Directory Intranet
Chargement
CANOVAS Bruce

Cartographie dense et compacte par vision RGB-D pour la navigation d'un robot mobile

 

Directeur de thèse :     Michèle ROMBAUT

Co-directeur de thèse :     Amaury NEGRE

École doctorale : Electronique, electrotechnique, automatique, traitement du signal (EEATS)

Spécialité : Signal, image, parole, télécoms

Structure de rattachement : Grenoble-INP

Établissement d'origine : Ecole Supérieure Chimie Physique Electronique de Lyon (CPE)

Financement(s) : Contrat doctoral ; Sans financement

 

Date d'entrée en thèse : 01/10/2018

Date de soutenance : 06/10/2021

 

Composition du jury :
ROMBAUT Michèle, professeur, Université Grenoble Alpes
PELLERIN Denis, professeur, Université Grenoble Alpes
CARON Guillaume, maître de conférence, Université de Picardie Jules Verne
DEMONCEAUX Cédric, professeur, Université Bourgogne Franche-Comté CHAPUIS Roland, professeur, Université Clermont Auvergne

 

Résumé : Les capacités de perception et de localisation sont des enjeux majeurs de la robotique mobile, nécessaires dans la réalisation de missions impliquant des processus décisionnels autonomes. Elles s'appuient sur les mesures d'un ou plusieurs capteurs embarqués sur la plateforme robotique mobile en question. Dans cette thèse, on s'intéresse à des techniques de perception visuelle basées sur une caméra RGB-D pour permettre la navigation d'un robot compagnon dans un milieu intérieur inconnu. Afin de pouvoir se déplacer de façon autonome, ce robot doit avoir accès à une carte représentative de la structure de son environnement et être capable de s'y repérer. Bien que de nombreuses méthodes de localisation et cartographie simultanées (SLAM - Simultaneous Localization And Mapping) RGB-D capables de résultats impressionnants aient été développées, elles sont bien souvent trop coûteuses en termes de ressources informatiques pour être exécutées sur les cartes embarquées de robots mobiles d'intérieur. Elles font aussi la plupart du temps l'hypothèse que la scène observée par la caméra est statique, ce qui limite leur utilisation dans de nombreuses situations où des personnes sont présentes. De plus, les cartes qu'elles produisent sont souvent inadéquates pour la planification de trajectoires et ne peuvent pas être utilisées directement pour de tâches de navigation. Dans le but de répondre à ces problèmes, nous proposons une nouvelle forme de représentation 3D pour la reconstruction basse résolution, mais compacte rapide et légère d'environnements, au contraire des approches conventionnelles qui se focalisent sur la production de modèles 3D complexes avec un haut niveau détails. Un système de SLAM RGB-D dense complet, robuste aux éléments dynamiques, est conçu autour de cette représentation, puis porté sur une plateforme robotique mobile à conduite différentielle. En outre, une stratégie de navigation efficace est proposée en couplant l'algorithme de SLAM développé à un planificateur de trajectoires. Les différentes solutions proposées sont évaluées et comparées avec les méthodes de l'état de l'art, pour les valider et montrer leurs forces et faiblesses.
Perception and localization abilities are major challenges in mobile robotics.They are required for the achievement of mobile robotics missions that involves autonomous decision-making process. They rely on the measurements coming from one or multiple sensors embedded on the relevant mobile robot. In this thesis, we focus on visual perception techniques based on the use of a RGB-D camera to enable a companion robot to navigate in an unknown indoor environment. To be able to move autonomously through its nearby space, this robot needs to get a map representing the structure of its environment. It also needs to be able to locate itself within the environment. Although the actual RGB-D simultaneous localization and mapping (SLAM) solutions achieve impressive results, most of them are too heavy to run live on the embedded devices of the mobile robots. They also assume that the scene that is observed by the camera is static, which limits their use for many applications where humans are involved. In addition, the maps they produce are often unsuitable for path planning and cannot be used directly for navigation purpose. Aiming at mitigating these issues, we propose a novel 3D representation for low resolution, but fast, compact, and lightweight scenes reconstruction. A complete dense RGB-D SLAM algorithm, featuring robustness to moving objects, is developed based on the introduced representation and implemented on a differential drive mobile robot. Further, a navigation strategy is proposed by combining our SLAM algorithm with a path planner. The differents methods proposed are evaluated and compared with the state of the art for validation and to show their benefits and limits.


GIPSA-lab, 11 rue des Mathématiques, Grenoble Campus BP46, F-38402 SAINT MARTIN D'HERES CEDEX - 33 (0)4 76 82 71 31