Adéquation algorithme-architecture pour un système SLAM RGB-D embarqué

Les capteurs de vision délivrant des images en couleur et l'information de profondeur ont récemment gagné en popularité. Les véhicules autonomes bénéficient de nouvelles méthodes de perception 3D grâce à ces capteurs. Nous avons étudié les différentes étapes de traitement d’un sys­tème afin d'apporter des contributions au niveau du couplage capteur-algorithme et de l'architec­ ture de calcul. Cette étude a commencé par une analyse expérimentale approfondie de l’impact des modalités d’acquisition des capteurs sur la préci­sion de la localisation. Nous avons développé la méthode HOOFR-SLAM RGB-D, qui a été éva­ luée à l’aide d’un ensemble de données RGB-D. Les résultats obtenus ont montré une amélioration significative de localisation et du temps de trai­ tement. Nous avons proposé un modèle d’archi­ tecture basé sur FPGA pour le pré-traitement du HOOFR SLAM. Cette architecture offre des per­ formances supérieures et un compromis entre la consommation d’énergie et le temps de traitement.Vision sensors with color and depth hâve recently gained popularity. Autonomous ve- hicles benefit from new 3D perception methods thanks to these sensors. We hâve investigated the various processing stages of the System to make contributions at the sensor-algorithm coupling and computing architecture levels. This study began by conducting a thorough experimental analysis of the impact of sensor acquisition modalities on locali­ zation accuracy. We introduced RGB-D HOOFR- SLAM, which was assessed using a self-collected RGB-D dataset. We compared the measurement results to those of the most advanced algorithms. The results revealed a significant réduction in lo­ calization errors and a significant gain in proces­ sing speed compared to the state-of-the-art stéréo and RGB-D algorithms. We proposed the implé­ mentation of the HOOFR SLAM front-end on an FPGA-based architecture. This innovative archi­ tecture delivers superior performance and a trade- off between power consumption and processing time