les primitives appartenant la premire image est celui dans lequel leurs homologues sont disposs. tel-00673213, version 1 - 23 Feb 2012 4. Contrainte de lissage. La contrainte de lissage sappuie sur le fait que le monde physique est constitu de surfaces continues. Elle impose que les primitives voisines ont la mme disparit. 5. Contrainte lambertienne. La luminance ou lintensit des primitives homologues est suppose la mme dans les diffrentes vues. On dit dans ce cas que les surfaces sont lambertiennes. Ce qui nest pas toujours le cas. Pour cela, on suppose que les surfaces sont quasi-lambertiennes. En dautres termes, elles ont presque la mme intensit. Dautres contraintes peuvent tre imposes. Nous venons de citer les plus utilises. Dans ce qui suit, nous allons numrer les problmes rencontrs lors de la phase de mise en correspondance. a.3.4. Les difficults lies la mise en correspondance. Lors de lacquisition des images, une masse importante dinformations est perdue. Pour rcuprer linformation la plus importante qui est la profondeur (ou la disparit), nous utilisons les techniques de mise en correspondance entre les images prises selon diffrents points de vue. Cest grce au changement du point de vue que nous pourrons retrouver linformation 3D. Mais malheureusement cette tape possde des difficults causes par plusieurs facteurs, les plus importants sont: 1. Occultation. Ce sont des zones visibles de la scne dans une image et invisibles dans les autres, ceci est d principalement au changement du point de vue. Ces zones nauront donc pas de correspondant ce qui reprsente un problme crucial. Cest pour ces raisons que leur dtection est ncessaire afin quelle ninflue pas sur
40
lappariement. Plusieurs algorithmes de mise en correspondance essaient de traiter ce problme afin dobtenir de bonnes cartes de disparit. 2. Diffrence de luminosit. La prsence des sources lumineuses dans une scne et le changement du point de vue, induit une variation de luminosit entre les images apparies. Cette variation influe ngativement sur lappariement puisque la mesure de ressemblance (ou de dissemblance) se base essentiellement sur la luminosit ainsi que sur la contrainte lambertienne. 3. Bruit. L'acquisition des images se produit avec un certain bruit qui est d en particulier aux imperfections des dispositifs qui gnrent les images, c'est--dire les capteurs (camra ou dtecteur lectronique). Un bon capteur est celui qui produit un faible bruit de lecture. Les bruits ne pouvant pas tre limins une fois introduits dans l'image brute, il convient de les minimiser car ce sont eux qui limitent la prcision de mesure dans les traitements des images en particulier la mise en correspondance. a.4. Reconstruction 3D. La reconstruction tridimensionnelle consiste calculer la gomtrie de la scne observe par le systme dacquisition. Elle est obtenue partir des rsultats de la phase de mise en correspondance en utilisant les paramtres de calibrage du systme de camras utilises. Selon le type de calibrage utilis, nous pouvons procder trois types de reconstruction [Fau92]. a.4.1. Reconstruction projective. La reconstruction projective [Har94] de la surface est utilise dans le cas o le systme est faiblement calibr. Ce type de reconstruction est le moins riche vu quil ne requiert aucune connaissance a priori sur la scne ou sur les paramtres des camras. a.4.2. Reconstruction affine. La reconstruction affine [Zel96] requiert une connaissance du plan linfini qui permet de dterminer les caractristiques affines de la scne. Pour cela, il suffit didentifier trois paires de droites parallles ou bien connatre les paramtres de calibrage. a.4.3. Reconstruction euclidienne. partir des paramtres obtenus par auto-calibrage ou par calibrage fort, nous pouvons procder une reconstruction euclidienne [Fau95]. La reconstruction affine peut tre aussi utilise en imposant dautres contraintes euclidiennes. b. Les techniques de lumires structures. Lobtention de linformation 3D est gre comme pour la strovision, mais on remplace une camra par un laser qui sera charg de projeter un motif de
tel-00673213, version 1 - 23 Feb 2012
41
tel-00673213, version 1 - 23 Feb 2012
lumire structure. Le principe est dclairer lenvironnement avec une lumire cohrente et de lobserver avec une camra sous une certaine parallaxe. Connaissant la position de la source lumineuse et celle de la camra, linformation peut tre obtenue par triangulation. Ces capteurs sont utiliss pour obtenir des images de profondeur, mais galement pour lvitement dobstacles [Ohy94b, Fof97], pour la numrisation dobjet 3D [Pap97]. Plusieurs patrons de lumire structure peuvent tre utiliss : o Capteur simple triangulation : les capteurs simple triangulation acquirent la distance dun seul point lumineux la fois. Une application clbre est celle du vhicule Pathfinder destin lexploration de la plante Mars [Mat95]. o Capteur par plan de lumire : la source de lumire projete nest plus un point, mais un plan de lumire. Un systme de localisation bas sur ce principe a t dvelopp dans [Jou01]. o Capteur plusieurs plans de lumire : il sagit dans ce cas de projeter un motif tel que des lignes ou de petits disques sur la scne observe (Figure I.12).
Figure I.12 : Triangulation par plusieurs plans Laser. Ces techniques sont plus robustes que la strovision car elles permettent de faire lconomie de ltape de mise en correspondance. En revanche, la prcision nest pas uniforme sur lensemble de limage : plus un objet est loign, plus lerreur de mesure est importante [Fof97].
I.1.3. Conclusion.
Nous avons montr dans ce paragraphe, quun systme de perception dun systme de robotique mobile est gnralement compos de deux catgories de capteurs. Ces catgories sont plus complmentaires que concurrentes, cest pour cette raison quun systme de navigation sera gnralement bas sur lexploitation des informations sensorielles manant de ces deux catgories de capteurs. Nous pouvons tendre cette remarque la problmatique spcifique quest la perception du milieu dvolution dun systme mobile : lemploi dun seul capteur pour une tche donne sera gnralement insuffisant. Ainsi, lassociation de plusieurs capteurs, quils soient complmentaires ou redondants, permettra dobtenir un modle sensoriel robuste et hautement descriptif.
I.2. Fusion de donnes capteurs.

Les systmes de robotique mobile utilisent de plus en plus plusieurs types de capteurs. Ils comportent de nombreux capteurs qui acquirent de l'information
42
complmentaire ou redondante afin d'obtenir une perception plus complte ou plus fiable de leur environnement. Mais la faon de grer l'information provenant de tous ces capteurs demeure une proccupation. Il est difficile de combiner des donnes de capteurs de nature diffrente (vision et acoustique, par exemple) permettant la perception de caractristiques totalement diffrentes des objets, ou de capteurs de mme type placs diffrents endroits diminuant ainsi les problmes dus loccultation, la rsolution ou au champ de vue. Il y a donc un besoin croissant pour des mthodes efficaces de fusion de donnes, et beaucoup de recherches sont actuellement consacres ce sujet. Dans ce contexte, [Vis99] a fait la distinction entre trois types de fusion: o Fusion complmentaire : Chaque capteur ne fournit quune information partielle de ltat du systme. Trs souvent, un capteur proprioceptif (comme ceux utiliss dans lodomtrie) est combin un capteur extroceptif (balises) [Bor97a]. Ce type de fusion permet de fournir une information ne pouvant tre obtenue sparment avec chacun des capteurs. o Fusion comptitive : les capteurs de type diffrent mesurent le mme paramtre (exemple : un sonar et une camra mesurant la distance dun objet au systme mobile). Ce type de fusion accrot la prcision et le degr de confiance dune donne obtenue avec plusieurs capteurs distincts. o Fusion cooprative : lun des capteurs ne ralise une mesure quaprs avoir reu le rsultat de mesure dun autre capteur (exemple : deux camras dun montage stroscopique sont ncessaires pour estimer la dimension dun objet situ dans leur champ commun). Dans ce qui suit, nous proposons un panorama des principales mthodes de fusion numrique, savoir les approches classiques, les mthodes lies un traitement non probabiliste de lincertain, les mthodes drives de lintelligence artificielle et les mthodes doptimisation [Tec,Bre04].
tel-00673213, version 1 - 23 Feb 2012
I.2.1. Mthodes classiques.

I.2.1.1. Raisonnement Baysien. Lutilisation de raisonnement de type Baysien bas sur la thorie des probabilits fait partie des mthodes de prise de dcision les plus anciennes. Linfrence utilisant le thorme de Bayes permet de mettre jour la vraisemblance dune hypothse partir dune estimation prcdente de cette vraisemblance et dobservations nouvelles. Cette technique peut utiliser des probabilits classiques (le type dincertitude reprsent est li la frquence dapparition des vnements) ou des probabilits subjectives. Supposons que H1 , ..., Hn reprsentent des hypothses exhaustives et mutuellement exclusives pouvant expliquer une observation E, alors :
p (H i E ) =
avec :
P (E
i
P (E H i ) P (H i )
H i ) P (H i )
(I.18)
43
P (H ) = 1 ,
i
P ( H i E ) la probabilit a posteriori que lhypothse H i devienne vraie tant donne
lvidence E, P ( H i ) la probabilit a priori que lhypothse H i devienne vraie,

P ( E H i ) la probabilit dobserver lvidence E sachant que H i est vraie.
Si lon considre k capteurs observant une entit dont lidentit est inconnue, si cette entit peut avoir m identits diffrentes, chaque capteur C peut fournir nc dclarations diffrentes sur lidentit de lobjet, on connat les probabilits a priori que le capteur dclare que lobjet est du type i lorsquil est du type j : Pc D i O j .
Si le capteur tait seul, on obtiendrait la probabilit a posteriori que lobjet soit de type j par :
Pc O j Dc =
tel-00673213, version 1 - 23 Feb 2012
P (D
c j
Pc Dc O j P O j
c j
) ( ) O ) P (O )
j
(I.19)
Pour combiner lensemble des dclarations des capteurs, on peut galement employer la formule de Bayes :
P O j D1 D 2 ...... D k =
P (O ) P ( D
i
1
P O j P1 D1 O j ......Pk D k O j
1
( ) (
O i ) ......Pk ( D k O i )
(I.20)
On peut alors prendre une dcision concernant la nature de lobjet par exemple en choisissant lobjet Oj pour lequel la probabilit conjointe P O j D1 D 2 ...... D k est maximale.
On peut utiliser ce type de mthode diffrents niveaux, que ce soit partir dobservations multicapteurs ou pour combiner des vidences de plus haut niveau. I.2.1.2. Utilisation destimateurs. Lutilisation destimateurs sapplique aux donnes de bas niveau : ils permettent de convertir des donnes observes en estimations de ltat dune cible par exemple. Il sagit donc plus spcifiquement de mthodes de reconstruction de lenvironnement. Les problmes lis la localisation statique sont rsolus par des estimateurs qui, partir de donnes multiples prises aux mmes instants, fournissent une estimation de position, par contre, dans les cas de suivi dynamique, ces estimateurs sappliquent des squences temporelles de donnes. Lestimateur statistique le plus utilis est le filtre de Kalman qui fournit une solution rcursive aux problmes destimation variance minimale. Lquation dtat reliant ltat Xk linstant k ltat linstant prcdent Xk+1 est:
X k +1 = k X k +W k (I.21) o k est la matrice de transition dtat, W k est le bruit du processus suppos blanc et moyenne nulle, de covariance Q k .
44
Le modle de mesure relie lobservation Y k ltat :
Y k = H k X k +V k (I.22) avec H k matrice de mesure, V k bruit de mesure, blanc, de moyenne nulle, de covariance R k .
Ce filtre ncessite la connaissance des statistiques de second ordre des bruits du processus et de la mesure pour fournir la solution qui minimise lcart quadratique moyen entre la valeur de ltat et son estimation. La matrice de gain de Kalman est :
T K k = Pk ( ) H k H k Pk ( ) H k + R k 1
(I.23)
I.2.2. Mthodes lies un traitement non probabiliste de lincertain.

Les probabilits sont lune des mesures de confiance possibles. On peut utiliser pour la fusion dautres mesures non additives, qui peuvent donner lieu des combinaisons et des agrgations de types plus varis et supposent moins de connaissance a priori sur les donnes. I.2.2.1. Combinaison par la thorie des possibilits. Les mesures de possibilit et de ncessit constituent la premire famille utilisable. On peut associer, une source dinformation X, une distribution de possibilits note X , prenant ses valeurs sur lintervalle [0,1]; X ( x ) reprsente le degr de possibilit pour que X=x. Les possibilits permettent de manipuler conjointement les notions dimprcision et dincertitude, ce qui permet la source dinformation dtre caractrise par cette distribution de possibilit. Les manires de fusionner des distributions de possibilit correspondent trois types doprateurs [Blo94] : les oprateurs qui ont un comportement constant et indpendant du contexte; les oprateurs qui ont un comportement variable et indpendant du contexte; les oprateurs qui ont un comportement dpendant du contexte. Le premier type comprend lintersection des distributions de possibilit des sources qui donne donc une ide pessimiste de la combinaison (T-normes), lunion de ces distributions qui au contraire donne une vision trop optimiste (Tconormes) et les moyennes de diffrents types peu adaptes la fusion si les informations sont contradictoires. La Figure I.13 donne un exemple avec la Tnorme min et la T-conorme max. Le second type correspond aux sommes symtriques qui, selon les valeurs respectives des sources, se comportent comme des oprateurs de conjonction, de disjonction ou de moyenne.
tel-00673213, version 1 - 23 Feb 2012
45
Figure I.13 : Exemple doprateurs comportement constant. Les oprateurs dpendant du contexte sont quant eux beaucoup plus puissants car, selon le conflit existant entre les sources ou la fiabilit de celles-ci, on module leur comportement : par exemple, si les sources prsentent un consensus, on ralisera une conjonction, sil y a conflit, on ralisera une disjonction et si le conflit est faible, on ralisera un compromis. Lune des rgles heuristiques repose sur une mesure de conflit 1h entre deux sources A et B, dont les informations sont caractrises par des distributions de possibilit A et B .
1 h = 1 sup x min ( A ( x ), B ( x ) )
tel-00673213, version 1 - 23 Feb 2012
(I.24)
La combinaison de A et B par cet oprateur adaptatif donne une distribution de possibilit adap calcule de la faon suivante :
adap ( x ) = sup
min ( A ( x ), B ( x ) ) h
, min ( max ( A ( x ), B ( x ) ) , 1 h )
(I.25)
Plus le conflit entre deux informations est important (Figure I.14), plus lincertitude sur le rsultat augmente. Lutilisation des possibilits est donc intressante en fusion quelque soit le niveau de celle-ci.
Figure I.14 : Fusion en cas de conflit important. I.2.2.2. Utilisation de la thorie de lvidence. Lautre mesure de confiance trs utilise concerne la thorie de lvidence appele aussi thorie des fonctions de croyances ou de Dempster Shafer. Cette thorie permet de reprsenter lignorance de faon explicite en se dispensant de la clause dquirpartition qui existe avec une mesure additive [App91].
46
La mthode de Bayes donne les mmes rsultats que la thorie de lvidence lorsque les hypothses sont mutuellement exclusives et que lensemble des hypothses est exhaustif, ce qui est rarement le cas en pratique [Tec]. Dans de nombreuses applications, cette modlisation de lignorance est en effet ncessaire, que ce soit au niveau des capteurs dlivrant des informations incompltes ou un niveau smantique plus lev, pour dterminer la vraisemblance dhypothses bases sur des vidences multiples. Lensemble des propositions lmentaires est appel cadre de discernement. On assigne chaque ensemble connu de faits (correspondant soit une proposition lmentaire soit une combinaison de propositions lmentaires) une masse m appele masse dassignement probabiliste qui permet de calculer la crdibilit et la plausibilit de ces combinaisons. La crdibilit Cr (quelquefois note Bel, pour belief) sobtient partir des masses lmentaires, par exemple pour trois propositions lmentaires :
tel-00673213, version 1 - 23 Feb 2012
Cr ( A1 A 2 A 3 ) = m ( A1 ) + m ( A 2 ) + m ( A 3 ) + m ( A1 A 2 ) + m ( A1 A 3 ) + m ( A 2 A 3 ) + m ( A1 A 2 A 3 )
De la mme faon, la plausibilit Pl dune proposition A i est dfinie par :
(I.26)
Pl ( A i ) = 1 Cr ( A i )
(I.27)
La sortie dun processus de Dempster Shafer est un ensemble dintervalles dvidence (Cr,Pl) qui encadrent la probabilit. Il savre que, particulirement dans les applications de type militaire, o les observations peuvent tre troubles par des contre-mesures, la possibilit donne dans cette thorie la modlisation de lignorance est particulirement apprciable [Tec].
I.2.3. Mthodes drives de lintelligence artificielle.

Dans de nombreuses applications de fusion de donnes [Zui92], on rencontre la ncessit de raliser des dductions de haut niveau qui peuvent ventuellement complter une fusion bas niveau numrique ayant permis dobtenir une estimation de paramtres ou une identification. Ces dductions peuvent concerner linterprtation de contexte, la prdiction dintentions, la dcouverte de relations entre des faits ou des objets, le diagnostic. On trouvera donc lutilisation de systmes base de connaissances tant dans des applications dinterprtation dimagerie (mdicale ou satellitaire) que dans des applications robotiques ou militaires. Diffrents types de raisonnement peuvent tre ncessaires : la mise en correspondance, le raisonnement temporel ou spatial, linduction ou la dduction, lapprentissage, le traitement du langage naturel. De nombreuses applications ont t ralises en utilisant des systmes experts btis partir dun des nombreux gnrateurs disponibles commercialement. Un systme expert comprend une base de connaissances qui contient lexpertise (sous forme de rgles de production, de rseau smantique, de frame ou de script), une base de donnes qui enregistre la dynamique du systme et un
47
moteur dinfrence qui permet de tirer des conclusions. Le processus dinfrence fonctionne en chanage avant ou arrire. La slection de la rgle activer peut tre effectue par une technique de rfraction, dactuation, de classement de rgles, de datage, de spcificit ou par un choix alatoire. Le systme expert permet dassocier diverses techniques de reprsentation de lincertitude : probabilit, raisonnement bas sur lune des thories de lvidence, facteurs de confiance, ensembles flous. Le choix dune telle technique est dlicat et doit, le plus souvent tre bas sur lexprimentation afin de dterminer la mthode la plus intressante vis vis de lutilisation vise.
I.2.4. Mthodes doptimisation.

On peut formuler le problme de la fusion de donnes comme un problme doptimisation combinatoire. Les rseaux de neurones permettent, aprs une phase dapprentissage, de fusionner des informations de natures diffrentes. Dans la phase dassociation, quand le nombre de cibles est important, des techniques de traitement parallle comme les machines de Boltzman permettent de rsoudre les problmes en temps rel. Cest une application particulire des rseaux utiliss en classification. Le rseau de neurones est alors un composant dun systme de fusion qui permet une prcision et des performances temporelles meilleures que les approches traditionnelles de ce type de problme. Lalgorithme gntique partage avec le rseau de neurones ces avantages de paralllisme et dindpendance aux paramtres dentre [Dec92]. On trouve des applications dans le domaine du suivi de cibles, de surveillance de zones sensibles.
tel-00673213, version 1 - 23 Feb 2012
I.2.5. Conclusion.
Nous avons montr dans ce paragraphe, que lutilisation de plusieurs types de capteurs permet davoir une prcision accrue, une plus grande porte de dtection, une fiabilit suprieure, et une acquisition plus rapide des donnes. Mais la faon de grer ces donnes demeure une proccupation. Plusieurs mthodes sont proposes dans la littrature. Ces dernires sont adaptes et adaptables de nombreux problmes lis la fusion de donnes en provenance de plusieurs sources diffrentes.
I.3. Reprsentation dun environnement de navigation.

La problmatique de la reprsentation dun environnement de navigation a t aborde par de trs nombreux travaux depuis le dbut des annes 70. A cette poque, les grands espoirs poss sur les puissances de calcul sans cesse grandissantes des machines ont amen les chercheurs considrer que le systme mobile peut "facilement" construire une carte de son environnement de navigation. Si lon connat le modle de la scne, il est possible de projeter dans le rfrentiel associ au systme les obstacles quil doit viter durant son dplacement (des murs, ou des objets statiques). Les recherches portaient alors principalement sur la planification de la trajectoire du systme mobile dans cet espace particulier. Des capteurs tels que le sonar, le laser, ou un systme
48
stroscopique, peuvent ensuite tre utiliss pour contrler le bon suivi de la trajectoire prcalcule. Malheureusement, la reconstruction dun environnement nest pas une tche aise. En effet, des erreurs de reconstruction peuvent tre engendres par divers facteurs (les mesures des capteurs sont bruites, la modlisation du systme mobile est rarement parfaite, le systme mobile peut glisser sur le sol, etc.) [Dro02]. Cest pourquoi, depuis le dbut des annes 90, de nombreuses approches proposent de saffranchir de la reconstruction de la scne. Puisquil existe une relation directe entre la position du systme mobile et les observations de ses capteurs extroceptifs, un environnement peut directement tre dfini dans lespace des observations des capteurs. Le modle de la scne nest alors plus explicitement ncessaire. Ainsi, deux grandes familles de reprsentation dun espace de navigation se distinguent : o les reprsentations mtriques : Elles dcrivent explicitement la position "gomtrique" des lments de l'environnement [Nei99] o les reprsentations topologiques : Elles sont bases sur des graphes reprsentant des informations de plus haut niveau comme certaines places caractristiques de l'environnement (coins, croisement de deux couloirs, jonctions en T, etc.).
tel-00673213, version 1 - 23 Feb 2012
I.3.1. Reprsentation mtrique.

Dans cette reprsentation, lenvironnement est reprsent par un ensemble dobjets auxquels sont associes des positions dans un espace mtrique, gnralement en deux dimensions. Elle peut tre subdivise en deux sous familles: o Reprsentation purement gomtrique qui utilise explicitement les positions "cartsiennes" des primitives cartographiques. o Reprsentation par grille doccupation, qui dcrit les proprits mtriques par discrtisation de lenvironnement en y ajoutant des informations d'incertitude. I.3.1.1. Reprsentation gomtrique. Cest une reprsentation cartsienne de lenvironnement o les coordonnes x, y voire z des amers (caractristiques de lenvironnement) sont dcrites explicitement. Ces caractristiques sont des points, des segments de droite, des rectangles, des polygones, etc., obtenues partir des mesures et constituant une reprsentation des diffrents lments de l'environnement. Ces reprsentations sont obtenues soit partir des mesures de capteurs tlmtriques qui donnent la limite des obstacles, soit partir des modles tablis partir d'une image d'un capteur de vision qui donne une autre perception de l'environnement.
49
a. Par tlmtrie. Il existe diffrents filtrages et regroupements de points de mesure. Par exemple la mthode propose dans [Cro89] consiste prendre une par une les mesures d'un capteur ultrasons tournant, et crer un segment ds que trois mesures sont suffisamment proches et alignes. Pour qu'un nouveau point puisse appartenir un segment existant, il faut que la distance du point au segment soit plus petite que l'incertitude sur la mesure. D'autres travaux ont repris cette approche en adaptant la dtection des segments en fonction des capteurs utiliss [Mac94]. Au lieu de regrouper les points de mesure suivant leur alignement pour avoir une reprsentation par segments, il est possible de les runir en fonction de la distance entre le capteur (tournant) et les points, ce qui constitue une rgion conique appele RCD (Rgions of Constant Depth) [Beo95]. Ainsi, quand plusieurs mesures conscutives renvoient une distance semblable, elles sont regroupes en un arc dfini par la distance entre le capteur et l'obstacle, l'orientation de l'axe central du RCD et l'ouverture angulaire (Figure I.15). tel-00673213, version 1 - 23 Feb 2012 b. Par vision. Pour obtenir une reprsentation gomtrique de l'environnement partir d'un capteur de vision, il faut raliser un prtraitement de l'image. Ce traitement consiste soit extraire les contours des objets prsents dans l'image grce un filtre de Sobel [Del97,Arr99] ou encore un filtre de Deriche [Mar99a], soit tablir une liste de segments partir de ces points contours. En utilisant un capteur de vision stroscopique, il est possible d'obtenir, une carte compose de segments 3D [Wec98]. = ( e + s ) 2 (I.28)
= e s
(I.29)
Figure I.15 : Cration d'une RCD (Regions of Constant Depth). I.3.1.2. Grille doccupation. Dans une grille doccupation, les mesures sont reprsentes sous forme d'un ensemble de cellules. Chaque cellule possde plusieurs attributs exprimant chacun une proprit de la zone correspondante, notamment son occupation. Pour des scnes d'intrieur, o le sol est plat, la plupart des chercheurs dcrivent l'tat de chaque cellule par un attribut unique qui est la probabilit d'occupation. On parle alors de grille d'occupation. Une cellule est dite libre si sa probabilit d'occupation est infrieure un seuil choisi et occupe dans le cas inverse. Moravec, Elfes et Matthies [Mor85,Elf87b] ont t parmi les premiers utiliser le principe des grilles d'incertitude (ou grille d'occupation). L'objectif de leurs travaux est de construire de manire autonome la carte de l'environnement d'un systme mobile.
50
Pour cela, ce dernier volue dans un environnement inconnu non structur et s'y dplace en vitant les obstacles, sans disposer d'aucun modle a priori du lieu o il se trouve. Il doit construire une carte du lieu partir des seules informations donnes par une ceinture de 24 capteurs ultrasons de type Polarod monte sur le systme. Chaque mesure de distance fournie par cette ceinture est interprte comme dfinissant un volume d'espace probablement vide et un volume probablement occup dans le cne d'mission du capteur. Cette information d'occupation est une densit de probabilit que l'on projette verticalement sur une carte deux dimensions, o l'on voit apparatre des aires lmentaires vides, occupes et inexplores. Le profil de probabilit utilis permet de gnrer deux grilles d'occupations, l'une reprsentant les rgions certainement vides, l'autre reprsentant les rgions certainement occupes. Ces travaux ont t repris et tendus dans de nombreuses autres tudes telles que [Bor91c,Sch94]. Lavantage principal de la reprsentation mtrique est de permettre de reprsenter lensemble de lenvironnement. Cette reprsentation complte permet ainsi destimer avec prcision et de manire continue la position dun systme mobile sur lensemble de son environnement. De plus, cette reprsentation complte ne se limite pas aux positions physiquement explores, mais stend toutes les zones que le systme mobile a pu percevoir depuis les lieux quil a visit. Cette proprit permet la construction dune carte plus exhaustive de lenvironnement en un temps plus court. Un autre avantage de cette reprsentation est li au fait que la position du systme mobile est dfinie de manire non ambigu par ses coordonnes au sein de lespace dans lequel est reprsente la carte. Linconvnient majeur de cette reprsentation est dtre relativement lourde dun point de vue mmoire. La prcision est videmment limite la rsolution de la grille. Prcisons que cette rsolution conditionne aussi le cot en temps de calcul: plus cette rsolution sera forte, plus les temps de calcul seront importants. Un autre inconvnient de cette reprsentation est lincertitude sur les paramtres des objets gomtriques extraits dans la carte, par exemple sur leur position dans lenvironnement. Ce type dincertitude provient des erreurs de localisation du systme mobile lors de la perception dun objet donn, ou dun bruit au niveau du capteur. Globalement nous avons pu constater que ce type de reprsentation intgre un nombre limit de caractristiques, comme par exemple la position par rapport un objet gomtrique, ou la notion dtat dune cellule pour les grilles. Pour pouvoir grer des caractristiques de plus haut niveau, telles que la notion de coins, de jonctions, il est ncessaire dutiliser un type de reprsentation plus descriptif : la reprsentation topologique.
tel-00673213, version 1 - 23 Feb 2012
I.3.2. Reprsentation topologique.

La reprsentation topologique permet de monter en niveau smantique par rapport la reprsentation prcdente. Le principe est ici de dcrire lenvironnement sous forme de graphes qui reprsentent la connectivit entre des
51
lieux caractristiques et prpondrants de lenvironnement au sens de la navigation. Ces lieux doivent correspondre des places fortes permettant de localiser le systme mobile de faon sre, robuste et prcise. Ces places sont gnralement significatives dune densit forte damers naturels observables. Ces configurations privilgies de lenvironnement pourront par exemple dcrire des coins, des croisements de couloirs, des jonctions en T. Les espaces libres sont utiliss comme lieu distinctif "distinctive places" dans [Kui91], les auteurs dcrivent lespace de manire hirarchique en prenant des niveaux topologiques qui reprsentent la connectivit entre lieux distinctifs "distinctive places". Les arcs du graphe correspondent la stratgie utilise par le systme mobile pour aller du noeud de dpart au nud darrive de larc. Les systmes de vision sont des systmes privilgis pour construire des graphes de zones significatives au sens de la navigation. Des mthodes propres au traitement dimages permettant dtablir des corrlations fortes entre des images et une base de donnes pourront dans ce cadre tre utilises pour dterminer les places significatives. Ainsi lanalyse en composante principale est utilise par Dudek dans [Dud00b] pour slectionner des points dintrt dans des squences dimages. La vision omnidirectionnelle, particulirement bien adapte dans ce cas de figure, est aussi utilise dans [Ulr00a] o un systme de localisation reposant sur une reprsentation topologique est propos. L encore, la mthode repose sur la comparaison de limage perue par une camra panoramique avec des images appartenant une base de donnes reprsentatives des diffrents lieux de lenvironnement. Un avantage important de cette reprsentation est quelle ne require pas de modle mtrique des capteurs pour fusionner les donnes proprioceptives et les perceptions au sein dune reprsentation unifie de lenvironnement. Cela est avantageux pour deux raisons. Dune part, ces modles mtriques peuvent, comme nous lavons vu, tre difficiles obtenir ou savrer peu fiables. Dautre part, le fait de ne pas fusionner les deux sources dinformations permet de sparer les influences des erreurs correspondantes. En effet, lestimation de la position dobjets, lorsque lon utilise un modle mtrique, dpend la fois des valeurs mesures par les capteurs et de la position du systme mobile. Une erreur sur la position dun objet peut donc provenir des deux sources. Dterminer la contribution de chacune des sources peut tre difficile. Dans la reprsentation topologique, au contraire, le bruit sur les mesures des capteurs influe principalement sur la reconnaissance des lieux, tandis que le bruit sur les donnes proprioceptives influe principalement sur la position associe chaque lieu [Fil04]. Comme nous lavons dj mentionn, lutilisation directe des perceptions sans modle mtrique empche destimer ces donnes pour des positions non visites. En consquence, la reprsentation topologique ncessite en gnral une exploration trs complte de lenvironnement pour le reprsenter avec prcision. En particulier, tous les lieux intressants que lon souhaite trouver dans la carte devront tre visits au moins une fois au cours de la construction de la carte,
tel-00673213, version 1 - 23 Feb 2012
52
parce quils ne peuvent pas tre perus distance. Dans le cas o les lieux reprsents sont des structures dassez haut niveau (comme des couloirs ou des pices), cela nest pas gnant car ces lieux sont peu nombreux et une exploration exhaustive est donc relativement rapide. En revanche, dans les cartes topologiques reprsentant des lieux avec une assez grande densit spatiale, cela peut tre un inconvnient, car lexploration complte de lenvironnement demandera un temps important [Fil04]. I.3.3. Conclusion. Les deux types de reprsentation dun environnement de navigation que nous avons prsents ont des avantages et des inconvnients. La reprsentation mtrique dite probabiliste, est robuste et relativement efficace. En outre elle permet de rpondre au problme de divergence li lutilisation du filtrage de Kalman Etendu dans la reprsentation dite gomtrique. En revanche elle possde le gros dsavantage dtre lourde en temps de calcul et limite en prcision. Lautre problme de cette reprsentation est davoir des niveaux smantiques faibles qui globalement se limitent une certitude sur lexistence dune cellule [Rem04]. La deuxime reprsentation quant elle permet justement dintgrer une description de plus haut niveau que dans la reprsentation mtrique, ceci en intgrant la notion de places significatives au sens de la navigation. Ces lieux caractristiques, ainsi que les liens entre ces lieux sont gnralement grs dans un graphe, do une combinatoire moindre et une optimisation du paramtre "mmoire" pour le stockage des donnes. En outre la quantification prcise des contraintes gomtriques entre ces places significatives, par exemple pour des petits dplacement du systme mobile, savre tre un problme [Rem04]. Nous pouvons finalement constater que ces deux reprsentations sont complmentaires. Il est donc intressant de pouvoir associer ces deux types de reprsentation dans un module de gnration de carte. Cette approche complmentaire, que lon peut qualifier dapproche hybride, est de plus en plus intgre dans des travaux tels que [Gas99, Van00]. Les rsultats obtenus montrent clairement lefficacit dune telle approche.
tel-00673213, version 1 - 23 Feb 2012
I.4. Conclusion.
Nous avons prsent dans ce chapitre une vue densemble des systmes de perception utiliss dans le domaine de la robotique rendant les systmes mobiles autonomes dans diverses applications o ils auront se dplacer dans des environnements dintrieur ou dextrieur. Deux familles de capteurs sont utilises : proprioceptives et extroceptives. Nous avons pu constater que celles-ci sont plus complmentaires que concurrentes. Cest la raison pour laquelle ces systmes mobiles sont gnralement munis de plusieurs types de capteurs. Lassociation et la fusion de donnes en provenance de ces capteurs, permettront aux systmes mobiles dobtenir un modle sensoriel robuste et hautement descriptif de leur environnement de navigation pour se localiser et tablir un plan de navigation pour atteindre leur objectif.
53
Il existe diffrents modles sensoriels (reprsentations, carte) de lenvironnement. Nous avons montr quil existe principalement deux grandes familles de reprsentation dun espace de navigation, les reprsentations mtriques et topologiques. Dans le chapitre suivant, nous prsentons un tat de lart des mthodes de localisation et de navigation qui permettront un systme mobile de se localiser dans son environnement, ensuite, gnrer un chemin sans collision lui permettant datteindre son but.
tel-00673213, version 1 - 23 Feb 2012
54
Chapitre II
tel-00673213, version 1 - 23 Feb 2012
Localisation et navigation des systmes de robotique mobile.
55
Chapitre II : Systmes de navigation des systmes de robotique mobile
Le point fondamental pour un systme mobile est sa capacit raliser de manire autonome un dplacement d'un point un autre dans un environnement non parfaitement connu a priori. Ce problme, bien que largement tudi par les chercheurs depuis quelques dcennies, ne peut encore tre considr comme rsolu. En effet, connaissant la carte locale de lenvironnement proche du systme mobile au moyen de la perception, comment ce dernier se localise dans la carte globale de lenvironnement, et ensuite, se doter dune capacit de dfinir un plan de navigation pour atteindre son objectif. Dans ce chapitre, nous passons en revue les principaux travaux mens dans la localisation et la navigation des systmes mobiles ainsi que les mthodes dveloppes pour leur rsolution.
tel-00673213, version 1 - 23 Feb 2012
II.1. Localisation des systmes de robotique mobile.

La localisation est la dtermination de la situation, position et orientation, du systme mobile par rapport un repre de rfrence. La localisation est absolue si le repre est fix, li son environnement. La localisation est relative lorsque le repre est li une position prcdente du systme mobile. Nous pouvons aussi parler de localisation statique lorsque le calcul de position seffectue larrt ou de localisation dynamique lorsque celle-ci est value durant le mouvement. Nous pouvons considrer trois grands systmes de localisation [Dro02] : La localisation relative ou lestime (Dead Reckoning en anglais), base sur lutilisation des capteurs proprioceptifs, La localisation absolue, base sur lutilisation des capteurs extroceptifs, La localisation dite hybride, base sur lutilisation conjointe des capteurs proprioceptifs et extroceptifs.
II.1.1. La localisation relative.

Elle consiste dterminer la position, lorientation, et ventuellement la vitesse du systme mobile par intgration des informations fournies par divers capteurs proprioceptifs depuis un point de dpart. Ces donnes peuvent tre des informations de dplacement (odomtre), de vitesse (vlocimtre) ou dacclration (capteurs inertiels) [Ric04]. Ce type de localisation prsente limmense avantage dtre indpendant de lenvironnement. Les seules erreurs quil peut gnrer sont celles dues son mode de fonctionnement interne. Par contre, linconvnient majeur est laccumulation derreurs due aux diffrentes intgrations.
56
II.1.1.1. Lodomtrie. Lodomtrie permet de dterminer la position et lorientation dun systme mobile par intgration de ses dplacements lmentaires, et ce, par rapport un repre li sa configuration initiale. La technique de localisation consiste fixer sur les roues des codeurs dlivrant une impulsion toutes les fractions de tour de roue. Lintgration de ces valeurs permet de dduire la position et lorientation du systme mobile par rapport linitialisation des compteurs dimpulsions. Les avantages de cette technique rsident dans sa simplicit de mise en uvre et dans son faible cot. Ces caractristiques en font la technique de localisation la plus couramment utilise en robotique mobile. En outre, lutilisation dodomtres permet dobtenir une estimation de la position et lorientation une cadence relativement leve avec une prcision qui reste bonne sur de faibles distances. Cependant, ds que les distances parcourir augmentent et que la trajectoire comporte de nombreux changements de direction, limprcision sur la position et lorientation du systme mobile augmente considrablement, imprcision due lerreur cumulative gnre lors de lintgration des dplacements lmentaires [Ric04]. II.1.1.2. La vlocimtrie. Cette mthode consiste mesurer directement la vitesse du systme mobile et lintgrer pour obtenir le dplacement. La vitesse de rotation instantane, dans la majorit des cas, est obtenue avec des gyromtres. La vitesse linaire est quant elle gnralement obtenue par lutilisation dun radar Doppler dirig vers le sol [Ric04]. II.1.1.3. Les capteurs inertiels. La localisation dun systme mobile en utilisant ce type de capteur (acclromtres, gyroscopes, compas magntiques) est dtermine partir dinformations inertielles acquises au cours de son mouvement. Cette localisation plus coteuse constitue le haut de gamme des systmes de localisation lestime. Le calcul de la position est effectu par double intgration de ces informations et entrane une invitable accumulation derreurs qui constitue une drive destimation dans le temps. Un recalage priodique est alors indispensable. II.1.1.4. Les capteurs dimages [Lau01]. Les capteurs optiques corrlation exploitent des images du sol acquises gnralement par une camra CCD durant le dplacement dun systme mobile. En utilisant une technique de corrlation entre deux images conscutives de la squence, il est possible de mesurer le mouvement apparent dans limage, rsultant de la projection du mouvement rel. Connaissant la position de la camra par rapport au sol, il est alors possible de reconstruire une estime du mouvement rel.
tel-00673213, version 1 - 23 Feb 2012
57
Pour souligner quil sagit bien de mesurer des dplacements, cette mthode est souvent appele odomtrie optique; elle souffre galement des drives inhrentes toute mthode qui intgre des dplacements lmentaires. Ces capteurs ont dexcellentes performances dans les gammes de vitesse autour de zro, ce qui les rend trs utiles dans des problmes de stabilisation en point fixe par rapport au sol (robotique sous-marine, engins ariens de surveillance). Le principal inconvnient de cette mthode rside dans la ncessit davoir des images du sol suffisamment textures pour permettre un bon fonctionnement de lalgorithme de corrlation; elle est surtout adapte pour la localisation dun systme robotique mobile voluant sur terrain naturel.
II.1.2. La localisation absolue.

