Sie sind auf Seite 1von 83

Rpublique Algrienne Dmocratique & Populaire Ministre de lEnseignement Suprieur & de la Recherche Scientifique Universit Abderrahmane Mira - Bejaa

Facult de la Technologie Dpartement de Gnie Electrique

Projet final pour lobtention du grade de MASTER En : ELECTRONIQUE Option : AUTOMATIQUE

Sujet :

Dveloppement et implmentation dune mthode de localisation base SLAM


Par : Hachemi BOUICHE

Encadr et dirig par : Mr. Boubekeur MENDIL Mr. A.Oualid DJEKOUNE

Devant le jury compos de : Mr. Hocine HADDAR Mr. Kamel BOUDJELLABA

Juin 2012

mes chers parents, mes frres & surs, la mmoire de nos martyrs.

Avant propos
Les travaux prsents dans ce projet ont t effectus au sein de lquipe de recherche Vision Artificielle & ANalyse dIMage , de la division Productique & Robotique , du Centre de Dveloppement des Technologies Avances (CDTA ) Alger, Baba Hassen. Honneur ceux qui sont l'origine de ce travail, je parle bien videmment de Mr. A.Oualid DJEKOUNE. Sans sa confiance qu'il m'a accorde, sans son aide, sans ses conseils, rien de cette aventure n'aurait exist. J'exprime ma sincre reconnaissance Mr. MENDIL Boubekeur professeur luniversit de Bejaa pour l'honneur qu'il m'a fait de me diriger, en acceptant ce travail et de le valider. Mes remerciements vont galement tous ceux qui ont permis de loin ou de prs, de contribuer l'aboutissement de ce travail et tous les membres de la division Productique & Robotique pour l'ambiance de travail. Un remerciement particulier pour mes parents, mes surs, ainsi qu toute ma famille pour mavoir donn la force daller au bout de ce travail, pour leur patience et leur amour.

Table des matires


Avant propos Liste des figures Liste des tableaux Liste des abrviations Prsentation gnrale I. II. III. Contexte gnral Problmatique traite Plan du mmoire i v vii viii 1 1 2 3

Chapitre I. Modlisation & perception des systmes de robotique mobile I.1. Introduction .......................................................................................................................... 4 I.2. Modlisation des systmes de robotique mobile.................................................................. 4 I.2.1. Disposition des roues..................................................................................................... 4 I.2.2. Robot mobile diffrentiel .............................................................................................. 6 I.2.3. Robot mobile tricycle .................................................................................................... 8 I.2.4. Robot mobile de type voiture ...................................................................................... 10 I.2.5. Robot mobile omnidirectionnel ................................................................................... 12 I.2.6. Robot mobile traction synchrone.............................................................................. 13 I.2.7. Holonomie et non holonomie ...................................................................................... 17 I.3. Perception des systmes de robotique mobile.................................................................... 18 I.3.1. Capteurs proprioceptifs ............................................................................................... 19 I.3.1.1. Les capteurs de dplacement ................................................................................ 19 I.3.1.1.1. Les odomtres ................................................................................................. 19 I.3.1.1.2. Les acclromtres .......................................................................................... 20 I.3.1.1.3. Le radar Doppler ............................................................................................. 21 I.3.1.2. Capteurs dattitude ................................................................................................ 21 I.3.1.2.1. Les gyroscope, gyromtre et gyrocompas ...................................................... 22 I.3.1.2.2. Les magntomtres ......................................................................................... 22 I.3.2. Capteurs extroceptifs ................................................................................................. 22
ii

I.3.2.1. Les capteurs tlmtriques ................................................................................... 23 I.3.2.1.1. Les capteurs ultrasons ..................................................................................... 23 I.3.2.1.2. Les capteurs infrarouges ................................................................................. 24 I.3.2.1.3. Les capteurs lasers .......................................................................................... 25 I.3.2.1.4. GPS (Global positioning system)................................................................. 26

