Capteur de stétéovision hybride pour la navigation des drones

La connaissance de l attitude, de l altitude, de la segmentation du sol et du mouvement est essentielle pour la navigation d un drone, en particulier durant les phases critiques de décollage et d atterrissage. Dans ce travail de thèse, nous présentons un système stéréoscopique hybride composé d une caméra fisheye et d une caméra perspective pour estimer les paramètres de navigation d un drone. À partir de ce capteur, une approche systémique est proposée. Contrairement aux méthodes classiques de stéréovision basées sur l appariement de primitives, nous proposons des méthodes qui évitent toute mise en correspondance entre les vues hybrides. Une technique de plane-sweeping est suggérée pour déterminer l altitude et détecter le plan du sol. La rotation et la translation du mouvement sont ensuite découplés : la vue fisheye contribue à évaluer l attitude et l orientation tandis que la vue perspective contribue à apporter l échelle métrique de la translation. Le mouvement peut ainsi être estimé de façon robuste et à l échelle métrique grâce à la connaissance de l altitude. Cette méthode repose sur l algorithme des 2-points complété par un filtre de Kalman. Nous proposons des approches robustes, temps réel et précises, exclusivement basées sur la vision avec une implémentation C++. Bien que cette approche évite l utilisation de capteurs autres que les caméras, ce système peut également être appuyé par une centrale inertielle.Knowledge of attitude, altitude, ground plane segmentation and motion is essential for an Unmanned Aerial Vehicle during critical maneuvers such as landing and take-off. In this thesis we present a hybrid stereoscopic rig composed of a fisheye and a perspective camera for visionbased navigation. This sensor is then exploited by systemic methods. In contrast to classical stereoscopic systems based on feature matching, we propose methods which avoid matching between hybrid views. A planesweeping approach is proposed for estimating altitude and detecting the ground plane. Rotation and translation are then estimated by decoupling : the fisheye camera contributes to evaluating attitude, while the perspective camera contributes to estimating the scale of the translation. The motion can be estimated robustly at the meter scale, thanks to the knowledge of the altitude. Our method uses a 2-point algorithm complemented by a Kalman filter. We propose a robust, real-time, accurate, exclusively vision-based approach with a C++ implementation. Although this approach removes the need for any non-visual sensors, it can also be coupled with an Inertial Measurement Unit.AMIENS-BU Sciences (800212103) / SudocSudocFranceF