La localisation absolue est une technique qui permet un systme mobile de se reprer directement dans son milieu dvolution, que ce soit en environnement extrieur (mer, espace, terre), ou en environnement intrieur (ateliers, immeubles, centrales nuclaires) [Dro02]. Elle est base sur lutilisation de capteurs extroceptifs et ncessite toujours une reprsentation de lenvironnement. Le systme mobile possde donc une banque de donnes regroupant les lments caractristiques de son milieu dvolution (balises par exemple), et pour sa localisation absolue, il doit dduire de la perception de ces lments caractristiques, sa position dans son environnement. II.1.2.1. Nature des balises [Dro02,Ric04]. a. Les balises actives. Les balises actives (ou repres) artificielles sont ajoutes au milieu dvolution du systme mobile et dont les positions sont connues. Elles sont gnralement interactives avec le systme de perception du systme mobile puisque ce sont elles qui mettent londe capte par lquipement de mesure. Les deux principaux types dorganes de transmission utiliss sont les metteurs de sources lumineuses (infrarouge par exemple) et les antennes mettrices hyperfrquences. Ces ondes peuvent tre mises en continu ou tre dclenches par ordre provenant de lquipement embarqu sur le mobile. Leur inconvnient rside essentiellement dans leur manque de souplesse et dans leur lourdeur dutilisation. En effet, un domaine dvolution vaste ncessitera un investissement lourd en quipement. En outre tout changement de configuration de lenvironnement impliquera une remise en cause du rseau de balises. En revanche, lutilisation de ces balises a le gros avantage dtre prcise, robuste et surtout de satisfaire la contrainte temps rel. Un des systmes les plus connus en utilisant ce type de balise, est le systme GPS (I.1.2.4). Cest un systme de balises places sur des satellites en orbite terrestre, utilisant les ondes radio mises de faon synchronises dans le temps et qui est par consquent accessible de quasiment partout la surface du globe. Par recoupement des instants darrive des ondes ou signaux et de la position des satellites metteurs, les rcepteurs peuvent calculer leur position. Le principe de calcul de la position est bas sur une triangulation, laide de quatre signaux
tel-00673213, version 1 - 23 Feb 2012
58
reus simultanment (le quatrime signal assure la robustesse de la mesure). La position est calcule dans un repre global couvrant la terre avec une prcision variant de quelques dizaines de mtres quelques centimtres suivant les quipements [Fil04]. Un exemple d'utilisation de ce systme est donn dans [Mar99a] qui dcrit une application destine une tondeuse gazon autonome pour les terrains de sport; la tondeuse doit dcrire des lignes parallles sur l'ensemble du terrain. L'estimation de la position est fournie par un systme proprioceptif compos d'un gyroscope optique et d'un odomtre. La drive progressive du gyroscope et les problmes lis l'odomtrie dgradent le paralllisme de la trajectoire, et l'espace entre deux lignes n'est pas uniforme. En utilisant le GPS, et en fusionnant toutes les donnes, l'erreur maximale sur l'espace entre deux lignes est rduite 20cm au lieu de 40cm sans le GPS. Dans d'autres travaux, les donnes du GPS ont t fusionnes avec les donnes d'une camra [Koo96]. Les donnes d'un GPS bon march fournissent la position approximative du mobile (erreur de l'ordre de 30 100 mtres), puis l'algorithme corrige la position du systme mobile en comparant l'image actuelle de la camra avec celles mmorises lors d'une phase d'exploration. Linconvnient du GPS se situe au niveau des signaux satellites qui peuvent ne pas parvenir au rcepteur cause du relief du terrain et de l'environnement (hauts btiments et ponts en villes, relief montagneux, etc.). En solution cette contrainte, on peut citer les travaux prsents dans [Cui01] pour localiser un vhicule dans un environnement urbain. Notons qu'une source sonore peut aussi tre une balise active [Gon95]. Le capteur dans ce cas est constitu de trois micros. En mesurant les diffrences de temps de rception entre les trois micros, la direction du son et donc l'orientation du systme mobile peuvent tre dduites. b. Les balises passives. On appelle balises passives des repres artificiels nchangeant pas de signaux avec le systme de perception. Comme prcdemment ce type de mthode est bas sur le reprage de balises artificielles places des positions connues dans le milieu dvolution du systme mobile. La diffrence se situe au niveau de lidentification de la balise qui doit tre faite par le systme de perception. Ainsi le problme de la mise en correspondance est gnralement facilit par un codage au niveau du marquage de la balise. Il est donc ncessaire de voir au moins trois balises pour permettre l'estimation de la position. Cependant, en utilisant un capteur de vision, une seule image peut reprsenter plusieurs repres, il est alors possible d'en extraire la position et l'orientation du systme mobile [Cou00]. Ces systmes de balises ont lavantage dtre moins lourds installer que les systmes prcdents. Par ce principe, un panneau dont la position est connue et sur lequel sont dessines des bandes verticales blanches et noires peut tre utilis comme repre [Kim97]. Une camra CCD vise le panneau et l'algorithme propos dtermine la position du systme mobile en analysant les dformations des bandes vues dans l'image (Figure II.1).
tel-00673213, version 1 - 23 Feb 2012
59
Une autre application, destine l'atterrissage automatique d'hlicoptre, utilise comme balise un cercle blanc peint sur le sol [Pol91]. L'image du cercle donne par la camra embarque sur l'hlicoptre est une ellipse. Comme dans le cas prcdent, la dformation de la balise dans l'image est utilise. La mthode s'appuie sur la rsolution du systme d'quations dfinissant l'ellipse pour dterminer la position relative de l'hlicoptre par rapport au cercle.
tel-00673213, version 1 - 23 Feb 2012
Figure II.1 : Estimation de la position d'un systme mobile utilisant un repre artificiel (d'aprs [Kim97]). En environnement intrieur, les repres peuvent tre des rflecteurs placs sur le mur. La localisation du systme mobile est alors ralise par une triangulation pour laquelle les angles sparant le systme des balises sont mesurs. Ces angles peuvent tre mesurs partir d'un capteur ultrasons tournant et des rflecteurs acoustiques [Kwo97], ou d'un goniomtre laser et des rflecteurs de lumires [Gou94]. Dans ce dernier exemple, l'environnement long d'environ 14 mtres ncessite 34 balises pour couvrir tout l'espace. En rgle gnrale, trois balises identiques sont ncessaires pour pouvoir localiser le systme mobile. Dans le cas de deux balises identiques, l'intersection des deux cercles fournit deux solutions possibles. Si les balises ne sont pas identiques et qu'il est possible de les distinguer lors des mesures, deux balises suffisent pour lever l'ambigut sur une ventuelle deuxime position. Ce principe est utilis pour estimer la position et l'orientation d'un systme mobile en utilisant deux balises passives et un capteur ultrasons tournant [Beo95]. Les balises peuvent aussi servir corriger la position du systme mobile lors de la navigation. Ce principe a t utilis pour une application destine un systme mobile sur autoroute [Kar97]. Dans cette application, une carte est cre au cours d'une phase d'exploration dans laquelle une personne conduit le systme mobile. Ensuite, dans la phase de navigation, l'estimation de la position est fournie par un gyroscope, mais elle drive avec le temps. Un radar dtectant les balises (cubes ou objets naturels mtalliques) permet alors de corriger la position du systme mobile. c. Les repres naturels. Cette mthode consiste utiliser les lments caractristiques de lenvironnement pour estimer la position du systme mobile. On parle dans ce cas
60
d'amers. Lintrt de ces mthodes est donc leur souplesse dutilisation puisquelles ne ncessitent pas damnager le milieu dvolution du systme mobile. La fiabilit de ces mthodes n'est pas aussi grande que celle des balises passives puisqu'il faut russir qualifier les repres rencontrs pour les diffrencier les uns des autres [Cou00]. Parmi les travaux dans ce contexte, nous citons la mthode propose dans [Mar99a]. Elle consiste localiser un systme mobile connaissant la position des amers verticaux de l'environnement tels que les montants des portes. Ces amers sont dtects grce un capteur de vision omnidirectionnelle constitu d'un miroir conique qui reflte l'environnement sur une camra. Ce capteur a l'avantage de fournir une vue panoramique (360) de l'environnement. Les droites reprsentant les diffrents lments verticaux de l'environnement (montants de portes, coins, artes) convergent vers le centre de l'image. Les auteurs utilisent le birapport, principe bas sur le rapport de distances, pour identifier dans l'image quatre droites correspondant quatre lments verticaux connus dans l'environnement. L'orientation du systme dans l'image tant reprsente par un segment dirig vers le haut, l'angle sous lequel le systme peroit un lment vertical de l'environnement est directement disponible. La position du systme mobile et son orientation sont alors calcules par triangulation. D'autres repres naturels ont t utiliss dans une application de positionnement dans un couloir qui permet un systme mobile de transporter les plateaux repas dans un milieu hospitalier [Hon97]. Les repres utiliss sont des objets de position connue dans le couloir et facilement dtectables par un systme de vision stro (cadres, extincteurs, montant des portes, etc.). II.1.2.2. Principes de la Localisation [Ric04,Cou00]. a. Mthodes utilisant des balises. Une fois les balises identifies, la position du systme mobile est gnralement calcule par les deux mthodes suivantes : Par la mesure de distances ou trilatration. Par la mesure d'angles ou triangulation. Par la mesure de distances ou trilatration : Si les distances qui sparent le systme mobile de plusieurs balises actives sont connues, la position de ce dernier est dduite par l'intersection de cercles (en 2D) ou de sphres (en 3D). Par exemple, en deux dimensions, l'intersection des trois cercles centrs sur trois balises donne la position du systme mobile (Figure II.2). Soient M ( x M , y M ) la position du systme mobile et d i la distance mesure entre le systme mobile et la balise Bi ( x i , y i ) , la position de M est calcule en cherchant la solution ( x , y ) du systme compos des quations des cercles C i :
Ci :
tel-00673213, version 1 - 23 Feb 2012
(x xi )2 + ( y y i )2 = d i2
pour i = 1,..,3
(II.1)
61
Position du systme mobile
Positions possibles du systme mobile
Figure II.2: Localisation par mesure de distances de trois balises.
Figure II.3 : Localisation par mesure de distances incertaines de trois balises.
Si les erreurs de mesures sont prises en compte, il faut alors considrer des anneaux la place des cercles. Et on obtient ainsi une zone la place d'un point (Figure II.3). tel-00673213, version 1 - 23 Feb 2012 Par la mesure d'angles ou triangulation : Au lieu d'employer les distances, cette mthode utilise les angles sparant l'axe du systme mobile des directions sous lesquelles il peroit les balises. Par triangulation on en dduit la position du systme mobile (Figure II.4).
Figure II.4 : Localisation par triangulation. Soit M ( x M , y M ) la position du systme mobile et son orientation. Soit i l'angle sous lequel le systme peroit la balise Bi . Sachant les positions de chaque balise dans l'environnement, les distances Bi B j , les angles i et l'angle sont connus. A partir des i , les angles B3 M B 2 et B1 M B 2 sont dtermins. Les proprits de trigonomtrie dans un triangle nous donnent les relations :
B 2 B3 MB 2 = sin ( 3 + 3 ) sin (B3 M B 2 ) MB 2 B 2 B1 = sin ( 1 + 1 ) sin (B1 M B 2 )
et
(II.2)
en isolant MB 2 on obtient une relation o les seules inconnues sont 1 et 3 . En utilisant la relation :
62
B3 MB2 + B1 MB2 + 1 + 3 = ,
(II.3)
on exprime 1 en fonction de 3 , puis on substitue 1 dans la relation obtenue prcdemment, ce qui permet de dterminer 3 . Connaissant MB 2 et 3 on dtermine l'angle par la relation :
= B3 MB2 + 3 + 3
(II.4)
et on obtient les coordonnes xM et yM du systme mobile et son orientation par :
x M = x B 2 MB 2 cos y M = y B 2 MB 2 sin = + + 2 2
(II.5)
b. Mthodes utilisant la mise en correspondance de modles [Dro02,Ric04]. tel-00673213, version 1 - 23 Feb 2012 Ces mthodes de localisation consistent dans ce cas trouver la meilleure correspondance entre deux modles. Le premier, reprsentant l'environnement partiellement ou dans sa totalit, est appel carte globale. Le second, correspondant la partie de l'environnement perue par le systme mobile depuis sa position, est appel carte locale. Si une telle mise en correspondance (ou appariement) est trouve, alors la position et lorientation du systme mobile peuvent tre calcules. Le modle (ou carte globale) peut tre pr-tabli et stock en mmoire dans certains cas. Dans dautres cas il peut tre inexistant au dpart. Cest le systme mobile qui le construit grce ses capteurs par exploration (SLAM ou localisation et modlisation simultane). Nous reviendrons dans ce qui suit sur ce type de localisation. Parmi les mthodes utilisant la mise en correspondance de modles en robotique mobile, nous citons : Les mthodes de prdiction et vrification : Ces mthodes consistent dans un premier temps gnrer des hypothses dappariement par rapport un historique sur les observations ou des contraintes relatives lenvironnement. Dans un deuxime temps, ces hypothses sont infirmes ou confirmes par une vrification des hypothses par rapport aux observations. Ceci constitue le fondement des systmes de localisation bass sur le Filtrage de Kalman Etendu (EKF) qui sont largement utiliss en robotique mobile. Dans ce cas lodomtrie permet de fournir une prdiction partir de laquelle il est possible de gnrer un vecteur prdictif qui sera ensuite vrifi laide des observations [Del98,Vic00]. Les mthodes bases sur des arbres de recherche : Le principe de la recherche dans un arbre dinterprtation ncessite dans un premier temps la construction d'un arbre reprsentant lensemble des appariements possibles entre les primitives du modle et celles dtectes par le systme. La seconde tape consiste alors trouver le chemin optimal en
63
profondeur dans cet arbre en dterminant chaque niveau un appariement entre primitives en utilisant des contraintes ou des fonctions de cot. Lutilisation de ces facteurs discriminants est justifie afin de limiter le caractre combinatoire de cette technique. Un des prcurseurs ayant utilis cette approche pour la localisation est Drumheller [Dru87]. Des tests, prenant en compte les contraintes physiques des capteurs ultrasoniques (The sonar barrier test), permettent de gnrer un arbre de dcision. Simsarian dans [Sma96], utilise un arbre de recherche pour effectuer la mise en correspondance. Il rduit le nombre de combinaison de la mthode en prenant avantage des view-invariant regions. Durant une phase de prtraitement, la carte est dcompose en rgions ayant la proprit suivante : tous les points d'une mme rgion voient le mme ensemble d'amers. Les mthodes utilisant les invariants gomtriques : Ces mthodes caractrisent certaines configurations gomtriques de primitives par une quantit qui reste inchange aux points de vue et aux projections. Les valeurs de ces quantits, les invariants, sont directement utilises pour effectuer la mise en correspondance. Des travaux ont t raliss par rapport cet aspect de la mise en correspondance [Mar99b]. Ce type de mthode de mise en correspondance est utilis dans de nombreux travaux sur la localisation, comme par exemple dans [Dea00,Low01]. Propagation dune mise en correspondance initiale : le suivi multi-pistes : Le suivi multi-pistes consiste effectuer une mise en correspondance temporelle entre deux observations conscutives. Elle peut alors tre vue comme la possibilit de propager au cours des acquisitions une mise en correspondance initiale. La variation de configuration entre deux acquisitions conscutives tant gnralement faible, lappariement ralis entre deux acquisitions conscutives permet dobtenir une robustesse importante sur la mise en correspondance observations - primitives cartographiques. Le suivi multi-pistes est fortement utilis dans le domaine militaire par exemple pour le suivi de missiles [Dro02]. c. Mthodes utilisant le principe dindexation dimages. Lorsque le systme robotique mobile est quip dune seule camra, des approches fondes sur la connaissance de lenvironnement sous la forme dune base dimages peuvent tre mises en uvre. La procdure de localisation consiste rechercher limage de la base la plus proche de limage acquise depuis la position courante du systme mobile; de ce fait, le rsultat nest pas une localisation dans un espace continu, mais plutt dans lespace discret des positions pour lesquelles une image a t apprise. Ces mthodes, de type force brute (corrlation, analyse en composantes principales sur des vecteurs de grande dimension, etc.), offrent une alternative lextraction de primitives traitement peu robuste et dpendant du contexte [Lau01].
tel-00673213, version 1 - 23 Feb 2012
II.1.3. Mthodes hybrides [Dro02].

Les deux approches de localisation prsentes prcdemment (localisation lestime et localisation absolue) sappuient soit sur des mesures de dplacement
64
relatif, soit sur des mesures de position absolue. Elles possdent chacune des caractristiques complmentaires. Les avantages principaux de la localisation relative sont lutilisation de capteurs proprioceptifs propres au systme mobile, ne ncessitant aucune instrumentation de lenvironnement. Les algorithmes utiliss sont simples (du point de vue de leur mise en uvre) et fournissent, une frquence leve, une estime de la position du systme mobile par rapport un instant initial. Leur limitation rside dans leur principe mme, savoir lintgration de mesures relatives, qui entrane une drive des estimes. Les mthodes de localisation absolue sappuient sur des donnes extroceptives et ncessitent une instrumentation (cas des amers artificiels) ou une connaissance a priori (cas des amers naturels) de lenvironnement. Elles sont souvent complexes au niveau algorithmique, mais fournissent des localisations absolues exemptes de drive par rapport un repre fixe de la scne. En raison de cette complexit, elles ne pourront fournir des estimes de la position du systme mobile qu des cadences relativement faibles et ncessiteront souvent larrt du systme mobile durant lacquisition des mesures [Lau01] En dveloppant des mthodes de localisation qui fusionnent les donnes proprioceptives et extroceptives, il est possible dallier les avantages des deux approches, tout en limitant leurs inconvnients. Le principe de ces mthodes consiste corriger les positions estimes cadence rapide au moyen des capteurs proprioceptifs par des mesures fournies cadence beaucoup plus lente par les capteurs extroceptifs. On parle alors de recalage dynamique, c'est--dire, les positions estimes par les capteurs proprioceptifs seront utilises pour faciliter lappariement des mesures fournies par les capteurs extroceptifs. Dans cette optique, nous proposons une synthse non exhaustive des mthodes bases sur le recalage et celles bases sur lassociation de plusieurs capteurs. Cest dans ce cadre gnral que des problmatiques de fusion de donnes sont traiter. II.1.3.1. Le recalage dynamique. Les mthodes de localisation lestime ont pour gros inconvnient de gnrer une erreur cumulative avec la distance parcourue. Pour pallier ce problme de drive, on utilise un systme de localisation absolue qui sera charg de corriger rgulirement lestimation relative de position. Cette mthode de correction dynamique est dsigne sous le terme de recalage dynamique. Pour une optimisation en temps de lalgorithme de navigation, le recalage de la localisation relative par une estimation de position absolue ne seffectuera que lorsque limprcision sur la configuration du systme mobile devient suprieure un seuil prdfini. Parmi les mthodes de fusion existantes, la plus communment utilise est celle base sur le filtre de Kalman tendu (EKF). Leonard et Durrant-Whyte dans [Leo92] ont t, aprs Crowley [Cro89], les premiers utiliser le filtre de Kalman tendu pour localiser un systme mobile dans son environnement par recalage dynamique. Une prdiction de la configuration du systme fournie par lodomtrie est utilise dune part pour simplifier la mise en correspondance avec les
tel-00673213, version 1 - 23 Feb 2012
65
tel-00673213, version 1 - 23 Feb 2012
observations fournies par des capteurs ultrasons et dautre part pour linariser lquation de mesure. Les carts entre les mesures et les prdictions sont utiliss pour estimer la position finale. Cette approche gnrique a t tendue par Durrant-Whyte dautres systmes de perception extroceptifs tels qu'un radar ondes millimtriques dans [Dur95] ou un tlmtre laser embarqu sur un vhicule routier [Gui00a,Gui00b]. Cette dernire tude a port sur une extension concernant une dmarche de localisation et de modlisation simultane. Dans [Vic00], un algorithme bas sur la fusion dobservations tlmtriques issues dun tlmtre laser avec des donnes odomtriques a t propos. Une reprsentation sous forme de segments auxquels est associe une incertitude est obtenue partir du relev laser. Le processus de fusion se fait grce un filtre de Kalman tendu. Virgil, le systme mobile destin faire une visite guide de luniversit de Rice aux Etats-Unis, fusionne les donnes issues dun rcepteur GPS avec les informations odomtriques laide dun filtre de Kalman tendu [Thr01]. Le problme de lobstruction des signaux GPS est notamment trait. La prcision de la localisation atteint 40 cm. Chung utilise dans [Chu01] un filtrage de Kalman pour fusionner les informations issues dun gyroscope fibre optique et dun odomtre. Une calibration soigneuse du gyroscope a t ralise, notamment au niveau de lerreur due la drive en temprature du capteur. Au final, il savre que la prcision de localisation, qui est trs bonne, est due dune part la calibration mticuleuse du gyroscope et dautre part son couplage avec un odomtre. Le filtre de Kalman tendu est loutil le plus couramment utilis dans les processus de recalage dynamique pour sa relative simplicit dutilisation et pour son efficacit. En revanche son gros inconvnient se situe au niveau de ltape de linarisation, qui, si lestimation odomtrique est loigne de la position relle du systme mobile, fera diverger le filtre [Dro02]. II.1.3.2. La coopration multi-capteurs. Le recalage dynamique nest quun cas particulier dassociation possible de capteurs. En effet, dautres combinaisons, telles quun ensemble de capteurs extroceptifs fournissant des donnes complmentaires, sont intressantes utiliser pour la perception en robotique mobile. En effet, un capteur utilis seul ne peut relever compltement toutes les caractristiques de l'environnement. Il est gnralement ncessaire de combiner des donnes provenant de plusieurs capteurs extroceptifs. De nombreux travaux utilisent la coopration de capteurs pour contribuer aux problmatiques telle que la localisation. Dans [Nei99], lauteur ajoute linformation odomtrique classique, un systme associant une image de profondeur et une image d'intensit, toutes deux issues d'un capteur laser. Cependant, il fait une utilisation limite des deux images puisqu'il ne se sert de l'image d'intensit que pour affiner la position des coins dtects avec l'image de profondeur. Un filtre de Kalman achve ensuite la localisation du systme mobile. La mthode s'avre prcise puisque, la suite des rsultats exprimentaux, lauteur aboutit une erreur d'environ 10 cm en position et 0.15 degrs en orientation.
66
Dans [Arr99], les auteurs utilisent la coopration entre un tlmtre laser et un systme de vision monoculaire pour localiser leur systme mobile Pygmalion. Une segmentation du relev laser lui permet d'obtenir un ensemble de primitives de type segment. L'application de la transforme de Hough sur l'image acquise fournit les angles des amers verticaux devant le systme. La carte thorique de l'environnement est compose d'une liste de segments et d'une liste d'amers verticaux. L'appariement des deux types d'objets est ralis grce au filtre de Kalman tendu. Dans [Lal98], le systme mobile utilise conjointement un tlmtre laser et une camra monoculaire CCD orientable pour la dtection de coin dans la scne. Ensuite, un appariement de la carte thorique de l'environnement avec le modle sensoriel ainsi obtenu est ralis en utilisant la notion d'invariant.
II.1.4. Localisation et modlisation simultanes de lenvironnement (SLAM) [Dro02,Ric04].

Lorsque la carte de lenvironnement du systme mobile nest pas connue a priori, un module de gnration de carte incrmentale doit obligatoirement tre intgr au systme de navigation. Il sagit l dune tape supplmentaire qui consiste mettre jour au fur et mesure des acquisitions, une reprsentation du milieu dvolution du systme mobile. Ce processus se dcline comme une fusion successive des diffrents modles sensoriels gnrs lors du dplacement du systme. Il parat clair ce niveau que la fusion incrmentale de modles sensoriels ncessite obligatoirement leurs recalages systmatiques avec les primitives dj insres dans la carte. Cette tape de recalage est ni plus ni moins quune localisation du systme mobile par rapport une connaissance acquise au cours du dplacement [Dro02]. Ltape de localisation devient alors indissociable de celle de modlisation et on parle alors dun systme de localisation et modlisation simultane (en anglais, Simultaneous Localization and Mapping ou SLAM), voire plus rarement CML (Concurrent Mapping and Localization). Limplmentation dun algorithme SLAM repose sur les tapes suivantes :
tel-00673213, version 1 - 23 Feb 2012
Perception : les algorithmes de perception fournissent partir des donnes issues de capteurs extroceptifs un ensemble dobservations des lments de lenvironnement (amers), dont la position relative au systme mobile peut tre dtermine. Ce processus de perception dpend bien entendu du type denvironnement dans lequel le systme mobile volue et des capteurs utiliss. Association de donnes : les amers ne sont utiles pour estimer la position du systme mobile que sils sont observs de diffrentes positions. Le systme mobile doit dcider si lamer observ est dj prsent dans la carte, et de quel amer il sagit, ou bien alors si cest un nouvel amer ajouter la carte. Proprioception : Les donnes proprioceptives sont des mesures internes au systme, et renseignent sur lvolution de son tat. Pour le SLAM, on sintresse la position du systme mobile dont lvolution est typiquement fournie par des capteurs odomtriques ou une centrale inertielle.
67
Estimation : Lalgorithme destimation doit intgrer les donnes issues de la perception ainsi que de la proprioception afin de fournir une estime de la position du systme mobile et des positions des amers, ainsi que les incertitudes associes ces estimes. Gestion de la carte : Il sagit dintgrer ou bien fusionner toutes les donnes issues de la perception afin de fournir une carte globale cohrente de lenvironnement.
Autrement dit, lorsquun systme mobile se dplace dans un environnement, les amers dtects sont positionns avec une imprcision due aux capteurs embarqus. Le systme mobile mesure son dplacement par une technique de localisation lestime avec une certaine erreur. Les amers qui sont nouveau observs, aprs une mise en correspondance, sont associs aux amers pralablement perus. Une technique de fusion de donnes permet alors de rduire les erreurs sur la position courante du systme mobile et les positions des amers. Ce processus est itr chaque nouvelle perception de lenvironnement effectue par le systme mobile. tel-00673213, version 1 - 23 Feb 2012
II.1.5. Conclusion.
Nous avons vu au cours de ce paragraphe quil existe une grande varit de mthodes de localisation qui diffrent par les capteurs utiliss. Les choix sont tablis en fonction des applications auxquelles elles sont ddies. La localisation lestime est utilisable en environnement extrieur ou intrieur mais la distance de dplacement doit tre rduite pour limiter les accumulations derreurs. La technique par balisage est employe indiffremment lintrieur et lextrieur mais contraint le systme mobile rester dans une zone prdfinie. La mise en correspondance de modles ncessite la connaissance exacte de la topologie de lenvironnement. La localisation sans connaissance a priori ncessite dintgrer un module de construction incrmentale de carte. Nous avons pu remarquer que ltape de localisation est indissociable de celle de mise jour. En dautres termes, toute erreur sur lestimation de la configuration du systme mobile aura une influence sur celle commise lors de la mise jour. Cette forte interaction est dailleurs la base du constat, souvent fait dans les travaux portant sur cette problmatique, qui souligne les phnomnes derreurs cumulatives sur des longs trajets. Une robustesse importante du paradigme de localisation et de modlisation passera donc par une gestion la plus rigoureuse possible de ces imprcisions. Lide matresse qui guide la robotique autonome consiste dire que le systme mobile construit sa carte ou modle de son environnement au fur et mesure de lexploitation lui permettant dvoluer terme dans des lieux inconnus lavance.
II.2. Navigation des systmes de robotique mobile.

La navigation des systmes de robotique mobile consiste, de la manire la plus gnrale, donner ces systmes la capacit d'aller d'une position initiale une position finale de manire autonome. Historiquement, la navigation de ces systmes mobiles a tout dabord t considre comme un problme de planification de trajectoires. Le modle de la scne est suppos connu et des
68
stratgies globales ou locales permettent de dfinir la squence de configurations que doit prendre le systme mobile pour atteindre son objectif. Depuis le dbut des annes 80, les avances technologiques et algorithmiques permettent de contrler directement les mouvements dun systme robotique mobile partir des informations perues par ses capteurs. Ces informations sont utilises pour dfinir une loi de commande du systme mobile sans pour autant ncessiter le modle de la scne. Plus rcemment, les recherches en robotique mobile ont considr des environnements de navigation trs vastes, tel point que les capteurs embarqus (camra ou mme laser) ne peuvent les dcrire que localement un instant donn. Une reprsentation interne de lenvironnement de navigation devient alors ncessaire. Elle permet dans ce cas dtendre le champ daction des capteurs du systme robotique, mais aussi de dfinir un ensemble de stratgies de navigation adaptes lenvironnement travers.
II.2.1. Les difficults de la navigation [Bon03].

tel-00673213, version 1 - 23 Feb 2012 a. Le mouvement. En robotique mobile, il existe deux grandes catgories de systmes mobiles roues : Les systmes non holonomes :
Les systmes mobiles dit non holonomes sont ceux que l'on rencontre le plus dans la vie courante (voiture particulire, bus, camion, etc.). Ces systmes ont une structure mcanique relativement simple (des roues motrices, des roues directrices et des roues porteuses). Une roue peut avoir une, deux ou les trois fonctions. Mais tous ces systmes ont une caractristique commune: la direction de la vitesse d'entranement (ou vitesse linaire) est impose par la direction des roues directrices. Pour fixer les ides prenons un exemple: pour qu'un systme de type voiture aille de sa position initiale un mtre sur sa droite il est oblig de faire une manoeuvre : une marche avant puis une marche arrire. Les systmes holonomes :
Ces systmes sont beaucoup plus rares dans notre vie quotidienne. Ils ont une structure mcanique complexe qui leur permet de se dplacer dans toutes les directions sans manuvre. Il existe, nanmoins, un exemple commun (et bien pratique): le chariot de magasin. Vous pouvez prendre un chariot et le tirer sur la droite, les roues s'orientent alors dans la bonne direction. Ce chariot n'a pas une structure mcanique complique mais ses articulations sont passives. La socit Nomadic, disparue en l'an 2000, a conu un systme mobile holonome: le XR4000. Il dispose de 4 roues motrices et directrices montes comme des roues de chariot. La synchronisation des 8 axes (2 par roue, rotation et orientation) est assure par une carte ddie base sur le microcontrleur Motorola 68332 et des circuits FPGAs et la structure mcanique est compose d'engrenages coniques [Hol00].
69
Robot holonome ou non holonome : les diffrences.
La relative simplicit mcanique des systmes non holonomes face aux systmes holonomes a un prix. Les algorithmes d'excution de trajectoire, de commandes et de planification de mouvements sont plus complexes. Mais leur facilit de construction en fait des systmes trs rpandus dont l'automatisation prsente un intrt socio-conomique vident. b. La localisation. Quel que soit le type de systme mobile, holonome ou pas, la connaissance de sa position dans son environnement (son espace de travail) est importante pour s'y dplacer. La localisation d'un systme mobile dans son espace de travail est un thme de recherche trs actif. La difficult de connatre la position exacte d'un systme mobile vient de l'impossibilit de mesurer prcisment ses dplacements. Diffrentes techniques existent (II.2), parmi elles celles qui tentent de pallier les dfauts de telle ou telle mthode en fusionnant les donnes issues de plusieurs capteurs. Ces dernires sont difficiles mettre oeuvre car il faut prendre en compte les incertitudes de chaque mesure. Quoi qu'il en soit, les algorithmes de navigation doivent, par une mthode ou une autre, prendre en considration le fait que le systme mobile ne connat jamais sa position avec exactitude [Bon03]. c. lexcution du mouvement. Pour naviguer dans son environnement, un systme mobile doit pouvoir le reprsenter. Le systme mobile peut utiliser une carte globale de son environnement pour planifier une trajectoire. Cette carte peut-tre complte ou partielle, construite par le systme mobile ou par l'homme. Le systme pourra la mettre jour pendant ses missions. Dans la grande majorit des cas, la trajectoire cre dans un environnement modlis ne peut tre excute, ainsi, sans collision. Il existe toujours des artefacts de mesure ou des imprcisions que le systme mobile doit tre capable de prendre en compte pendant l'excution du mouvement. En conclusion, le systme mobile doit, pendant son dplacement, prendre en compte son environnement. Il doit le faire pour plusieurs raisons : compenser les erreurs de localisation, compenser les imprcisions de modlisation de l'environnement initial, viter les collisions avec les obstacles inconnus ou mobiles. De nombreuses mthodes ont t tudies pour permettre un systme mobile (holonome ou non holonome) de se dplacer sans collision dans un environnement partiellement connu ou inconnu. Ces mthodes se divisent en deux classes: les approches locales et les approches globales. Ces dernires sont bases sur une connaissance complte de l'environnement, tandis que les premires se basent sur une valuation de l'espace immdiatement proche du systme mobile.
tel-00673213, version 1 - 23 Feb 2012
70
II.2.2. Les approches locales.