I.3.2.1.5. Les camras..................................................................................................... 28 I.4. Conclusion.......................................................................................................................... 29 Chapitre II. Localisation & cartographie des systmes de robotique mobile II.1. Introduction....................................................................................................................... 30 II.2. Localisation des systmes de robotique mobile................................................................ 30 II.2.1. Localisation relative ( lestime) ................................................................................ 31 II.2.2. Localisation absolue................................................................................................... 31 II.2.3. Localisation hybride................................................................................................... 32 II.3. Cartographie des systmes de robotique mobile............................................................... 32 II.3.1. Reprsentations mtriques ......................................................................................... 33 II.3.2. Reprsentation topologique........................................................................................ 34 II.4. Localisation et cartographie simultanes (SLAM ) ............................................................ 35 II.5.1. Lobjectif du scan matching ....................................................................................... 37 II.5.2. Les approches de scan matching ................................................................................ 38 II.6. Conclusion ........................................................................................................................ 39 Chapitre III. La technique ICP (Itrative Closest Point) base SLAM III.1. Introduction .................................................................................................................... 40 III.2. La plateforme utilise : Robot mobile B21R (iRobot)..................................................... 40 III.2.1. Architecture matrielle ............................................................................................. 40 III.2.2. Architecture logicielle .............................................................................................. 43 III.3. Gnration de points par le tlmtre Laser .................................................................... 43 III.4. Lalgorithme ICP Iterative Closest Point .................................................................... 45 III.4.1. Projection du nouveau scan ........................................................................... 46 III.4.2. Lassociation de donnes .......................................................................................... 47 III.4.3. Estimation de la position .......................................................................................... 48 III.4.4. Rsultats de validation de lalgorithme ICP ............................................................. 50

iii

III.5. Lalgorithme ICP bas SLAM ......................................................................................... 52 III.5.1. Rsultats de validation de SLAM-ICP ..................................................................... 53 III.5.2. Lalgorithme SLAM-ICP propos pour le rejet des mauvaises correspondances .... 55 III.5.3. Rsultats de validation de SLAM-ICP propos ........................................................ 57 III.5.3.1. Premire scne de lexprience .......................................................................... 57 III.5.3.2. Deuxime scne de lexprience ........................................................................ 58 III.5.3.3. Troisime scne de lexprience ........................................................................ 59 III.5.5. Discussion ................................................................................................................. 60 III.6. Conclusion ....................................................................................................................... 61 Conclusion Gnrale & perspectives Annexes Rfrence bibliographique 62 ix xii

iv

Liste des figures

Figure.I.1. Les principaux types de roues pour la robotique mobile ......................................... 5 Figure.I.2. Robot mobile diffrentiel ......................................................................................... .6 Figure.I.3. Robot mobile diffrentiel ATRV2 du CDTA ............................................................. 6 Figure.I.4. Centre instantan de rotation dun robot mobile diffrentiel .................................. 7 Figure.I.5. Robot mobile tricycle ............................................................................................... 8 Figure.I.6. Robot mobile tricycle de Carnegie Mellon University ............................................. 9 Figure.I.7. Centre instantan de rotation dun robot mobile tricycle ........................................ 9 Figure.I.8. Robot mobile de type voiture de Carnegie Mellon University DARPA ................. 11 Figure.I.9. Centre instantan de rotation dun robot mobile type voiture ............................... 11 Figure.I.10. Robot mobile omnidirectionnel ............................................................................ 12 Figure.I.11. Robot mobile omnidirectionnel le Nomad XR4000 .............................................. 13 Figure.I.12. Robot mobile traction synchrone B21R du CDTA ............................................ 14 Figure.I.13. Roue dcentre orientable.................................................................................... 14 Figure.I.14. Centre instantan de rotation du B21R ................................................................ 15 Figure.I.15. Disposition des quatre roues du robot mobile B21R ........................................... 16 Figure.I.16. Modle cinmatique du robot mobile B21R ......................................................... 17 Figure.I.17. Principe du capteur effet Doppler..................................................................... 21 Figure.I.18. Capteur ultrason ME007...................................................................................... 23 Figure.I.19. La distribution de lintensit dun capteur ultrason [2] ...................................... 24 Figure.I.20. Capteurs Infrarouge Sharp GP2D120 ................................................................. 24 Figure.I.21. Laser SICK 180 (a) , Lidar 360 (b)................................................................... 25 Figure.I.22. Schma de la tlmtrie laser par dphasage de mesure [2] .............................. 26 Figure.I.23. Calcul de la position et le cap bas sur le GPS [2] ............................................. 27 Figure.I.24. Rcepteur GPS ..................................................................................................... 28 Figure.II.1. Boucle de navigation autonome des robots mobiles ............................................. 30 Figure.II.2. Carte gomtrique reprsentant un hall ............................................................... 33 Figure.II.3. Grille doccupation [2] ......................................................................................... 34 Figure.II.4. (a) modle rel, (b) Carte topologique ................................................................. 35 Figure.II.5. Architecture gnrale du SLAM............................................................................ 36 Figure.II.6. Localisation relative du robot utilisant deux scans conscutifs [17] ................... 38
v

