Aide à la navigation pour les personnes handicapées : reconnaissance de trajets

The work presented in this thesis concerns navigation assistance for a smart wheelchair. We propose a new approach based on this behaviour based structure, aiming at assisting the user in a global way. The intelligent system relies on a modelisation of the most frequently used routes and assists the user when navigating by suggesting the next movement when the route has been recognised. The user will not have to change the direction, thus sparing him/her an action. This work is included in the VAHM project that use commercial electric wheelchair which is enhanced by several sensors and a calculator. The VAHM project is using a multi-agent control system. Different behaviours (direction following, wall following, obstacle avoidance ...) are designed react to the environment. At first, we tried to modelize and recognize behaviour sequences with HMM. This method showed its limits to generalize the recognition of unlearned trajectories. Then we used M-HMM (by adding sensor?s data) to achieve recognition. However, our tests show that the recognition is better by using only sensor?s data. These observations have conducted us to use only sensor?s data for the recognition. The CONDENSATION algorithm had been tested to perform recognition from sensor's data. This system earn numerous advantages including that it doesn?t need a complex model since only one reference trajectory is necessary to perform the recognition. Then these trajectory models have been put into a Bayesian network to facilitate transitions between models in order to recognize a long trajectory. The last part of this thesis presents recognition?s results in real conditions on the VAHM 3 wheelchair prototypeLe travail présenté dans ce mémoire porte sur l'aide à la navigation pour un fauteuil intelligent. Le but est de réaliser un système de reconnaissance et de suivi de trajets. Ce travail s'inscrit dans le projet VAHM qui utilise des fauteuils électriques du commerce sur lesquels ont été ajoutés une série de capteurs et un calculateur. Le VAHM utilise différents comportements (suivi de direction, suivi de mur, évitement d'obstacles,...) pour contrôler le fauteuil et pour réagir à l'environnement. On étudie, en premier lieu, la possibilité d'utiliser l'enchaînement des comportements du fauteuil pour modéliser et reconnaître un trajet en utilisant les MMC. Cette méthode montre ses limites en ce qui concerne la généralisation du modèle à des trajets non appris. Puis l?utilisation des MMC-MD est alors étudiée en intégrant, en plus des comportements, des données provenant des capteurs. Cependant les essais montrent que la reconnaissance est meilleure en utilisant uniquement les données provenant des capteurs. Ceci qui nous a conduit à n'utiliser que les données provenant des capteurs dans la suite du projet pour réaliser la reconnaissance. L'algorithme CONDENSATION est alors utilisé. Il possède de nombreux avantages dont celui de ne pas avoir besoin de modèle complexe puisque un seul trajet de référence est nécessaire pour réaliser la reconnaissance. Ces modèles de trajets sont ensuite mis dans un réseau bayésien pour faciliter les transitions d'un modèle à l'autre. La dernière partie du mémoire présente les résultats de la mise en oeuvre de la reconnaissance en conditions réelles sur le fauteuil VAHM