Par dfinition, les approches locales ou ractives nutilisent que les valeurs courantes des capteurs (ou des valeurs sur une petite fentre temporelle), et non des donnes provenant dun modle interne, pour dcider de laction effectuer. Elles sont gnralement excutes trs rapidement et elles permettent de raliser des tches de bas niveau, comme lvitement dobstacles imprvus, essentiel la scurit dun systme mobile. Dans ce type dapproche, la perception est indispensable car on considre que le systme mobile volue dans un environnement qui lui est partiellement connu. Parmi les approches locales, nous citons : II.2.2.1. Les algorithmes Bug. En se basant uniquement sur les informations sensorielles, les algorithmes Bug ont t dvelopps pour rsoudre le problme des labyrinthes sans aucune connaissance a priori sur la distribution ou la gomtrie des obstacles. tel-00673213, version 1 - 23 Feb 2012 Dans ces algorithmes, le systme mobile se dplace vers l'objectif jusqu' ce qu'il trouve un obstacle. Il contourne ce dernier jusqu' ce qu'il soit en mesure de se dplacer nouveau directement vers l'objectif (Figure II.5). En plus, si ces algorithmes maintiennent l'historique des lieux visits, le temps dexcution diminuera considrablement.
Figure II.5: Un exemple de navigation utilisant un algorithme Bug [Lum90]. Ces algorithmes ne prennent pas en compte la cinmatique du systme mobile et la dynamique des contraintes, de plus ils sappuient uniquement sur la dernire lecture sensorielle, cela a un impact ngatif sur les applications de ce type dalgorithme dans le monde rel [Sie04]. En gnral, ces algorithmes trouvent leur intrt dans le contrle des systmes mobiles simples, cependant, ils ne sont pas assez puissants pour assurer une optimisation de la trajectoire. II.2.2.2. Les approches bases sur les champs de potentiel. Les approches bases sur les champs de potentiel ont t proposes pour produire des trajectoires douces la fois pour les systmes mobiles et les manipulateurs [Kha86]. Elles consistent assimiler le systme mobile une particule contrainte se dplacer dans un champ de potentiel fictif. Les obstacles exercent des forces rpulsives sur le systme mobile, tandis que le but atteindre exerce sur lui une force attractive. Ensuite, la force rsultante (la somme de toutes les forces) dtermine la direction et la vitesse du mouvement (Figure II.6).
71
Ces approches peuvent tre utilises pour lvitement des obstacles car elles n'agissent sur le systme mobile que quand il en est trs proche et a tendance y pntrer, et sont simples mettre en uvre et rapides, cest les principales causes de leur grande popularit.
(a)
(b)
tel-00673213, version 1 - 23 Feb 2012
(c) Figure II.6: (a) Le champ de potentiel du but, (b) Les champs de potentiel pour les obstacles, (c) Combinaison des deux champs prcdents. Toutefois, ces approches ont leurs propres inconvnients; Koren et Borenstein [Kor90] ont identifi certains problmes qui sont inhrents lapplication des champs de potentiel, et qui sont:
Position pige en raison des minima locaux: le systme mobile peut tre dans une position o le champ de potentiel est nul, ce qui signifie que le systme mobile est pig dans un minimum local. Ce problme peut tre trait de diffrentes faons. Il est par exemple possible de dclencher un comportement particulier lorsque lon rencontre un tel minimum : dplacement alatoire, suivi de murs, etc., ou par une remonte (marche arrire) globale, c'est--dire le systme mobile doit reconnatre la situation et remonter en arrire en empruntant le chemin parcouru jusqu' ce quil trouve un nouveau chemin. Pas de passage entre deux obstacles troits: Ce problme est similaire au prcdent, si deux obstacles sont placs proximit, comme une porte, les forces de rpulsion de chaque obstacle sont combines en une seule force de rpulsion qui pointe hors de l'ouverture entre les obstacles. Le systme mobile dviera alors de l'ouverture, mme si le but est de lautre ct. Oscillations en prsence d'obstacles et dans des passages troits: Un systme mobile peut parfois osciller en prsence d'obstacles, ceci pourrait par exemple se manifester lorsquil se dplace dans un couloir troit.
72
II.2.2.3. La mthode Vector Field Histogram (VFH) [Bor91c]. La mthode Vector Field Histogram (ou VFH) est une version amliore de la mthode Virtual Force Field (ou VFF) prsente dans [Kor88]. Elle utilise une grille doccupation locale construite partir des donnes issues des capteurs ultrasons. Cette grille est construite de manire trs rapide par la mthode dite Histogrammic In Motion Mapping (ou HIMM) o chaque cellule contient le nombre de fois quun obstacle est peru cet endroit (Figure II.7).
tel-00673213, version 1 - 23 Feb 2012
Figure II.7: Grille doccupation locale construite par la mthode HIMM. La grille est construite dans le rfrentiel du systme mobile [Bor91c].
Figure II.8: Calcul de la direction de dplacement base sur lhistogramme des obstacles [Bor91c]. Un histogramme reprsentant loccupation de lenvironnement autour du systme mobile est ensuite construit partir de cette grille doccupation locale. Pour cela, lenvironnement est discrtis en secteurs angulaires contenant chacun la somme des valeurs des cellules correspondantes (Figure II.8). Un seuil permettant de tolrer un certain bruit est ensuite utilis pour dterminer les directions possibles pour le systme mobile: toutes les directions dont la valeur est infrieure au seuil sont prises en compte. Le choix de la direction est finalement ralis parmi les directions possibles en fonction de contraintes externes (par exemple la direction la plus proche de la direction du but). Il existe, cependant, de graves problmes avec cette mthode.
Choix des paramtres : Dans cette mthode le choix du seuil qui dtermine quand un secteur angulaire est choisi pour la navigation, va permettre de dfinir le comportement du systme mobile. Une valeur trop faible de ce seuil rendra le systme mobile incapable de se dplacer en prsence d'obstacles, tandis quavec une valeur trop grande le systme mobile heurte les obstacles. 73
Contraintes dynamiques : Par exemple, un systme mobile en mouvement grande vitesse ne peut pas faire un virage de 90 degrs. Mme sil ne drape pas, il dviera de la trajectoire dj calcule. Il ne peut pas, non plus, s'arrter, si un obstacle apparat soudainement en face de lui. Les lois de la dynamique gardent le systme mobile en mouvement mme si les roues sarrtent de tourner. Dans [Ulr98], la mthode VFH a t amliore par la prise en compte de cette dynamique, et a donn naissance une nouvelle mthode appele VFH+.
II.2.2.4. Les approches optimization approaches). doptimisation de contraintes (Constrained
Dans ce qui suit, nous prsentons les principales mthodes d'optimisation de contraintes, les plus efficaces pour l'vitement d'obstacles. a. Lapproche base sur la courbure de la vitesse ou CVA (Curvature Velocity Approach) [Smm96]. tel-00673213, version 1 - 23 Feb 2012 La mthode CVA a introduit le concept d'espace de vitesse. Dans ce dernier, une action est gnralement dcrite par le couple (v , ) , avec v et les vitesses linaire et angulaire dcrivant une trajectoire de forme arc de cercle. Les couples qui auraient pour consquence une collision avec des obstacles seront exclus de cet espace. Les obstacles sont stocks dans une grille ou plan cartsien, ensuite ils seront transforms dans cet espace de vitesse. Lespace de vitesse ne considre que les couples de vitesse respectant la dynamique du systme mobile. Enfin, partir des ces couples, le meilleur est slectionn maximisant une fonction appele fonction objective linaire combinant la vitesse, la distance des obstacles le long de l'arc gnr et lerreur de cap pour un cap dsir. Les principales limitations de la mthode CVA sont :
Un temps de calcul supplmentaire exig par lutilisation du plan cartsien. La description de l'action sous forme de couple (v , ) de vitesses limite
lensemble des possibilits pour les diffrents types de locomotion; par exemple, il n'est pas possible de dcrire avec prcision laction pour les systmes mobiles de type Ackerman et omnidirectionnel 3.
La fonction objective doit tre paramtre de manire intgrer l'vitement d'obstacles en se basant sur le comportement du systme mobile lorsqu'il s'oriente vers son but (goal oriented behavior). Comme consquence, le comportement global du systme mobile est difficilement prvisible. En termes d'optimisation de la trajectoire, la mthode CVA possde quelques problmes connus, spcialement parce qu'elle ne considre pas la connectivit des espaces libres (free space connectivity), elle ne considre que l'espace libre le long de l'arc de cercle.
Avec le type Ackerman, les vitesses linaire et angulaire sont la fois couples pour avoir langle de dviation (ou de direction). Les systmes mobiles de type omnidirectionnel ncessitent un degr de libert en plus, qui dfinit la direction du mouvement de faon indpendante aux vitesses linaire et angulaire.
3
74
Avec cette mthode, le systme mobile sapproche trop prs des obstacles avant de les viter et rentre presque difficilement dans un couloir troit [Kko98].
b. La mthode base sur la courbure de voie ou LCM (Lane Curvature Method). La mthode LCM a t propose par [Kko98] pour surmonter certains inconvnients de la mthode CVA. Cette mthode divise l'environnement en voies libres. La voie qui permet d'optimiser le chemin le long d'une direction donne est choisie. Ensuite, une direction locale pour rentrer et suivre la meilleure voie est calcule. Les limitations physiques du systme mobile et les contraintes de lenvironnement sont prises en compte dans cette mthode, ainsi que la connectivit de l'espace libre. Notons que la mthode LCM souligne l'importance de traiter directement avec lespace de travail pour faire face aux caractristiques de lenvironnement, tels que le passage dans un endroit troit. Toutefois, l'exclusion de cet avantage, cette mthode partage les mmes problmes que la mthode CVA, les bonnes performances de ces deux mthodes augmentent leur complexit et leur charge de calcul. c. La mthode de la fentre dynamique ou DWA (Dynamic Window Approach) [Fox97]. La mthode DWA amliore la mthode CVA en considrant, en plus la vitesse du systme mobile, ses capacits d'acclration (acclrations admissibles par le systme mobile). Connaissant la vitesse du systme mobile, l'algorithme DWA dtermine une fentre dynamique partir des couples de vitesse (v , ) atteignables la prochaine priode d'chantillonnage en tenant compte de ses capacits d'acclration (Figure II.9). Les couples qui auraient pour consquence une collision avec des obstacles seront limins. Enfin, une fonction objective similaire celle utilise par la mthode CVA est applique pour dterminer le meilleur couple. Cette fonction est en gnral la somme de plusieurs termes. Ces termes peuvent exprimer une prfrence a priori sur les vitesses, une prfrence pour les trajectoires sloignant le plus des obstacles, ou une prfrence de direction si lon dispose par exemple dune estimation de la direction dun but long terme. Le couple de vitesses minimisant cette fonction au sein de la fentre dynamique est alors slectionn garantissant un dplacement sans collisions avec les obstacles.
tel-00673213, version 1 - 23 Feb 2012
Figure II.9: Fentre Dynamique.
75
Avec la fentre dynamique, le systme mobile permet de produire un dplacement sr et rgulier, son utilisation est trs intressante pour un systme mobile se dplaant rapidement, ou ayant des capacits dacclration et de ralentissement limites. Pour des systmes qui ont une forte capacit dacclration et de dclration, on peut considrer que toutes les vitesses sont accessibles presque instantanment. Il peut alors tre suffisant de ne considrer que la cinmatique, et non la dynamique du systme mobile, ce qui se traduit par la prise en compte dun seul point du graphe, et non dune fentre. La recherche du couple de vitesse est ainsi simplifie. II.2.2.5. La mthode Nearness Diagram ou ND [Laf06]. Lobjectif principal de la mthode Nearness Diagram (ND) est d'identifier la situation dans laquelle se trouve le systme mobile parmi cinq situations prdfinies et de gnrer la commande adquate. A partir des donnes capteurs du systme mobile, la mthode ND construit deux diagrammes sous forme d'histogramme: PND 4 et RND 5 . PND reprsente la distribution des obstacles autour du systme mobile. RND quant lui, reprsente cette distribution par rapport une zone de scurit dfinie autour du systme mobile. La Figure II.10 illustre l'histogramme PND construit selon un environnement donn. Chaque "barre" reprsente un secteur et sa hauteur correspond la proximit de l'obstacle.
Zone de passage libre But
tel-00673213, version 1 - 23 Feb 2012
But
Systme mobile
Figure II.10: Construction du diagramme PND selon un environnement donn. Dans cette figure, apparat la zone de scurit autour du systme mobile. RND est construit comme PND mais son rle est diffrent. Il permet en effet de dterminer si un obstacle pntre la zone de scurit (Figure II.11). Grce aux diagrammes RND et PND, la mthode ND peut alors analyser la situation dans laquelle le systme mobile se trouve et la reconnatre parmi les cinq prdfinies. Ces situations sont les suivantes: 1) LS1 (Low Safety 1) : au moins un obstacle est prsent dans la zone de scurit mais d'un seul cot de la rgion libre la plus oriente vers le but (Figure II.11 et II.12a). 2) LS2 (Low Safety 2) : plusieurs obstacles sont prsents dans la zone de scurit mais des deux cots de la zone de passage (Figure II.12b).
4 5
PND : Point Nearness Diagram. RND : Robot Nearness Diagram.
76
3) HSGR (High Safety Goal in Region) : aucun obstacle ne pntre la zone de scurit et le but rejoindre est dans une zone de passage (Figure II.13a). 4) HSWR (High Safety Wide Region) : aucun obstacle n'est prsent dans la zone de scurit du systme mobile mais le but n'est pas directement atteignable. De plus, la rgion libre pour se dplacer est large i.e. reprsente plus d'un quart des secteurs du diagramme (> 90) (Figure II.13b). 5) HSNR (High Safety Narrow Region) : idem la situation HSWR sauf que la rgion libre reprsente moins d'un quart des secteurs du diagramme (< 90) (Figure II.13c).
But
But
Zone de scurit
tel-00673213, version 1 - 23 Feb 2012
Distance de scurit Zone de scurit
Figure II.11: Construction du diagramme RND selon un environnement donn, un obstacle pntre la zone de scurit.
Zone libre But But
(a) (b) Figure II.12: Types d'actions menes dans les situations LS1 et LS2.
But
But
But
(a) (b) (c) Figure II.13: Diffrents types d'actions menes dans des situations dites de haute scurit. En fonction de la situation dans laquelle se trouve le systme mobile, la mthode ND va prendre une dcision prdfinie.
77
Les deux principaux avantages de cette mthode sont les suivants: le premier est sa capacit grer des environnements trs encombrs, et le second, elle a une prvisibilit intressante des comportements. Toutefois, elle ne considre ni la forme du systme mobile diffrente du cercle, ni elle tient compte des contraintes dynamiques et cinmatiques du systme mobile [Fig05]. II.2.2.6. La mthode Elastic Bande ou EB [Kha93]. L'ide de base de lapproche EB est dimplmenter une navigation locale base sur les donnes capteurs par dformation, en temps rel, de la trajectoire calcule par un planificateur global. Les donnes issues des capteurs embarqus permettent de renseigner le systme mobile sur la position des obstacles qui l'entourent. La bande lastique se reprsente par un chapelet de disques se chevauchant appels bulles (Figure II.14). Chaque bulle, d'un diamtre variable, reprsente un espace libre empruntable par le systme mobile. Elles sont soumises deux types de forces : rpulsives et attractives. Les forces rpulsives sont gnres par les obstacles et les forces attractives s'exercent uniquement entre les bulles conscutives. Ceci a pour effet de maintenir la bande lastique tendue et loigne des obstacles. tant donn que cette mthode repose explicitement sur l'ide d'un chemin prdfini, l'absence de planification/cartographie la rend non implmentable. En outre, dans certaines situations o les obstacles exigent du systme mobile de sadapter aux svres trajectoires, cette mthode ne fournit pas de solutions, et propose une re-planification d'une nouvelle trajectoire [Fig05].
tel-00673213, version 1 - 23 Feb 2012
Figure II.14: Chapelet de bulles [Kha93]. II.2.2.7. Autres mthodes. Plusieurs autres mthodes locales de navigation existent dans la littrature. Il y a celles qui sont bases sur la logique floue par exemple dans [Tza99, Doi02]. Lvitement d'obstacles bas sur la logique floue exige un travail intensif au cours de la phase de conception. Par exemple dans [Doi02], 238 rgles ont t utilises dans un algorithme dvitement dobstacle bas sur la logique floue. La thorie des systmes dynamiques permet l'utilisation des quations diffrentielles pour dcrire le comportement du systme mobile. Habituellement, le comportement souhait est dfini en prenant lobjectif (ou but) comme attractif
78
et les obstacles comme rpulsifs. Par exemple dans [Faj03], un modle dun homme en train de poursuivre un but tout en vitant les obstacles a t utilis pour laborer un algorithme de poursuite de but avec vitement dobstacle en simulation. Notez que, dfinir la relation environnement-systme mobile avec les quations diffrentielles nest pas toujours simple. En outre, le comportement final n'est pas prvisible.
II.2.3. Les approches globales.

La principale difficult des approches globales rside dans la modlisation de lenvironnement de navigation. Une fois le modle obtenu et connaissant la position du systme mobile dans ce dernier, il est alors possible, aprs une discrtisation de lenvironnement, de calculer une trajectoire (ou un chemin) reliant cette position au but qui doit tre atteint. Un des avantages de ces approches est quelles peuvent rpondre la question de compltude : si des solutions existent, lalgorithme en retournera une, sil ny a pas de solution, lalgorithme le signifiera. Ces approches tiennent compte des proprits globales de lespace de configuration (la carte globale) du systme mobile et peuvent intgrer des contraintes spcifiques, qui doivent tre satisfaites chaque tape de la ralisation de la tche. II.2.3.1. Espace des configurations [Loz92,Ken99,Bay05]. Lespace des configurations (gnralement not C-Space) dun systme mobile est constitu par lensemble des configurations qui lui sont accessibles, le systme mobile est reprsent par un point matriel, et les obstacles de lenvironnement sont largis afin de tenir compte de la forme gomtrique du systme mobile (Figure II.15). Il est plus facile, par exemple, de faire l'intersection d'un point unique avec les obstacles du C-Space, plutt que de faire l'intersection des obstacles avec un systme mobile dans un espace cartsien. Dans cet espace, on trouve lensemble de configurations interdites pour le systme mobile not Cobs et lensemble des configurations admissibles (appel galement espace libre) par le systme mobile not Cfree. La sparation de ces deux sous espaces est en gnral ralise en utilisant lune des deux mthodes suivantes : - lespace de configuration du systme mobile C-Space est divis en cellules, chaque cellule appartient soit au sous espace accessible au systme Cfree, soit au sous espace interdit au systme Cobs. - Le contour des obstacles sert sparer lespace libre de lespace interdit. Lespace de travail du systme mobile peut tre diffrent de son espace des configurations. Lespace de travail correspond lespace dans lequel se dplace le systme mobile. Il peut tre en 3D si le systme mobile peut se mouvoir dans lespace tridimensionnel, ou 2D si le systme se dplace sur le sol. Lespace des configurations prend, quant lui, en compte tous les degrs de libert du systme mobile. Par exemple, si un systme mobile peut se translater suivant les trois axes du repre classique 3D tout en ayant la possibilit de pivoter sur chacun de ces axes, son espace des configurations est de dimension six. Lespace
tel-00673213, version 1 - 23 Feb 2012
79
des configurations est gnralement de plus grande dimension que lespace de travail. La difficult avec cette approche se pose dans la construction de la structure de donnes contenant les obstacles du C-Space. Le calcul mathmatique peut devenir trs complexe, et par consquent, il convient d'examiner si la complexit lie la construction de cette structure de donnes est justifie par une rduction de la complexit des algorithmes de planification [Lat91]. Dans ce qui suit, nous prsentons quelques approches proposes dans la littrature pour discrtiser lespace libre Cfree.
tel-00673213, version 1 - 23 Feb 2012
Figure II.15: Reconstruction dun C-Space : (a) Cration de Cobs; (b) le CSpace reconstruit avec un systme mobile reprsent par un point matriel [Ken99]. II.2.3.2. Discrtisation de lenvironnement. La reprsentation topologique (I.3.2) fournit directement une discrtisation de lenvironnement rel utilisable pour la navigation. Dans le cas de la reprsentation mtrique (I.3.1), qui reprsente lespace de manire continue, la navigation nest utilisable quaprs discrtisation de lespace libre reprsent dans la carte de lenvironnement. Pour ce faire, certains modles intgrent directement cette dcomposition au niveau de la cartographie, en construisant une carte topologique paralllement la carte mtrique [Arl99,Cha85,Thn99,Buh95]. Dautres modles font appel uniquement la dcomposition de lespace libre. De plus, diffrentes techniques, tels les champs de potentiel analogues ceux dcrits dans le paragraphe prcdent (II.2.2.2), permettent de calculer des chemins directement dans le domaine continu, sans phase pralable de discrtisation [Lat91,Dud00a,Mur00]. Il existe deux catgories de mthodes pour discrtiser lespace de recherche des cartes mtriques. Les mthodes de la premire catgorie font appel des dcompositions en cellules, de diffrentes formes, qui permettent de reproduire la topologie de lespace libre [Lat91, Mur00] (Figure II.16). Les cellules obtenues sont alors utilises de manire similaire aux noeuds des cartes topologiques dans la navigation, les cellules adjacentes tant considres comme relies par une arte. Les mthodes de la seconde catgorie font appel au prcalcul de chemins entre des points rpartis dans lenvironnement [Lat91,Lau98] (Figure II.17). Les points reprsentent les nuds dune carte topologique, tandis que les chemins prcalculs reliant les noeuds reprsentent les artes de cette carte.
80
Figure II.16: Dcompositions en cellules de lespace libre dans les cartes mtriques.
tel-00673213, version 1 - 23 Feb 2012
Figure II.17: Dcompositions en chemins prcalculs dans les cartes mtriques. II.2.3.3. Planification dun chemin (trajectoire) global. La planification de chemin se concentre sur les aspects gomtriques de la planification de mouvement. Formul dans l'espace des configurations, le systme mobile est reprsent par un point matriel dans ce dernier, et tout problme de planification de chemin se ramne alors au problme du calcul d'une courbe continue dans cet espace. Cette courbe doit relier deux configurations donnes et ne doit contenir aucune configuration entranant une collision entre le systme mobile et l'un des obstacles fixes de l'environnement. Toute courbe vrifiant ces deux proprits (continuit et non collision) est une solution, et l'enjeu principal de la planification de chemin consiste, en gnral, calculer la courbe la plus courte, ie, le chemin gomtrique le plus court entre la configuration initiale et la configuration finale. La diffrence essentielle entre un chemin et une trajectoire est la dimension temporelle. Un chemin est de nature statique, il reprsente l o doit passer le systme mobile mais ne dit rien quant la faon dont il va y passer ( quelle vitesse, quel instant). De fait, la planification de chemin ne s'applique qu' des environnements statiques. La planification de trajectoire s'impose donc ds lors que l'on souhaite (o que l'on doive) prendre en compte des contraintes dynamiques, ie dpendantes du temps. Ces contraintes dynamiques sont de deux types : celles qui concernent l'environnement (prsence de mobiles), et celles qui concernent le systme mobile (sa dynamique). On notera que ces deux types de contrainte ne sont pas indpendants. S'il est en effet envisageable de planifier une trajectoire en environnement statique (pour minimiser le temps de dplacement ou bien l'nergie consomme), ds lors que l'on se place en environnement dynamique, les capacits dynamiques du systme mobile doivent
81
tre prises en compte (ne serait-ce que de faon simplifie en considrant une vitesse maximale par exemple). Parmi les mthodes de planification de chemin proposes dans la littrature, nous distinguons trois types de mthodes : les approches par roadmap, les approches par dcomposition en cellules et les mthodes par fonctions de potentiel. a. Mthodes par roadmap [Ken99]. Les mthodes par roadmap sont souvent appeles skeletonization methods ou roadmap methods dans la littrature anglosaxonne. Dans ces mthodes, un rseau de courbes, appel roadmap, est dfini comme un ensemble de courbes monodimensionnelles capturant la connectivit de lespace libre du systme mobile Cfree. Une fois que la roadmap note est construite, elle est utilise comme un ensemble de chemins "standards". La tche suivante consiste alors trouver un chemin appropri entre les points initial et final dans . tel-00673213, version 1 - 23 Feb 2012 La difficult principale dans ces mthodes se situe au niveau de la construction de . De nombreuses mthodes ont t proposes pour obtenir . Nous citons par exemple les populaires graphes de visibilit, la mthode des cnes gnraliss (ou freeway net), les diagrammes de Vorono ou encore la mthode des silhouettes.
Mthode de Vorono. Les mthodes exploitant les diagrammes de Vorono cherchent obtenir des courbes qui soient les plus distantes possibles des Cobs (Figure II.18). Ces diagrammes sont obtenus par des approches de rtroaction [Yap85]. Le diagramme de Vorono est un graphe qui suit une ligne quidistante de deux ou plusieurs obstacles. Un arc droit est form entre une paire de bords dobstacles, ou une paire de sommets, tandis quun arc courb est form entre un sommet et un bord dobstacle .
Figure II.18: Diagramme de Voronoi.
Mthode de graphe de visibilit [Gho87]. Dans cette mthode, un certain nombre de noeuds sont crs qui correspondent aux sommets du Cobs, et les positions de dpart et darrive. Un graphe de visibilit est tabli reliant par un arc un nud donn tous les autres noeuds visibles, condition quil ne traverse pas un obstacle (Figure II.19). Cette mthode cre des chemins qui longent les limites d'obstacles, tandis que les diagrammes de Vorono (Figure II.18) gardent le systme mobile aussi loin que possible des obstacles.
82
Figure II.19: Exemple dun graphe de visibilit [Ken99].
Figure II.20: Mthode de Brooks [Ken99].
tel-00673213, version 1 - 23 Feb 2012
Mthode des cnes gnraliss (Brooks). La mthode des cnes gnralises (ou freeway net [Bro83]) approxime l'espace libre au moyen d'un certain nombre de cylindres appels cylindres gnraliss (ou freeway). Ces cylindres sont placs entre des paires de bords dobstacles et sont limites par ces derniers (Figure II.20).
Chaque cylindre possde une colonne vertbrale (ou spine en anglais), et peut tre construit en utilisant ses spines comme des arcs, et lintersection des spines comme des nuds. Ainsi, un graphe est construit possdant des proprits similaires au diagramme de Vorono de telle sorte que le systme mobile est maintenu loin des obstacles dans son espace dvolution. Cette mthode est relativement rapide, mais incomplte et, par consquent, elle peut ne pas trouver de chemin mme si ce dernier existe, particulirement dans le cas dun espace dvolution encombrant.
Mthode des silhouettes.

Canny [Can87,Can88] utilise une mthode qui gnre une roadmap qui borde tous les obstacles de lespace dvolution. Cependant, il rduit une reprsentation multidimensionnelle d'un espace de travail en un graphe une dimension. La silhouette est ce qui serait peru si l'espace de travail a t fait de plexiglas et l'observateur regardait d'en haut. La mthode silhouette construit un graphe de manire rcursive en utilisant, par exemple, un balayage dun plan 2D travers un plan 3D du C-Space pour localiser les bords des obstacles, et ensuite, un balayage 1D travers le plan 2D pour identifier les sous graphes non connects, et les joindre avec des arcs (Figure II.21). Pour un espace avec plus de trois dimensions, le processus reste le mme, sauf le C-Space de dimension n est balay en utilisant un plan de dimension (n-1) (hyper planes), et de manire rcursive jusqu'au balayage 1D. Pour gnrer un chemin, le point de dpart et darrive sont traits comme des nuds et sont relis dans le reste du graphe, qui peut tre ensuite utilis pour la recherche du chemin optimum. La mthode silhouette tend tre utilise dans l'analyse thorique des espaces dvolution pour trouver leur complexit, plutt que dans la planification de chemin rel [Hwa92].
83
tel-00673213, version 1 - 23 Feb 2012
Figure II.21: Exemple de la mthode des silhouettes [Ken99]. b. Mthodes de dcomposition cellulaire [Moz95,Ken99,Sie04]. Les mthodes de dcomposition cellulaire sont probablement les mthodes les plus populaires dans le domaine de la planification de trajectoires. Elles consistent partitionner l'espace des configurations libres (ou de travail) Cfree du systme mobile en un ensemble de rgions connexes adjacentes appeles Cellules. Un graphe reprsentant les relations dadjacence entre les cellules est ensuite construit. Ce graphe est communment appel graphe de connectivits. Le problme se rduit alors la recherche dans le graphe des connectivits dun chemin optimal selon un critre bien dfini. L'approche par dcomposition a t adopte dans plusieurs travaux et a conduit la mise en uvre de nombreuses mthodes. Celles-ci sont gnralement classes en deux catgories et se distinguent par les modles de dcomposition qu'elles utilisent et leur compltude quant la rsolution du problme de planification.
Mthodes exactes. Pour reprsenter exactement l'espace libre Cfree en utilisant des cellules, un certain nombre de formes irrgulires des cellules doivent tre places dans ce dernier. Ces formes doivent tre convexes (chaque point l'intrieur d'une cellule doit tre visible pour tous les autres points de la cellule) et recouvrent exactement l'espace libre Cfree.
La Figure II.22.a montre l'espace Cfree divis en un certain nombre de polygones convexes. La Figure II.22.b montre une reprsentation qui est aussi exacte, mais qui est beaucoup plus simple calculer en utilisant des cellules trapzodales.
84
Les chemins gnrs en utilisant cette forme (trapzode) ne sont pas toujours optimaux.
(a) dcomposition polygonale. (b) dcomposition trapzodale. Figure II.22: Exemples de dcomposition exacte de Cfree [Ken99].
tel-00673213, version 1 - 23 Feb 2012
Mthodes approches. Ces mthodes se distinguent des prcdentes par la simplicit de la structure des cellules utilises pour la dcomposition et l'approximation faite de l'espace libre Cfree. Cette structure est utilise pour construire une reprsentation hirarchique en cellules lmentaires identiques et permettant l'adaptation de la taille de celles-ci la gomtrie des zones recouvrir (Figure II.23).
Plusieurs types de formes de cellule sont gnralement utiliss en pratique, on peut citer: la reprsentation en octrees [Fav84], le dcoupage en tranches [Lag87], ou encore en polydres [Sim89], etc.
Figure II.23: Dcomposition approche de lespace libre [Sie04]. En comparant les deux approches de dcomposition, il ressort que les mthodes exactes sont plus compltes en thorie que les mthodes approches [Moz95]. Toutefois, la complexit de leur mise en uvre, comme en tmoigne la solution donne dans [Scw83], les rend moins appropries en pratique que les techniques approches mme si celles-ci restent parfois limites des espaces de dimension rduite. Cette constatation n'est pas gnrale puisqu'il apparat dans [Avn88] qu'une mthode exacte peut conduire dans le cas plan et pour une modlisation polygonale du systme mobile et de son environnement une implantation efficace. c. Mthodes par fonctions de potentiel [Kor90]. Le principe de ces mthodes est dtaill dans le paragraphe (II.2.2.2). Les dplacements du systme mobile sont calculs itrativement par un algorithme de descente du gradient du potentiel compos d'un premier champ attractif au but et d'un ensemble de champs rpulsifs modlisant la prsence d'obstacles.
85
Ces mthodes restent sensibles l'occurrence de minima locaux engendrant des configurations de blocage ou d'oscillation. Ces minima sont gnralement lis la gomtrie et la rpartition des obstacles dans l'espace de travail du systme mobile. II.2.3.4. Recherche dun chemin optimal. Connaissant la carte de lenvironnement discrtis, la position et lorientation du systme mobile au sein de cette carte, il existe diffrentes mthodes pour dterminer ou calculer un chemin permettant ce systme datteindre sa cible. Cela savre ncessaire tant donn que pour une certaine configuration dobjets dans lenvironnement, il peut y avoir plus dune faon de raliser la tche. La recherche dun chemin est ralise en considrant deux aspects : - Le temps mis par le systme de traitement pour trouver le chemin optimal. - La certitude dobtenir le chemin optimal. Les deux aspects sont lis et dterminent deux types dalgorithmes [Hao04]: tel-00673213, version 1 - 23 Feb 2012 Lalgorithme de recherche exhaustive qui assure la dtermination du chemin optimal dans tous les cas, mais dont le temps de calcul est long. En effet, ce type dalgorithme dit naf consiste numrer tous les chemins possibles dans un graphe partir du nud (cellule) source et choisir le chemin avec le moindre cot. Laugmentation du nombre de nuds rend ce type dapproche rapidement inutilisable par le fait des besoins en temps de calcul et de capacit mmoire ncessaires. Parmi les algorithmes les plus utiliss, nous citons lalgorithme de Dijkstra, lalgorithme de Bellman et lalgorithme de Lee. Lalgorithme de recherche heuristique qui dtermine un chemin possible (non obligatoirement optimal) avec un temps de calcul court. Ce type dalgorithme rduit le nombre de nuds en tenant compte des connaissances particulires du problme rsoudre. Le savoir heuristique diminue le temps de recherche et la capacit mmoire ncessaires, par contre ne garantit pas une solution optimale [Pru88]. Parmi les algorithmes les plus utiliss, nous citons lalgorithme de A* et lalgorithme D*. a. Algorithme de Dijkstra [Lau01]. Lalgorithme propos par Dijkstra, permet de rsoudre le problme de recherche de chemin optimal, de longueur minimale, dans un environnement schmatis par un graphe. Il assure la recherche de tous les chemins possibles du nud source vers le nud destination (ou but). Un seul chemin dont le cot est minimum est retenu. Le principe de cet algorithme repose sur le fait que si un nud P quelconque du graphe est situ sur le chemin minimal du nud source S au nud destination D, alors le chemin minimal de S P fait partie du chemin minimal de S D [Pru88]. Cet algorithme ressemble fortement celui de Bellman. Cependant, Dijkstra a eu l'ide de marquer chaque noeud visit et empch ainsi son algorithme de revenir en arrire.
86
Lalgorithme de Dijkstra possde une complexit en temps, malgr cela, il est intressant puisquil ne ncessite pas le dveloppement de lensemble des chemins possibles. Par contre lensemble des nuds doit tre atteint avant daffirmer que la solution optimale a t trouve. b. Algorithme de Bellman [Pru88]. Cet algorithme correction dtiquettes a t conu dans les annes 50 par Bellman et Moore. Il sagit dune mthode de programmation dynamique (optimisation rcursive) qui consiste calculer de proche en proche les cots minima du nud source un nud n par rapport aux cots minima du nud source tous les nuds prdcesseurs de n. Lun des inconvnients majeurs de cet algorithme est quil peut (dans de nombreux cas) examiner plusieurs fois un noeud dj visit. Ceci pose aussi un problme de performance non ngligeable. c. Algorithme de Lee [Lau01]. Cet algorithme est bien adapt la recherche dun chemin optimal travers un environnement modlis par une grille o lunit de lieu est une case carre. Le systme mobile peut circuler d'une case une autre adjacente selon les quatre orientations. Le processus transmet une onde partir de la case source vers la case but de la manire suivante : Pour chaque case, entourant la case de dpart et ne reprsentant pas un obstacle, est assign un indice de (1). Par la suite un indice de (2) est assign toutes les cases vides non marques, voisines des cases marques par (1). Ce processus est reproduit jusqu' atteindre lune des deux solutions: 1re solution : On ne peut plus propager londe et le but nest pas atteint. Il n y a donc pas de trajectoire possible joignant la case de dpart larrive. 2me solution : La case darrive est trouve. Le chemin est calcul en remontant du but vers la source en slectionnant, chaque opration comme case prochaine, une des cases de marquage infrieure adjacente la case courante. Cette mthode est trs simple implmenter, mais reste coteuse en temps et en espace mmoire cause de la propagation donde. d. Algorithme A* [Hao04]. Lalgorithme A* est un algorithme de recherche dans un graphe : cette recherche est guide par une heuristique, qui donne pour chaque nud du graphe un minorant de la distance restant parcourir avant datteindre le nud final. A chaque tape de la recherche, lalgorithme propage lensemble des nuds que lon sait atteindre depuis le nud de dpart, en favorisant les nuds les plus intressants (ceux dont la somme entre la distance dj parcourue depuis le nud de dpart et lestimation de la distance restant parcourir est minimale). Linconvnient de cet algorithme est son cot, et ce pour deux raisons. Dune part, lorsque la construction de larbre de recherche atteint un Cobs, elle se propage trs lentement le long de cet obstacle. De plus, lalgorithme nchoue quaprs avoir tendu autant que possible larbre de recherche, avec une
tel-00673213, version 1 - 23 Feb 2012
87
prcision , ce qui demande de nombreuses itrations. Cet inconvnient est compens par le fait que son cot peut tre diminu en augmentant , c'est-dire en diminuant la prcision de la recherche. e. Algorithme D* [Ste94]. Le nom D* a t choisi cause de sa ressemblance avec lalgorithme A* lexception quil est dynamique dans le sens o les paramtres de cot entre les cellules ou carrs peut changer durant le processus de rsolution du problme de planification de chemin. Lalgorithme gnre un chemin global en utilisant un modle dj tabli de lenvironnement. En cours de suivi de ce chemin, le systme mobile peut rencontrer un obstacle qui ntait pas dfini au pralable, dans ce cas, le systme peut re-planifier son chemin pour atteindre son but sans heurter lobstacle. Appartenant la famille des algorithmes de replanification rapide, lalgorithme D* a pour avantage, par rapport lalgorithme A*, quil peut tre utilis en ligne. Son inconvnient rside dans le fait que la cinmatique des systmes mobiles est trs peu prise en compte.
tel-00673213, version 1 - 23 Feb 2012
II.2.4. Approches hybrides.