Figure.II.7. scan matching : (a) local et (b)global................................................................... 39 Figure.III.1. La structure matrielle du robot B21R ................................................................ 41 Figure.III.2. La structure matrielle de la console B21R ........................................................ 42 Figure.III.3. La position de lobstacle P dans la rfrence du robot pour ..... 44 Figure.II I.4. Les coordonnes cartsiennes et polaires dun scan Laser ................................ 44 Figure.III.5. Objectif de lICP .................................................................................................. 45 Figure.III.6. Organigramme de lICP ...................................................................................... 46 Figure.III.7. La mise en correspondance ................................................................................. 48 Figure.III.8. Alignement des deux scans .................................................................................. 51 Figure.III.9. Evolution des paramtres ( ................................................................... 51 Figure.III.10. Evolution de lerreur quadratique moyenne (MSE) de lICP ........................... 51 Figure.III.11. Fusion de la carte locale ................................................................................... 52 Figure.III.12. Organigramme SLAM-ICP ................................................................................ 53 Figure.III.13. Environnement rel de la premire scne (indoor) ........................................... 54 Figure.III.14. La carte globale & trajectoire donnes par lodomtrie et par SLAM -ICP ..... 55 Figure.III.15. Evolution de lerreur quadratique moyenne (MSE) de SLAM -ICP de la dernire position ..................................................................................................................................... 55 Figure.III.16. (a) Lorsque deux scans aligner ne chevauchent pas compltement (comme c'est le cas pour la plupart des donnes relles), ce qui donne des correspondances des points sur les extrmits des scans qui peuvent introduire un biais systmatique dans l'alignement. (b) Interdire de telles paires en rejetant un grand nombre de ces mauvaises correspondances [28]............................................................................................................... 55 Figure.III.17. La carte globale & trajectoire do nnes par lodomtrie et par SLAM-ICP propos (premire scne) ......................................................................................................... 58 Figure.III.18. Evolution de lerreur quadratique moyenne (MSE) de SLAM -ICP propos de la dernire position (premire scne)........................................................................................... 58 Figure.III.19. Environnement rel de la deuxime scne (indoor) .......................................... 59 Figure.III.20. La carte globale & trajectoire donne par lodomtrie et par SLAM -ICP propos (deuxime scne)......................................................................................................... 59 Figure.III.21. Evolution de lerreur quadratique moyenne (MSE) de SLAM -ICP propos de la dernire position (deuxime scne) .......................................................................................... 59 Figure.III.22. Environnement rel de la troisime scne (indoor)........................................... 60 Figure.III.23. La carte globale & trajectoire donne par lodomtrie et par SLAM -ICP propos (troisime scne) ......................................................................................................... 60 Figure.III.24. Evolution de lerreur quadratique moyenne (MSE) de SLAM -ICP propos de la dernire position (troisime scne)..60
vi

