Localisation et Cartographie Simultanées avec Vision Monoculaire

This thesis tackles the Simultaneous Localisation And Mapping problem (SLAM for short). When the robot moves in an unknown environment, it has to incrementally build a map of the environment while using this map to localise itself. A SLAM algorithm is a fundamental part of the architecture of a fully autonomous robot. Several elements are required to solve SLAM, among which perception is of main importance since it produces observations of the objects of the environment (referred as landmarks) which compose the map. In this work, the focus is put on artificial vision as the main perception mean for the robot: the map and the robot location can be estimated in the full 3D space. Digital cameras are well suited for embedded systems and produce a valuable information on the environment. But a camera does not give a measure of the distance to the objects, only partial observations are available. The addition of a new landmark in the map is then a difficult problem. An initialisation method for 3D point landmarks is proposed, it is based on a multi-hypotheses generation and selection scheme. A full SLAM solution for a rover is described, in particular the use of a panoramic camera delivers a 360 degrees field of view. This architecture has been implemented on an ATRV rover. A map of 3D points is relevant for robot localisation, but gives a limited information on the structure of the environment. An algorithm to introduce 3D line segments in the map is proposed and tested on real dataCette thèse aborde le problème de localisation et cartographie simultanée pour un robot mobile. Lorsque le robot Évolue dans un environnement inconnu, il doit construire une carte au fur et mesure qu'il explore le monde, tout en se localisant dans celle-ci. De l'anglais \textit{Simultaneous Localisation And Mapping}, le SLAM est une brique essentielle de l'architecture d'un robot autonome. Plusieurs éléments sont nécessaire ‡ la résolution du SLAM, en particulier la perception de l'environnement permet d'observer les éléments de référence (appelés amers) qui constituent la carte. Ces travaux se focalisent sur l'utilisation de la vision artificielle comme moyen de percevoir l'environnement, ainsi la carte et la position du robot peuvent être estimées dans l'espace 3D complet. Les caméras numériques sont des capteurs bien adaptés aux systèmes embarqués et fournissent une information riche sur l'environnement. Mais une caméra ne permet pas de mesurer la distance aux objets, dont on n'obtient donc que des observations partielles. En particulier, ceci rend difficile l'ajout d'un nouvel amer dans la carte. Une méthode d'initialisation pour des amers de type point est proposée, elle s'appuie sur un mécanisme de génération puis de sélection d'hypothèses. Une architecture SLAM pour un robot terrestre est décrite dans son ensemble, en particulier une caméra panoramique est utilisée et permet de percevoir l'environnement sur 360 degrés. Cette architecture a été implémentée sur un robot de type ATRV. Une carte de points 3D est pertinente pour la localisation d'un robot, mais donne une information limitée sur la structure de l'environnement. Un algorithme permettant d'utiliser des segments de droite est proposé, et testé sur des données réelle