Afin de permettre un systme mobile de se dplacer sans collision vers un but donn, les recherches en robotique mobile ont donn naissance aux mthodes de navigation autonome. Ces mthodes se divisent en deux familles principales cites ci-dessus. Les approches globales permettent de calculer au pralable un chemin ou un ensemble de trajectoire en se basant sur une connaissance a priori de l'environnement. Les approches locales utilisent l'environnement peru afin de gnrer un mouvement excuter sur un pas de temps, la suite duquel un autre mouvement est gnr et ainsi de suite. Ces mouvements sont appels "mouvements partiels". L'inconvnient majeur des approches globales est leur incompatibilit avec des contraintes de calculs en temps rel, rendant difficile leur utilisation en environnement dynamique. Quant aux approches locales, leur inconvnient principal est celui des minimums locaux : d'un point de vue local, une direction peut sembler la plus judicieuse pour atteindre le but alors qu'en ralit, elle conduit minimum local (un cul-de-sac, ou un puit de potentiel). Ainsi, pour pallier aux problmes inhrents ces deux familles, un troisime type d'approche a vu le jour, il s'agit de la famille des mthodes hybrides. Ces dernires sont gnralement composes d'un algorithme ractif dont les dcisions se font en connaissance d'un chemin dj planifi par une fonction globale. Parmi les mthodes hybrides les plus cites dans la littrature, nous prsentons [Laf06]: II.2.4.1. La mthode Vector Field Histogram* (VFH*) [Ulr00b]. La mthode VFH* fait suite aux amliorations successives des mthodes VFH [Bor91c] et VFH+ [Ulr98] purement ractives. Elle teste les consquences de plusieurs choix avant de prendre sa dcision.
88
Une fois l'histogramme (II.2.2.3) construit autour de la position courante du systme mobile et discrtis en secteurs angulaires, l'algorithme VFH* dtermine 1 3 directions dans chaque zone de passage libre. Ces directions portent le nom de directions candidates primaires. Pour chacune de ces directions, VFH* calcule la position et l'orientation qu'aura le systme mobile aprs s'tre dplac d'un pas de distance ds . L'histogramme est alors recalcul pour chacune de ces positions afin d'en dterminer des directions candidates projetes. Le procd se rpte, de projection en projection, afin d'obtenir un arbre de recherche de profondeur note ng . Chaque noeud de l'arbre correspond donc une position et une orientation, et chaque branche reprsente une distance parcourir dans une direction donne. La distance totale projete dt est alors dtermine par la relation dt = ng ds . Pour prendre en compte (de faon approximative) la dynamique du systme mobile, les branches de l'arbre ne sont pas rectilignes. En effet, plus le changement de direction est fort et plus les branches de l'arbre sont incurves (Figure II.24). tel-00673213, version 1 - 23 Feb 2012 Un cot est ensuite attribu chaque noeud pour qu'une fonction heuristique (A*) puisse choisir la direction candidate primaire la plus approprie, i.e. celle appartenant l'ensemble des directions menant le plus directement au plus prs du but. L'arbre est reconstruit chaque fois que le systme mobile atteint la 1re position projete i.e. le 1er nud de l'arbre. La figure II.25 montre un exemple de chemin parcouru en fonction de la profondeur (ng) de l'arbre. La figure II.26 permet de voir les arbres qui ont permis la construction de ces chemins. Les lignes noires indiquent les trajectoires projetes des directions candidates primaires. Les lignes grises montrent les directions dont les cots des noeuds n'ont pas permis la slection [Laf06]. Durant tout son trajet, la mthode VFH* maintient la vitesse de dplacement du systme mobile son maximum. Cette vitesse est cependant rduite proportionnellement la proximit d'un obstacle. De mme, cette vitesse sera rduite lorsqu'un changement de direction sera ncessaire.
(a) (b) Figure II.24: approximation des trajectoires : a)sans prise en compte de la dynamique du systme mobile, b) avec prise en compte de cette dynamique
89
Figure II.25: chemins gnrs selon la profondeur de l'arbre.
tel-00673213, version 1 - 23 Feb 2012
Figure II.26: Arbres gnrs pour les chemins b), c) et d) de la figure II.25. II.2.4.2. La mthode Global Dynamic Window Approach (GDWA). La mthode GDWA s'appuie sur la mthode DWA (II.2.2.4.c). En effet, cette dernire tant purement ractive, une fonction permettant de suivre un chemin lui a t ajoute pour pallier aux problmes des minimums locaux. De ce fait, ces deux mthodes (GDWA et DWA) possdent la mme modlisation et diffrent lors de la prise de dcision. Le processus dcisionnel de la mthode GDWA est bas sur une fonction NF1 permettant de gnrer un chemin global. La fonction NF1 utilise une technique de propagation de vague afin de donner une distance au but pour chaque point de l'espace qu'elle parcourt (Figure II.27). Une descente de gradient permet alors d'en extraire le chemin global. Chaque commande de l'espace de recherche (ou plan des vitesses) est value par une fonction heuristique dfinie telle que : r rr r r r rr r rr r g ( p ,v,a ) = .nf1 ( p ,v ) + .vel (v ) + .goal ( p ,v,a ) + .nf1 ( p ,v,a ) (II.6) avec : g est la fonction heuristique de GDWA. r p est la position courante du systme mobile dans le plan (x,y). r v est la vitesse en translation en x et y extraite du plan de vitesses. r a est l'acclration en x et y extraite du plan de vitesses.
90
nf1(), vel(), goal(), nf1() sont des sous fonctions telles que : - nf1() valorise les vitesses alignes sur le chemin, - vel() favorise les vitesses leves lorsque le systme mobile est loin du but et les faibles vitesses lorsqu'il en est proche. - goal() renvoie 1 si la commande valuer fait atteindre le systme mobile son but, sinon, elle renvoie 0, - nf1() valorise les commandes qui rduisent la distance au but lors du prochain cycle. , , , sont des coefficients de pondration. La commande obtenant la meilleure valuation est choisie pour effectuer le mouvement partiel suivant.
tel-00673213, version 1 - 23 Feb 2012
Figure II.27: Gnration des distances au but par la fonction NF1. II.2.4.3. La mthode Global Nearness Diagram (GND) [Min01,Laf06]. A la manire de la mthode GDWA, la mthode GND tend la mthode ND (II.2.2.5) [Min04] en utilisant la fonction NF1 [Phi04] pour pallier aux problmes des minima locaux. La fonction NF1 est utilise pour crer des sous buts sur lesquels se basera la mthode ND pour ragir comme s'il s'agissait du but final. Chaque situation est associe une trajectoire afin de produire un comportement adquat. Ainsi, dans les cas de LS1 et LS2 (II.2.2.5), le but des actions est de mener le systme mobile dans une situation de haute scurit (HSGR, HSWR ou HSNR): 1) LS1: loigner le systme mobile de l'obstacle mais dans la direction la plus oriente vers une rgion libre proche du but (Figure II.12a). La vitesse choisie est alors proportionnellement inverse la proximit de l'obstacle. 2) LS2: loigner le systme mobile des obstacles mais dans la direction la plus oriente vers une rgion libre proche du but (Figure II.12b). La vitesse est gre comme pour LS2. 3) HSGR: diriger le systme mobile en direction du but la vitesse maximum (Figure II.13a). 4) HSWR: choisir la direction au sein de la zone libre approprie qui longe l'obstacle (Figure II.13b). 5) HSNR: se diriger au centre de la zone libre adquate (Figure II.13c). II.2.4.4. Autres mthodes de planification. Les algorithmes cits ci-dessus utilisant lespace de configuration sont trs coteux en temps de calcul quand la dimension de cet espace devient importante.
91
Des mthodes permettant de rpondre des problmes complexes peuvent tre appliques pour de grandes dimensions de lespace de configuration, en relaxant la notion de compltude au bnfice dune efficacit pratique et dune compltude probabiliste. Un planificateur sera dit probabilistiquement complet, si tant donn un problme rsolvable, la probabilit dobtenir la solution tend vers 1 lorsque le temps de calcul tend vers linfini. Les deux approches les plus efficaces sont les probabilistic path planner et randomized path planner, des informations plus compltes peuvent tre trouves dans [Bar91,Lan92] pour la premire et [Kav96] pour la seconde [Mez01].
II.2.5. Conclusion.
Nous avons prsent le problme gnral de la navigation dun systme mobile voluant dans un environnement connu/inconnu a priori, et nous avons pass en revue les plus grandes approches et mthodes de rsolution proposes dans la littrature. Ces mthodes sont soit locales, globales ou hybrides. Nous avons pu voir leur diversit, leurs concepts et leur faon d'aborder la modlisation de l'environnement et d'y ragir. Toutes ces mthodes prsentent des facettes intressantes de par leur conception, mais elles ont toutes un point commun : leur incapacit assurer la sret dun systme mobile voluant dans un environnement o les obstacles sont mobiles 6.
tel-00673213, version 1 - 23 Feb 2012
II.3. Conclusion.
Pour quun systme mobile puisse librement naviguer dans un environnement, il est ncessaire de lui fournir la capacit de discrtiser cet espace, non seulement pour se localiser, mais aussi pour avoir la capacit de dfinir des chemins dans celui-ci. Dans ce chapitre, nous avons pass en revue les approches les plus utilises et mthodes de rsolution pertinentes proposes dans la littrature pour le problme de la navigation. Ces mthodes se divisent en deux grandes classes: les approches locales et les approches globales. Les approches locales se basent sur une valuation de l'espace immdiatement proche du systme mobile. Elles peuvent tre trs simples, ne ncessitent pas de modle global de lenvironnement mais ont un domaine dapplication souvent restreint. Du fait de leur simplicit, elles sont gnralement excutes trs rapidement et elles permettent de raliser des tches de bas niveau, comme lvitement des obstacles imprvus, essentiels la scurit du systme mobile. Les approches globales sappuient sur un modle connu de lenvironnement, et sur une position du systme mobile correctement estime. Ce modle mmorise la structure spatiale de lenvironnement, indpendamment dun but prcis. Chacune des positions mmorises dans ce modle peut alors tre utilise comme but par le processus de planification dont le rle est de calculer un chemin/trajectoire vers ce but.
Les mthodes tenant compte de ce type denvironnement ne sont pas traites dans le cadre de ce travail.
92
Ainsi, pour pallier aux problmes inhrents ces deux dernires, un troisime type d'approche a vu le jour, il s'agit de la famille des mthodes hybrides. Elles ont les avantages des deux approches ci-dessus, et en mme temps, liminent plusieurs de leurs inconvnients. Aprs avoir prsent, dans la premire partie, un tat de lart concernant les diffrents types de capteurs utiliss dans un systme de perception, les diffrentes reprsentations denvironnements et les diffrents systmes de localisation et de navigation ainsi que les mthodes dveloppes pour leur rsolution. Dans la deuxime partie, nous prsentons notre contribution concernant le modle de lenvironnement, la localisation et la navigation du systme mobile ATRV2 dans un environnement qui peut tre inconnu a priori. Dans le chapitre suivant, nous prsenterons le systme de perception de lATRV2, nous montrons les principes physiques qui rgissent le fonctionnement de ses capteurs, ainsi que les diffrentes sources derreurs inhrentes leur utilisation. Nous proposons aussi dans ce chapitre le modle de lenvironnement de navigation qui va tre utilis tout au long de ce travail. tel-00673213, version 1 - 23 Feb 2012
93
Partie II
tel-00673213, version 1 - 23 Feb 2012
Localisation et navigation dun systme mobile : cas de lATRV2.
94
Chapitre III
tel-00673213, version 1 - 23 Feb 2012
Modle de lenvironnement de navigation utilis.
95
Chapitre III : Modle de lenvironnement de navigation
Aprs avoir prsent en dtail les systmes de perception utiliss par un systme de robotique mobile, nous prsentons dans ce chapitre le modle de lenvironnement que nous avons choisi pour la navigation du systme mobile ATRV2. Nous commenons dabord par dfinir le systme de perception utilis par le systme mobile, ensuite, nous dfinissons la reprsentation des mesures issues de ce systme de perception, en justifiant dabord le choix du modle de lenvironnement de navigation utilis tout au long de ce travail, ainsi que le modle gomtrique des capteurs du systme de perception. La mthode de fusion des donnes capteurs utilise est aussi prsente dans ce chapitre, ainsi que la validation des travaux de reconstruction de la carte de lenvironnement. tel-00673213, version 1 - 23 Feb 2012
III.1. Systme de perception utilis.

Le type denvironnement dans lequel devra se dplacer le systme mobile dtermine le type de capteurs utiliser pour la perception : des camras, des proximtres, et ou des capteurs tactiles. Aucun dentre eux ne peut lui seul rendre compte de tout ce que le systme mobile doit connatre sur le monde qui lentoure. La perception de chacun deux est partielle et entache derreurs. La solution consistera donc, faire cooprer un grand nombre de capteurs. Cette coopration entre capteurs est trs intressante, voire indispensable pour la ralisation des objectifs de la perception. Elle peut se faire entre des capteurs de nature diffrente (vision et capteurs tlmtriques, par exemple) permettant la perception de caractristiques totalement diffrentes des objets, ou de mme type placs diffrents endroits diminuant ainsi les problmes dus loccultation, de la rsolution ou du champ de vue. Dans ce qui suit nous nous intressons au systme de perception du systme mobile ATRV2 savoir les capteurs ultrasons et le banc stroscopique.
III.1.1. Capteurs ultrasons [Cou00].

Comme nous l'avons dcrit au paragraphe (.I.1.2.1.a), le capteur ultrasons prsente l'avantage de donner directement une information de distance mais cette mesure est assez imprcise. En effet, l'angle d'ouverture (de 20 30) introduit un facteur d'incertitude concernant la direction dans laquelle se situe l'obstacle peru. Pour une mesure d donne par le capteur, en considrant un espace deux dimensions et en ngligeant les incertitudes sur la mesure, la rgion correspondant aux positions possibles de l'obstacle dtect prend la forme d'un arc centr sur le capteur, avec un rayon gal d. Les dimensions de l'objet sont aussi masques par cette proprit du capteur ultrasons : il peut s'agir d'un mur ou seulement d'un objet de petite taille. La figure III.1 illustre la situation o deux obstacles possibles produisent la mme mesure.
96
Energie rflchie Energie absorbe
Energie incidente
Figure III.1 : Deux obstacles renvoyant la mme mesure.
Figure III.2: Rpartition des nergies.
Une incertitude sur la distance mesure, appele galement incertitude radiale, est aussi prsente. Elle provient des phnomnes atmosphriques (temprature, courants d'air, etc.) pouvant modifier la vitesse de l'onde. Pour les capteurs utiliss comme metteur et rcepteur tels que ceux que nous utilisons, une distance minimale dtectable est dfinie. Cette distance est dduite du temps ncessaire pour que la membrane du capteur puisse se stabiliser aprs l'mission de l'onde (6 cm pour le cas des capteurs US du systme mobile ATRV2). Quand une onde acoustique heurte un objet, lcho dtect reprsente seulement une petite partie du signal original. L'nergie restante est rflchie dans des directions disperses et peut tre absorbe par la cible ou tre passe travers elle, ceci dpendant de la surface de l'objet et de l'angle d'incidence du rayon (Figure III.2). Par ailleurs, plus la distance parcourue par l'onde est grande plus cette dernire est attnue. Ainsi, une distance maximale correspondant au minimum d'nergie dtectable est dfinie comme limite de la porte du capteur (4 m pour le systme mobile ATRV2). Dans le domaine de perception du capteur ultrasons, des phnomnes tels que la spcularit, les rflexions multiples ou la diaphonie peuvent intervenir, nous allons en dcrire les causes et les effets. La spcularit : La spcularit, encore appele effet miroir peut provoquer la non dtection des obstacles. En effet, la fiabilit des mesures ultrasonores est trs dpendante de la texture de la surface rflchissante de l'objet. Les surfaces rugueuses retournent l'onde ultrasonore produite par le capteur quel que soit l'angle d'incidence, contrairement aux surfaces lisses qui ne renvoient que les ondes ayant un angle d'incidence proche d'un angle droit (Figure III.3). Si une spcularit intervient, la mesure issue du capteur concern est inexploitable, ce qui peut tre gnant puisque nous n'avons que 12 mesures de capteurs ultrasons pour dcrire l'environnement autour du systme mobile ATRV2. Si l'onde ne se rflchit pas sur un autre obstacle pour revenir sur le capteur, la mesure sera annule; par contre, si la spcularit est suivie d'une ou plusieurs rflexions sur les obstacles, nous avons alors des rflexions multiples. Les rflexions multiples : Le phnomne de spcularit peut se produire plusieurs fois, il s'ensuit des rflexions multiples. Le signal ultrasonore peut donc
tel-00673213, version 1 - 23 Feb 2012
97
se rflchir sur plusieurs surfaces avant de retourner au capteur. Par ce fait, l'obstacle parat plus loin que son emplacement rel (Figure III.4). Les mesures issues de rflexions multiples ne correspondent pas un obstacle de l'environnement et risquent de fausser la localisation en associant la mesure un autre obstacle situ plus loin.
Surface rugueuse
Surface lisse Spcularits
Figure III.3: Phnomne de spcularit. tel-00673213, version 1 - 23 Feb 2012

Obstacle (Coin)
Figure III.4: Exemple de rflexions multiples.
a) Chemin critique direct. b) Chemin critique indirect. Figure III.5: Exemple de diaphonie. La diaphonie : La diaphonie intervient quand un capteur peroit l'onde mise par un autre. Supposons qu'un capteur x mette une onde ultrasonore, le cne mis est renvoy vers le systme mobile. Si le capteur y se trouve en mode de rception, il interprtera l'onde mise par le capteur x et renvoye par lobstacle comme tant la sienne, et percevra un objet plus proche qu'il ne devrait. Ce phnomne est appel diaphonie par chemin critique direct (Figure III.5.a). Le capteur y peut aussi recevoir une onde issue de rflexions multiples, il s'agit alors de diaphonie par chemin critique indirect (Figure III.5.b). L encore ce
98
type de mesures reprsente des obstacles fictifs et peut fausser la localisation des objets; le regroupement des capteurs sous forme de noeuds vise limiter la diaphonie en vitant d'activer simultanment des capteurs voisins. La spcularit, les rflexions multiples et la diaphonie sont des phnomnes parasites plus ou moins imprvisibles contrairement aux incertitudes angulaire et radiale qui sont toujours prsentes dans la mesure. En consquence, le modle que nous proposons reprsente les incertitudes angulaires et radiale mais ne tient pas compte des autres phnomnes. Il est toutefois important de connatre leur existence afin de prendre en considration la possibilit de mesures aberrantes dont il faudra limiter l'influence lors de la reconstruction de lenvironnement. Le systme mobile ATRV2 (Figure III.6.a) est quip de douze capteurs ultrasons monts en horizontal autour du systme (six l'avant, deux l'arrire et deux sur chaque ct). La porte de leur mesure s'tend sur une distance allant de six centimtres jusqu quatre mtres. Le lobe principal de leur fonction de sensibilit (ou angle douverture) est contenu dans un angle solide de 30. tel-00673213, version 1 - 23 Feb 2012 Grce ces capteurs, lATRV2 peut acqurir rapidement une perception panoramique complte 360 (Figure III.6.b).
XR
210 3
456 7
YR
11 10
8 9
(a) (b) Figure III.6: (a) Le systme mobile ATRV2, (b) Perception panoramique de l ATRV2. Cependant, tous ces capteurs sont actionns en mme temps et cela peut provoquer une diaphonie importante entre capteurs (cause par une rsolution angulaire faible, des erreurs dues aux rflexions multiples ou des rflexions spculaires loin du capteur).
III.1.2. Systme de vision.

Les systmes de vision en robotique mobile sont bass sur lutilisation dune ou plusieurs camras CCD, trs performants en termes de porte, prcision et quantit dinformations exploitables. En revanche, linconvnient majeur de tels systmes de perception se situe au niveau de la gestion du flux important de donnes exploitables: traiter une image demeure une opration dlicate et surtout coteuse en temps de calcul. Le systme de vision du systme mobile ATRV2 est compos de deux camras CCD couleurs montes sur une tourelle Pan Tilt (Figure III.7). Leur utilisation a
99
pour avantage de fournir des informations trs riches sur l'environnement. A partir de ces informations tels que des points et segments de droite extraits de l'image de la scne observe, on peut contrler le dplacement relatif et la position du systme mobile vis vis d'lments caractristiques de l'environnement.
Camra CCD couleurs
Tourelle Pan Tilt
Figure III.7: Systme de vision de lATRV2.
III.2. Reprsentation des mesures issues des capteurs embarqus.

tel-00673213, version 1 - 23 Feb 2012
III.2.1. Modle de lenvironnement.

Le modle de lenvironnement que nous avons utilis est le modle mtrique (grille de certitude) bas sur lalgorithme HIMM (Histogramic In Motion Mapping en anglais) prsent dans [Bor91b]. Il utilise une grille histogramme deux dimensions pour la reprsentation des obstacles. Chaque cellule de cette grille possde une valeur de certitude CV qui reprsente la confiance de l'algorithme dans l'existence d'un obstacle cet endroit. Ce modle est exploitable dans tout type denvironnement sans ncessiter damnagements particuliers, et peut tre utilis partir des mesures issues de plusieurs types de capteurs. Chaque capteur construit sa carte locale qui va ensuite tre intgre une carte locale du systme mobile servant tablir la carte globale de lenvironnement.
III.2.1.1. La carte locale. La carte locale est centre sur le systme mobile et sa taille est ajuste sur la plus grande mesure du systme de perception embarqu. A larrt, les cellules occupes par le systme mobile sont considres libres. Lorsque le systme mobile se dplace, il utilise sa position, son orientation et les mesures de son systme de perception embarqu pour construire sa carte locale. III.2.1.2. La carte globale. La carte globale de lenvironnement de navigation dfinit lespace ou lendroit dans lequel le systme mobile va se mouvoir. La valeur CV de ses cellules est initialise zro. Au cours des dplacements du systme mobile, chaque obstacle dtect incrmente la valeur CV des cellules quoccupe cet obstacle, ainsi, les obstacles seront reprs ce qui permet de les viter.
100
Toutes les cartes locales sont intgres pour former une seule carte (carte globale). Chaque carte locale est intgre lancienne carte globale pour donner une nouvelle carte globale (mise jour) de lenvironnement. III.2.2. Capteurs ultrasons. Un moyen de modliser le capteur ultrasons consiste dterminer la fonction de densit de probabilit P r de la mesure de profondeur r d connaissant la distance d entre le capteur et l'obstacle [Cou00]. En supposant le capteur idal, la mesure est interprte comme tant la distance au plus proche obstacle dans la direction de l'axe acoustique (Figure III.8)
1 si P r = d 0 si
r =d r d
P[r/d]
(III.1)
tel-00673213, version 1 - 23 Feb 2012
r d
Figure III.8 : Fonction de probabilit d'un capteur idal. En enregistrant ce modle dans une grille, seule la cellule situe sur l'axe acoustique du capteur la distance mesure est modifie (Figure III.9). De cette faon, l'incertitude sur la distance mesure peut tre contenue dans la cellule. Ce modle a t utilis pour effectuer des tches d'vitements d'obstacles pour un systme mobile [Bor91b]. Les cellules de la grille reprsentant l'environnement sont initialises la valeur zro. Puis, au cours du dplacement du systme mobile, chaque obstacle dtect incrmente la valeur de la cellule correspondante. Ainsi, au fur et mesure du dplacement, les obstacles sont reprs par des cellules dont les valeurs augmentent, ce qui permet de les viter. Une autre modification a t apporte sur ce modle, il prend en compte l'espace libre entre le capteur et l'obstacle [Cou94]. Comme prcdemment, la valeur initiale de chaque cellule de la grille est nulle. Puis, lors d'une acquisition, les valeurs des cellules correspondant l'espace libre sont dcrmentes tandis que la valeur de la cellule reprsentant l'obstacle est augmente de la valeur 3, les valeurs des cellules restantes n'tant pas modifies (Figure III.10). Le problme de ces modles est qu'ils ignorent l'incertitude angulaire des capteurs ultrasons. Un capteur de type Polarod possde un cne d'mission de 24 30, les rflexions retournes au capteur peuvent provenir d'objets situs dans la priphrie du cne. Ramener la mesure simplement sur l'axe de tir, considrant le capteur ultrasons comme un capteur ponctuel (comme le laser), peut donc tre source d'erreurs car beaucoup d'obstacles seront mal ou pas perus (Figure III.11).
101
Figure III.9 : Grille pour un capteur idal.

Valeur de la cellule augmente de 3 Valeur des cellules diminues de 1
Figure III.10 : Grille pour un capteur idal prenant en compte l'espace libre. tel-00673213, version 1 - 23 Feb 2012 L'incertitude sur les mesures intervient donc sur la profondeur r, mais aussi sur l'angle par rapport l'axe de tir. Une premire approche utilise pour la dtection d'obstacles lors de la navigation de systmes mobiles consiste modifier le premier modle (Figure III.9) en un arc de cercle (Figure III.12) [Men95]; la valeur attribue chaque cellule tant inversement proportionnelle au nombre de cellules recouvertes par l'arc entier.
Impact rel Obstacle
Point suppos de limpact
Figure III.11 : Exemple d'obstacle mal peru.
Figure III.12 : Grille prenant en compte l'ouverture angulaire du capteur.
Un autre modle pour reprsenter la mesure sur le secteur entier consiste estimer que si un objet est dtect par le capteur ultrasons, il est plus probable que cet objet soit proche de l'axe acoustique que de la priphrie du cne. Selon ce principe, les donnes ultrasonores sont interprtes par des profils de probabilit [Elf87a]. Le cne ultrasonore est dcompos en deux volumes de l'espace: l'un reprsentant l'espace libre, l'autre reprsentant l'espace occup. Les points situs dans la rgion certainement vide ont une probabilit d'tre libres PL donne par :
PL = L r ( r ).La ( )
avec :
(III.2)
102
2 r R min 1 si r [ R min , R ] L r ( r ) = R R min (III.3) sinon 0 2 2 La ( ) = 1 si 2 , 2 r et dsignent les coordonnes polaires d'un point dans un rfrentiel plac sur le capteur, R correspond la distance mesure, Rmin reprsente la distance minimale dtectable par le capteur, dsigne l'incertitude sur la mesure et dcrit l'ouverture angulaire du capteur.
De mme, les points situs dans la rgion certainement occupe ont une probabilit d'tre occups PO dfinie par :
PO = Or (r ).Oa ( )
avec : tel-00673213, version 1 - 23 Feb 2012
(III.4)
rR 2 1 ( ) Si r [R , R + ] Or (r ) = Sinon 0 2 2 Oa ( ) = 1 Si , 2 2
(III.5)
La figure III.13 illustre ces distributions de probabilit pour un capteur ultrasons fournissant la mesure R, et la figure III.14 reprsente ces probabilits en trois dimensions.
Figure III.13 : Profils de probabilit appliqus au capteur ultrasons [Elf87a].
Figure III.14 : Vue des profils de probabilit en 3D.
Un modle gaussien [Bul96] en deux dimensions (Figure III.15) reprsentant uniquement l'espace occup rejoint ce modle:
P r , = e (III.6) d 2 r o r , et reprsentent les carts types des erreurs radiales et angulaires du
1 ( r d )2 2 + 2 2 2 r
capteur.
103
Figure III.15 : Exemple de modlisation d'un capteur ultrasons par une gaussienne ( r = 1cm , = 12 et d = 1m) pour r [0,1] . En l'absence de phnomnes parasites, les capteurs ultrasons ont une faible incertitude sur la mesure, environ 1% de la mesure ce qui est de l'ordre de quelques centimtres. L'cart type radial tant li cette incertitude, ceci explique la forme pointue de la reprsentation. En revanche, l'ouverture angulaire du capteur lie l'cart type angulaire est grande (ouverture du cne de l'ordre de 30), ceci justifie la largeur de la courbe. Ces derniers modles favorisent l'axe acoustique par rapport la priphrie du cne ultrasonore en affectant des valeurs plus grandes aux cellules situes au centre. En partant de lide nayant aucune informations complmentaires sur la mesure ultrasonore, notre contribution a consist considrer tous les points de l'arc sont quivalents pour une position possible de l'obstacle, il nous parat logique d'attribuer la mme valeur chacune des cellules reprsentant le mme tat (libre ou occup). Notre modle utilise cette ide en dcrmentant de 1 les valeurs CV des cellules correspondant lespace libre jusqu un seuil minimum dfini (Min_Vote_Seuil=0), et en incrmentant de 3 les valeurs CV des cellules de larc de cercle reprsentant lobstacle jusqu un seuil maximum dfini (Max_Vote_Seuil). Les valeurs des cellules restantes ne sont pas modifies. Le modle du capteur ultrasons ainsi obtenu et sa grille correspondante sont reprsents par la figure III.16.
C A US B
tel-00673213, version 1 - 23 Feb 2012
Cellule occupe Cellule libre
Obstacle
Figure III.16 : Modlisation du capteur ultrasons. La rgle de mise jour des valeurs CV des cellules de la grille selon la figure III.16, est exprime comme suit :
CV (X ) + 3 if X B CV ( X ) = CV (X ) 1 if X A CV (X ) if X C CV Min CV (X ) CV Max
(III.7)
104
Ce modle prsente l'avantage d'viter le traitement des mesures l'aide de lois de probabilits lourdes grer.
III.2.3. Systme de vision.

Connaissant le modle de projection de chaque camra et la relation spatiale entre les camras du banc stroscopique (I.1.2.5), on peut calculer les coordonnes 3D dun point partir de ses projections dans les diffrentes images. III.2.3.1. Calcul des paramtres du modle gomtrique dune Camra : Mthode choisie. Calibrer une camra va consister estimer la matrice de projection M (quations I.8 et I.9). Il suffit de disposer dun ensemble de points de rfrence Pi = ( xi , y i , z i ) (appels aussi points dintrt) appartenant au repre absolu et de leur projection (u i , vi ) dans limage numrise [Cro97]. Daprs lquation (I.8), chaque correspondance donne deux quations : tel-00673213, version 1 - 23 Feb 2012
ui = m11 xi + m12 m31 xi + m32 m x + m22 vi = 21 i m31 xi + m32 y i + m13 z i + m14 y i + m33 z i + m34 yi + m23 z i + m24 y i + m33 z i + m34
(III.8) (III.9)
Ces quations sont linaires par rapport aux coefficients mij de la matrice de projection M, donc au moins six (06) points non coplanaires suffisent pour les dterminer. Les quations (III.8) et (III.9) peuvent se rcrire comme une combinaison linaire des mij :
m11 xi + m12 y i + m13 z i + m14 u i m31 xi u i m32 y i u i m33 z i = u i m34 m 21 xi + m22 y i + m23 z i + m 24 vi m31 xi vi m32 y i vi m33 z i = vi m34
(III.10) (III.11)
On obtient donc 2n quations pour n points et on peut crire ces quations sous forme matricielle : m11 m12 m13 m14 m21 u m xi y i z i 1 0 0 0 0 u i xi u i y i u i z i i 34 (III.13) 0 0 0 0 x y z 1 v x v y v z m22 = v m i i i i i i i i i i 34 m 23 m24 m 31 m 32 m 33 ou, sous forme plus condense :
105
K x =u
(III.14)
Le systme prcdent tant homogne (M est dfinie un facteur dchelle prs), il faut utiliser une contrainte supplmentaire. Nous utilisons pour cela la mthode de calibrage dcrite par Faugeras et Toscani [Fau86,Cro97]. Si lon crit M sous la forme suivante :
m1 M = m2 m 3 m14 m24 m34
(III.15)
o mi = (mi1 mi 2 mi 3 ) , et si lon pose la contrainte suivante : m3 =1 (III.16) (III.17) alors le systme dquations (III.13) peut scrire sous la forme suivante :
B x9 + C x3 = 0
o : x yi B = i 0 0 u x C = i i v i xi x9 = (m1 m14
t x 3 = m3
tel-00673213, version 1 - 23 Feb 2012
zi 0
1 0 0 xi
0 yi
0 zi
0 ui 1 vi
(III.18)
ui yi vi y i
m2 m24
ui zi vi z i t m34 )
2
(III.19)
(III.20) (III.21) sous la contrainte m3

2
Le critre minimiser tant B x9 + C x3
= 1 , aprs calculs,
lestimation des coefficients de la matrice de projection M est donne par les tapes suivantes [Hor93] : 1. Construction dune matrice D telle que :
D = C tC C t B Bt B BtC (III.22) 2. Calcul des valeurs et vecteurs propres de D. 3. x3 est le vecteur propre correspondant la plus petite valeur propre. 4. Normalisation de x3 : 106
x3
x3 x3
(III.23)
5. Calcul de x9 :
x9 = B t B B t Cx3 6. Si m34 0 alors M ( M ) .
(III.24)
A partir des coefficients mij de la matrice de projection M et grce aux quations (I.17) on peut donc dterminer les paramtres intrinsques et extrinsques de la camra.
ZR
XR
tel-00673213, version 1 - 23 Feb 2012
YR
(a) (b) Figure III.17 : Mise en oeuvre du calibrage du banc stroscopique du systme mobile ATRV2 : (a) en utilisant la premire mire pour le calibrage fort, (b) en utilisant la deuxime mire pour le calibrage faible.
(a)
(b) Figure III.18: Reconstruction 3D de la mire : (a) les deux mires utilises, (b) la reconstruction 3D des deux mires dans le repre camra gauche.
107
III.2.3.2. Mise en uvre du calibrage : Application au banc stroscopique du systme mobile ATRV2. Calibrer le banc stroscopique du systme mobile ATRV2 revient calibrer chaque camra indpendamment en utilisant la mme mire. La mire de calibrage fournit des points de calibrage dont la position doit tre connue avec une trs grande prcision dans un repre absolu. La figure III.17 montre les mires de calibrage utilises : la premire pour le calibrage fort est constitue dun ensemble de petits carrs noirs et blancs de 2.8 cm de longueur pour chacun de leur cot, et la seconde pour le calibrage faible est constitue dun ensemble de petits cercles noirs de 1.0 cm de diamtre et espacs de 05 cm. Ces motifs ont t choisis pour que leur projection dans limage numrise puisse tre mesure avec une grande prcision. Le calibrage commence par le placement en diffrentes positions de la mire pour qu'elle soit perue la fois par les deux camras. Le calibrage fort a t ralis sur des paires dimages de 160x120 pixels de rsolution, tandis que le calibrage faible a t ralis sur des paires dimages de 600x560 pixels de rsolution. Les corrections de la distorsion radiale des deux camras nont pas t prises en compte pendant le processus de calibrage. Les rsultats issus du calibrage sont prsents en annexe C. Pour valider les rsultats du calibrage du banc stroscopique du systme mobile ATRV2, nous avons reconstruit les points 3D des deux mires utilises et compar les valeurs des points reconstruits avec leur vraie valeur acquise lors du calibrage (Figure III.18). Nous remarquons quil y a une petite diffrence entre la position des points rels et les points calculs. Cela peut sexpliquer par le mode manuel de prlvement des points 3D/2D des deux mires utilises pour lestimation des paramtres intrinsques et extrinsques des camras gauche et droite du banc stroscopique. Les points 3D de lenvironnement obtenus lors des acquisitions sont filtrs avant dtre sauvegards dans le modle de lenvironnement choisi. Le filtrage se fait comme suit : 1. Tous les points dont la profondeur (suivant laxe des X) est suprieure un seuil donn sont limins. 2. Tous les points dont la hauteur (suivant laxe des Z) est infrieure un seuil donn sont limins. 3. Les points 3D restants sont sauvegards dans le modle de la manire suivante : Tous les points sont projets en un seul point sur le sol (le plan XY) et la valeur CV de la cellule correspondante prendra comme valeur le nombre de points projets.
tel-00673213, version 1 - 23 Feb 2012
III.2.4. Fusion des donnes capteurs.

Les systmes qui utilisent plusieurs types de capteurs sont de plus en plus prsents dans la littrature. Ils permettent une prcision accrue, une plus grande porte de dtection et une fiabilit suprieure. C'est pour cette raison que l'usage de diffrents types de capteurs est maintenant frquent dans des applications comme la robotique mobile. Ses systmes comportent de nombreux capteurs qui
108
acquirent de l'information complmentaire ou redondante afin d'obtenir une perception plus complte et plus fiable de leur environnement. Mais la faon de grer l'information provenant de tous ces capteurs demeure une proccupation. A cet effet, le systme de perception du systme mobile ATRV2 (banc stroscopique et douze capteurs US) a ncessit une fusion. La mthode de fusion choisie est une mthode non probabiliste base sur la thorie des possibilits. Ce choix est justifi par le fait que le modle de lenvironnement de navigation choisi nutilise pas des fonctions de probabilit pour la reconstruction. III.2.4.1. Calibrage Capteurs ultrasons-Banc stroscopique. Le calibrage des systmes multicapteurs est une tape primordiale pour reprsenter les donnes provenant des diffrents capteurs dans un mme repre, ce qui est indispensable avant toute analyse ou fusion de ces donnes. Le banc stroscopique et les capteurs ultrasonores sont monts sur le systme mobile ATRV2 dans un but de coopration et de fusion, leur calibrage est ainsi devenu une ncessit. Le banc stroscopique fournit les informations d'intensit sous la forme d'une paire dimages, alors que les capteurs ultrasonores apportent les informations de profondeur sous la forme d'un vecteur de profondeur. Le calibrage calcule les transformations rigides entre le repre li au banc stroscopique et celui li chaque capteur ultrasonore (US). La connaissance de ces transformations permet de projeter les points 2D des repres capteurs ultrasonores dans le repre banc stroscopique.
i C Soient RUS le repre li au capteur ultrasonores i (avec i=1 12) et R k le repre li
tel-00673213, version 1 - 23 Feb 2012
i la camra k (avec k=G ou D) (Figure III.19). Les matrices de passage M US et

C i Mk des repres RUS
ATRV2 R R O R , X R ,Y coordonnes
),
C et R k
au repre local associ au systme mobile

t
sont calcules de telle sorte que pour un point P de dans

i RUS
i i i i = PUS x US , y US , z US
et
de
coordonnes
C C C C PkC = x k , y k , z k dans R k , on aura : x R i i PUS R M US R P =y = C C z R M k Pk

R R R R avec PR un point de coordonnes P R = x , y , z dans R , t
(III.25)
La matrice de passage entre les repres capteurs ultrasonores et les repres camras est donne par le systme suivant : C 1 i i PkC = M k M US PUS (III.26)
C est obtenue en faisant un calibrage Lestimation de la matrice de passage M k
faible et dont les paramtres sont prsents en annexe C.
109
XR
1 RUS 0 RUS
RUS 4
RUS 5 RUS 6 RUS 7
2 RUS
RUS 3
YR
456 7
RUS 8
RUS 11 RUS 10 RUS 9

11 10
8 9
tel-00673213, version 1 - 23 Feb 2012
(a)
C ZG
C ZD
C G
C XD
C YD C YD
ZR
XR
YR
(b) Figure III.19 : (a) Positions et orientations des 12 capteurs ultrasonores embarqus de lATRV2, (b) Modle gomtrique du banc stroscopique : vue de perspective. III.2.4.2. La fusion. Sur la figure III.19, nous remarquons bien lexistence dun champ de vision commun entre les diffrents capteurs embarqus du systme mobile ATRV2, que ce soit du mme type (capteurs US-US, ou Camras gauche-droite) ou de type diffrents (capteurs US-Banc stroscopique). Dans notre cas, nous nous intressons au champ de vision commun entre les capteurs ultrasonores et le banc stroscopique. Le champ de vision du banc stroscopique est lintrieur de celui des capteurs ultrasons avec une certaine limitation en profondeur (Figure III.20).
110
i C Grce au calibrage et au calcul des matrices M US et M k , nous sommes capables
dexprimer toutes les donnes capteurs (US-Banc) du champ commun dans un mme repre, et en fusionnant ces donnes, nous obtiendrons une perception plus complte et plus fiable de lenvironnement de navigation du systme mobile ATRV2. Le champ de vision commun est discrtis en cellules conformment au modle de lenvironnement choisi. Dans ce dernier, chaque cellule possde une valeur de certitude CV qui reprsente la confiance de l'algorithme dans l'existence d'un obstacle cet endroit. Cette valeur est modifie aprs comparaison, chaque acquisition, ds que les capteurs ultrasonores ou le banc stroscopique dtectent un nouvel obstacle.
XR
Champ de vision du banc stroscopique Champ de vision des capteurs ultrasonores
tel-00673213, version 1 - 23 Feb 2012
Champ de vision commun
YR
456 7
Figure III.20 : Le champ de vision commun entre les capteurs ultrasons et le banc stroscopique. La mthode de fusion des donnes US-banc choisie dfinit une distribution de possibilit pour chaque classe, occupe ou libre, et est calcule pour chaque cellule du champ de vision commun, et donne son degr de possibilit dappartenir une classe donne (libre ou occupe). Soit US et Banc deux distributions de possibilit du champ de vision commun dans [0 ,1] associes aux capteurs US et au banc stroscopique. Les ensembles de discernement capteur donnant les classes de chaque capteur, sont les suivants :
US = {OccupUS , LibreUS } Banc = {Occup Banc , Libre Banc }
(III.27) (III.28)
Lespace de discernement est lensemble de toutes les classes envisageables et possibles. Dans notre cas, lespace de discernement est le suivant :
= {F1 , F2 , F3 , F4 }
(III.29)
avec :
111
F1 = OccupUS I Occup Banc F2 = OccupUS I Libre Banc F3 = LibreUS I Occup Banc F4 = LibreUS I Libre Banc
(III.30)
Le tableau ci-dessous rcapitule les diffrents tats possibles des cellules appartenant au champ de vision commun des capteurs US-Banc ainsi que la dcision prendre pour la fusion des donnes. Tableau III.1 : Rcapitulatif des tats possibles des cellules appartenant au champ de vision commun pour la fusion. Type de Etats de la cellule capteur Capteurs US occup occup libre libre Banc occup libre occup libre stroscopique F2 F3 F4 F1 Combinaison Combinaison Dcision occup libre adaptative adaptative Si une cellule est perue libre en mme temps par les capteurs ultrasonores et le banc stroscopique, alors cet tat est confirm. Si une cellule est perue occupe en mme temps par les capteurs ultrasonores et le banc stroscopique, alors cet tat est confirm. Sa valeur CV prendra la valeur rsultante de la combinaison adaptative (maximum de possibilit) en utilisant lquation (I.25). Sil y a une diffrence de perception dtat (libre-occupe ou occupe-libre) dune cellule donne par les capteurs ultrasonores et le banc stroscopique, la valeur CV de cette cellule prendra la valeur rsultante de la combinaison adaptative des deux donnes capteurs en utilisant la mme quation (I.25), dterminant ainsi son tat. Pour mieux comprendre le principe, voici un exemple : Soient les grilles A et B de la Figure III.21 les portions de lenvironnement perues respectivement par les capteurs ultrasonores et le banc stroscopique. La grille C est la grille rsultant de la fusion des donnes obtenue par combinaison adaptative des grilles A et B en utilisant lquation (I.25) (voir tableau III.2).
30 a 0 d 0 g 37 b 20 e 0 h 29 c 10 f 20 i 20 a 0 d 0 g 30 b 20 e 5 h 35 c 0 f 20 i 66 a 0 d 0 g 100 b 66 e 5 h 96 c 10 f 66 i
tel-00673213, version 1 - 23 Feb 2012
Figure III.21 : Exemple de fusion des donnes capteurs base sur la combinaison adaptative.
112
Pour chaque valeur CV dune cellule des grilles A et B, on associe une probabilit P reprsentant son tat, calcule comme suit :
P=
CV Max_V ote_Seuil
(III.31)
La mesure de possibilit de cette cellule prendra donc la valeur suivante :
US ou Banc = P
(III.32)
En cas de diffrence de perception dtat dune cellule donne par les capteurs ultrasonores et le banc stroscopique, un oprateur adaptatif adap = US , Banc est utilis et calcul de la faon suivante :
US , Banc = max
min (US , Banc ) h (US , Banc )
, min ( max (US , Banc ) ,1 h (US , Banc ) )
(III.33)
Pour un maximum de vote Max_Vote_Seuil=100 choisi exprimentalement, et daprs lquation (I.24), la valeur de h (US , Banc ) = 0.30 (voit tableau III.2). tel-00673213, version 1 - 23 Feb 2012 Les valeurs CV (ou CVadap) des cellules de la grille C sont obtenues partir des valeurs de US , Banc correspondantes de la manire suivante :
CV adap = US , Banc * 100
(III.34)
La nouvelle valeur de CV reprsente donc une nouvelle information plus riche, plus prcise et plus fiable sur ltat de la cellule.
113
Tableau III.2 : Rsultats de la fusion des donnes capteurs base sur la combinaison adaptative pour les grilles A et B. Classes F1 Cellule a tel-00673213, version 1 - 23 Feb 2012 b c d e f g h i
US
0.30 0.37 0.29
1 h (US , Banc ) , Max (US , Banc ) Banc Min (US , Banc ) Max (US , Banc ) 1 h (US , Banc ) Min
0.20 0.30 0.35 0.20 0.30 0.29 0.30 0.37 0.35 0.7 0.3
Min (US , Banc ) h (US , Banc )
Etat o/o o/o o/o l/l o/o o/l l/l l/o o/o
US , Banc
0.66
0.66
0.37 0.35
0.7
F1 F1 F4 F1 F2 F4 F3 F1
1 0.96
1 0.96
0.7 0.7
0 0.20 0.10 0 0 0.20
0 0.20 0 0 0.05 0.20
0 0.20 0 0 0 0.20
0 0.20 0.10 0 0.05 0.20
0 0.66
0 0.66
0.7 0.7 0.7 0.7 0.7
0.2 0.1 0 0.05 0.2
0.1
0 0 0 0.66
114
0 0.05 0.66
III.3. Exprimentations.
La mthode de la construction du modle de lenvironnement que nous avons dvelopp a t implmente sur le PC embarqu (onboard) du systme mobile ATRV2 et teste partir de plusieurs situations relles (statiques et dynamiques). Les donnes odomtriques, ultrasonores et visuelles sont sauvegardes dans des fichiers de donnes sur le PC embarqu du systme mobile, ensuite ils sont transfrs vers un autre PC hte pour lanalyse et laffichage. Le programme danalyse et daffichage (Figure III.22) est un programme crit en langage C++ Builder sous lenvironnement Windows, intgrant tous les algorithmes et procdures dvelopps (lectures des donnes en provenance des diffrents capteurs, changement de repre, etc.). Son interface conviviale permet linteraction avec lutilisateur travers un ensemble de menus, de boutons et de botes de dialogue qui permettent le choix et la variation des paramtres techniques lis lapplication. tel-00673213, version 1 - 23 Feb 2012
Figure III.22 : Le logiciel danalyse et daffichage dvelopp.
III.3.1. Construction base sur les donnes capteurs ultrasonores.