Liste des tableaux


Tableau.III.1. Pseudo-code de lassociation de donnes ......................................................... 48 Tableau.III.2. Tableau comparatif entre les valeurs obtenues par lodomtrie et ICP ........... 52 Tableau.III.3. Pseudo-code de la mt hode doptimisation de SLAM-ICP62

vii

Liste des abrviations


CDTA: Centre de dveloppement des technologies avances CCD : Changed coupled device CIR: Centre instantan de rotation CML : Concurrent mapping and localization CMOS : Complementary metal oxide semiconductor EKF: Extended Kalman Filter GPS: Global positioning system ICP: Itrative Closest Point IDC: Iterative dual correspondances MSE : Mean square error NDT: Normal Distributions Transform NMEA: National maritime lectronique association NN: Nearest Neighbour SLAM: Simultaneous Localization and Mapping SVD : Dcomposition en valeurs singulires

viii

Prsentation gnrale

Prsentation gnrale
I. Contexte gnral

La principale ligne actuelle de recherche pour la robotique mobile est de permettre un systme robotique mobile (systme mobile ou robot mobile) de se dplacer de manire autonome dans son environnement pour accomplir un certain nombre de tches. Ces tc hes sont, par exemple, se dplacer vers une cible fixe ou mobile, viter les obstacles, accoster, suivre une route, explorer et intervenir dans un milieu hostile. Pour cela, les problmes rsoudre sont parfois assez complexes. Lun deux est la dtermina tion dune reprsentation interne de lenvironnement (carte) du systme mobile au moyen de la perception pour permettre la planification des actions et le contrle de lexcution. Le choix de la reprsentation est essentiel. Cette reprsentation doit tre adapte la tche du systme mobile mais aussi lenvironnement dans lequel il volue. Le type denvironnement dans lequel devra se dplacer le systme mobile dtermine bien entendu le type de capteurs utiliser pour la perception. De trs nombreux capteurs sont utilisables : des camras, des prosimtres, et des capteurs tactiles, etc. Mais aucun dentre eux ne peut lui seul rendre compte de tout ce que le systme mobile doit connatre sur le monde qui lentoure. La perception de chacun deux est partielle et entache derreurs. La solution consistera donc, faire cooprer un grand nombre de capteurs. Cette coopration entre capteurs est trs intressante, voire indispensable pour la ralisation des objectifs de la perception. Elle peut se faire entre des capteurs de nature diffrente (vision et capteurs acoustiques, par exemple) permettant la perception de caractristiques totalement diffrentes des objets, ou de mme type, placs diffrents endroits diminuant ainsi les problmes de rsolutio n, de champ de vue ou dus loccultation [1]. Un autre problme en relation avec la perception est celui de la localisation du systme mobile dans la carte produite partir des lments perus de lenvironnement. Elle consiste calculer et maintenir jour la connaissance de la position et de lorientation du systme mobile dans un repre absolu li son environnement. Ensuite, un itinraire entre la position calcule du systme mobile et son but, gnr grce des outils de planification de c hemins, peut enfin tre excut, ce qui amne le systme mobile voluer dans son environnement.
1

Prsentation gnrale

La tache la plus dlicate et destimer le mouvement dun robot et construire en mme temps une reprsentation de lenvironnement (problme connu sous le nom de SLAM : Simultaneous Localisation And Mapping) est souvent considr comme un problme essentiel pour dvelopper des robots pleinement autonomes qui ne ncessitent pas de connaissances a priori de lenvironnement pour raliser leurs taches [2]. Lvolution du SLAM est trs lie aux capteurs utiliss. Les sonars avec lodomtrie sont souvent prsents comme les premiers capteurs ayant fourni des rsultats convaincants. Depuis, les lasers 2D ont souvent remplaces ces capteurs pour des raisons de prcision et de rapport signal/bruit. Nanmoins les lasers 2D permettent planaires. Cest dans ce contexte que se situent les travaux de notre projet. Le but est de dvelopper une mthode de localisation base SLAM. En particulier, il sera ncessaire de modliser et de construire la carte de lenvironnement partir de do nnes issues des capteurs de perception du robot (Scanner Laser 2D) dans le but de se localiser dans son milieu de navigation. destimer des mouvements

II.

