Modélisation probabiliste et exploration visuelle autonome pour la reconstruction de scènes inconnues

truction. Based on visual informations, the system must select motions and view points in order to build a map of its own environment. An hierarchical decomposition of the pro-blem is proposed. The ˝rst step is dedicated to the object search in order to inventory all the objects of the scene. Our approach is based on a probabilistic description of the scene occupancy. Our search strategy consists in generating a sequence of observations such that all the probabilities will reach1everywhere an object is present and 0 elsewhere. The next step deals with the exploration of each particular object in order to improve its description. We present an object modeling as a mixture of stochastic and set membership models allo-wing to coarsely approximate the objects envelope while taking localization uncertainties into account. For this particular model, we develop an estimating algorithm and elaborate an optimal exploration process based on the localization uncertainty minimization. At last, we focus on servoing aspects that make the system able to track an object while moving around it. This problem is solved thanks to visual servoing technics whose performances are studied from the eye-in-hand/eye-to-hand cooperation point of view.inconnues. Il s'agit d'interpréter des informations visuelles et de générer les points de vue qui permettent de construire progressivement une carte de l'environnement. Le problème est décomposé, de façon hiérarchique, en trois fonctionnalités. Dans un premier temps, le système détermine la suite des actions aboutissantàuninventaire de tous les objets de la scène. Cette problématique s'inscrit dans le contexte très général de la recherche d'objets. L'approche que nous présentons est basée sur une description probabiliste de l'occupation de la scène par des objets. La recherche consiste alors à générer une suite d'observations aboutissant à des probabilités proches de 1 aux endroits où se trouve un objet et proches de 0 ailleurs. Nous développons plusieurs stratégies allant dans ce sens. Dans un second temps, l'exploration est focalisée sur chaque objet a˝n d'en améliorer la description. Nous présentons un modèle d'objet basé sur un mélange de modèles stochastique et à erreur bornée permettant de représenter l'enveloppe approchée de l'objet tout en tenant compte des incertitudes de localisation. Nous développons un algorithme d'estimation en ligne de ce modèle et élaborons un processus d'exploration optimale en temps réel basé sur la minimisation de l'incertitude de localisation de l'objet observé. En˝n, la dernière fonction-nalité concerne le suivi des consignes permettant de déplacer la caméra tout en suivant l'objet d'intérêt. Ce problème est résolu par asservissement visuel dont nous étudions les potentialités du point de vue de la coopération caméra globale/caméra locale