Plusieurs sries d'expriences ont t menes afin d'illustrer les diffrentes perceptions du systme mobile ATRV2 en se basant uniquement sur les donnes en provenance de ses 12 capteurs ultrasonores. Lenvironnement et les positions des obstacles sont inconnus par le systme mobile. Sa mission est donc de reconstruire fidlement la carte de son environnement lors de ses dplacements partir des situations relles (statique ou dynamique). Les figures III.23- III.25 montrent la reconstruction de lenvironnement entourant le systme mobile lorsquil est larrt. Les figures III.23a- III.25a montrent limage relle de la situation du systme mobile, les figures III.23b- III.25b montrent le rsultat de la reconstruction avec les points verts correspondant aux cellules de la grille occupes par les obstacles et le point rouge indiquant la
115
cellule correspondant au centre de gravit du systme mobile. Les figures III.23cIII.25c sont identiques aux prcdentes, un rectangle montrant la position et lorientation du systme mobile a t ajout en utilisant les donnes odomtriques et les dimensions exactes du systme mobile. Par contre les figures III.26- III.28 montrent la reconstruction de lenvironnement lorsque le systme mobile est en mouvement (dplacement non autonome). De mme, les figures III.26a- III.28a montrent limage relle du mouvement du systme mobile (la bande noire montre le trajet effectu par le systme mobile), les figures III.26b- III.28b montrent le rsultat de la reconstruction avec les points verts correspondant aux cellules de la grille occupes par les obstacles et les points rouges indiquant les cellules correspondant au centre de gravit du systme mobile en mouvement. Dans les figures III.26c- III.28c des rectangles schmatisant le systme mobile ont t ajouts pour dcrire son dplacement dans la scne en utilisant les donnes odomtriques et ses dimensions exactes. Grce ces exprimentations, la carte de lenvironnement est reconstruite et elle est juge acceptable, mais toutefois, les problmes inhrents lutilisation des capteurs ultrasonores tels que les rflexions multiples et la diaphonie mnent des mesures aberrantes faussant ainsi le position des obstacles. En plus, nous remarquons bien que certaines artes rectilignes des obstacles ont t perues courbes par la couronne ultrasonore du systme mobile ATRV2. Ceci est d la prise en compte de tout larc de cercle du cne reprsentant le modle du capteur ultrasonore adopt.
tel-00673213, version 1 - 23 Feb 2012
(a)
(b) (c) Figure III.23 : Situation relle statique 1.
(a)
116
(a)
tel-00673213, version 1 - 23 Feb 2012
(a) (b) (c) Figure III.26 : Premire situation de mouvement du systme mobile.
(a) (b) (c) Figure III.27 : Deuxime situation de mouvement du systme mobile.
(a) (b) (c) Figure III.28 : Troisime situation de mouvement du systme mobile.
III.3.2. Construction base sur les donnes du banc stroscopique.

Nous prsentons dans cette partie la mthode de reconstruction tridimensionnelle de la scne observe par le banc stroscopique du systme mobile ATRV2.
117
Lalgorithme de mise en correspondance que nous avons implment est un algorithme de recherche directe (A.3.2) [Cro97, Dev97] considr comme lun des algorithmes dappariement les plus triviaux. Son principe est dfini de la manire suivante : Nous dfinissons pour chaque point p1 de limage de rfrence une zone de recherche dans limage objet (Figure III.29). Nous utilisons une fentre de corrlation fixe dans limage de rfrence centre sur le pixel p1, ainsi quune fentre glissante dans limage objet qui va parcourir toute la zone de recherche (Figure III.30). Nous calculons chaque fois le score entre la fentre fixe dans limage de rfrence et la fentre glissante dans limage objet. Lensemble des scores obtenu constitue la surface de corrlation associe au point p1. Le point p2 choisi sera celui qui minimise la mesure de dissemblance ou maximise la mesure de ressemblance. Nous pouvons remarquer quil ny a aucun autre traitement faire. Cela montre la simplicit de lalgorithme, mais en mme temps, ce dernier possde des inconvnients. Lapproche directe reste sensible au bruit vu que lors dun conflit (lorsque nous avons deux couples prsentant le mme cot), lalgorithme choisit aveuglment le premier appariement. Cette stratgie peut conduire des faux appariements. Des tests prliminaires sont effectus sur plusieurs cas possibles en faisant varier les principaux paramtres tels que le critre de corrlation, la fentre de corrlation et lintervalle de disparit. Les figures III.31 et III.32 montrent le rsultat de lappariement et de la reconstruction 3D de la scne observe. La figure III.31, montre les rsultats obtenus en utilisant tous les points (en niveaux de gris) de la paire stro pour lappariement et la reconstruction 3D, par contre la figure III.32 montre les rsultats obtenus en utilisant uniquement les points contours de la paire stro pour lappariement et la reconstruction 3D. En tenant compte des points contours de la paire stro, lexcution de lalgorithme dappariement est nettement plus rapide. A partir des images de la disparit des figures III.31 et III.32, nous remarquons que la qualit de lappariement est moyenne. Cette dernire influence beaucoup la qualit de la reconstruction 3D de la scne observe. Ceci est due premirement aux inconvnients de la mthode cits ci-dessus et deuximement la qualit de limage (lutilisation dimages un peu floues rend lopration dappariement et la reconstruction 3D quasi impossibles).
tel-00673213, version 1 - 23 Feb 2012
118
X1
X2
Y1
Y2
Image rfrence p1
X1
Image objet La zone de recherche

X2
Figure III.29 : La zone de recherche: cas gnral.
Y1
Y2
tel-00673213, version 1 - 23 Feb 2012
p1
Fentre fixe Image rfrence
Fentre glissante La zone de recherche Image objet
Figure III.30 : Principe de la recherche directe.
Figure III.31 : Rsultats dappariement et la reconstruction 3D en utilisant tous les points de la paire stro.
119
tel-00673213, version 1 - 23 Feb 2012
Figure III.32: Rsultats dappariement et la reconstruction 3D en utilisant les points contours de la paire stro.
III. 4. Conclusion.
Nous avons dcrit dans ce chapitre le systme de perception utilis pour la construction du modle de lenvironnement du systme mobile ATRV2. Il sagit dune ceinture de douze capteurs ultrasonores et un banc stroscopique compos de deux camras CCD couleurs montes sur une tourelle Pan Tilt. Les capteurs ultrasonores fournissent une perception panoramique complte 360, tandis que le banc stroscopique fournit des informations de l'environnement uniquement sur lavant du systme mobile ATRV2. Les calibrages du banc stroscopique et banc stroscopique-Capteurs ultrasonores ont t raliss. Pour le premier, nous avons utilis les calibrages faible et fort en utilisant deux mires de calibrage. Pour le second, le calibrage est utilis pour trouver la transformation entre les repres lis aux capteurs ultrasonores et le banc stroscopique, une tape essentielle avant de pouvoir fusionner leurs donnes. Les donnes appartenant au champ de vision commun entre ces deux derniers sont fusionnes pour complter la perception de lenvironnement du systme mobile ATRV2. La mthode de fusion des donnes capteurs choisie est une mthode non probabiliste base sur la thorie des possibilits. La carte de lenvironnement du systme mobile est dtermine au moyen du systme de perception de ce dernier. Nous avons choisi les grilles de certitude comme mode de reprsentation des mesures et de lenvironnement, car elles sont exploitables dans tout type denvironnement sans ncessiter damnagements particuliers, et peuvent tre utilises partir des mesures issues de plusieurs types de capteurs.
120
Les rsultats exprimentaux de la reconstruction de la carte de lenvironnement lors des dplacements du systme mobile ATRV2 partir des situations relles ont t jugs acceptables, mais toutefois, les problmes inhrents lutilisation des capteurs du systme de perception, tels que les rflexions multiples et la diaphonie pour les capteurs ultrasonores, et la sensibilit aux bruits et la robustesse de lalgorithme dappariement utilis pour la vision, mnent parfois des erreurs de mesure faussant la position des obstacles et diminuant ainsi la qualit de la reconstruction. Dans le chapitre suivant, aprs une prsentation des caractristiques spcifiques du systme mobile ATRV2, son architecture matrielle et logicielle, ainsi que sa gomtrie, nous proposons notre travail concernant sa localisation et sa navigation sans collision dans un environnement qui peut tre inconnu a priori.
tel-00673213, version 1 - 23 Feb 2012
121
Chapitre IV
tel-00673213, version 1 - 23 Feb 2012
Localisation et navigation proposes pour le systme mobile ATRV2.
122
Chapitre IV : Localisation et navigation du systme mobile ATRV2
Aprs avoir prsent succinctement les mthodes de localisation et de navigation les plus utilises en robotique mobile, nous proposons dans ce chapitre les mthodes de localisation et de navigation dotant le systme mobile ATRV2 dune capacit de raction et daction dans un environnement qui peut tre inconnu a priori. Nous commenons dabord ce chapitre, par prsenter les caractristiques spcifiques du systme mobile ATRV2, ensuite, nous prsentons la mthode de localisation utilise base sur le filtre de Kalman tendu (EKF). Cette mthode fusionne les donnes odomtriques (modle du systme) et les donnes du systme de perception embarqu (mesure) pour corriger rgulirement lestimation relative de la position du systme mobile due lerreur cumulative engendre par les capteurs odomtriques. Pour dterminer la mesure, la mthode utilise la mise en correspondance des grilles tout en estimant sa zone de recherche et la position autour de laquelle elle effectue la recherche de la position estime. A la fin de ce chapitre, nous proposons notre mthode de navigation appele DVFF. Elle combine une mthode de planification de trajectoire globale base sur lalgorithme D*, et une mthode ractive non stop base sur le principe des champs de forces virtuelles VFF. Cette mthode de navigation utilise les valeurs courantes des capteurs ultrasonores embarqus (sur une petite fentre temporelle), et les donnes provenant dun modle interne, pour dcider de laction effectuer. Elle permet au systme mobile ATRV2 de se mouvoir sans crainte de collisions avec les obstacles de son environnement.
tel-00673213, version 1 - 23 Feb 2012
IV.1. Le systme mobile ATRV2 [Iro01].

Le systme mobile ATRV2 (All Terrain Robot Vehicle 2) que nous utilisons est une plate forme exprimentale construite par la socit iRobot (Figures IV.1-4) pouvant se dplacer sur un terrain accident et possdant quatre roues motrices diffrentielles (4-wheel differential-drive skid-steering configuration) commandes par quatre moteurs indpendants. La paire de roues du mme ct roule avec une mme vitesse et sont commandes indpendamment de celles du ct oppos. Si les deux paires de roues roulent avec une mme vitesse, donc le systme mobile se dplace dans le mme sens de dplacement des roues, mais si elles roulent avec des vitesses opposes, le systme mobile va tourner sur lui mme. Et si ces deux paires roulent avec des vitesses diffrentes (un ct roule plus vite que lautre), le systme mobile suivra une courbe du ct roulant avec la vitesse la plus faible. LATRV2 est contrl par le systme rFLEX de la socit iRobot fournissant des contrles standardiss et une interface utilisateur facile utiliser et conviviale permettant linteraction avec lutilisateur travers un ensemble de menus permettant la gestion des capteurs ultrasonores, les moteurs et autres systmes embarqus (tels que les capteurs infrarouges et capteurs tactiles). Ce systme est
123
considr comme le systme nerveux central de lATRV2 o les cbles, nuds et Hubs sont faciles configurer et son rseau est optimis pour lier les capteurs embarqus et les actionneurs lordinateur de traitement central (cerveau). Tous les capteurs et actionneurs sont connects sur le bus FARnet diRobot et contrls par un ordinateur embarqu. Ce dernier est quip dun processeur Pentium mont sur une carte mre dual processors 800MHz utilisant Linux RedHat 6.2 comme systme dexploitation, et est utilis pour sauvegarder et excuter tous les programmes et donnes du systme mobile. Lordinateur embarqu communique avec un autre ordinateur extrieur par lintermdiaire de (Figure IV.3): Deux antennes BreezeCom pour une communication Ethernet sans fils. Un port Ethernet (RJ45) pour une connexion directe un rseau local. Un port srie pour une communication srie avec un autre ordinateur. Le contrle software se fait par Mobility, logiciel distribu, toolkit orient objet pour la construction de programmes de contrle dun ou plusieurs systmes mobiles de la famille iRobot. Il est bas sur CORBA, collecte les donnes en provenance des capteurs embarqus, les interprte et les excute. En utilisant CORBA, tous les capteurs et actionneurs peuvent tre vus comme des ressources Internet. Le logiciel Mobility consiste en : Un ensemble doutils logiciels, Un modle objet pour le logiciel du systme mobile, Un ensemble de modules de contrle de base du systme mobile, Une structure de classes orientes objet pour simplifier le dveloppement du code. Les capteurs embarqus peuvent tre connects et contrls par un simple programme crit en langage C incluant les fonctions et procdures fournies par Mobility.
tel-00673213, version 1 - 23 Feb 2012
Figure IV.1 : Le systme mobile ATRV2.
Figure IV.2 : Vue de haut du systme mobile ATRV2 [Iro01].
Chaque roue du systme mobile ATRV2 est munie dun odomtre qui sert mesurer les dplacements et les variations angulaires. Les donnes provenant de ce capteur sont prsentes de deux faons : La premire donnant sparment linformation de la translation (la distance totale effectue en mtres) et de la rotation (langle total de rotation en degrs). La seconde donnant la position du systme mobile en X et en Y. Dans ce mode, les
124
mouvements sont automatiquement dresss sur un plan XY o la position du systme mobile peut tre lue directement. Malheureusement, ce type de capteur nest pas toujours prcis et donne des informations parfois errones dans les cas suivants : La rugosit de la surface du sol, les ondulations des roues, et la perte d'adhrence des roues, etc.
tel-00673213, version 1 - 23 Feb 2012
Figure IV.3 : Vue arrire de lATRV2 [Iro01].
Figure IV.4 : Vue de lintrieur de lATRV2 [Iro01].
IV.1.1. Dimensions.
La gomtrie du systme mobile ATRV2 est illustre dans la figure IV.5. Il est reprsent par un cube rectangle de taille 105mmx80mmx65mm. Cette reprsentation nous est utile lors de la dfinition de lespace ncessaire pour son dplacement. LATRV2 pse 120 Kg batteries comprises. Il peut transporter une charge utile de 100 Kg une vitesse maximale de 1,5 m/s.
460 mm
865 mm 1050 mm
470 mm
190 mm
530 mm
660 mm 800 mm
650 mm
(a) Vue de haut (b) Vue arrire Figure IV.5: Gomtrie de lATRV2.
IV.1.2. Cinmatique.
Un repre local (O R , X R , YR ) est associ au systme mobile (Figure IV.6). Lorigine de celui-ci est place sur le point dintersection des deux diagonales du rectangle form par les quatre roues du systme mobile. Laxe X R de ce repre est perpendiculaire laxe de traction. Le systme mobile se dplace dans lespace plan de repre Ru ( O u ,X u ,Y u ) . Sa configuration complte dans ce repre peut tre
125
reprsente par les trois valeurs (x, y, ) . En fonction de la variation de ses coordonnes dans le repre Ru , la vitesse linaire peut tre dduite :
x & = v cos & = v sin y &2 + y &2 v = x
(IV.1)
Le changement dorientation du systme mobile, cest dire, sa vitesse de rotation , est caractrise par :
d dt o est lorientation instantane du systme mobile par rapport Ru .
&= =
(IV.2)
Le mouvement est cr par la rotation des quatre roues motrices du systme mobile. Les deux paires de roues correspondant aux cts gauche et droit du systme possdent une vitesse de rotation instantane g (t ) et d (t ) . tel-00673213, version 1 - 23 Feb 2012 Sans modifier la cinmatique du systme mobile ATRV2, ce dernier peut tre vu comme un systme mobile deux roues motrices virtuelles roulant avec les mmes vitesses de rotation instantanes gauche et droite g (t ) et d (t ) , et dont laxe est plac au milieu des deux axes portant ses quatre roues motrices (Figure IV.7).
Yu YR XR
Yu YR XR
y OR
y
A OR
B 2d
Ou
Ou
Xu
Figure IV.6 : Le repre delATRV2 dans le repre absolu Ru .
Figure IV.7 : Le modle cinmatique utilis pour lATRV2.
Afin de trouver les quations de dplacement de lATRV2, nous pouvons reprendre ltude prsente dans [Pre91] dcrivant le mouvement de deux points dun mme corps (solide). A chaque instant t, il existe un pseudo vecteur ( t ) tel que pour tout point P du solide on a : r r v p = va + AP (IV.3) o A est un point quelconque du solide et , le vecteur vitesse de rotation du corps indpendante du point. Puisque les deux roues motrices virtuelles sont lies mcaniquement par un axe virtuel, et que leur vitesse est connue ( v g et v d ), alors on peut calculer la vitesse v du centre O R de laxe de traction virtuel (Figure IV.8):
126
r r v = v g + OR A r r v = vd + OR B
(IV.4) (IV.5)
De la somme des deux quations (IV.4) et (IV.5), on obtient : r r r 2 v = vg + vd + OR A + OR B (IV.6) uuuuu r uuuuu r Et de la figure IV.8, nous voyons bien que les vecteurs O R A et O R B sont gaux et
opposs. Donc, cela conduit : r r r v g + vd v= 2
(IV.7)
r r Nous pouvons remarquer que ce vecteur vitesse a la mme direction que vg et vd .

Cette direction correspond la direction de laxe X R du repre du systme mobile.
Yu
r vg
r v
tel-00673213, version 1 - 23 Feb 2012
A y OR
r vd
Ou
Xu x
Figure IV.8 : Espace de vitesses de lATRV2. Nous pouvons maintenant faire la soustraction des quations (IV.4) et (IV.5). A cet effet, il faudra remarquer que le vecteur est le rsultat dune paire de torsion orthogonale au plan du mouvement. r r vd vg + OR B OR A = 0 (IV.8)
Lexpression du vecteur vitesse de rotation du systme mobile en fonction des vecteurs vitesses linaires des roues est donc : r r vd v g &= (IV.9) = 2d avec 2d la distance du segment AB. Pour les cas de changement de position du point O R (Figure IV.8) dans les directions des axes X et Y du repre Ru , ils sont donns, en module, par :
&= x &= y
v g + vd
2 v g + vd 2
cos sin
(IV.10) (IV.11)
Les quations IV.1, IV.9, IV.10 et IV.11 constituent lensemble des quations cinmatiques du systme mobile ATRV2.
127
A partir de lquation (IV.9), nous pouvons expliquer le comportement du systme mobile pour les cas prsents par la figure IV.9. Dans le cas des vitesses v d = v g , illustr par la figure IV.9a, le dplacement est rectiligne et gal v d (ou v g ). La vitesse de rotation du systme mobile est nulle. Si v d < v g , figure IV.9b, le dplacement dcrit un arc de cercle droite, cest dire, avec une vitesse angulaire < 0 . Dans le cas contraire, prsent par la figure IV.9c, v d > v g , nous obtenons un dplacement dcrivant un arc de cercle gauche correspondant une vitesse angulaire > 0 . Pour le cas spcial, o v d = v g , le dplacement sera nul, cest dire, v = 0 , et nous aurons une rotation pure sur place avec une valeur 0 . Ce dernier cas est prsent par la figure IV.9d pour < 0 .
Vg Vg
=0
V Vd V
<0
Vd
tel-00673213, version 1 - 23 Feb 2012
(a)
Vg
(b)
>0
V Vd
Vg
V=0
Vd
<0
(c)
(d)
Figure IV.9 : Quatre diffrents types de mouvement ralisables par lATRV2. Lorsque nous avons un dplacement dcrivant un arc de cercle, tout le long de ce dernier, laxe virtuel est orient de manire dfinir des rayons qui vont converger sur un point de lespace. Ce point est appel Centre Instantan de Rotation (CIR) (Figure IV.10). Dans le cas dun dplacement rectiligne, le CIR va tre plac linfini (Figure IV.9a). Dautre part, pour une rotation pure, comme celle de la figure IV.9d, le CIR va se trouver sur le point milieu C (OR) de laxe de traction virtuel. En se dplaant sur un arc de cercle de centre CIR et de rayon R (Figure IV.10), les vitesses des roues virtuelles sont diffrentes de telle faon avoir des dplacements diffrents sur le mme espace de temps. Le dplacement s du systme mobile lorsquil dcrit un angle de rayon R, est donn par :
s = R
(IV.12)
Il faut remarquer que et R peuvent tre considrs positifs ou ngatifs en fonction du sens du dplacement (positif dans le sens trigonomtrique). Chaque roue tourne autour du CIR avec la mme vitesse angulaire . Donc nous pouvons crire :
128
v g = ( R d ) vd = ( R + d )
(IV.13) (IV.14)
De ces deux quations on peut extraire lexpression de langle de rotation du systme mobile et lexpression du rayon R :
=
R=d
vd v g
2d vd + v g
vd v g
(IV.15)
(IV.16)
CIR
r vg
r vd
tel-00673213, version 1 - 23 Feb 2012
2d
Figure IV.10 : Dplacement de lATRV2 dans le cas dun virage gauche.
IV.1.3. Holonomie et non Holonomie.

La capacit dun systme mobile de pouvoir se dplacer partir dune situation dans toute direction est appele holonomie. Il ny a pas de contrainte sur les commandes. Cela signifie donc une trs grande simplification des problmes de contrle [Arm93]. Ce type de systme possde le mme nombre de dplacements virtuels indpendants que le nombre de coordonnes gnralises pour le dcrire. Par contre, de nombreux systmes mobiles sont des systmes non holonomes. Pour ce type de systmes, bien que lespace de configuration sur le plan soit de dimension trois, le mouvement est produit par deux dplacements indpendants seulement, est donc le systme mobile ne possde que deux degrs de libert [Tou88]. Pour le cas du systme mobile ATRV2, le mouvement est cr par deux vitesses : une vitesse v de translation et une vitesse de rotation, qui sont en fonction des vitesses de ses roues (quations IV.7 et IV.9). Les contraintes cinmatiques qui contraignent les mouvements dun systme mobile sont dites non-holonomes. Leur caractristique est de rduire la dimension de lespace de contrle dans lespace tangent lespace des configurations en chaque configuration, sans pour autant rduire la dimension de lespace des configurations [Arm93]. Donc, le systme mobile lATRV2 est un systme nonholonome dans le sens o lquation de contrainte suivante est toujours satisfaite :
cos dy sin dx = 0
(IV.17)
129
IV.2. Approche de localisation utilise.

Lapproche de localisation utilise est la mme que celle dveloppe dans [Bou07a, Bou07b]. Base sur le filtre de Kalman tendu (EKF), cette dernire fusionne les donnes odomtriques (modle du systme odomtrique) et les donnes du systme de perception embarqu (mesure) pour corriger rgulirement lestimation relative de la position du systme mobile due lerreur cumulative engendre par les capteurs odomtriques. Pour dterminer la mesure, lapproche utilise la mise en correspondance de cartes tout en estimant sa zone de recherche et la position autour de laquelle elle effectue la recherche de la position estime.
IV.2.1 Modle du systme odomtrique.

L'odomtrie est une technique de localisation qui permet de dterminer la position ( x , y , ) du systme mobile par rapport au repre univers en intgrant des translations et rotations lmentaires. tel-00673213, version 1 - 23 Feb 2012 Dans notre cas, le systme mobile ATRV2 fournit directement sa position ( xr , yr , r ) pour chaque priode dchantillonnage par rapport au repre du systme mobile initial Ri (Figure IV.11). Cette donne est utilise pour exprimer la rotation lmentaire et la translation lmentaire d du systme mobile. Pour un dplacement entre deux instants k-1 et k, leur correspondent respectivement les mesures odomtriques suivantes ( xrk 1 , yrk 1 ,rk 1 ) et ( xrk , yrk ,rk ) . Nous en dduisons donc :
Le dplacement lmentaire du systme mobile
d = ( xrk xrk 1 ) 2 + ( yrk yrk 1 ) 2

et la variation angulaire du systme mobile
(IV.18)
= rk rk 1
(IV.19)
Nous cherchons exprimer de manire rcurrente, par rapport au repre univers Ru , la position du systme mobile ( xk , yk ,k ) linstant k en fonction de la position ( xk 1 , yk 1 , k 1 ) linstant k-1 et les dplacements lmentaires mesurs. A partir des quations (IV.1 et IV.2), le modle cinmatique est dcrit selon le systme dquations suivant:
& = v cos x & = v sin y & & =
(IV.20)
Il sagit dun modle non linaire, pour lequel il nexiste pas de mthode gnrale de discrtisation [Bon97]. Dans le cas particulier qui nous intresse, on peut & par une diffrence finie, si la priode dchantillonnage Te est petite approcher x & ) alors: & et (mme chose pour y x x k 1 &( t = k ) = k x Te (IV.21) Le systme dquations (IV.20) du modle cinmatique peut tre discrtis ainsi:
130
xk = xk 1 + Te vk 1 cos k 1 yk = yk 1 + Te vk 1 sin k 1 = + T k 1 e k 1 k
(IV.22)
Nous obtenons donc en faisant apparatre les mesures des dplacements lmentaires d et , le modle cinmatique devient:
xk = xk 1 + d cos k 1 yk = yk 1 + dsin k 1 = + k 1 k
(IV.23)
Ce systme dquations dcrit le dplacement dun systme mobile en ligne droite suivant la direction k 1 sur la longueur d , puis effectue une rotation sur place de [Bon97].
Y
tel-00673213, version 1 - 23 Feb 2012
rk 1 rk
Ri
xk
O
X
R
rk 1
xrk
xk 1
d
Y Y
Ri R
OR
Y
R
xrk 1
yrk
yrk 1
O Ri
yk yk 1 OU XU Figure IV.11 : Position de lATRV2 dans le repre univers Ru en fonction des

donnes odomtriques. Dans le cas o le systme mobile dcrit une trajectoire non rectiligne, et en supposant que le mouvement est circulaire, le dplacement lmentaire d scrit donc comme suit :
d = o reprsente le rayon de courbure (Figure IV.12).

De la Figure IV.12, nous pouvons crire :
M k 1 H = H M k sin ( 2 )
(IV.24)
(IV.25)
M k 1M k 2 sin ( 2 ) = 2
d sin ( 2 ) sin ( 2 ) =d 2
(IV.26)
et
k = k 1 + 2
(IV.27)
131
on obtient alors :
sin ( 2 ) cos ( k 1 + 2 ) xk = xk 1 + d 2 xk = xk 1 + x sin ( 2 ) sin (k 1 + 2 ) yk = yk 1 + y = yk = yk 1 + d 2 = + k 1 k k = k 1 +
(IV.28)
k 1
X Y
U
k 1
X
Ri
k
tel-00673213, version 1 - 23 Feb 2012
Mk
xrk
Y
R
M k 1
xrk 1
Y Y
Ri
yrk yrk 1 O Ri
OU XU Figure IV.12 : Dplacement circulaire entre deux instants dchantillonnage.

Si de plus est petit, ce qui suppose que la priode dchantillonnage est suffisamment petite par rapport la dynamique du systme mobile, alors le noyau de Fourier est gal un lordre deux prs [Bou07a]:
xk = xk 1 + d cos (k 1 + 2 ) yk = yk 1 + d sin (k 1 + 2 ) = + k 1 k
(IV.29)
Ce dernier modle odomtrique est lun des plus utiliss [Bon97]. Par rapport au modle dcrit par le systme (IV.23), il apparat une correction / 2 dans les termes trigonomtriques. Cest donc sur des trajectoires o le cap du systme mobile varie, que ce modle est plus prcis. Pour un systme mobile se dplaant principalement en ligne droite, ou bien variation de cap lente, le terme / 2 nest pas ncessaire [Bon97]. Nanmoins, comme il complique peu les expressions mathmatiques, nous choisissons de le conserver pour la suite de notre travail.
132
En tenant compte principalement des contraintes odomtriques, on introduit dans nos quations le bruit du modle dvolution (normally distributed noise) W = ( 0, Q ) (de moyenne nulle et de variance Q). Donc le modle que nous utilisons est le suivant :
xk = xk 1 + d cos ( k 1 + 2 ) + Wx yk = yk 1 + d sin ( k 1 + 2 ) + Wy k = k 1 + + W
(IV.30)
Enfin pour faire apparatre les mesures odomtriques, on remplace d et par leurs expressions, le modle devient alors :
x = x + ( xr xr )2 + ( yr yr )2 cos ( + ( r r ) 2 ) + W k 1 k k 1 k k 1 k 1 k k 1 x k 2 2 yk = yk 1 + ( xrk xrk 1 ) + ( yrk yrk 1 ) sin (k 1 + ( rk rk 1 ) 2 ) + Wy k = k 1 + ( rk rk 1 ) + W

tel-00673213, version 1 - 23 Feb 2012
(IV.31)
Par analogie ce systme peut se mettre sous forme matricielle de la manire suivante :
( xr xr )2 + ( yr yr )2 cos ( + ( r r ) 2 ) 0 0 k k 1 k k 1 k 1 k k 1 xk xk 1 Wx 2 2 y + W 0 2 0 y xr xr yr yr sin r r ( ) ( ) = + + ( ) ( ) 1 1 1 1 k k k k k k k k k 1 y 0 k 0 ( rk rk 1 ) k 1 W
t
(IV.32)
On note X k = [x k , y k , k ] la posture du systme mobile (vecteur dtat), et U = ( xr , yr , r ) le vecteur obtenu partir des odomtres pour une priode dchantillonnage entre ltat k-1 et k. Finalement le systme prcdent peut se mettre sous la forme vectorielle :
X k = f ( X k 1 , U , W )
avec f fonction vectorielle continue et drivable.
(IV.33)
Or, le modle interne (systme dquation IV.32) du systme mobile ATRV2 est non linaire, dans ce cas, il faut calculer le Jacobien de ce systme, tel que :
A = f X k =
X k X k 1
xk x f13 k 1 = yk f 23 x k 1 f 33 k x k 1
(IV.34)
c'est--dire,
f11 f12 f A= f 22 21 f 31 f 32
xk y k 1 yk y k 1 k y k 1
xk k 1 yk k 1 k k 1
133
1 0 (xr xr ) 2 + (yr yr ) 2 sin ( + ( r r ) 2 ) k k 1 k k 1 k 1 k k 1 2 2 (xrk xrk 1 ) + (yrk yrk 1 ) cos (k 1 + ( rk rk 1 ) 2 ) = 0 1 0 0 1
(IV.35)
IV.2.2. Le modle de mesure.

La mesure est une position ( x, y, ) du systme mobile ATRV2 dans lenvironnement (repre Ru ). Elle est exprime en fonction du vecteur dtat X k . Ce dernier est une position mk = ( xk ,yk , k ) avec un bruit V additif. Ce lien se traduit par lquation suivante :
m k = H ( X k ,V ) mk = H ( X k , 0)
tel-00673213, version 1 - 23 Feb 2012 Cette mme relation pourra prendre la forme matricielle :
x k 1 0 0 x k y = 0 1 0 y k k k 0 0 1 k
(IV.36)
Compte tenu du fait que le bruit a une moyenne nulle, lquation (IV.36) devient: (IV.37)
(IV.38)
Donc la matrice H a pour valeur :

1 0 0 H = 0 1 0 0 0 1
(IV.39)
Il apparat partir des quations de mesure (IV.37 et IV.38), que la fonction de mesure H est linaire, et dans ce cas la mesure prendra la forme :
mk = HX k
(IV.40)
Cette mesure mk reprsente la position du systme mobile calcule par lalgorithme de mise en correspondances de cartes.
IV.2.3. Le modle dincertitude.

Le modle dincertitude reprsente les bruits qui excitent le systme. En gnral, nous navons pas de connaissance a priori des corrlations des diffrentes sources derreurs. Chacune des matrices de covariance du bruit du processus Q et de lerreur de mesure R sont supposes diagonales [Bou07a]. Q et R sont exprimes comme suit:
2 Q = diag Qx 2 Rx
[ R = diag [
2 2 Qy Q ]
(IV.41) (IV.42)
2 2 Ry R ]
Les covariances sont dtermines exprimentalement. Pour la matrice de covariance Q, nous avons fait une comparaison entre les rsultats lus par les odomtres et les positions relles du systme mobile, nous avons pris la moyenne
134
derreur comme covariance sur la position, donc Qx = Qy = 200mm , quivalents deux cellules de la carte globale (III.2.1.2) et Q = 10 . Tandis que pour la matrice de covariance R, nous avons compar les positions fournies par la mesure et les positions relles. Nous avons pris la moyenne derreur, c'est--dire, Rx = Ry = 100mm (une cellule de la carte globale) et R = 5 . Ces valeurs correspondent aux pas avec lesquels nous avons translater la carte locale par rapport la carte globale dans lalgorithme de mise en correspondance.
IV.2.4. Prdiction de la position du systme mobile.

Elle consiste calculer la position et lorientation estime du systme mobile ATRV2 ltat k, connaissant sa position et son orientation ltat k-1, ainsi que les donnes odomtriques lues. La position estime ltat k peut tre calcule comme suit:
X k = f ( X k 1 , U ,0)
quivalent : tel-00673213, version 1 - 23 Feb 2012
2 2 x k 1 0 ( xrk xrk 1 ) + ( yrk yrk 1 ) sin ( k 1 + ( rk rk 1 ) 2 ) xk 1 ( xrk xrk 1 )2 + ( yrk yrk 1 )2 cos ( k 1 + ( rk rk 1 ) 2 ) yk 1 y k = 0 1 k 0 0 1 k 1
(IV.43)
(IV.44)
Sa covariance sera aussi utile, et sa valeur est dfinie par lquation :
Pk = APk 1 AT + Q
(IV.45)
A ltat initial, la position initiale X 0 est connue, tandis que sa covariance P0 est estime initialement de quelques centimtres pour la position ( x = y = 200mm ) et quelques degrs pour lorientation ( = 10 ).En pratique, la valeur de P0 est choisie assez grande pour englober toutes les erreurs possibles, du moment que la valeur de la covariance P diminue avec la convergence du filtre.
IV.2.5. La mesure.
La mesure donne linformation sur la position du systme mobile. Elle est dtermine partir des donnes lues des capteurs ultrasonores embarqus et sauvegardes dans une carte locale, pour tre mise en correspondance avec la carte globale reprsentant lenvironnement. La mise en correspondance a pour but de dterminer la position et lorientation du systme mobile dans son environnement. Le systme mobile se trouvant dans une position quelconque dans la carte globale, il reconstruit sa carte locale en utilisant ses capteurs embarqus. Partant dune position et dune orientation donnes, nous recherchons la translation et la rotation qui fera concider au mieux ces deux cartes. Zone de recherche : Elle est calcule partir de la matrice de covariance de ltat estim Pk , o 2 en x, y et reprsente lintervalle derreur dans lequel se trouve cette position estime. Nous sommes donc sr que la position relle du
135
systme mobile se trouve dans un cercle de rayon 2 autour de la position estime, cest pourquoi nous ferons une recherche pour la mise en correspondance dans une zone de 2 x et 2 y autour de la position estime respectivement selon laxe des abscisses X u , et laxe des ordonnes Y u , et 2 autour de lorientation estime. La mise en correspondance : Elle consiste apparier la carte locale et la carte globale pour toutes les translations et rotations possibles dans la zone de recherche (dans le repre R u ). La position du systme mobile est initialise par la valeur X k donne par le filtre de Kalman tendu. Un gain initialis la valeur 0 est calcul pour toutes les translations et rotations possibles (quation IV.47). La valeur maximale de ce coefficient reprsente la mesure mk qui servira par la suite pour le calcul de lestime finale de la position du systme mobile par le filtre de Kalman tendu.
IV.2.6. Estimation finale de la position du systme mobile.

tel-00673213, version 1 - 23 Feb 2012 Lestime finale de la position du systme mobile est calcule par lquation suivante :
X k = X k + K k (mk HX k )
avec Kk le gain de Kalman qui a pour expression :
(IV.46)
K k = Pk H T ( HPk H T + R) 1
(IV.47)
Il est aussi important de calculer la covariance de ltat estim final, qui va tre utilis dans le prochain cycle de localisation.
Pk = Pk K k HPk
(IV.48)
Ltat estim Xk et sa covariance Pk doivent converger vers un rsultat meilleur en voluant dun cycle lautre. La figure ci-dessous montre le diagramme illustrant lalgorithme du filtre de Kalman tendu utilis.
Initialisation du vecteur dtat et de sa covariance X0, P0
T 1 Kk = Pk HT (HP k H +R)
Calcul du gain de Kalman partir de la covariance de ltat estim et la covariance du bruit de mesure
Nouvelle mesure pour chaque cycle
mk
Prdiction de ltat du procd et sa covariance Xk -, PkMise jour de lestimation de ltat avec la nouvelle mesure
Calcul de la nouvelle covariance de ltat estim mis jour
Pk = Pk K k HPk
Estim final
X k = X k + K k ( m k HX k )
Figure IV.13 : Lalgorithme du filtre de Kalman tendu utilis.
136
IV.3. Approche de navigation propose.