Problmatique traite

Pour un systme mobile se dplaant dans un environnement inconnu, lautonomie de dplacement devient un problme encore plus difficile rsoudre que dans le cas o le systme mobile volue dans un environnement parfaitement connu. La localisation autonome doit pouvoir rpondre aux deux questions que nous nous posons tous inconsciemment lorsque nous utilisons nos vhicules : O suis-je ? O dois-je aller ? La mthode SLAM est la solution parfaite de nos jours pour remdier ce problme en robotique mobile, et pour effectuer cette tache autonome, le robot mobile doit : Possder un (ou des) capteurs(s) proprioceptif(s) et extroceptif(s). Etre capable de se localiser et construire la carte dans cet environnement.

Prsentation gnrale

III.

Plan du mmoire

Ce mmoire se divise en trois chapitres : Le premier chapitre est un tat de l'art concernant tous les points pour lintgration de la modlisation et systmes de perception des robots mobile. Les diffrents types de robots mobiles existants de nos jours, ainsi les capteurs disponibles sur le march. Le deuxime chapitre passe en revue les principales mthodes de localisation et de la reprsentation de lenvironnement, et aborder le principe de SLAM, nous trouvons aussi, les diffrentes approches du scan matching (appariement). Le troisime chapitre traite la technique SLAM dveloppe base sur la mthode ICP, et lensemble des rsultats obtenus, Nous voquons ensuite quelques perspectives que nous trouvons les plus intressantes pour la suite de ces travaux.

Chapitre I

Modlisation & perception des systmes de robotique mobile

Chapitre I

Mo dlisation & perception des s ystmes de robotique mobile

I.1. Introduction
De manire gn rale, on regroupe sous lappellation robots mobiles lensemble des robots base mobile, par opposition notamment aux robots manipulateurs. Lusage veut nanmoins que lon dsigne le plus souvent par ce terme les robots mobiles roues. Les autres robots mobiles sont en effet le plus souvent dsigns par leur type de locomotion, quils soie nt marcheurs, sous- marins ou ariens. On peut estimer que les robots mobiles roues constituent la grande partie des robots mobiles. Historiquement, leur tude est venue assez tt, suivant celle des robots manipulateurs. Leur faible complexit en a fait de bons premiers sujets dtude pour les roboticiens intresss par les systmes autonomes. Cependant, malgr leur simplic it apparente, ces systmes ont soulevs un grand nombre de problmes difficiles, nombreux de ceux- ci ne sont dailleurs toujours pas rsolus. Nanmoins, lintrt indniable de la robotique mobile est davoir permis daugmenter considrablement nos connaissances sur la localisation et la navigation de systmes autonomes. Nanmoins, l intrt ind niable de la robotique mobile est davoir permis daugmenter considrablement nos connaissances sur la localisation et la navigation de systmes autonomes laide de ses capteurs embarqus. La gamme des problmes potentiellement soulevs par le plus simple des robots mobiles roues en fait un sujet dtude part entire et forme une excellente base pour ltude de systmes mobiles plus complexes. Ce chapitre a pour objectif de dfinir la modlisation des diffrents types de robots mobiles roues savoir les plus utiliss en robotique mobile, ainsi que leurs caractristiques cinmatiques. Comme cas particulier, ltude cinmatique de notre plateforme le robot mobile B21R est accomplie. Enfin, ce chapitre introduit aussi la notion de lholonomie et la non holonomie. Nous prsentons aussi les diffrents types de capteurs utiliss dans les systmes de robotique mobile disponibles sur le march.

I.2. Modlisation des systmes de robotique mobile


I.2.1. Disposition des roues Cest la combinaison du choix des roues et de leur disposition qui confre un robot son mode de locomotion. On rencontre principalement quatre types de roues (Figure.I.1) :

Chapitre I

Mo dlisation & perception des s ystmes de robotique mobile

les roues fixes dont laxe de rotation passe par le centre de la roue, tandis que laxe dorie ntation est constant (Figure.I.1 (a)). les roues centres orientables dont laxe dorientation passe par le centre de la roue. (Figure.I.1 (b)). les roues dcentre s orientables souvent appeles roues folles, pour lesquelles laxe dorientation ne passe pas par le centre de la roue (Figure.I.1 (c)). Les roues sudoises dont la bande de roulement a t remplace par des galets inclins par rapport la normale au plan de la roue. Cest la combinaison de la rotation de la roue avec la rotation libre du galet en contact avec le sol qui permet un dplacement sans glissement dans toutes les directions (Figure.I.1 (d)).
Axe dorientation Axe de rotation r (a) Roue fixe Axe dorientation d P P P r (b) Roue centre orientable

