Localisation d'un robot mobile autonome en environnements naturels

This thesis focuses on the problem of localizing an autonomous mobile robot in natural environments. The first part of the manuscript presents the problem in a functional aspect and explores algorithmic methods that produce an estimate of the rover position. A classification of such methods is suggested and three main classes are proposed. The first class is called "local". Algorithms of this class work directly on raw data perceived by the robot and usually run at high frequency; the rover position is computed incrementally, by summing elementary displacements. It is for instance the case of odometry, the first method developed in the manuscript and to which a chapter is devoted. An original visual motion estimation method is then proposed: it uses stereo-vision and pixel tracking in video-image sequences. This method helps to palliate odometry drawbacks, notably on uneven terrains. However, positions computed by local methods enventually drift. It is thus necessary, for long term navigation, to use methods of the second class which we call "global": such methods (such as landmark based approaches) reduce the drifts of the local methods. A method based on local digital elevation maps --- incrementally built --- is proposed in the third chapter. Digital elevation maps allow to refine the position estimate by minimizing a distance between a local 3D image and the environment's model. Furthermore, thanks to an original map structure, the rover's trajectory is memorized: this allow to back-propagate modifications on previous position estimates (corrected by landmark based algorithms for instance) and thus guarantee a better spatial coherence of the global model. The last class of algorithms is called "absolute" and concerns localization methods that work on high level data, issued of a fusion and an interpretation of local data. However, such methods are not presented in this document. The next chapter of the manuscript presents localization from the "integr ation" point of view and analyzes the problems raised by integrating several localization algorithms together. To obtain real autonomy, the rover must be able to use a large panel of functionalities (even redundant ones). Integrating these methods has been done in the LAAS architecture context (an architecture for autonomous systems). This architecture gives a mean to use modular functionalities and allows them to cooperate. It has been necessary to precise how localization functionalities had to be integrated. In particular, time-stamps, data tagging and data fusion problems have been addressed.Cette thèse aborde le problème de la localisation d'un robot mobile autonome en environnements naturels. La première partie du mémoire s'intéresse aux méthodes algorithmiques pouvant fournir une estimation de position et une classification de ces différentes méthodes en trois grandes catégories est proposée. La première classe présentée est dite " locale ". Elle repose sur un niveau d'abstraction très faible et utilise des données " brutes " ; la position du robot est calculée de façon incrémentale, par cumul de déplacements élémentaires. L'odométrie appartient à cette classe et ce document présente une analyse de ses performances. Une méthode originale d'estimation visuelle des déplacements est également proposée. Elle utilise la stéreo-vision et effectue le suivi de pixels dans une séquence d'images vidéo pour en déduire des déplacements élémentaires. Cette méthode permet de pallier certains inconvénients de l'odométrie, notamment en terrains accidentés. Les positions produites par les méthodes locales sont cependant sujettes à des dérives inexorables. Il est donc nécessaire d'utiliser des méthodes de la seconde classe --- dite " globale ". Celles-ci permettent, dans certaines circonstances, de réduire la dérive des méthodes locales (on trouve notamment dans cette catégorie les méthodes de localisation sur amers). Une méthode basée sur des cartes d'élévations est présentée. Cette représentation permet un recalage en position par minimisation d'une distance entre une image 3D locale et le modèle. De plus, grâce à une technique particulière de construction, une mémorisation de la trajectoire du robot permet de rétro-propager des modifications sur certaines positions et de garantir ainsi une (meilleure) cohérence spatiale du modèle. La dernière catégorie, regroupant les méthodes de localisation par rapport à un modèle initial ou les méthodes " absolues ", ne sont pas abordées dans ce document. La deuxième partie du mémoire analyse les problèmes posés par l'intégration des diverses méthodes à bord d'un robot dans le but de doter celui-ci d'un éventail de fonctionnalités, éventuellement redondantes. Une démonstration de navigation, réalisée grâce au robot Lama du groupe RIA du LAAS, est détaillée. L'intégration a été réalisée à travers le formalisme défini dans l'architecture LAAS (architecture pour les systèmes autonomes) et a abouti à la précision, au sein de cette architecture, du cadre nécessaire aux fonctionnalités de localisation. Notamment, les problèmes du datage des données et de fusion des informations de position sont pris en compte et une réflexion sur les transferts de données est proposée