Lapproche de navigation propose appele DVFF combine deux algorithmes existants, lalgorithme de planification de chemin optimal D* pour le calcul de la direction globale du chemin permettant au systme mobile ATRV2 de sorienter vers sa destination, et lalgorithme de navigation non stop bas sur le principe des champs de forces virtuelles VFF (Virtual Force Field en anglais) pour lvitement dobstacles. La principale motivation de cette combinaison est de dvelopper un algorithme hybride de navigation robuste comportant les avantages de ces deux algorithmes, et en mme temps, liminant plusieurs de leurs inconvnients.
IV.3.1. Algorithme de planification de chemin optimal D*.

IV.3.1.1. Introduction. Lalgorithme D* prsente lavantage par rapport lalgorithme A* dtre dynamique dans le sens o les paramtres de cot entre les cellules ou carrs peuvent changer durant le processus de rsolution du problme de planification de chemin. Lalgorithme gnre un chemin global en utilisant un modle dj tabli de lenvironnement appel carte. Au cours du suivi du chemin global, le systme mobile peut rencontrer un obstacle qui ntait pas dfini au pralable, dans ce cas, il re-planifie sa trajectoire pour atteindre son but sans heurter lobstacle. Lalgorithme D* utilise le graphe dtat. Chaque tat est une position du systme mobile dans la carte, et les arcs joignant ces tats reprsentent le cot de passage dun tat un autre [Ste94]. IV.3.1.2. Algorithme dvelopp. Lalgorithme de planification de chemin optimal bas sur D* dvelopp est inspir essentiellement de celui prsent dans [Ste94] et modifi afin de bien sadapter au type de reprsentation de lenvironnement choisi. Chaque cellule de lenvironnement lui est affect un certain nombre dattributs tels que : back pointer (b), arc cost (c), tag (t), path cost (h), et key (k), en plus des valeurs de certitude CV utilises par l'algorithme (III.2). Nous avons ajout un nouveau attribut wc (walkable en anglais ou traversable en franais) pour donner linformation sur ltat (libre ou occupe) de chaque cellule de lenvironnement. Dans [Ste94], les auteurs affectent un cot trs important aux cellules occupes par des obstacles pour les diffrencier des cellules libres. Cet attribut est utilis pour assurer la rapidit de la convergence de lalgorithme, et en mme temps rduire le temps de traitement de la mise jour de la carte de lenvironnement. Il prend la valeur false si la cellule est occupe par un obstacle ou elle est proximit de cet obstacle selon les dimensions du systme mobile, et true ailleurs (Figure IV.14). Dans lalgorithme dvelopp le C-space n'est pas utilis, le systme mobile n'est pas considr comme un point matriel (prise en compte de la contrainte gomtrique), et les tailles des obstacles ne sont pas largies par une marge de
tel-00673213, version 1 - 23 Feb 2012
137
scurit. Les cellules de la carte entourant ces obstacles, selon les dimensions du systme mobile, ne sont pas prises en compte par cet algorithme. Chaque cellule de la carte l'exception de celles entourant les obstacles, possde une estimation du cot du chemin vers le but (ou la position destination), et un back pointer vers lun de ses voisins indiquant la direction gomtrique au but (nord, sud, est, ouest, nord-ouest, sud-ouest, nord-est et sud-est) appele dans notre cas direction globale du chemin. La figure IV.15 montre comment calculer la direction globale du chemin conformment la position du back pointer. Cette direction est trs importante pour un systme mobile se dplaant dans l'environnement. De nimporte quelle cellule de la carte de lenvironnement, le systme mobile peut connatre la direction lui permettant datteindre sa position destination. La figure IV.16 montre le rsultat du calcul des directions globales du chemin dune carte simule pour un point de dpart et un point darrive donns. En suivant ces directions, le systme mobile peut atteindre son point darrive sans faire dopration de suivi de chemin minimisant ainsi le temps de traitement perdu dans le contrle utilis par cette dernire. tel-00673213, version 1 - 23 Feb 2012
wc= true
D
D est la diagonale max du systme wc= false mobile
North-West North
North-East
Back pointer candidats
wc= false
D Obstacle
D
West
2 East
Cellule sous le point CP1
3
D
South-West South-East Back pointer Back pointer South candidats candidats
Figure IV.14: Lattribut wc selon les dimensions du systme mobile.
Figure IV.15: Calcul de la direction globale du chemin conformment la position du back pointer.
r FD*
G
CP 1
back pointer de la cellule sous le point CP1
Figure IV.16: Direction du chemin global partir dun point de dpart et un point darrive donns.
Figure IV.17 : Calcul de la direction du chemin global au point CP1.
Quand le systme mobile se dplace, il utilise le back pointer de la cellule se trouvant sous son point CP1, dtermine sa direction G (direction globale du chemin) et applique un vecteur fictif dans cette direction (Figure IV.17). Cette direction est utilise pour calculer la commande du mouvement conduisant sans
138
collision le systme mobile vers son but. Le point du systme mobile CP1 est un point situ sur son axe longitudinal, son emplacement optimal diffre pour diffrents systmes mobiles de forme rectangulaire. Le cot pour que le systme mobile traverse de la cellule Y la cellule X est un nombre positif donn par la fonction arc cost c ( X , Y ) par l'quation suivante:
10 siY est horizontale ou verticale X c ( X , Y ) = 14 siY est sur la diagonale de X avec X et Y voisins
(IV.49)
Pour chaque cellule N, l'algorithme maintient une estimation de la somme des arc costs de N la cellule destination donne par la fonction path cost, comme suit:
h (N ) = x N x G + y N y G
(IV.50)
avec ( x N , y N ) et ( x G , y G ) sont respectivement les coordonnes des cellules N et destination. tel-00673213, version 1 - 23 Feb 2012 Lalgorithme de planification de chemin optimal bas sur D* implment se compose principalement de deux fonctions: Init_D* et Case_D* (voir annexe E). La fonction Init_D* est utilise seulement au dbut de l'algorithme pour calculer le chemin initial optimal partir de la position de dpart au but (G). Lorsque la valeur de la fonction arc cost de larc dune cellule donne a t modifie, dans ce cas, il ya un nouveau obstacle dtect, la fonction Case_D* est utilise par le systme mobile pour calculer le nouveau chemin optimal partir de la position du systme mobile jusqu son but Initialement, la valeur de lattribut tag de toutes les cellules est mise NEW, h(G) est mis zro, et le point destination G est plac dans OpenList. La fonction Init_D* est appele et excute jusqu' ce que la cellule de la position de dpart soit retire de OpenList ou alors la valeur -1 est renvoye. A ce moment, soit une squence de cellules formant le chemin optimal a t calcule, soit le chemin optimal n'existe pas. Si le chemin existe, soit le systme mobile continu suivre les backpointers de la squence calcule jusqu' atteindre son but, soit il dcouvre une erreur dans la valeur de la fonction arc cost (dtection dun nouveau obstacle). Dans ce cas, la fonction Case_D* est immdiatement utilise pour corriger et calculer une nouvelle squence, pour que le systme mobile puisse continuer suivre les backpointers et atteindre son but. IV.3.1.3. Rsultats de simulation. Lalgorithme planification de chemin optimal bas sur D* dvelopp a t crit en langage C++ Builder version 6 sous lenvironnement Windows et implment sur un PC offboard. Le logiciel obtenu intgre tous les algorithmes et procdures dvelopps, et permet le choix et la variation des paramtres lis lapplication (la position du point de dpart et darrive, lemplacement des obstacles, etc.) (Figure IV.18).
139
Dans cet algorithme, la contrainte gomtrique du systme mobile ATRV2 nest pas prise en compte dans le calcul du chemin optimal. Le systme mobile est donc considr comme un point matriel occupant une cellule de lenvironnement. Lalgorithme a t test dans plusieurs types denvironnements avec diverses formes dobstacles (en utilisant le logiciel Paint de Windows). Les coordonnes des points de dpart et darrive, et la rsolution de lenvironnement (taille des cellules) sont choisies par lutilisateur, ainsi que les modifications apportes sur lenvironnement aprs le calcul du chemin optimal (lutilisateur peut ajouter ou retirer des obstacles de lenvironnement). Pour illustration, aprs slection dun environnement et sa rsolution ainsi que le choix des coordonnes des points de dpart et darrive, la fentre D Star Form (Figure IV.18) affiche le chemin optimal du point de dpart vers le point darrive. Nous remarquons que lalgorithme calcule parfaitement le chemin le plus optimal pour atteindre son point darrive. Si nous voulons modifier lenvironnement en ajoutant des cellules occupes par des obstacles, il suffit de cliquer sur le box Check Obstacles de la fentre D Star Form. Cette opration change lattribut des cellules slectionnes qui va passer de lattribut libre (w = 1 ) lattribut occupe (w = 0 ). Pour visualiser le nouveau chemin optimal calcul, il suffit de cliquer sur le bouton Show global path de la mme fentre. Le calcul du nouveau chemin optimal va engendrer une modification dans les directions globales du chemin (Figures IV.19).
tel-00673213, version 1 - 23 Feb 2012
Figure IV.18 : Linterface du logiciel de recherche de chemin optimal dvelopp bas sur lalgorithme D*.
140

Directions globales du chemin calcul
Chemin optimal calcul
Direction globale suivant la position du backpointer
Changement dattribut de la cellule slectionne
(a)
(b)
(c)
Nouveau chemin optimal calcul
tel-00673213, version 1 - 23 Feb 2012
(d) (e) (f) Figure IV.19: (a) Chemin optimal calcul entre les points de dpart et darrive, (b) Directions globales du chemin des cellules de la carte de lenvironnement, (c) Changement dattribut (Libre Occupe) dune cellule appartenant au chemin optimal, (d,e) Nouveau chemin optimal calcul aprs le changement de lattribut de la cellule slectionne, (f) Nouvelles directions globales du chemin calcules aprs le changement de lattribut de la cellule slectionne. IV.3.1.4. Rsultats exprimentaux. Lalgorithme dcrit ci-dessus a t implment sur le PC embarqu du systme mobile ATRV2 et test partir de plusieurs situations relles en tenant compte de la contrainte gomtrique du systme dans le calcul du chemin optimal, c'est--dire, les cellules de lenvironnement entourant les obstacles (selon les dimensions du systme mobile) ne seront pas prises en compte par lalgorithme. Dans ce qui suit, nous prsentons les rsultats de trois expriences relles qui ont t effectues au sein de la division Productique et Robotique du CDTA, et illustres dans les figures IV.20-IV.22. Dans ces expriences, initialement l'environnement et la position des obstacles sont compltement inconnus par le systme mobile ATRV2, seules les positions de dpart et darrive sont connues lavance. La vitesse de translation a t limite v c = 20 cm / s et la vitesse de rotation a t limite 0 , 6 rd / s . Dans chaque exprience et avant toute excution de mouvement, le systme mobile calcule son chemin optimal initial reliant sa position de dpart et sa position darrive (Figure IV.20.a- IV.22.a). A ce stade, chacune des cellules formant lenvironnement possde une valuation du cot du chemin menant le systme mobile vers sa position darrive, et un back pointer qui pointe vers lun de ses voisins indiquant la direction vers cette position. Cette direction reprsente pour le systme mobile la direction globale du chemin vers sa position darrive.
141
Ensuite, le systme mobile commence se dplacer en suivant la direction globale, du chemin optimal, de la cellule se trouvant sous son point CP1 (le systme mobile suit ces directions mais pas le chemin optimal calcul). En mme temps que son dplacement, le systme mobile peroit ( travers ses capteurs US) son environnement en dcouvrant dventuelles diffrences avec lenvironnement reconstruit (dtection dun nouveau obstacle par exemple). Une fois ses diffrences trouves, le systme mobile replanifie son chemin pour rejoindre son point darrive sans risque de collisions. Les figures IV.20.b- IV.22.b et IV.20.c- IV.22.c montrent la grille de certitude de lenvironnement reproduite durant chaque exprience. Les cellules occupes par les obstacles sont reprsentes par des carrs de couleur bleue. Les cellules traverses par le centre de gravit du systme mobile sont reprsentes par des carrs de couleur rouge. Le rectangle de couleur verte reprsente le systme mobile en format rel. Les figures IV.20.d- IV.22.d montrent les exprimentations relles. La premire exprience est prsente dans la Figure IV.20. Dans cette exprience, la position de dpart et la position darrive ont t pris aligns, et aucun obstacle ne se trouve entre ces deux derniers. Le systme mobile suit parfaitement les directions globales du chemin initialement calcules. Dans la deuxime exprience, les points de dpart et darrive ne sont pas aligns (Figure IV.21). Il ny aucun obstacle se trouvant sur le chemin du systme mobile. Nous remarquons quen suivant les directions globales du chemin, le systme mobile atteint bien son point darrive en dcrivant un chemin presque identique celui initialement calcul. La troisime exprience est similaire la premire, les points de dpart et darrive sont pris aligns lexception dun obstacle se trouvant entre les deux, bloquant ainsi le chemin optimal initialement calcul. En suivant les directions globales du chemin optimal, le systme mobile dtecte lobstacle, replanifie un nouveau chemin optimal lui permettant de lviter. En vitant ce dernier, le systme mobile entre dans une zone dont les cellules ne possdent aucune information sur les directions globales du chemin parce quelles entourent lobstacle et que lalgorithme ne les prend pas en compte. Tant que le systme mobile reste dans cette zone, il sera comme aveugle, c'est--dire, il dtecte lobstacle mais le chemin optimal ne change pas, il augmente les appels la fonction Case_D* qui restent sans succs, car elle ne prend pas en compte les cellules qui entourent le systme mobile. Sans information a priori, le systme mobile excute la dernire direction globale du chemin optimal lue. En conclusion, en prenant en compte la contrainte gomtrique, le systme mobile peut se trouver dans une zone risque. Il faut donc lui donner une autre information (locale) lui permettant de sortir de cette zone.
tel-00673213, version 1 - 23 Feb 2012
142
(a)
(b)
(c)
tel-00673213, version 1 - 23 Feb 2012
(d) Figure IV.20 : Premire exprimentation : (a) le chemin optimal initialement calcul; (b et c) le chemin emprunt par lATRV2; (d) La scne relle.
(a)
(b)
(c)
143
tel-00673213, version 1 - 23 Feb 2012
(d) Figure IV.21 : Deuxime exprimentation : (a) le chemin optimal initialement calcul; (b et c) le chemin emprunt par lATRV2; (d) La scne relle.
(a)
(b)
(c)
144
tel-00673213, version 1 - 23 Feb 2012
(d) Figure IV.22 : Troisime exprimentation : (a) le chemin optimal initialement calcul; (b et c) le chemin emprunt par lATRV2; (d) La scne relle.
IV.3.2. Lalgorithme Champs de Forces Virtuelles ou VFF (Virtual Force Field).

IV.3.2.1. Introduction. Lalgorithme de navigation base des champs de forces virtuelles est un algorithme de navigation non stop nutilisant que les donnes courantes des capteurs US (sur une petite fentre temporelle), et non des donnes provenant dun modle interne, pour dcider de laction effectuer. Cet algorithme drive des mthodes dites base de champs de potentiels ralisant l'association perception-action l'aide d'une fonction gnrant des chemins cherchant minimiser un critre donn (la fonction potentiel). La mthode base des champs de forces virtuelles (VFF) a t dveloppe par Borenstein et Koren dans [Bor88]. Son but est de permettre un systme mobile rapide de contourner un obstacle imprvu dtect par ses capteurs embarqus. Les mesures des diffrents capteurs embarqus sont intgres dans une grille de dimension deux appele grille histogramme. Cette grille est inspire des travaux de Moravec et Elfes dans [Mor85] mais seule la cellule correspondant la mesure
145
d'un capteur a son degr d'activation incrment de manire obtenir une mise jour plus rapide. Lorsque le systme mobile se dplace, de manire limiter son champ de vue, seuls les chos capteurs situs dans une fentre (appele fentre active) de dimensions ws ws , fixe par lutilisateur, sont considrs (Figure IV.23). Chaque
cellule occupe par un obstacle, de coordonnes ( xl ,ym ) dans la grille, exerce sur r le systme mobile une force rpulsive lmentaire Flm dirige vers le systme mobile et dont l'amplitude est fonction du degr d'activation de la cellule ainsi r que de la distance la sparant du systme mobile. La force rpulsive finale Frep est alors la somme de toutes ces forces lmentaires. Elle est calcule comme suit :
tel-00673213, version 1 - 23 Feb 2012
r FcrW nClm xl -x0 r ym -y0 r F = i+ j d ( l,m ) d ( l,m ) lm d n ( l,m ) (IV.51) r r Frep = Flm l,m o Fcr est une constante positive, W la largeur du systme mobile, C lm le degr
mobile, d (l , m ) la distance sparant la cellule du systme mobile et n est un nombre positif.
Position darrive Obstacles
d'activation de la cellule de coordonnes ( xl , ym ) , (x0 , y 0 ) la position du systme
Force attractive
Forces rpulsives lmentaire Robot mobile
Force rpulsive
Fentre active
Figure IV.23 : Principe du Champ de Forces Virtuelles. r Simultanment cette force de rpulsion Frep , le systme mobile est galement r soumis une force d'attraction Fatt provenant du but, elle est calcule par lquation suivante:
r x -x r y -y r Fatt =Fct t 0 i+ t 0 j dt dt
(IV.52)
o Fct une constante positive, (xt , y t ) les coordonnes du point darrive et d t la distance sparant le systme mobile du but. r r r La somme de ces deux forces ( Frep et Fatt ) donne le vecteur rsultant R et dont la direction indique la direction devant tre suivie par le systme mobile. Il est exprim par la formule suivante :
146
r r r R=Fatt +Frep
(IV.53)
La vitesse linaire est quant elle fonction de l'angle entre le vecteur vitesse r courant et le vecteur Frep , et a pour valeur: r si Frep = 0 Vmax r (IV.54) V = Vmax (1 cos ) si Frep > 0 La vitesse est maximum si aucun obstacle n'est prsent ou s'ils sont tous latraux ( cos = 0 ). Nous allons maintenant dcrire lalgorithme de navigation que nous avons ralis bas sur les champs de forces virtuelles. IV.3.2.2. Algorithme de navigation dvelopp. Lalgorithme dvelopp est une extension des travaux prsents dans [Dje05] et similaire au concept dtaill dans [Bor91a], mais diffre dans le sens o il r utilise uniquement lorientation du vecteur R pour calculer les vitesses de r translation et de rotation du systme mobile ATRV2. Lorientation du vecteur R dtermine le cap du systme mobile ATRV2 lui permettant de rejoindre son point darrive dsign. r r Le vecteur R est obtenu par lquation IV.53, la force attractive Fatt est obtenue par lquation IV.52, tandis que la force rpulsive est divise en deux forces : force rpulsive frontale et force rpulsive latrale, cause de la forme rectangulaire du systme mobile ATRV2 [Bor91a]. Ces forces sont obtenues en tenant compte des obstacles qui se trouvent lintrieur dune fentre de dimension ws ws , et dont le centre est le centre de gravit du systme mobile ATRV2. a. Calcul de la force rpulsive frontale. Au cours de son dplacement, le systme mobile ATRV2 calcule les forces rpulsives que les obstacles frontaux (dtects par les six capteurs US frontaux) exercent sur lui et plus prcisment au point CP1 (Figure IV.24). La somme de r toutes ces forces rpulsives donne la force frontale FF avec la direction F . Cette force pousse le systme mobile loin des obstacles qui lui sont plus proches.
F
r FF
tel-00673213, version 1 - 23 Feb 2012
CP1
r r F3 F7
r F
r F11
CP
r F8
Figure IV.24 : Calcul de la force r rpulsive frontale FF .
Figure IV.25 : Calcul des forces latrales.
147
b. Calcul de la force rpulsive latrale. r Une force rpulsive Fi est applique chaque capteur ultrasons C i des deux cts du systme mobile ATRV2. La rsultante de ces forces sera ensuite r r remplace par une simple force F et un moment M appliqus au centre de gravit CP du systme mobile (Figure IV.25). Ensuite, ces derniers seront r r dcomposs en deux couples de forces (F1m , F2 m ) et deux forces F1f ,F2f appliqus
sur les points CP1 et CP2 (Figure IV.26).
r r r Finalement, toutes les forces appliques au point CP1 ( FF , F1m et F1f ) peuvent tre r combines pour calculer le vecteur rsultant R qui dterminera lorientation du r systme mobile (Figure IV.27). Le vecteur R est calcul par la formule suivante : r r r r r R=F1m +F1f +FF + Fatt (IV.55)
avec , , et des coefficients positifs dtermins exprimentalement.
r R
tel-00673213, version 1 - 23 Feb 2012
corr r Fatt FF
r
F1f
F1m CP1
CP F2m CP2
F1f
F1m
F2f
Figure IV.26 : Dcomposition des forces latrales. IV.3.2.4. Rsultats exprimentaux.
Figure IV.27 : Calcul du vecteur r rsultant R .
Lalgorithme de navigation ractive dvelopp ci-dessus a t implment sur le systme mobile ATRV2, et test partir de plusieurs situations relles de lenvironnement. Les donnes acquises par les diffrents capteurs embarqus ont t affiches par le programme danalyse et daffichage prsent dans la figure III.22. Dans ce qui suit, nous analysons les rsultats exprimentaux de trois expriences relles effectues dans notre division, et illustres dans les figures IV.28- IV.30. Dans chaque exprience, le systme mobile se dplace dans un environnement inconnu et ignore lemplacement des obstacles. Il dmarre dune position initiale et se dplace vers une position finale (but). Les coordonnes cartsiennes de ces deux points sont connues lavance par le systme mobile. Dans ces figures, les points rouges reprsentent le dplacement du centre de gravit du systme mobile, les rectangles verts reprsentent la forme du systme mobile en dplacement, et le petit carr blanc reprsente la position finale. Le choix des coefficients ( , , ) n'est pas simple et notre connaissance, il n'y a pas de mthode pour les dterminer efficacement et de faon automatique. Nous les avons choisis exprimentalement.
148
La premire exprience dcrit un dplacement rectiligne du systme mobile entre sa position initiale et sa position finale sans obstacles frontaux. Le systme mobile se dplace presque en ligne droite suivant la direction de la force r rsultante R calcule (Figure IV.28.e). Les forces rpulsives taient ngligeables pour influencer la direction de la force rsultante, et ceci est d labsence dobstacles proches au systme mobile. La deuxime exprience est semblable la premire, sauf qu'il y a prsence de quelques obstacles qui croisent le chemin du systme mobile. Au dpart, les forces attractive et rsultante ont la mme direction, le systme se dplace donc en ligne droite. Lorsquil entre dans la zone dinfluence des obstacles (les obstacles sont lintrieur de la fentre active), il subit des forces rpulsives au point o elles modifient sa direction lui permettant ainsi de les viter (Figure IV.29.e). Une fois sorti de cette zone, le systme mobile se dirige directement vers sa position finale. La troisime exprience est utilise pour analyser le comportement du systme mobile lorsquil entre dans un minimum local. Dans cette exprience les points de dpart et darrive ont t pris aligns, et un ensemble dobstacles en forme de U est positionn entre ces deux points (Figure IV.30.a). Initialement, le systme mobile se dplace en ligne droite vers sa position darrive. Lorsque les premiers obstacles entrent dans la fentre active, lamplitude des forces rpulsives augmente en consquence, jusqu ce quelles forcent le systme mobile dvier compltement droite. Le systme mobile essaye dviter le plus possible ces obstacles, les forces rpulsives sont au maximum de leur amplitude lorsque le systme mobile est plus proche deux. Et chaque fois quil sloigne des obstacles, la force attractive le rappelle vers la position darrive. Ce phnomne se rptera indfiniment jusqu larrt du systme mobile par lutilisateur. Linconvnient majeur de cette mthode de navigation est quelle repose sur le calcul du cap pour viter les obstacles. Ce cap est dtermin par la direction du r vecteur R , qui lui mme rsulte de la somme de deux forces attractive et rpulsive. Lorsque le systme mobile est loin des obstacles (pas dobstacles dans r la fentre active) le vecteur R est identique la force attractive par consquent le systme mobile se dirige vers la position destination. Lorsque le systme mobile est prs des obstacles (prsence dobstacles dans la fentre active) la force r rpulsive est plus importante que la force attractive, do le vecteur R est presque identique la force rpulsive et donc le systme mobile sloigne des obstacles. Le calcul du cap est uniquement en fonction des donnes se trouvant lintrieur dune fentre de dimension ws ws , donc le systme mobile possde une information trs restreinte sur son environnement, ce qui explique quil emprunte un mme chemin plusieurs fois. Sil possdait une connaissance globale (direction globale du chemin) de son environnement, il serait facile pour lui dviter les minima locaux.
tel-00673213, version 1 - 23 Feb 2012
149
(a)
tel-00673213, version 1 - 23 Feb 2012
(b)
(c)
(d) (e) Figure IV.28 : Premire exprience: (a) Navigation relle de lATRV2, (b) Chemin emprunt par lATRV2, (c) les forces attractives obtenues, (d) les forces rpulsives r obtenues, (e) les forces rsultantes R obtenues.
(a)
150
(b)
(c)
tel-00673213, version 1 - 23 Feb 2012
(d) (e) Figure IV.29 : Deuxime exprience: (a) Navigation relle de lATRV2, (b) Chemin emprunt par lATRV2, (c) les forces attractives obtenues, (d) les forces rpulsives r obtenues, (e) les forces rsultantes R obtenues.
(a)
151
(b)
(c)
tel-00673213, version 1 - 23 Feb 2012
(d) (e) Figure IV.30 : Troisime exprience: (a) Navigation relle de lATRV2, (b) Chemin emprunt par lATRV2, (c) les forces attractives obtenues, (d) les forces rpulsives r obtenues, (e) les forces rsultantes R obtenues. IV.3.3. Lapproche DVFF. En combinant lalgorithme de planification de chemin optimal D* et lalgorithme de navigation non stop bas VFF, nous proposons une nouvelle approche de navigation nomme DVFF qui fait dplacer et de manire robuste un systme mobile dans un environnement quelconque (connu, inconnu ou semi connu). Le diagramme de cette approche est dtaill dans la figure IV.31. Il comporte principalement deux modules : r - Module VFF: Gnre le vecteur local FVFF avec lorientation V FF . Il est pris en compte lorsque le systme mobile est proximit des obstacles. En suivant la direction V FF le systme mobile est protg dventuelles collisions avec des obstacles qui lui sont proches. r - Module D*: Gnre le vecteur global FD* avec lorientation G . G est la direction globale du chemin permettant au systme mobile de se diriger vers sa position darrive. Le module D* peut tre facilement utilis avec le module VFF parce quils gnrent tous les deux une direction. Ces directions (ou vecteurs) peuvent tre utilises sparment ou combines pour donner une seule direction. La direction slectionne sera utilise pour calculer la commande du mouvement permettant au systme mobile dviter les obstacles et atteindre son point darrive. En suivant cette direction, le systme mobile peroit, travers ses capteurs embarqus, son environnement en dcouvrant dventuelles divergences avec lenvironnement initial (dtection dun nouvel obstacle par exemple). Une fois ses divergences constates, le systme mobile replanifie son chemin optimal, en
152
appelant la fonction Case_D* , pour rejoindre son point darrive sans risque de collisions.
Mise jour Prs du systme mobile
Position des obstacles (capteurs embarqus)

Nouveaux obstacles ou obstacles qui ont chang de position
Carte globale
(position du systme mobile)
VFF D*
Combinaison
Contrle du mouvement du systme mobile
Loin du systme mobile
Figure IV.31: Diagramme de lapproche de navigation DVFF. IV.3.3.1. Premier algorithme [Dje07]. Dans cet algorithme, le systme mobile prend en compte, en mme temps, les vecteurs gnrs par les deux modules VFF et D*. Le systme mobile suit le cap rsultant de la somme vectorielle des ces deux r derniers. Le vecteur rsultant F permet au systme mobile datteindre son but en vitant les obstacles. Actionn au point CP1, ce vecteur a pour expression (Figure IV.32): r r r r r r r F = FV FF + FD* = F1f + F1m + FF + FD* (IV.56) avec , , et des coefficients choisis exprimentalement.
r F
r FD* r FF
tel-00673213, version 1 - 23 Feb 2012
F1 f F1m
r Figure IV.32: Calcul du vecteur rsultant F .

IV.3.3.2. Deuxime algorithme [Dje09a, Dje09b]. Dans cet algorithme, le systme mobile prend en compte, sparment, les vecteurs gnrs par les deux modules VFF et D*. Le module VFF ne tient pas r compte de la position du point darrive dans le calcul du vecteur local FVFF . Le systme mobile utilise la direction du chemin global G sous le point CP1 si elle existe (le systme mobile est loin des obstacles) pour atteindre son point darrive. Et si G nexiste pas, dans ce cas, le systme mobile est trop prs des obstacles (zone risque), il utilise la direction locale V FF gnre par le module VFF lui permettant de sloigner des obstacles. La figure ci-dessous illustre lorganigramme de ce deuxime algorithme et montre comment le systme mobile combine ces deux directions (locale et globale) pour une navigation en toute scurit partir de sa position initiale vers son point darrive:
153
Calculer le chemin optimal Fonction Init_D* Suivre G Lire les donnes odomtriques Point darrive atteint 1
Stop
0 Lire les donnes capteurs embarqus Nouveaux obstacles dtects 1 Case_D Lire G
G existe
1 Suivre
0 Calculer et suivre
V FF
tel-00673213, version 1 - 23 Feb 2012
Figure IV.33: Organigramme du deuxime algorithme. IV.3.3.3. Rsultats exprimentaux. Les deux algorithmes DVFF dvelopps ci-dessus ont t implments sur le systme mobile ATRV2 et tests partir de plusieurs situations relles montrant lavantage de la combinaison entre lalgorithme de planification de chemin optimale D* et lalgorithme de navigation non stop base VFF. Cinq exprimentations (figures IV.34-IV.38) sont prsentes illustrant la navigation du systme mobile ATRV2 travers plusieurs parcours avec diffrents emplacements d'obstacles. Lindice (a) montre la scne relle et (b) la grille de certitude de lenvironnement reproduite durant chaque exprience. Les cellules occupes par les obstacles sont reprsentes par des carrs de couleur bleue. Les cellules traverses par le centre de gravit du systme mobile sont reprsentes par des carrs de couleur rouge. Le rectangle de couleur verte reprsente le systme mobile en format rel, et le petit carr blanc reprsente la position darrive. Les positions des obstacles et lenvironnement sont totalement inconnues du systme mobile, seules les positions de dpart et darrive sont connues lavance. La vitesse de translation a t limite v c = 20 cm / s et la vitesse de rotation a t limite 0 , 6 rd / s . Dans chaque exprience, le chemin optimal initial en tenant compte de la contrainte gomtrique du systme mobile est calcul, c'est--dire, les cellules de la carte entourant les obstacles, selon les dimensions du systme mobile, ne sont pas prises en compte par lalgorithme D* dvelopp. La premire exprience est illustre par la figure IV.34 (a et b). Elle consiste faire dplacer le systme mobile en ligne droite sans contraintes extrieures (sans obstacles). En utilisant les deux algorithmes DVFF, le systme mobile arrive atteindre son point darrive en prenant un chemin rectiligne. Pour le premier
154
r r algorithme les deux vecteurs FV FF et FD* ont la mme direction (diriges vers le
point darrive), et pour le deuxime algorithme le systme mobile suit uniquement la direction globale du chemin, dirige vers le point darrive en absence dobstacle. La deuxime exprience (Figure IV.35) illustre la solution donne par le premier algorithme DVFF au problme montr par la troisime exprience illustre par la figure IV.22. Au dpart, le systme mobile se dplace en ligne droite car les r r vecteurs FV FF et FD* ont la mme direction (dirigs vers le point darrive), et quand il entre dans la zone risque prs des obstacles, o il y a absence r dinformation sur la direction globale du chemin G ( FD* = 0 ), linformation restante (direction locale V FF ) permet alors au systme mobile de sortir de cette zone en vitant les obstacles. En faisant plusieurs tests, nous avons remarqu quen prenant en compte la r r direction de la rsultante des vecteurs FVFF et FD* cela ne nous donne pas toujours tel-00673213, version 1 - 23 Feb 2012 de bons rsultats, surtout dans le cas o langle entre ces deux vecteurs est important (cas o le systme mobile est pris dans un minimum local). Dans ce cas, la rsultante penchera vers le vecteur dominant (qui possde le plus grand module) et dont la direction nest pas toujours la bonne pour que le systme mobile puisse atteindre son point darrive en empruntant un chemin optimal. La troisime exprience est illustre par la figure IV.36 (a et b). Elle est similaire la premire exprience, les points de dpart et darrive sont pris aligns lexception dun long mur dobstacles se trouvant entre les deux, coupant ainsi le chemin optimal initialement calcul. En utilisant le deuxime algorithme DVFF, le systme mobile commence par calculer le chemin optimal initial (lenvironnement est inconnu au dpart) et suivre ensuite, la direction globale du chemin G sous son point CP1 jusqu arriver son point darrive. Quand le systme mobile dtecte le mur, il replanifie un autre chemin optimal, et ds quil se trouve dans la zone risque (prs du mur), son module local VFF calcule une direction V FF qui lui permet de sloigner de ce mur et viter une collision. Dans la quatrime exprience (Figure IV.37), les points de dpart et darrive sont pris aligns mais gauche du systme mobile ATRV2. En utilisant le deuxime algorithme DVFF, le systme mobile ragit de la mme manire que dans la troisime exprience (suivi de la direction globale du chemin G sous son point CP1 et replanification du chemin optimal une fois les divergences avec lenvironnement initial constates) jusqu ce quil atteint son point darrive. La cinquime exprience illustre la solution donne par le deuxime algorithme DVFF au problme montr par la troisime exprience illustre par la figure IV.30, quand le systme mobile est pris dans un minimum local. Le systme mobile ATRV2 ragit parfaitement et sort de son minimum local grce aux nouvelles directions globales du chemin optimal recalcul quand il a dtect les obstacles frontaux (Figure IV.38). Le deuxime algorithme DVFF, appel dans la suite de ce document, algorithme DVFF, parce quil est beaucoup plus robuste que le premier, et que la position du point darrive est prise uniquement dans le calcul du chemin
155
optimal, c'est--dire, que le systme mobile nest pas constamment attir par le point darrive, et la force attractive nest pas combine avec les forces rpulsives pour le calcul de la direction finale lorsque le systme mobile entre dans la zone risque. Le systme mobile suit, tout moment de son dplacement, une direction ( G ou V FF ) sous son point CP1, qui lui permet datteindre son point darrive.
tel-00673213, version 1 - 23 Feb 2012
(a) (b) Figure IV.34: Premire exprience : (a) Scne relle; (b) la grille de certitude de lenvironnement reproduite durant lexprience par les deux algorithmes DVFF (le premier gauche et le second droite).
(a)
(b) Figure IV.35: Deuxime exprience : (a) Scne relle; (b) la grille de certitude de lenvironnement reproduite durant lexprience avec les forces rsultantes calcules par le premier algorithme DVFF.
156
tel-00673213, version 1 - 23 Feb 2012
(a)
(b) Figure IV.36: Troisime exprience: (a) Scne relle; (b) la grille de certitude de lenvironnement reproduite durant lexprience par le deuxime algorithme DVFF.
(a) (b) Figure IV.37: Quatrime exprience: (a) Scne relle; (b) la grille de certitude de lenvironnement reproduite durant lexprience par le deuxime algorithme DVFF.
157
(a)
tel-00673213, version 1 - 23 Feb 2012
(b) Figure IV.38: Cinquime exprience: (a) Scne relle; (b) la grille histogramme de lenvironnement reproduite durant lexprience par le deuxime algorithme DVFF.
IV.4. Contrle de mouvement du systme mobile ATRV2.