(c) Roue dcentre orientable

(d) Roue sudoise

Figure 1.2 : Les principaux types de roues pour robots mobiles

Figure.I.1. Les principaux types de roues pour la robotique mobile [1]

Ces quatre types de roues sont les plus utiliss en robotique mobile et nempche quil en existe dautres tels que les roues sphriques connues pour leur proprit omnidirectionnelle. Bien videmment, pour un ensemble de roues donnes, toute disposition ne conduit pas une solution viable. Un mauvais choix peut limiter la mobilit du robot ou occasionner dventuels blocages.

Chapitre I

Mo dlisation & perception des s ystmes de robotique mobile

I.2.2. Robot mobile diff rentiel Une des configurations les plus utilises pour les robots mobiles est la configuration diffrentielle (differential drive) qui comporte deux roues fixes non orientables commandes indpendamment U ne ou plusieurs roues folles sont ajoutes lavant ou larrire du robot pour assurer sa stabilit, nempche quil existe certains robots diffrentiels avec quatre roues commandes indpendamment sauf quils sont modliss en deux roues. Le schma du robot diffrentiel est prsent la (Figure.I.2). On y a omis les roues folles, parce quils ninterviennent pas dans la cinmatique, mais ils assurent juste lquilibre.

Figure.I.2. Robot mobile diffrentiel

Ce type de robot est trs rpandu en raison de sa simplicit de construction et de ses proprits cinmatiques intressantes, comme sa capacit tourner sur lui mme. La (Figure.I.3) prsente un exemple dun robot mobile diffrentiel.

Figure.I.3. Robot mobile diffrentiel ATRV2 du CDTA

Les roues motrices ayant mme axe de rotation, le CIR (centre instantan de rotation) du robot est un point de cet axe. Soit R le rayon de courbure de la trajectoire du robot, cest-dire la distance du CIR au point O (Figure.I.4). Soit 2L la distance qui spare les deux roues,

Chapitre I

Mo dlisation & perception des s ystmes de robotique mobile

et

la vitesse angulaire du robot par rapport au CIR. Alors les vitesses des roues droite et

gauche, respectivement notes v d et v g vrifient :


vd
( R L)

(I.1) (I.2)

vg
Ce qui permet de dterminer R et

( R L)

partir des vitesses des roues :

vd v g
2L
R L

(I.3) (I.4)

vd v g vd v g

La vitesse linaire v du robot au point O est :

vd v g
2

(I.5)

La vitesse de rotation du robot est gale la vitesse de rotation autour du CIR :


.

vd v g
2L

(I.6)

Lquation (I.4) permet de situer le CIR sur laxe des roues. Par ailleurs ces quations expliquent deux proprits particulires du mouvement des robots diffrentiels : si vd v g , la vitesse angulaire sera nulle et le rayon de courbure R est infinie et le robot se dplace en vg , ligne droite ; si vd 0 et R est nulle alors le robot effectue une rotation sur luimme. Cependant dans le cas o vd
v g le dplacement du robot est un virage gauche ou

droite selon que v d soit suprieur ou infrieur v g (dans une direction qui correspond la vitesse infrieur). Lutilisation de ce mode de locomotion, fournie une solution simple pour amener le robot dune position lautre. Cest sans doute l une des raisons du succs de ce type de robot s.

Figure.I.4. Centre instantan de rotation dun robot mobile diffrentiel 7

Chapitre I

Mo dlisation & perception des s ystmes de robotique mobile

Le modle cinmatique du robot diffrentiel est donn par les quations suivantes :
.

x
.

v cos

(I.7) (I.8) (I.9)

y
.

v sin

Ces quations relient la drive de la position ( x, y, ) du robot la commande avec

(v, ) T ,

rotation instantane du robot par rapport au repre (O, X, Y). De ce fait, la position du

robot est donne par :


t

x(t )
0 t

v( ) cos( ( ))d

(I.10)

y (t )
0

v( ) sin( ( ))d
t

(I.11)

(t )
0

( )d

(I.12)

I.2.3. Robot mobile tricycle Larchitecture dun robot mobile tricycle est reprsente dans la (Figure.I.5). Ce robot est constitu de deux roues fixes (passives) de mme axe et dune roue centre orientable place sur laxe longitudinal du robot. Le mouvement est confr au robot par deux actions: la vitesse longitudinale et lorientation de la roue orientable.

Figure.I.5. Robot mobile tricycle

Un exemple de robots tricycles est reprsent dans la (Figure.I.6). Ce type de robot possde les mmes proprits cinmatiques que le robot de type bicycle, sauf que celui-ci est constitu dune seule roue fixe p assive et une roue centre orientable.
8

Chapitre I

Mo dlisation & perception des s ystmes de robotique mobile

Figure.I.6. Robot mobile tricycle de Carnegie Mellon University

Le CIR du robot se situe lintersection des axes des roues fixes et de la roue orientable.

Figure.I.7. Centre instantan de rotation dun robot mobile tricycle

On peut dterminer R de manire gomtrique partir de langle dorientation avant et partir de la vitesse linaire v du robot (vitesse en O ) et de R :

de la roue

D tan
v tan D

(I.13) (I.14)

La vitesse linaire v est une fonction de la vitesse linaire de la roue orientable v S :


v v S cos

(I.15)

Ce type de robot peut se diriger en ligne droite pour point O (sur lui- mme) pour
2

0 et thoriquement tourner autour du

. Nanmoins, le rayon de braquage de la roue orientable,

Chapitre I

Mo dlisation & perception des s ystmes de robotique mobile

gnralement limit, impose le plus souvent des valeurs de interdisant cette rotation du robot sur lui- mme.

telles que
2 2

Lcriture des contraintes sur chacune des roues est un raisonnement similaire celui suivi dans le cas du robot diffrentiel permettant de dterminer les modles cinmatiques des robots de type tricycle. Toutefois, par un simple raisonnement gomtrique, on tablit les quations suivantes reprsentant la drive de la position du robot:
.

x
.

v cos v sin

(I.16) (I.17)
v

y
.

D
. S

tan

(I.18) (I.19) la rotation instantane du robot

O u (v,

) T est le vecteur de commande cinmatique,


S

par rapport au repre (O, X, Y), et

la vitesse dorientation impose la roue orientable.

Ces quations sont celles du modle cinmatique. La position du robot est donne par :
t

x(t )
0 t

v( ) cos( ( ))d

(I.20)

y (t )
0

v( ) sin( ( ))d
t

(I.21) (I.22)

(t )
0

( )d

I.2.4. Robot mobile de type voiture Le cas du robot de type voiture est trs similaire celui du tricycle. La diffrence se situe au niveau du train avant, qui comporte deux roues au lieu dune. Cela va de soit, on rencontre beaucoup plus souvent ce type de systme.

10

Chapitre I

Mo dlisation & perception des s ystmes de robotique mobile

Figure.I.8. Robot mobile de type voiture de Carnegie Mellon University DARPA

Comme on la vu prcdemment, lexistence dun CIR unique impose que les axes des roues du robot soient concourants (qui se coupent en un point). Dans le cas du robot de type voiture, cela impose aux roues du train avant davoir une orientation diffrente, comme illustr la (Figure.I.9). Le roulement idal, assurant que le CIR est bien unique, est ralis sur une voiture par un systme de braquage diffrentiel. Par ailleurs, les trajectoires des roues nayant pas le mme rayon de courbure, leurs vitesses sont galement diffrentes.

Figure.I.9. Centre instantan de rotation dun robot mobile type voiture

Lquivalence entre tricycle et voiture rside dans le fait de figurer une roue virtuelle qui transformerait un robot de type voiture en tricycle en plaant la roue orientable du tricycle au centre de laxe des roues avant de la voiture, oriente de sorte que le CIR reste inchang, conformment la (Figure.I.9). De ce fait, le modle cinmatique reste inchang et les quations de la position du robot seront celles exprimes pour le robot tricycle.