Le systme mobile ATRV2 est une plateforme quatre roues motrices diffrentielles. Son modle cinmatique est dcrit par les quations (IV.1) et (IV.2):
& cos x 0 & y = sin v + 0 1 & 0
(IV.57)
&, y & ) vitesses linaires cartsiennes, et (v , ) vitesses linaire et angulaire avec ( x
(translation et rotation) et qui ont pour expression :
v R +v L v = 2 v = R v L 2d
entre ces deux dernires (Figure IV.7).
(IV.58)
avec vR et vL vitesses linaires des roues fictives gauche et droite et d la distance Si les deux roues roulent en avant avec la mme vitesse (v R = v L ) , le systme mobile se dplace vers lavant. Si elles roulent en sens oppos (v R = v L ) , le systme mobile tourne autour de lui-mme, et si elles roulent vers lavant avec des vitesses diffrentes (v R v L ) , le systme mobile dcrit un virage du ct roulant avec la vitesse la plus faible, de rayon R autour de son ICR (Instantaneous Center of Rotation). La valeur de R est obtenue par lexpression suivante (Figure IV.39) :
158
R =d
v R +v L v R v L
(IV.59)
Quand la direction de dviation Dev ( VFF ou G ) obtenue partir de lalgorithme de navigation DVFF (dtaill ci-dessus) est connue, ainsi que lorientation du systme mobile Rob donne par le systme de localisation, la direction (ou dviation) de commande c donne comme consigne au systme mobile est calcule par lquation suivante :
= Dev Rob
(IV.60) (IV.61)
si ( ) alors c = . sinon si ( < ) alors c = 2 + . sinon si ( > ) alors c = 2 .
Les valeurs des vitesses linaire et angulaire dsires (consignes) v d et d , donnes au systme mobile, peuvent tre calcules en fonction de la valeur de la direction de commande c de la manire suivante:
marche avant . si v =v c . 180 c 180 d = 0. d tourner gauche . sinon si c = v d = 0. 2 v d = c . d tourner gauche . R = D . tg c v R d sinon si c p v d = c 1 + . 180 2 2 R +d v R d d = c 1 . 2d R + d tourner gauche puis marche avant . sinon si c 175 v = 0. 2 180 d v d = c . d tourner droite . sinon si c = v d = 0. 2 v d = c . d
tel-00673213, version 1 - 23 Feb 2012
(IV.62)
(IV.63)
(IV.64)
(IV.65)
(IV.66)
159
tourner droite . R = D tg c v R +d sinon si p c v = c 1+ . 2 180 d 2 R d v R +d 1 . d = c 2d R d tourner droite puis marche avant . c v d = 0. sinon si 175 180 2 v d = c d sinon Situation de Blocage . avec v c constante fixe exprimentalement.
(IV.67)
(IV.68)
(IV.69)
tel-00673213, version 1 - 23 Feb 2012
La valeur de la direction de commande c dtermine langle de dviation que le systme mobile doit faire. Si cette valeur est comprise entre 175 180 et 175 180 , le systme mobile est dans une situation de blocage, il recalcule un nouveau chemin optimal vers son but, et si cette situation persiste, le systme mobile doit tourner sur lui-mme de (ou ) et faire ensuite un dplacement vers lavant.
r F
Dev
vR
vL ICR
Dev D
R 2d
Roue Fictive
Figure IV.39: Modle cinmatique du systme mobile ATRV2 et sa commande de mouvement.
IV.5. Conclusion.
Dans ce chapitre, nous avons prsent en premier les caractristiques spcifiques du systme mobile ATRV2, nous avons dfini son architecture matrielle et logicielle, ainsi que sa gomtrie. La cinmatique et le caractre non holonome du systme mobile sont des caractristiques extrmement importantes pour le dveloppement de notre travail. Nous avons dvelopp ensuite la mthode de localisation base sur lalgorithme EKF utilisant la position fournie par les odomtres et la position fournie par la mise en correspondance des grilles pour dterminer une estimation de la position relle du systme mobile. A la fin de ce chapitre, nous avons dcrit en dtail lapproche de navigation que nous avons dveloppe, appele DVFF. Elle combine deux mthodes existantes, lalgorithme de planification de chemin global D* pour calculer la direction globale du chemin permettant au systme mobile de se diriger vers son point darrive, et
160
lalgorithme de champ de forces virtuelles (VFF) pour lvitement de nouveaux obstacles dtects. Les rsultats exprimentaux de lalgorithme DVFF implment sur le systme mobile ATRV2 avec des configurations relles de lenvironnement ont t acceptables, toutefois, les problmes inhrents lutilisation des capteurs ultrasonores tels que les rflexions multiples et la diaphonie mnent des situations de blocage ou des ractions imprvues du systme mobile.
tel-00673213, version 1 - 23 Feb 2012
161
Conclusion Gnrale et Perspectives.

tel-00673213, version 1 - 23 Feb 2012
162
Conclusion gnrale et perspectives .
Le travail prsent dans notre thse concerne la localisation et la navigation du systme mobile ATRV2 dans un environnement qui peut tre inconnu a priori. Notre motivation tait de rendre ce systme capable de percevoir et dutiliser ses donnes perceptuelles pour augmenter son autonomie de dplacement, pouvoir agir et ragir face son environnement et accomplir ses tches de faon autonome tout en vitant les obstacles imprvus. Cet objectif requiert des capacits de traitement pour effectuer la mission demande. En particulier, il est ncessaire de modliser lenvironnement partir de ses donnes perceptuelles issues des capteurs embarqus. Cette tape est primordiale puisquelle est la base des dcisions futures sur laquelle reposera le traitement pour tablir sa localisation et son dplacement dans son environnement. tel-00673213, version 1 - 23 Feb 2012 Pour construire le modle de lenvironnement, il nous a fallu dvelopper des mthodes danalyse et daffichage intgrant tous les algorithmes et procdures dvelopps telles que la lecture des donnes en provenance des diffrents capteurs embarqus (US, odomtre et banc stroscopique), les calibrages fort et faible pour le banc stroscopique, les changements de repres entre les diffrents capteurs embarqus avec celui du systme mobile, et la fusion des donnes capteurs US-Banc stroscopique appartenant leur champ de vision commun. Pour le mode de reprsentation des mesures et de lenvironnement, nous avons utilis les grilles de certitude, car elles sont utilisables dans tout type denvironnement sans ncessiter damnagements particuliers, et peuvent tre utilises partir des mesures issues de plusieurs types de capteurs. Chaque capteur construit sa carte locale qui va ensuite tre intgre une carte locale du systme mobile servant tablir la carte globale de lenvironnement. La prcision et la robustesse du modle de lenvironnement ainsi obtenu ont t testes dans ltape de localisation. Nous avons ramen le problme de la localisation de notre systme mobile une combinaison entre le filtre de Kalman tendu et la mise en correspondance de cartes (locale et globale). Lalgorithme de localisation obtenu a t test et valid sur un autre systme mobile disponible dans notre laboratoire (le systme mobile B21r) ensuite utilis sur le systme mobile ATRV2. Cet algorithme fusionne les donnes odomtriques (modle du systme odomtrique) et les donnes du systme de perception embarqu (mesure) pour corriger rgulirement lestimation relative de la position du systme mobile due lerreur cumulative engendre par les capteurs odomtriques. La mesure est obtenue par la mise en correspondance, dont la zone de recherche est estime par lalgorithme autour de la position estime. Lalgorithme de navigation autonome, appel DVFF, que nous avons dvelopp est un algorithme hybride qui combine la fois deux mthodes de navigation
163
Conclusion gnrale et perspectives .
existantes, lalgorithme de planification de trajectoire globale bas sur lalgorithme D*, et lalgorithme de navigation ractive non stop bas sur le principe des champs de forces virtuelles VFF. Il utilise les valeurs courantes des capteurs ultrasonores embarqus (sur une petite fentre temporelle), et les donnes provenant de son modle interne, pour dcider de laction effectuer. Il permet au systme mobile ATRV2 de sorienter vers sa position destination tout en vitant les collisions avec les obstacles de son environnement. Malgr la simplicit conceptuelle de l'algorithme DVFF et sa capacit rsoudre, dans la plupart des cas, le problme de la navigation autonome, un certain nombre d'amliorations restent mener. La premire amlioration concerne essentiellement son temps de calcul, car le systme mobile est insensible aux diffrents changements dans la position des obstacles formant son environnement. Celle-ci dpend : du type de programmation utilis (programmation squentielle), lutilisation des donnes visuelles dans le processus de perception-fusion et la mise en correspondance de cartes dans lalgorithme EKF dvelopp. La deuxime amlioration est celle relative au comportement du systme mobile dans son dplacement qui dpend de la commande du mouvement utilise. Enfin, lorsque ces amliorations seront acheves, les algorithmes dvelopps dans le cadre de notre thse seront utiliss dans le projet de recherche Robotique de surveillance lanc par le CDTA, incluant les systmes mobiles comme partie intgrante de son rseau de capteurs de surveillance. La premire proposition dans ce projet de recherche est l'inclusion du systme mobile ATRV2 comme agent autonome dans le systme de surveillance. La tche de surveillance est restreinte la dtection des intrusions dans un environnement structur. Le systme mobile peut ajuster son mouvement en fonction de sa propre interprtation de son environnement proche et de recueillir les informations reues de ses capteurs embarqus et les transmettre un superviseur humain. Ce dernier reoit ces informations sur une interface graphique et commande, si possible, le systme mobile par le biais d'un lien RF.
tel-00673213, version 1 - 23 Feb 2012
164
tel-00673213, version 1 - 23 Feb 2012
Bibliographie.
165
Bibliographie
[Aya88]
N. Ayache, C. Hansen, Rectification of images for binocular and trinocular stereovision, In Proceeding of International Conference on Pattern Recognition (ICPR), 1988, pp. 11-16. F. Avnaim, J.D. Boissonnat, B. Faverjon, A practical exact motion planning algorithm for polygonal objects amidst polygonal obstacles, In Proc. IEEE Int. Conf. on Robotics & Automation, Philadelphia, PA (USA), Apr. 1988, pp. 1656-1661. A. Appriou, Probabilits et incertitude en fusion de donnes multisenseurs, Revue Scientifique et Technique de la Dfense,1er trim. , 1991, pp. 27-40. P. Aschwander, W. Guggenbul, Experimental result from a comparative study on correlation-type registration algorithms, In FORSTNER et RUWIEDEL, Robust computer vision, Wichmann, 1992, pp. 268-282. Jos Armando Segovia de Los Rios, Etude des dplacements dun robot mobile dans un environnement peu contraint, thse de doctorat, Universit de Technologie de Compigne, France, Septembre 1993. P. Arnould, Etude de la Localisation d'un Robot Mobile par Fusion de Donnes, Thse de l'universit de NANCY, INPL, septembre 1993. K.O. Arras, N. Tomatis, Improving robustness and precision in mobile robot localization by using laser range finder and monocular vision, 3rd European Workshop on Advanced Mobile Robots (Eurobot'99), Zurich, Switzerland, september 6-8, 1999. A. Arleo, del R.J. Millan, D. Floreano, Efficient learning of variableresolution cognitive maps for autonomous indoor navigation, In IEEE Transactions on Robotics and Automation, 1999, volume 15, pp. 9901000. R.A. Brooks, Solving the find-path problem by representing free space as generalized cones. IEEE Transactions on Systems, Man and Cybernetics, 1983, 13(3), pp. 90197. J. Borenstein and Y.Koren, High-speed obstacle avoidance for mobile robots, IEEE Transactions on Systems, Man, and Cybernetics, vol. 19, n5, aot 1988, pp. 1179-1187. Johann Borenstein, Ulrich Raschke, Real-time Obstacle Avoidance for Non-Point Mobile Robots, Fourth World Conference on Robotics Research, Pittsburgh, PA, Sept 1991, pp. 2.12.9. J. Borenstein, Y. Koren, Histogramic in-motion mapping for mobile robot obstacle avoidance, In: IEEE Journal of Robotics and Automation, Sscramento, California, 1991, Vol. 7, N 4, pp. 535-539.
[Avn88]
[App91]
[Asc92]
[Arm93] tel-00673213, version 1 - 23 Feb 2012
[Arn93] [Arr99]
[Arl99]
[Bro83]
[Bor88]
[Bor91a]
[Bor91b]
166
Bibliographie
[Bor91c]
J. Borenstein, Y. Koren, The Vector Field Histogram fast obstacle avoidance for mobile robots, IEEE Transactions on Robotics and Automation, 1991, 7(3), pp. 278-288. J. Barraquand, J.C. Latombe, Robot motion planning : a distributed representation approach, International Journal Robotics Research, , Dec. 1991, 10(6), pp. 628-649. R.H. Byrne, P.R. Klarer, J.B. Pletta, Techniques for Autonomous Navigation, Sandia Report SAND92-0457, Sandia National Laboratories, Albuquerque, NM, March 1992. Paul Beardsley, David Murray, Andrew Zisserman, Camera Calibration Using Multiple Images, European Conf. Comp. Vision 1992, pp. 312--320. J. Borenstein, Internal Correction of Dead-reckoning Errors with the Smart Encoder Trailer, International Conference on Intelligent Robots and Systems, Munich, Germany, 1994, vol1, pp. 127134. I. Bloch, Information Combination operators for data fusion : a comparative review with classification, SPIE, 1994, vol. 2315, pp. 148-159. H.R. Beom, H.S. Cho, Mobile robot localization using a single rotating sonar and two passive cylindrical beacons, Robotica, Vol. 13, 1995, pp. 243-252. J. Buhmann, W. Burgard, A.B. Cremers, D. Fox, T. Hofmann, F. Schneider, J. Strikos, S. Thrun, The mobile robot rhino, AI Magazine, 1995, 16(1). J. Borenstein, The CLAPPER: A dual-drive Mobile Robot with Internal Correction of Dead-reckoning Errors, International Conference on Robotics and Automation, University of Michigan, Ann Arbor, USA, 1995, vol. 3, pp. 30853090. J. Borenstein, L. Feng, Correction of systematic odometry errors in mobile robots, International Conference on Intelligent Robots and Systems, Pittsburgh, Pennsylvania, 1995, vol. 3, pp. 569574. H. Bulata, Modlisation d'un environnement structur et localisation sur amers pour la navigation d'un robot mobile autonome, Thse de l'universit Paul Sabatier de Toulouse, mai 1996. J. Borenstein, L. Feng, Measurement and correction of systematic odometry errors in mobile robots, IEEE Transactions on Robotics and Automation, University of Michigan, Ann Arbor, USA, 1996, vol. 12, pp. 869880. J. Borenstein, L. Feng, Gyrodometry : a new method for combining data from gyros and odometry in mobile robots, Proceedings of the
[Bar91]
[Byr92]
[Bea92]
[Bor94]
tel-00673213, version 1 - 23 Feb 2012
[Blo94]
[Beo95]
[Buh95]
[Bor95]
[Bof95]
[Bul96]
[Bor96a]
[Bor96b]
167
Bibliographie
IEEE International Confrence on Robotics and Automation, pp. 423428, 1996. [Bor96c] J. Borenstein, H. R. Everett, L. Feng, Where am I ? Sensors and methods for mobile robot positioning. Rapport technique, Universit de Michigan, USA, 1996. J. Borenstein, H.R. Everett, L. Feng, D. Wehe, Mobile robot positioning - sensors and techniques. Journal of Robotic Systems, special issue on mobile robots, April 1997, Invited paper, 14(4), pp.231249. J. Borenstein, J. Evans, The OmniMate Mobile Robot - Design, Implementation, and Experimental Results, Proceedings of the IEEE International Confrence on Robotics and Automation, Albuquerque, New Mexico, April 1997, pp. 3505-3510. Philippe Bonnifait, Localisation prcise en position et attitude des robots mobiles d'extrieur volutions lentes, thse, Ecole Doctorale Science pour lingnieur de Nantes, Spcialit : Automatique et Informatique Applique, le 24 Novembre 1997. J. Batista, H. Ara'ujo, A. Almeida, A.. Iterative multistep explicit camera calibration, In Proc. Of the 6th International Conference on Computer Vision, Bombay, India, January 1998. J. Batista, Iterative Multi-Step Explicit Camera Calibration, Computer Vision (ICCV98), Bombay, India, January 4-7, 1998. J. Borenstein, Experimental results from internal odometry error correction with the OmniMate mobile robot, IEEE Transactions on Robotics and Automation, University of Michigan, Ann Arbor, USA, 1998, vol. 14, pp. 963 969. J.Y. Bouguet, Visual methods for three-dimensional modelling, Thesis California Institute of Technology Pasadena 1999. Mohamed Bnallal, Systme de calibration de Camra. Localisation de forme polydrique par vision monoculaire, Thse de doctorat, COLE DES MINES DE PARIS, Novembre 2002. David Bonnafous, Execution ractive de trajectoires pour robots mobiles non-holonomes. Thse doctorat, Institut National Polytechnique de Toulouse, Systmes Automatiques, dcembre 2003. F. Bretar, M. Pierrot-Desseilligny, M. Roux, Fusion lidar/photogrammtrie : Une mise en cohrence globale. In Actes du 14me Congrs Francophone AFRIF-AFIA de Reconnaissance des Formes et Intelligence Artificielle, Toulouse, France, Janvier 2004. Bernard Bayle, Robotique Mobile, Ecole Nationale Suprieure de Physique de Strasbourg, anne 2005-2006
[Bor97a]
[Bor97b]
[Bon97] tel-00673213, version 1 - 23 Feb 2012
[Bas98a]
[Bas98b] [Bor98]
[Bou99] [Ben02]
[Bon03]
[Bre04]
[Bay05]
168
Bibliographie
[Bou07a]
Bouraine Sara, Contribution la localisation dynamique du robot mobile dintrieur B21r en utilisant la plateforme multi sensorielle, Facult des Sciences de lIngnieur, Dpartement dElectronique, Universit Saad Dahlab, Blida, anne universitaire 2006/2007. S. Bourain, A. O. Djekoune and O. Azouaoui, Hybrid localisation approach of a bi-steerable mobile robot based on grids matching and Extended Kalman Filter, The 11th International IEEE Conference on Intelligent Transportaion Systems, Beijing, China, October 12-15, pp. 1136-1141, 2008. R. Chatila, J. Laumond, Position referencing and consistent world modelling for mobile robots. In Proceedings of the IEEE International Conference on obotics and Automation (ICRA85), 1985, pp. 138-170. J. Canny, A new algebraic method for robot motion planning and real geometry, In Proceedings of the 28th Annual Symposium on Foundations of Computer Science (Los Angeles, Oct. 22-24), Washington D.C., USA. IEEE, 1987, pp. 39-48. J. Canny, The Complexity of Robot Motion Planning. MIT Press, Cambridge, MA, USA, 1988. J. Crowley, World modelling and position estimation for a mobile robot using ultrasonic ranging, Proc. of IEEE International Conference on Robotics and Automation, Scottsdale, May 1989, pp. 674-680. B. Caprile, V. Torre, Using Vanishing Points for Camera Calibration, In Int. Journal of Computer Vision, 1990, 4, pp. 127-140. I.J. Cox, Blanche-An experiment in Guidance and Navigation of an Autonomous Mobile Robot, IEEE Transactions Robotics and Automation, 7(3), 1991, pp. 193-204. J.D. Courtney, A.K. Jain, Mobile Robot Localization via Classification of Multisensor Maps, Proceedings of the IEEE International Confrence on Robotics and Automation, 1994, pp. 16721678. K.S. Chong, L. Kleeman, Accurate Odometry and Error Modelling for a Mobile Robot, Proceedings of the IEEE International Confrence on Robotics and Automation, Albuquerque, New Mexico, April 1997, pp. 27832788. Alain Crouzil, Perception du relief et du mouvement par analyse dune squence stroscopique dimages, Thse de doctorat, Universit Paul Sabatier de Toulouse, Septembre 1997. R. Cipolla, T. Drummond, D. Robertson, Camera calibration from vanishing points in images of architectural scenes, In BMVC, Sep 1999.
[Bou07b]
[Cha85]
[Can87]
tel-00673213, version 1 - 23 Feb 2012
[Can88] [Cro89]
[Cap90] [Cox91]
[Cou94]
[Cho97]
[Cro97]
[Cip99]
169
Bibliographie
[Cou00]
Alain COURCELLE, Localisation dun robot mobile : Application laide la mobilit des personnes handicapes moteur, Doctorat de lUniversit de Metz, France, janvier 2000. Y.J. Cui, S.S. Ge, Autonomous Vehicle Positioning with GPS in Urban Canyon Environments, Proceedings of the 2001 IEEE International Conference on Robotics & Automation, Soul, Core, 2126 mai 2001. H. Chung, L. Ojeda, J. Borenstein, Sensor fusion for Mobile Robot Dead-reckoning With a Precision-calibrated Fiber Optic Gyroscope, Proc. of the 2001 IEEE International Conference on Robotics & Automation, Soul, Core, 21-26 mai 2001, pp.3588-3593. M. Drumheller, Mobile Robot Localization Using Sonar, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol 9, n2, march 1987, pp. 325-332. A. De Cegama, J. Smith, Neural networks and genetic algorithms for combinatorial optimisation of sensor data fusion, SPIE, 1992, vol. 1699, pp. 108-115. H. Durrant-Whyte, The design of a radar-based Navigation System for large outdoor vehicles, Proc. IEEE Int. Conf. on Robotics and Automation, Nagoya, Aichi, Japan, May 1995, pp. 764-769. Y. Dub, M. Kaffel, Safety systems for school buses, Rapport technique, Dpartement de gnie mcanique, Universit du Qubec Trois-Rivires, 1996. F. Devernay, Vision stroscopique et proprits diffrentielles des surfaces, Thse de Doctorat, cole Polytechnique de Grenoble, Fvrier 1997. L. Delahoche, C. Pegard, B. Marhic, P. Vasseur, A Navigation System Based on an Omnidirectional Vision Sensor, Proceedings of the International Conference IROS'97, pp. 718-724. L. Delahoche, C. Pgard, M. Mouaddib, P. Vasseur, Incremental map building for mobile robot navigation in an indoor environment, Proceedings of International Conf. on Robotics and Automation (ICRA98), Belgium, May 1998. G. Dudek, M. Jenkin, Computational Principles of Mobile Robotics, Cambridge University Press, 2000. G. Dudek, D. Jugessur, Robust Place Recognition using Local Appearance based Methods, IEEE International Conference on Robotics and Automation, 2000, pp 1030-1035. M. Deans, M. Hebert, Invariant filtering for simultaneous localization and mapping, Proc. IEEE International Conference on Robotics and Automation, April 2000, pp. 1042-1047.
[Cui01]
[Chu01]
[Dru87]
[Dec92] tel-00673213, version 1 - 23 Feb 2012
[Dur95]
[Dub96]
[Dev97]
[Del97]
[Del98]
[Dud00a] [Dud00b]
[Dea00]
170
Bibliographie
[Doi02]
L. Doitsidis, K.P. Valavanis, N.C. Tsourveloudis, Fuzzy logic based autonomous skid steering vehicle navigation, In Proceedings of the International Conference on Robotics and Automation, Washington DC, USA. Cyril Drocourt, Localisation et modlisation de l'environnement d'un robot mobile par coopration de deux capteurs omnidirectionnels, Thse doctorat, universit de technologie de Compigne, fvrier 2002. A. O. Djekoune, K. Achour, R. Toumi, Ultrasonic sensing based navigation for mobile robot with obstacles avoidance, IEEE International Computer Systems & Information Technology Conference, IEEE CSIT05, Hilton du 19 au 21 juillet 2005. O. Djekoune, K. Achour and Redouane Toumi, A new approach for mobile robot navigation , 5me Confrence sur le Gnie Electrique, CGE05, le 16 et 17 avril 2007, cole Militaire Polytechnique, Bordj El Bahri, Alger, Algrie. A. Oualid Djekoune, Karim Achour and Redouane Toumi, DVFF navigation: A combined approach to real time mobile robot navigation without prior knowledge of the environment, Journal of Electrical Engineering, Vol. 9, N. 3, 2009, pp.69-76, ISSN 1582-4594. A. Oualid Djekoune, Karim Achour and Redouane Toumi, A Sensor Based Navigation Algorithm for a Mobile Robot using the DVFF approach, International Journal of Advanced Robotic Systems, Vol. 6, N2, June 2009, ISSN 1729-8806. A. Elfes, Sonar-Based Real-World Mapping and Navigation, IEEE Journal of Robotics and Automation, vol RA-3, n3, June 1987, pp.233249. A. Elfes, L. Matthies, Sensor Integration for Robot Navigation Combining Sonar and Stereo Range Data in a Grid Based Representation, IEEE Confrence on Decision and Control, Los Angeles CA, December 1987. H.R. Everett, Sensors for Mobile Robots, Theory and Application. AK Peters ltd, 1995. B. Faverjon, Obstacle avoidance using an octree in the configuration space of a manipulator, In Proc. of the IEEE Int. Conf. on Robotics & Automation, Atlanta, GA (USA), 1984, pp. 504-512. O. Faugeras, G. Toscani, The calibration problem for stereo, Proceedings of Computer Vision and Pattern Recognition, Miami Beach, Florida, USA, juin 1986, pp.15-20. G. Frappier, Systme inertiels de navigation pour robots mobiles, Sminaire Les robots mobiles, EC2, Paris, 1990.
[Dro02]
[Dje05]
[Dje07]
tel-00673213, version 1 - 23 Feb 2012
[Dje09a]
[Dje09b]
[Elf87a]
[Elf87b]
[Eve95] [Fav84]
[Fau86]
[Fra90]
171
Bibliographie
[Fer91]
A. Ferrand, Conception et mise en uvre d'un systme de capteurs proprioceptifs destin la localisation relative des robots mobiles, Thse de l'universit de Toulouse, LAAS, 1991. O. Faugeras, What can be seen in three dimensions with an uncalibrated stereo rig?, In Proceedings of the 2nd European Conference on Computer Vision (ECCV), mai 1992, pp. 563578. O. Faugeras, T. Vieville, E. Theron, J. Vuillemin, B. Hortz, Z. Zhang, L. Moll, P. Bettin, H. Mathieu, P. Fua, G. Berry, C. Proy, Real time correlation based stereo: Algorithms, implementation and applications, Rapport de recherche numro 2013, INRIA, France, 1993. O. Faugeras, Three-Dimensional Computer Vision: A Geometric Viewpoint, MIT press, 1993. O. Faugeras, S. Laveau, L. Robert, G. Csurka, C. Zeller, 3-D reconstruction of urban scenes from sequences of images, Rapport technique numro 2572, INRIA, juin 1995. Y. Fuke, E. Krotkov, Dead Reckoning for a lunar rover on uneven terrain, Proceedings of the IEEE International Confrence on Robotics and Automation, 1996, pp. 411-416. D. Fofi, Dtection dobstacles par perception visuelle pour un robot mobile, Rapport de DEA, Ecole Nationale Suprieure de lElectronique et de ses Applications, Universit de Cergy-Pontoise, Aot 1997. D. Fox, W. Burgard, S. Thrun, S, The dynamic window approach to collision avoidance, IEEE Robotics & Automation Magazine, 4(1), 1997, pp. 23-33. B.R. Fajen, W.H. Warren, A dynamical model of visuallyguided steering, obstacle avoidance, and route selection, International Journal of Computer Vision, 123(54), 2003, pp.13-34. David FILLIAT, Robotique Mobile, Cours C10-2, ENSTA, France, Octobre 2004. Pedro Figueiredo Santana, Survival Kit: A Bottom Layer for Robot Navigation, Master degree in Applied Artificial Intelligence, Universidade Nova De Lisboa, 2005. S. K. Ghosh, D. M. Mount, An output sensitive algorithm for computing visibility graphs, IEEE Symposium on Foundations of Computer Science, Los Angeles, tats-Unis, 1987. C. Gourley, M. Trivedi, Sensor Based Obstacle Avoidance and Mapping for Fast Mobile Robots, Proceedings of the IEEE International Conference on Robotics and Automation, 1994, pp. 13061311.
[Fau92]
[Fau93a]
[Fau93b] [Fau95] tel-00673213, version 1 - 23 Feb 2012
[Fuk96]
[Fof97]
[Fox97]
[Faj03]
[Fil04] [Fig05]
[Gho87]
[Gou94]
172
Bibliographie
[Gon95]
J. Gonzalez, A. Stentz, A. Ollero, A Mobile Robot Iconic Position Estimator Using a Radial Laser Scanner, Journal of Intelligent and Robotic Systems, vol 13, 1995, pp. 161-179. J. Gasos, A. Saffiotti, Integrating fuzzy geometric maps and topological maps for robot navigation, Proc. of the 3rd International ICSC Symposium on Soft Computing (SOCO99) Gne, Italie, Juin 1999. J. Guivant, E. Nebot, HF Durrant-Whyte, Simultaneous localization and map bulding using natural features in outdoor environments, IAS-6 Intelligent Autonomous Systems 25-28 July 2000, Italy, vol 1, July 2000, pp 581-588. J. Guivant, E. Nebot, S. Baiker, Autonomous navigation and map building using laser range sensors in outdoor applications, Journal of Robotic Systems, October 2000, Vol 17, n 10, pp 565-283. C. Harris, M. Stephens, A combined corner and edge detector, In Proceedings Alvey Conference, 1988, pp. 189-192. Y.K. Hwang, N. Ahuja, Gross motion planning. A survey, ACM Computing Surveys, 24(3), 1992, pp.219-291. R. Horaud, O. Monga, Vision par ordinateur, outils fondamentaux, Trait des nouvelles technologies, srie informatique. Hermes, 1993. R. Hartley, Projective reconstruction and invariants from multiple images, Pattern Analysis and Machine Intelligence (PAMI), 16 octobre 1994, pp. 10361040. O. Horn, G. Riemer, Dynamic Localisation Method for the V.A.H.M, SPRANN'94, IMACS-LILLE, France, avril 1994, pp. 512-517. M.I. Hong, L. Kleeman, Ultrasonic classification and location of 3D room features using maximum likelihood estimation - Part I, Robotica, vol 15, 1997, pp. 483-491. Robert Holmberg, Oussama Khatib, Development and Control of a Holonomic Mobile Robot for Mobile Manipulation Tasks, International Journal of Robotics Research, vol. 19, N11, november 2000, pp. 1066-1074. R. Hartley, A. Zisserman, Multiple view geometry in computer Vision, Cambridge University Press, Combridge, 2000. Yongxing Hao, A Practical Framework For Formation Planning And Control Of Multiple Unmanned Ground Vehicles, Doctrat of Philosophy in Mechanical Engineering, University of Delaware, 2004. iRobot Corporation, ATRV All-Terrain Mobile Robot Users Guide, Part Number: 3969, Rev.2, Copyright 2001.
[Gas99]
[Gui00a]
[Gui00b]
[Hri88] tel-00673213, version 1 - 23 Feb 2012 [Hwa92] [Hor93] [Har94]
[Hor94] [Hon97]
[Hol00]
[Har00] [Hao04]
[Iro01]
173
Bibliographie
[Jor95]
K.W. Jorg, World modeling for an autonomous mobile robot using heterogenous sensor information, Robotics and Autonomous Systems, vol 14, 1995, pp. 159-170. I.S. Joung, H.S. Cho, Self localization for mobile robots by matching of two consecutive environmental range data, Proceedings of the 2001 IEEE International Conference on Robotics & Automation, Soul, Core, 21-26 mai 2001, pp. 1603-1608. O. Khatib, Real-time obstacle avoidance for robot manipulator and mobile robots, The International Journal of Robotics Research, 1986, 5(1), pp. 90-98. Y. Koren, J. Borenstein, High-speed obstacle avoidance for mobile robotics, In Proceedings of the IEEE Symposium on Intelligent Control, Arlington, VA, pp. 382-384. Y. Koren, J. Borenstein, Analysis of Control Methods for Mobile Robot Obstacle Avoidance, in Proc. IEEE Int. Workshop Intelligent Motion Control, 1990. B. Kuipers, Y.T. Byun, A robot exploration and mapping strategy based on a semantic hierarchy of spatial representations, Robotics and Autonomous Systems, 8, 1991. O. Khatib, S. Quinlan, Elastic bands: connecting, path planning and control, In Proceedings of the IEEE International Conference on Robotics and Automation, Atlanta, GA. J.H. Ko, S.D. Kim, M.J. Chung, A method of indoor mobile robot navigation using acoustic landmarks, Proceedings of the IEEE International Conference on Robotics and Automation, 1996, pp.17261731. L. Kavraki, M. N. Kolountzakis, J.C. Latombe, Analysis of probabilistic roadmaps for path planning, IEEE International Conference on Robotics and Automation, Minneapolis, MN, 1996, pp.3020-3026. O. Karch, H. Noltemeier, Robot Localization: Theory and Practice, Proceedings of the International Confrence, IROS'97, pp. 850-856. Y.D. Kwon, J.S. Lee, A Stochastic Environment Modelling Method for Mobile Robot by using 2-D Laser scanner, Proceedings of the International Conference, IROS'97, pp. 1688-1693. K.Kimoto, C. Thorpe, Map Building with Radar and Motion Sensors for Automated Highway Vehicle Navigation, Proceedings of the International Conference, IROS'97, pp. 1721-1728. N.Y. Ko, R. Simmons, The lane-curvature method for obstacle avoidance, In Proceedings of the IEEE/RSJ Int. Conf. on Intelligent Robots and Systems, IROS 98, 1998, Victoria, B.C., Canada.
[Jou01]
[Kha86]
[Kor88]
[Kor90] tel-00673213, version 1 - 23 Feb 2012
[Kui91]
[Kha93]
[Koo96]
[Kav96]
[Kar97] [Kwo97]
[Kim97]
[Kko98]
174
Bibliographie
[Ken99]
Simon Kent, Evolutionary Approaches to Robot Path Planning, Doctor thesis of Philosophy, Department of Information Systems and Computing, Brunel University, Uxbridge, Middlesex, UB8 3PH, United Kingdom, March 1999. Ch. Laugier, Raisonnement gomtrique et mthodes de dcision en robotique. Application la programmation automatique des robots, Thse d'etat, Inst. Nat. Polytechnique de Grenoble, (F), Dec. 1987. V. Lumelsky, T. Skewis, T, Incorporating range sensing in the robot navigation function, IEEE Transactions Systems, Man, Cybernetics, 1990, 20(5), pp. 1058-1069. J.C. Latombe, Robot motion planning, Kluwer Academic Publishers. Cambridge, MA, USA, 1991. B. Langlois, J. Barraquand, J.C. Latombe, Numerical potential field techniques for robot path planning, IEEE Transactions On Systems, Man, and Cybernetics, , 1992, 22(2), pp. 224-241. J. Leonard, H.F. Durrant-Whyte, J. Cox, Dynamic map building for an autonomous mobile robot, The International Journal of Robotics Research, Vol. 11, N 4, August 1992, pp. 286-298. T. Lozano-Perez, J.L. Jones, E. Mazer, and P.A. O'Donnell, HANDEY: A Robot Task Planner, M.I.T. Press, Cambridge, MA, 1992. J.P. Laumond, Robot Motion Planning and Control, Lectures Notes in Control and Information Sciences 229, Springer. A. Lallement, M. Dufaut, R. Husson, Sensor cooperation and world perception of the autonomous mobile robot Romane, Third IFAC Symposium on Intelligent Autonomous Vehicles, Madrid, Espagne, Mars 1998. C. Loop, Z. Zhang, Computing Rectifying Homographies for Stereo Vision, IEEE Conf. Computer Vision and Pattern Recognition (CVPR), juin 1999, Colorado. Eric LAURIN, Systme intelligent d'assistance la perception dans la conduite de vhicule, Mmoire de matrise es sciences appliques Spcialit: gnie lectrique,Universit de SHERBROOKE, janvier 2000. J. P. Laumond, La robotique mobile, Herms Sience Publications, 2001, Paris, ISBN 2-7462-0246-8. S. Se, D. Lowe, J. Little, Vision-based Mobile Robot Localization And Mapping using Scale- Invariant Features, Proc. IEEE International Conference on Robotics and Automation, Seoul, Korea, May 2001, pp. 2051-2058.
[Lag87]
[Lum90]
[Lat91] [Lan92]
tel-00673213, version 1 - 23 Feb 2012
[Leo92]
[Loz92] [Lau98] [Lal98]
[Loo99]
[Lar00]
[Lau01] [Low01]
175
Bibliographie
[Lem05]
V. Lemonde, Strovision Embarque sur Vhicule : de l'AutoCalibrage la Dtection d'Obstacles, Thse de doctorat, Institut National des Sciences Appliques de Toulouse, 2005. Stphane Laforet, Evaluation de la sret de techniques de navigation autonomes, Examen Probatoire en Informatique, Conservatoire National Des Arts et Mtiers, mars 2006. H. Moravec, visual mapping by robot rover, In le Proceedings of the 6th International Joint Conference on Artificial Intelligence (IJCAI), 1979, pp. 598-600. American Society of Photogrammetry, Manual of Photogrammetry, Fourth Edition, Falls Church, Virginia, Chapters 2 and 4. 1980. H.P. Moravec, A. Elfes, High Resolution Maps from Wide Angle Sonar. Proceeding of the IEEE International Conference on Robotics and Automation, St Louis, Missouri, USA, March 1985 , pp. 116-121. P. Mackenzie, G. Dudek, Precise Positioning Using Model-Based Maps, Proceedings of the IEEE International Conference on Robotics and Automation, 1994, pp. 1615-1621. L. Matthies, E. Gat, R. Harrison, B. Wilcox, R. Volpe, T. Litwin, Mars microrover navigation: performance evaluation and enhancement, Autonomous Robot Journal, special issue on autonomous vehicle for planetary exploration, vol. 2, n 4, 1995. Moz Cherif, Planification De Mouvements Pour Un Robot Mobile Autonome Tout-Terrain: Une Approche Par Utilisation Des Modles Physiques, doctorat spcialit Informatique, L'institut national polytechnique de Grenoble, 16 Octobre 1995. P. Menezes, J. Dias, H. Araujo, A.D. Almeida, Using Sonar Sensors to Perform Obstacle Detection, Revue dAutomatique et de Productique appliques, 1995. B. Marhic, E.M. Mouaddib, C. Pegard, N. Hutin, Localisation Based on Invariant-Models Recognition by SYCLOP, Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems, IROS'99, 1999, pp. 793-798. B. Marhic, Localisation Absolue de Robots Mobiles par le Capteur de Vision Omnidirectionnelle SYCLOP, Thse de doctorat, Universit de Picardie Jules Verne, Amiens, Dcembre 1999. R.R. Murphy, Introduction to AI Robotics. The MIT Press, 2000. Youcef Mezouar, Planification de trajectories pour lasservissement visual, Thse de doctorat, Universit de Rennes I, 2001. J. Minguez, L. Montano, T. Simeon et R Alami, Global Nearness Diagram Navigation, Proceedings of the IEEE International Conference
[Laf06]
[Mor79]
[Man80] [Mor85]
tel-00673213, version 1 - 23 Feb 2012
[Mac94]
[Mat95]
[Moz95]
[Men95]
[Mar99a]
[Mar99b]
[Mur00] [Mez01] [Min01]
176
Bibliographie
on Robotics and Automation, Seoul, Korea, May 21-26, 2001, pp. 3339. [Min04 ] Javier Minguez, Luis Montano, Global Nearness Diagram Navigation (GND), IEEE Transactions on robotics and automation. Fvrier 2004, Vol. 20, N1. J. Neira, J. Tardos, J. Horn, G. Schmidt, Fusing range and intensity images for mobile robot localization, IEEE Transactions on Robotics and Automation, vol. 15, N1, Fev. 1999. A. Ohya, Y. Nagashima, S. Yuta, Exploring Unknown Environment and Map Construction Using Ultrasonic Sensing of Normal Direction of Walls, Proceedings of the IEEE International Confrence on Robotics and Automation, 1994, pp. 485-492. A. Ohya, E. Shoji, S. Yuta, 3-D range sensor using fiber grating for recognition of autonomous mobile robots passage space, International Conference on Intelligent Robots and Systems, 1994. Alain Pruski, Robotique gnrale, Ellipses, 1988, ISBN 2-7298-88381. POLAROID 1991, Ultrasonic Ranging System, Product Literature, Polaroid Corporation, 784 Memorial Drive, Cambridge, MA02139, 6173863964. Arturo Preciado-Ruiz, Sur la modlisation, la localisation et le contrle dun robot mobile, thse de doctorat, Universit de Technologie de Compigne, France, Juillet 1991. D. Papadimitriou, T. Dennis, Epipolar line estimation and rectification for stereo image pairs, IEEE Trans. Image Processing, 1996, Vol. 5, pp. 672-676. D. Papadopoulos Orfanos, Numrisation gomtrique automatique laide dun capteur 3D de prcision profondeur de champ rduite, Thse de doctorat de lENST, 1997. M. Pollefeys, R. Koch, L. Van Gool, A simple and efficient rectification method for general motion, Proceeding International Conference on Computer Vision (ICCV), 1999, Grce, pp. 496-501. S. Roy, J. Meunier, I. Cox, Cylindrical Rectification to Minimize Epipolar Distortion, Proceeding IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 1997, pp. 393-399. Roland Philippsen, Motion Planning And Obstacle Avoidance For Mobile Robots In Highly Cluttered Dynamic Environments, Thse n3146, cole Polytechnique Fdrale De Lausanne, 2004. Anthony Remazeilles, Navigation partir dune mmoire dimages, Thse doctorat, Universit de Rennes I, dcembre 2004.
[Nei99]
[Ohn94]
[Ohy94b]
tel-00673213, version 1 - 23 Feb 2012
[Pru88] [Pol91]
[Pre91]
[Pap96]
[Pap97]
[Pol99]
[Roy97]
[Phi04]
[Rem04]
177
Bibliographie
[Ric04]
Vincent Ricquebourg, Identification, Localisation et Suivi de personnes au sein dun habitat intelligent , Diplme dtudes approfondies, universit de Rouen et universit de Picardie Jules Verne, septembre 2004. J. T. Schwartz, M. Sharir, On the piano movers' problem: II. General techniques for computing topological properties of real algebraic manifold, Advances in Applied Mathematics, 1983, 4, pp. 298-351. T. Simon, Gnration automatique de trajectoires sans collision et planification de tches de manipulation en robotique, PhD thesis, Lab. d'Automatique et d'Analyse des Systmes, Toulouse (F), Jan. 1989. A.M. Sabatini, O.D. Benedetto, Towards a Robust Methodology for Mobile Robot Localisation Using Sonar, Proceedings of the IEEE International Confrence on Robotics and Automation, 1994, pp. 31423147. A. Stenz, Optimal and efficient path planning for partially known environment, In Proceedings IEEE International Conference on Robotics and Automation, may 1994. B. Schiele, J.L. Crowley, A comparison of position estimation techniques using occupancy grids, Proc. IEEE Int. Conf. on Robotics and Automation, San Diego, California, May 1994, pp 1628-1634. T. Skordas, Une revue des derniers progress en autocalibration de camera CCD, Traitement du signal, Vol. 12, N1, 1995. R. Simmons, The curvature velocity method for local obstacle avoidance, In Proceedings of the IEEE International Conference on Robotics and Automation, Minneapolis, 1996. K. Simsarian, T.J. Olson, N. Nandhakumar, View invariant regions and mobile robot selflocalization, IEEE Transactions on Robotics and Automation, October 1996. R. Siegwart, I.R. Nourbakhsh, Introduction to Autonomous Mobile Robots, A Bradford Book, The MIT Press, Cambridge, Massachusetts, London, England. Trait Mesures et Contrle, Techniques de lIngnieur, R 7 226, pp.1-9. R.Y. Tsa, An efficient and accurante camera calibration technique for 3D machine vision, IEEE Computer Vision and Pattern Recognition, Miami Beach Florida, June 1986, pp. 364 374. G. Toscani, Systme de Calibration et perception du mouvement en vision artificielle, Thse de Doctorat, Universit Paris Sud, 15 dc. 1987.
[Scw83]
[Sim89]
[Sab94]
tel-00673213, version 1 - 23 Feb 2012
[Ste94]
[Sch94]
[Sko95] [Smm96]
[Sma96]
[Sie04]
[Tec] [Tsa86]
[Tos87]
178
Bibliographie
[Tou88] [Tsa89]
Pierre Tournassoud, Gomtrie et Intelligence Artificielle pour les robots, Edition Hermes, Paris 1988. R.Y. Tsai, Synopsis of Recent Progress on Camera Calibration for 3D Machine Vision, In Oussama Khatib, John J. Craig, and Tom'as Lozano-P'erez, editors, The Robotics Review, MIT Press, 1989, pp. 147159. J.P. Tarel, Estimation gomtrique et appariement en modlisation automatique, Thse de Doctorat, Universit Paris IX-Dauphine, 1996. C.S. Tzafestas, S.G. Tzafestas, Recent algorithms for fuzzy and neurofuzzy path planning and navigation of autonomous mobile robots, Systems. Science, 1999, 25, pp. 25-39. S. Thrun, Learning metric-topological maps for indoor mobile robot navigation, Artificial Intelligence, 1999, 99(1), pp. 21-71. R. Thrapp, C. Westbrook, D. Subramanian, Robust localization algorithms for an autonomous campus tour guide, Proceedings of the 2001 IEEE International Conference on Robotics & Automation, Soul, Core, 21-26 may 2001, pp. 2065-2071. S. Uchida, S. Maeyama, A. Ohya, S. Yuta, Position Correction Using Elevation Map for Mobile Robot on Rough Terrain, Proceedings of the IEEE/RSJ International Confrence on Intelligent Robots and Systems, IROS'98, Victoria, Canada, October 13-17, 1998, pp. 582-587. I. Ulrich, J. Borenstein, VFH+: Reliable Obstacle Avoidance for Fast Mobile Robots, in Proc. IEEE Int. Conf. on Robotics and Automation, Leuven, Belgium, May 1998. I. Ulrich, I. Nourbaskhsh. Appearance based Place Recognition for Topological Localization, IEEE International Conference on Robotics and Automation, 2000, pp. 1023-1029. Iwan Ulrich et Johann Borenstein, VFH*: Local Obstacle Avoidance with Look-Ahead Verification, Proceedings of the IEEE International Conference on Robotics and Automation, San Francisco, CA, April 2000, pp. 2505-2511. J. Vaganay, Conception dun systme multisensoriel de localisation dynamique 3D pour robot mobile, Thse de doctorat, LIRMM, Montpellier, juillet 1993. A. Visser, F. Groen, Organisation and design of autonomous systems. Organisation and Design of Autonomous Systems Course, M.Sc., Faculty of Mathematics, Computer Science, Physics and Astronomy, University of Amsterdam, August 1999. D. Van Zwynsvoorde, Construction incrmentale de modles topologiques pour la Navigation d'un robot mobile, Thse de l'Universite Paul Sabatier, Dcembre 2000.
[Tar96] [Tza99]
[Thn99] [Thr01] tel-00673213, version 1 - 23 Feb 2012
[Uch98]
[Ulr98]
[Ulr00a]
[Ulr00b]
[Vag93]
[Vis99]
[Van00]
179
Bibliographie
[Vic00]
A. Victrorino, P. Rives, J.J. Borrelly, Localisation dun robot mobile et cartographie par tlmtrie laser, Journes des Jeunes Chercheurs en Robotique, Bourges, France, Fvrier 2000. P. Weckesser, R. Dillmann, Modeling unknown environments with a mobile robot, Robotics and Autonomous Systems, Vol. 23, 1998, pp. 293-300. C.K. Yap. An O(n log n) algorithm for the Voronoi diagram of a set of simple curve segments, Rapport de recherche, Robotics Laboratory, Courant Institute, New-York University, 1985. R.G. Zuidgeest, Multi sensor data fusion and the use of artificial intelligence, 12e International Conference Artificial Intelligence, Expert Systems, Natural Language, Nanterre, 1992, pp. 73-84. C. Zeller, Calibration Projective Affine et Euclidienne en Vision par Ordinateur, Thse de doctorat, cole Polytechnique, 1996.
[Wec98]
[Yap85]
[Zui92]
[Zel96]
tel-00673213, version 1 - 23 Feb 2012
180
tel-00673213, version 1 - 23 Feb 2012
Annexes.
181
Annexes
A. Formules de changement de repres : Le systme mobile ATRV2 et son environnement.

YU
2W + 1
YW XR
'
OW
XR ZB XB
YB
XR
R
ZR xR
2H + 1
R'
OR
YR
U y0
YR
yR XW
O Ri
tel-00673213, version 1 - 23 Feb 2012
ZU OU
U x0
XU
Repres utiliss Passage du repre R W au repre R x R = H xW R W y = W y Passage du repre R au repre R x R = x R cos R y R sin R R R R y = x sin R + y cos R Passage du repre R i au repre R U i U xU = x0 yR U U Ri y = y0 + x avec : RU OU , X U , Y U
Passage du repre R au repre R i x Ri = x R + x R Ri R y = yR + y Passage du repre R au repre R U U xU = x0 yR x R sin R y R cos R U U R R y = y0 + xR + x cos R y sin R
R (O R , X R , Y R ) R W (O W , X W , Y W ) R (O R , X , Y )
Ri O R , X R , Y R
U U ( x0 , y0 )
repre univers associ au milieu dvolution du systme mobile, repre local associ au systme mobile. Son dplacement est mesur par des capteurs odomtriques, repre associ la grille locale centre sur le systme mobile et dont la taille est peut tre ajuste sur la plus grande mesure ultrasonore dtecte. repre intermdiaire utilis pour le changement de repre de R Ri, repre initial associ au systme mobile, position initiale du systme mobile dans son U environnement (R ), la position et lorientation du systme mobile par rapport son repre initial ( R i ).
( x R , y R , R )
182
Annexes
B. Formules de changement de repres : Les 12 capteurs ultrasonores embarqus

Capteurs Modle
+ c 2 c 2 XR
Equations
xcR0 = rc 0 sin c 0 + d cos R y c 0 = rc 0 cos c 0 + d sin

rc 0
YR
c 2 + c 2
c0
i=1,2
XR
R xci = rci sin ci + d sin( ci ) R y ci = rci cos ci d cos( ci )
1 et 2 tel-00673213, version 1 - 23 Feb 2012
ci ci
YR XR d rci
+ c 2 c 2
rc 3
xcR3 = rc 3 sin c 3 + d sin R y c 3 = rc 3 cos c 3 + d cos
c3
YR
XR
+ c 2 c 2
4
rc 4 Y
R
x cR4 = rc 4 sin c 4 + d cos R y c 4 = rc 4 cos c 4 d sin

c4
XR
+ c 2
d
5 et 6
i = 5, 6
c 2
ci
R x ci = rci sin ci + d sin( ci + ) R y ci = rci cos ci d cos( ci + )
rci YR
ci
183
Annexes
XR
7
YR rc 7
d
+c 2
x cR7 = rc 7 sin c 7 + d sin R y c 7 = rc 7 cos c 7 d cos
c7
c 2
XR
YR rc8
c8
+ c 2 c 2
x cR8 = rc8 sin c8 + d sin R y c8 = rc8 cos c8 d cos
XR YR rc 9
c9
tel-00673213, version 1 - 23 Feb 2012
9
c 2 + c 2
x cR9 = rc 9 sin c 9 d cos R y c 9 = rc 9 cos c 9 d sin
XR YR
c10
rc10
10
d
c 2 + c 2
x cR10 = rc10 sin c10 d cos R y c10 = rc10 cos c10 d sin
XR YR
11
+c 2 c 2
c11
rc11
x cR11 = rc11 sin c11 + d sin R y c11 = rc11 cos c11 + d cos
avec : rci , ci et ci paramtres dfinissant la position du capteur i par rapport au centre de gravit du systme mobile, [ c 2, + c 2] o c est langle douverture du cne dmission du capteur ultrasonore,
184
Annexes
US 0 1 2 3 4 5 6 7 8 9 10 11
rc
(mm)
c (degrs)
80.54 74.69 67.96 55.12 80.54 74.69 67.96 55.12 -55.12 -66.80 66.80 55.12
c (degrs)
90.0 105.0 120.0 180.0 90.0 75.0 60.0 0.0 0.0 270.0 270.0 180.0
425.79 435.46 453.10 402.24 425.79 435.46 453.10 402.24 402.24 456.95 456.95 402.24
tel-00673213, version 1 - 23 Feb 2012
230 160 115 60
XR
XR
90
210 3 456 7
420
YR
11 10 8 9
YR
840
90
50
460
50
Positions, orientations et zones couvertes des 12 capteurs ultrasonores de lATRV2.
185
Annexes
C. Calibrage des camras et du banc stroscopique.

C.1. La camra: Le modle Pinole.
ZC
Repre image
B (xC,yC,zC)
X Re
b
Repre rtine
x Re , y Re (u, v )
Y Re
XC
Repre camra
tel-00673213, version 1 - 23 Feb 2012
F Centre de projection
YC
Modle de camra utilis Passage du repre Rtine au Passage du repre Image au repre Image. repre Rtine. R e u0 u x = Re u = k u x + u 0 ku Re v v0 v = k v y + v0 y Re = kv Passage du repre Rtine au repre Camra. C C Re z = x x f C z y C = y Re f Passage du repre Camra (gauche ou droite) au repre Image
i s u u sv = 0 s 0
vi
0
i xC u0 C i v0 y (i = G ou D) C 1 z
avec : G G u u0 = - 7.4997925 e + 02 = 3.5145071 e + 02 G G v = 6.2731322 e + 02 v = 4.0885937 e + 02 et 0 D D u = - 7.3052412 e + 02 u 0 = 3.4582972 e + 02 D D v = 6.0016980 e + 02 v0 = 3.9561875 e + 02 Valeurs calculs partir dimages acquises de taille 600X560.
186
Annexes
C.2. Le banc stroscopique.

C ZG C ZD
C XG
C XD
C YD C YD
ZR XR
YR
Modle gomtrique du banc stroscopique : vue de perspective. tel-00673213, version 1 - 23 Feb 2012 Passage du repre Robot au repre Camra (gauche ou droite). i i i i xiC r11 xR r12 r13 tx C i i i r23 t iy y R y i r21 r22 (i = G ou D) C = i i i i R z r r r t z i z 31 32 33 1 0 0 1 0 1 avec : G D r11 r11 = -0.08271184882285 = -0.07733514262240 G D r12 = -0.00759219156692 r12 = -0.02074146739449 G D r13 r13 = -0.97680910896757 = -0.98372638368125 G D r21 = 0.20829899732750 r21 = 0.16154101741209 r G = 0.95749299156391 r D = 0.97259664934943 22 22 G D r23 = -0.03469120677768 r23 = -0.04727718867043 et D r G = -1.00000000000000 31 r31 = -1.00000000000000 G D r32 = 0.19200474884143 r32 = 0.15102256632406 r G = 0.06355917643143 r D = 0.06257036855085 33 33 G D t x = 8.131001172488038 e + 02 tx = 8.191392271237748 e + 02 G D t y = -1.057477996328210 e + 02 t y = 1.126011879737281 e + 02 G D t z = 1.531416816237290 e + 02 t z = 1.980238691323546 e + 02 Valeurs calculs partir dimages acquises de taille 600X560.
187
Annexes
C.3. Le systme mobile ATRV2 et le banc stroscopique.

YU
B
XR XR uG
D
'
vD
vG
XR
R
ZR xR
R'
OR
YR
U y0
YR
yR
O Ri
ZU OU
U x0
XU
tel-00673213, version 1 - 23 Feb 2012
Repres utiliss Passage du repre Image gauche au repre R du robot mobile.

xR s u G - 2.8941854 e + 02 7.3174191 e + 01 7.5492448 e + 02 - 5.5598646 e + 05 R G y s u = - 2.7819066 e + 02 6.7915095 e + 02 4.2245125 e + 00 - 3.7235805 e + 03 R s - 1.0000000 e + 00 1.9200475 e - 01 6.3559176 e - 02 1.5314168 e + 02 z 1 Passage du repre Image droite au repre R du robot mobile. xR s u D - 2.8933454 e + 02 6.7380234 e + 01 7.4027454 e + 02 - 5.2991842 e + 05 R D y s u = - 2.9866671 e + 02 6.4347050 e + 02 - 3.6203301 e + 00 1.4592179 e + 05 R z s - 1.0000000 e + 00 1.5102257 e - 01 6.2570369 e - 02 1.9802387 e + 02 1
C.4- Le calibrage du banc stroscopique : exprimentation.
ZR
XR
YR
Scne de calibrage
188
Annexes
(a)
tel-00673213, version 1 - 23 Feb 2012
(b)
(c) Camra Gauche (24 points) X YR Z R uG vG

R
Camra Droite (18 points) X YR Z R uD vD

R
530.00 530.00 530.00 530.00 530.00 530.00 530.00 530.00 530.00 545.00 595.00 645.00 695.00 545.00 595.00 645.00 695.00 545.00 595.00 645.00 695.00 595.00
30.00 -20.00 -70.00 30.00 -20.00 -70.00 30.00 -20.00 -70.00 45.00 45.00 45.00 45.00 45.00 45.00 45.00 45.00 45.00 45.00 45.00 45.00 45.000
830.00 830.00 830.00 780.00 780.00 780.00 730.00 730.00 730.00 830.00 830.00 830.00 830.00 780.00 780.00 780.00 780.00 730.00 730.00 730.00 730.00 680.00
253 256 260 368 369 369 480 479 478 256 260 264 267 365 356 348 342 472 448 429 414 540
401 487 571 398 486 568 396 485 563 369 355 345 337 366 352 343 336 362 349 341 335 346
530.00 530.00 530.00 545.00 595.00 645.00 695.00 545.00 595.00 645.00 695.00 545.00 595.00 645.00 695.00 595.00 645.00 695.00
-270.00 -270.00 -270.00 -255.00 -255.00 -255.00 -255.00 -255.00 -255.00 -255.00 -255.00 -255.00 -255.00 -255.00 -255.00 -255.00 -255.00 -255.00
830.00 780.00 730.00 830.00 830.00 830.00 830.00 780.00 780.00 780.00 780.00 730.00 730.00 730.00 730.00 680.00 680.00 680.00
270 382 492 271 273 276 278 378 367 359 353 484 460 441 426 549 522 498
586 583 577 550 516 490 470 545 512 487 468 540 507 483 464 501 478 458
189
Annexes
645.00 45.00 695.00 45.00
680.00 510 680.00 488
339 331
(d) Paire stroscopique 1 de la mire de calibrage : (a) Paires dimages acquises de la mire. (b) et (c) Validation 2D des rsultats du calibrage (les cercles rouges dsignent les points 2D extraits manuellement et les croix bleus dsignent les points 2D calculs partir de la matrice de projection perspective M). (d) Points extraits et utiliss lors du calibrage.
(a) tel-00673213, version 1 - 23 Feb 2012
(b)
(c)
Camra Gauche (32 points) YR Z R uG vG

-120.00 -170.00 -120.00 -170.00 -120.00 -170.00 -120.00 -170.00 -120.00 -170.00 -105.00 -105.00 830.00 830.00 780.00 780.00 730.00 730.00 680.00 680.00 630.00 630.00 830.00 830.00 272 274 340 340 406 406 473 472 537 535 273 274 523 572 522 571 519 569 517 566 513 562 501 482
Camra Droite (31 points) YR Z R uD vD

-270.00 -320.00 -270.00 -320.00 -270.00 -320.00 -370.00 -270.00 -320.00 -370.00 -255.00 -255.00 830.00 830.00 780.00 780.00 730.00 730.00 730.00 680.00 680.00 680.00 830.00 830.00 276 280 350 352 424 425 425 496 496 495 278 278 493 548 490 547 487 543 597 483 539 593 470 453
730.00 730.00 730.00 730.00 730.00 730.00 730.00 730.00 730.00 730.00 745.00 795.00
695.00 695.00 695.00 695.00 695.00 695.00 695.00 695.00 695.00 695.00 710.00 760.00
190
Annexes
845.00 895.00 745.00 795.00 845.00 895.00 745.00 795.00 845.00 895.00 745.00 795.00 845.00 895.00 745.00 795.00 845.00 895.00 845.00 895.00
-105.00 -105.00 -105.00 -105.00 -105.00 -105.00 -105.00 -105.00 -105.00 -105.00 -105.00 -105.00 -105.00 -105.00 -105.00 -105.00 -105.00 -105.00 -105.00 -105.00
830.00 830.00 780.00 780.00 780.00 780.00 730.00 730.00 730.00 730.00 680.00 680.00 680.00 680.00 630.00 630.00 630.00 630.00 580.00 580.00
275 277 339 335 332 328 404 394 387 380 468 454 442 431 532 512 496 482 548 530
466 452 499 480 464 451 497 478 463 449 495 476 461 447 492 473 458 445 455 443
810.00 860.00 710.00 760.00 810.00 860.00 710.00 760.00 810.00 860.00 710.00 760.00 810.00 860.00 710.00 760.00 810.00 860.00
-255.00 -255.00 -255.00 -255.00 -255.00 -255.00 -255.00 -255.00 -255.00 -255.00 -255.00 -255.00 -255.00 -255.00 -255.00 -255.00 -255.00 -255.00
830.00 830.00 780.00 780.00 780.00 780.00 730.00 730.00 730.00 730.00 680.00 680.00 680.00 680.00 630.00 630.00 630.00 630.00
279 280 349 343 339 335 419 408 399 390 490 473 459 445 557 536 516 499
439 428 467 451 437 426 464 448 436 424 460 445 432 421 456 440 429 418 416
860.00 -255.00 580.00 552
tel-00673213, version 1 - 23 Feb 2012
(d) Paire stroscopique 2 de la mire de calibrage : (a) Paires dimages acquises de la mire. (b) et (c) Validation 2D des rsultats du calibrage (les cercles rouges dsignent les points 2D extraits manuellement et les croix bleus dsignent les points 2D calculs partir de la matrice de projection perspective M). (d) Points extraits et utiliss lors du calibrage.
(a)
(b)
191
Annexes
(c) Camra Gauche (36 points) XR YR Z R uG vG

810.00 810.00 810.00 810.00 810.00 810.00 810.00 810.00 810.00 810.00 810.00 810.00 825.00 875.00 925.00 975.00 825.00 875.00 925.00 975.00 825.00 875.00 925.00 975.00 825.00 875.00 925.00 975.00 825.00 875.00 925.00 975.00 825.00 875.00 925.00 -165.00 -215.00 -165.00 -215.00 -165.00 -215.00 -165.00 -215.00 -165.00 -215.00 -165.00 -215.00 -150.00 -150.00 -150.00 -150.00 -150.00 -150.00 -150.00 -150.00 -150.00 -150.00 -150.00 -150.00 -150.00 -150.00 -150.00 -150.00 -150.00 -150.00 -150.00 -150.00 -150.00 -150.00 -150.00 830.00 830.00 780.00 780.00 730.00 730.00 680.00 680.00 630.00 630.00 580.00 580.00 830.00 830.00 830.00 830.00 780.00 780.00 780.00 780.00 730.00 730.00 730.00 730.00 680.00 680.00 680.00 680.00 630.00 630.00 630.00 630.00 580.00 580.00 580.00 276 277 334 334 391 391 448 447 504 503 559 556 276 277 278 279 333 330 327 325 389 382 376 371 445 434 424 416 500 486 472 461 554 535 519 530 572 529 571 527 570 524 566 522 564 519 561 511 494 479 467 510 492 478 466 508 491 477 465 506 489 475 463 504 487 473 461 500 484 470 459
Camra Droite (44points) YR Z R uD vD

830.00 830.00 830.00 830.00 780.00 780.00 780.00 780.00 730.00 730.00 730.00 730.00 680.00 680.00 680.00 680.00 630.00 630.00 630.00 630.00 830.00 830.00 830.00 830.00 780.00 780.00 780.00 780.00 730.00 730.00 730.00 730.00 680.00 680.00 680.00 680.00 630.00 630.00 630.00 630.00 580.00 580.00 580.00 279 281 284 285 337 338 340 341 395 396 396 397 452 453 453 453 507 508 507 507 280 280 281 282 336 333 330 327 392 385 380 374 449 437 427 419 501 488 476 463 556 538 521 450 495 538 580 448 493 537 579 446 491 534 576 444 488 531 574 441 485 528 570 433 422 413 405 431 420 411 404 429 418 409 402 426 416 408 400 424 413 404 398 421 410 403 395
975.00 -150.00 580.00 505
830.00 -270.00 830.00 -320.00 830.00 -370.00 830.00 -420.00 830.00 -270.00 830.00 -320.00 830.00 -370.00 830.00 -420.00 830.00 -270.00 830.00 -320.00 830.00 -370.00 830.00 -420.00 830.00 -270.00 830.00 -320.00 830.00 -370.00 830.00 -420.00 830.00 -270.00 830.00 -320.00 830.00 -370.00 830.00 -420.00 845.00 -255.00 895.00 -255.00 945.00 -255.00 995.00 -255.00 845.00 -255.00 895.00 -255.00 945.00 -255.00 995.00 -255.00 845.00 -255.00 895.00 -255.00 945.00 -255.00 995.00 -255.00 845.00 -255.00 895.00 -255.00 945.00 -255.00 995.00 -255.00 845.00 -255.00 895.00 -255.00 945.00 -255.00 995.00 -255.00 845.00 -255.00 895.00 -255.00 945.00 -255.00
tel-00673213, version 1 - 23 Feb 2012
995.00 -255.00 580.00 507
(d)
192
Annexes
Paire stroscopique 3 de la mire de calibrage : (a) Paires dimages acquises de la mire. (b) et (c) Validation 2D des rsultats du calibrage (les cercles rouges dsignent les points 2D extraits manuellement et les croix bleus dsignent les points 2D calculs partir de la matrice de projection perspective M). (d) Points extraits et utiliss lors du calibrage.
(a)
tel-00673213, version 1 - 23 Feb 2012
(b) Camra Gauche (40 points) G u vG 255 392 255 343 256 300 257 263 330 391 326 342 323 299 319 262 405 389 396 340 388 298 381 261 478 387 465 338 453 297 442 260 549 385 532 337 516 295 501 259 Camra Droite (40 points) uD vD 250 157 251 126 251 99 252 76 326 154 321 123 317 96 313 74 401 152 391 121 381 95 373 73 474 151 459 120 445 94 433 71 546 151 526 119 508 94 492 71
193
Annexes
tel-00673213, version 1 - 23 Feb 2012
254 258 259 262 330 327 324 322 404 395 387 382 477 463 451 440 546 528 512 497
418 446 469 490 418 446 469 490 415 443 467 488 413 441 465 486 410 438 462 483
250 255 258 262 327 325 325 324 402 397 390 386 476 465 455 446 547 532 518 505
183 230 270 306 181 228 269 305 179 226 267 303 178 224 265 301 177 223 263 299
(c) Reconstruction 3D de la paire stroscopique 4 de la mire de calibrage. (a) Paires dimages acquises de la mire, les cercles rouges dsignent les points 2D extraits manuellement. (b) Reconstruction 3D dans le repre du robot mobile ATRV2 des points extraits. (c) Points extraits et utiliss lors de la reconstruction.
(a)
(b)
194
Annexes
Camra Gauche (58 points) G u vG 380 442 339 386 305 338 274 296 448 424 407 373 370 328 336 289 509 409 467 361 427 320 392 282 519 351 480 312 444 277 526 305 489 271 531 267 384 472 357 505 334 533 314 557 453 454 422 488 396 516 373 540 511 436 479 470 451 499 425 524 530 454 500 482 473 508 545 468 349 457 323 492 303 521 286 545 271 566 257 584 313 402 293 439 276 470 262 497 249 521
Camra Droite (58 points) uD vD 375 159 334 125 299 97 268 74 445 158 401 126 363 99 329 77 506 158 460 127 420 101 385 79 514 128 472 103 436 82 519 106 481 85 522 88 382 189 357 248 335 298 317 343 452 188 424 243 400 291 378 334 512 186 483 238 457 284 433 325 535 234 508 277 482 317 553 271 345 177 321 236 303 287 286 332 272 371 258 405 308 143 289 199 274 249 261 293 248 333
tel-00673213, version 1 - 23 Feb 2012
195
Annexes
236 281 265 251 239 227 217 252 238 228 218 208 198
541 353 392 425 453 479 501 310 350 383 413 440 464
236 275 260 248 237 226 215 246 234 225 215 205 196
367 114 168 216 259 298 332 90 141 188 229 267 302
tel-00673213, version 1 - 23 Feb 2012
(c) Reconstruction 3D de la paire stroscopique 5 de la mire de calibrage. (a) Paires dimages acquises de la mire, les cercles rouges dsignent les points 2D extraits manuellement. (b) Reconstruction 3D dans le repre du robot mobile ATRV2 des points extraits. (c) Points extraits et utiliss lors de la reconstruction.
P5 P4
P6
P3
P2
P1
(a)
(b)
Y Z P1 -27 739 P2 -22 895 P3 -4 972 -2 589 P4 -3 315 3 546 P5 1 528 2 034 P6 1 631 -555 (c) Champ de vision commun des deux camras du banc stroscopique. (a) Le champ thorique. (b) Le champ calcul aprs calibrage. (c) Points formant le champ de vision.
X 422 430 8 711 6 479 3 751 3 986
196
Annexes
D. Commande du mouvement.
D.1.Dplacement du systme mobile ATRV2 dans son environnement.
Calcul du rayon de courbure ICR. r F

VL D ICR R 2d VR
D R = tg V R +V L = d V V R L (R min = d ) max ( = 0) R =
tel-00673213, version 1 - 23 Feb 2012
Calcul des valeurs de v et w : d R p + V R 1 + R d V 2 R + d R v V R 2 V R +V L v = = 0 0R pd 2 d R f V L R + d 1 + V L 2 R d v V L 2
V R 2d V R V L = = 2d V L 2d
d R p + R d 1 V R +d R 0 2d d R f R +d 1 V L 0 R d 2d
197
Annexes
E. Algorithme de planification de chemin optimal bas sur lalgorithme D*.

Les fonctions Init_D* et Case_D* : Nous avons prsent les deux fonctions de mme faon que celles utilises dans [Ste94] pour montrer leurs diffrences et similitudes.
Function : Init_D * . L1 Do { L 2 X = MinState(). L3 if ( X == Null ) break . L 4 k old = GetKmin(). L5 Delete( X ). L6 wc = WorkableCase( X ). L7 if ( wc) { L8 if ( k old p h( X ) ) L9 L10
Pr ocessI ( X , k old ).
Function : Case_D* (X Rob ). L1 The tag value of all states is set to New. L 2 The backpointer of all states is set to 1. L3 The goal G in the OpenList. L 4 Do { L5 X = MinState(). L6 if (( X == Null ) or ( X == X Rob )) break . L7 k old = GetKmin(). L8 Delete( X ). L9 wc = WorkableCase( X ). L10 if ( wc ) { L11 L12 L13 L14 L15 L16
}
tel-00673213, version 1 - 23 Feb 2012
else if ( k old == h( X ))
Pr ocessII ( X , k old ).
L11 L12
if ( k old p h( X ) )
Pr ocessI ( X , k old ).
else Pr ocessIII ( X , k old ).
} L13 L14 k p = GetKmin(). L15 }while(k p ! = 1).
else if ( k old == h( X ))
Pr ocessII ( X , k old ).
else Pr ocessIII ( X , k old ).
L17 k p = GetKmin(). L18 }while(k p ! = 1).

bool WorkableCase(X). L1 wc = true. L2 L3 for each neighbor Y of X : if (Y is not walkable or L4 Y ' s CV f 0) wc = false. L5 return( wc).
Function : ProcessI(X, k old ). L1 for each neighbor Y of X : L 2 if ((h(Y ) k old ) and ( h( X ) f (h( X ) + c(Y , X ))){ L3 L4 b( X ) = Y ; h( X ) = h(Y ) + c(Y , X ). }
Function : ProcessII(X, k old ). L1 for each neighbor Y of X : L 2 if ((t (Y ) = New) or L3 (b(Y ) == X ) and (h(Y )! = (h( X ) + c ( X , Y )) or L4 (b(Y )! = X ) and (h(Y ) f (h( X ) + c ( X , Y ) )){ L5 b(Y ) = X . L6 L7 Insert (Y , h( X ) + c ( X , Y )). }
L5 Function : ProcessIII(X, k old ).
L1 for each neighbor Y of X : L 2 if ((t (Y ) = New) or (b(Y ) == X ) and (h(Y )! = (h( X ) + c( X , Y ))){ L3 L4 b(Y ) = X . L6 Insert (Y , h( X ) + c( X , Y )). } L7 L8 else if ((b(Y )! = X ) and (h(Y ) f (h( X ) + c( X , Y ))) L9 Insert ( X , h( X )). L10 else if ((b(Y )! = X ) and (h( X ) f (h(Y ) + c(Y , X ))) L11 and (t (Y ) = Closed ) and (h(Y ) f k old )){ L12 L13 Insert (Y , h(Y )). }
9 La fonction MinState, renvoie la cellule dans OpenList dont la valeur de k est minimale, et elle renvoie NULL si la liste est vide.
198
Annexes
9 La fonction GetKmin, retourne la valeur kmin dans Openlist, la valeur -1 est retourne si la liste est vide. 9 La fonction Delete(X) supprime la cellule X du OpenList et initialise t(X)=Closed. 9 La fonction Insert(X, hnew), calcule : k(X)=hnew si t(X)=New, k(X)=min(k(X ),hnew) si t(X)=Open, k(X)=min(h(X), hnew) si t(X)=Closed, prend h(X)=hnew et t(X)=Open, et place ou repositionne suivant la valeur de k la cellule X dans OpenList.
tel-00673213, version 1 - 23 Feb 2012
199

Djekoune USTHB 2010

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Djekoune USTHB 2010

Transféré par

Droits d'auteur :

Formats disponibles

N dordre : 06/2010-D/EL REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTERE DE L'ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE

UNIVERSITE DES SCIENCES ET DE LA TECHNOLOGIE HOUARI BOUMEDIENE

Facult d Electronique et dInformatique

tel-00673213, version 1 - 23 Feb 2012

Localisation Et Guidage Du Robot Mobile Atrv2 Dans Un Environnement Naturel.

tel-00673213, version 1 - 23 Feb 2012

tel-00673213, version 1 - 23 Feb 2012

tel-00673213, version 1 - 23 Feb 2012

Table des matires

Chapitre II : Localisation et navigation des systmes de robotique mobile.

tel-00673213, version 1 - 23 Feb 2012

57 57 57 57 58 58 61 64 65 66 67 68 68 69 71 71 71 73 74 76 78 78 79 79 80 81 86 88 88 90 91 91 92 92 94 95 96 96 99 100 100 100 100 101 105 105 108 108

Chapitre IV : Localisation et navigation proposes pour le systme mobile ATRV2.

tel-00673213, version 1 - 23 Feb 2012

Conclusion gnrale et perspectives. Bibliographie. Annexes.

Table des figures

tel-00673213, version 1 - 23 Feb 2012

tel-00673213, version 1 - 23 Feb 2012

tel-00673213, version 1 - 23 Feb 2012

Liste des tableaux

tel-00673213, version 1 - 23 Feb 2012

tel-00673213, version 1 - 23 Feb 2012

tel-00673213, version 1 - 23 Feb 2012

II. Problmatique traite.

III. Motivation et Contributions.

tel-00673213, version 1 - 23 Feb 2012

IV. Plan de la thse.

tel-00673213, version 1 - 23 Feb 2012

Introduction aux systmes de robotique mobile.

tel-00673213, version 1 - 23 Feb 2012

Systme de perception des systmes de robotique mobile.

Chapitre I : Systme de perception des systmes de robotique mobile

I.1. Capteurs utiliss dans les systmes de robotique mobile.

tel-00673213, version 1 - 23 Feb 2012

I.1.1. Capteurs proprioceptifs.

Chapitre I : Systme de perception des systmes de robotique mobile

Si lon note U t = (d t , t ) t , on peut crire les relations du systme ci-dessus sous

Chapitre I : Systme de perception des systmes de robotique mobile

tel-00673213, version 1 - 23 Feb 2012

Chapitre I : Systme de perception des systmes de robotique mobile

tel-00673213, version 1 - 23 Feb 2012

Figure I.2 : Principe du capteur effet Doppler. Lexpression de la vitesse est :

Chapitre I : Systme de perception des systmes de robotique mobile

tel-00673213, version 1 - 23 Feb 2012

Chapitre I : Systme de perception des systmes de robotique mobile

I.1.2. Capteurs extroceptifs.

tel-00673213, version 1 - 23 Feb 2012

Chapitre I : Systme de perception des systmes de robotique mobile

tel-00673213, version 1 - 23 Feb 2012

Figure I.4 : Exemple de ceinture de 12 capteurs ultrasons. b. Les capteurs infrarouges.

Figure I.5 : Exemple d'utilisation d'un capteur tri-aural.

Chapitre I : Systme de perception des systmes de robotique mobile

Figure I.6 : Tlmtre infrarouge Sharp de la famille GP2.

tel-00673213, version 1 - 23 Feb 2012

Chapitre I : Systme de perception des systmes de robotique mobile

tel-00673213, version 1 - 23 Feb 2012

Chapitre I : Systme de perception des systmes de robotique mobile

tel-00673213, version 1 - 23 Feb 2012

Chapitre I : Systme de perception des systmes de robotique mobile

Chapitre I : Systme de perception des systmes de robotique mobile

tel-00673213, version 1 - 23 Feb 2012

Chapitre I : Systme de perception des systmes de robotique mobile

tel-00673213, version 1 - 23 Feb 2012