11

Chapitre I

Mo dlisation & perception des s ystmes de robotique mobile

I.2.5. Robot mobile omnidirectionnel Un robot mobile est dit omnidirectionnel si lon peut agir indpendamment sur les vitesses de translation selon les axes x et y , et la vitesse de rotation autour de z . Dun point de vue cinmatique cela nest pas possible avec des roues fixes ou des roues centres orientables [2]. On peut en revanche raliser un robot omnidirectionnel ayant recours un ensemble de trois roues dcentres orientables ou de trois roues sudoises disposes a ux sommets dun triangle quilatral (Figure.I.10). Trois roues sont suffisantes. Mais, dans certains cas, une quatrime offre des possibilits d'optimisation et permet de rendre le systme plus robuste en vitant le glissement dans le cas d'un sol qui ne serait pas parfaitement plat par exemple. Notons quen se qui concerne les roues sudoises (Figure.I.1), la rotation des galets inclins permet au roues du robot de rouler dans une direction perpendiculaire celle dans laquelle elles roulent normalement. Cest ce qui permet au robot de se dplacer dans diverses directions sans quil ait tourner. Donc le corps du robot lui- mme neffectue pas de rotation mais uniquement des translations.

Figure.I.10. Robot mobile omnidirectionnel

Dans ce cas on peut considrer quil est possible dappliquer directement la commande sur le modle cinmatique qui sera dfini par les quations suivantes :
.

x
.

u1
u2
u3

(I.23) (I.24) (I.25)


12

y
.

Chapitre I

Mo dlisation & perception des s ystmes de robotique mobile

O u

(u1 , u 2 , u3 ) T reprsente le vecteur de commande. On choisit ainsi gnralement ce type

de robot pour se dispenser des problmes de planification et de commande lis la non holonomie. Lavantage dune cinmatique extrmement simple est , cependant, mettre en balance avec les inconvnients lis une localisation odomtrique dficiente et une grande complexit mcanique, en plus quils sont limits en capacit de franchissement et requirent un sol trs plat. La (Figure.I.11) reprsente un exemple de ce type de robots.

Figure.I.11. Robot mobile omnidirectionnel le Nomad XR4000

I.2.6. Robot mobile traction synchrone La traction synchrone (synchronous drive) est une technique utilise pour minimiser leffet de glissement et augmenter la force de traction. On rencontre ce type de robot dans lindustrie automobile et dans les robots tous terrains. La configuration du robot traction synchrone est similaire un robot trois ou quatre roues couples de faon quelles soient actionnes en mme temps, en ayant la mme vitesse et la mme orientation. Ce systme est ralis grce deux moteurs : un pour la traction et lautre pour lorientation. Lensemble est reli par une chane (ou une ceinture) pour assurer que toutes les roues tournent de faon synchrone. La (Figure.I.12) montre le robot quatre roues couples avec des chanes nomme B21R utilise dans notre travail.

13

Chapitre I

Mo dlisation & perception des s ystmes de robotique mobile

Les paramtres de la roue oriente sont : r = rayon de la roue.


v = vitesse linaire de la roue.

= vitesse angulaire de la roue.


R

=vitesse dorientation

Figure.I.12. Robot mobile traction synchrone B21R du CDTA

Figure.I.13. Roue dcentre orientable

On a vu qu chaque modle de robot, correspond un type de roues selon son architecture et ses tches accomplir. Le B21R dispose de quatre roues dcentres orientables tournant selon deux axes, une rotation selon laxe y permettant le roulement des roues pour avoir la translation et une rotation selon laxe K permettant de changer leurs orientations (Figure.I.13). Do on en dduit que le nombre de degr de libert du robot B21R est :
M= m : degr t : m

= 1+1=2.

de mobilit (degree of mobility).

degr dorientation (degree of steerability). Quand le robot se dplace suivant un arc (un virage), les rayons lis au centre du robot et

perpendiculaire laxe virtuel dfini par son orientation pour chaque position, convergent vers un point de lespace, qui est le centre instantan de rotation (CIR) (Figure.I.14). Ayant une vitesse linaire v et une vitesse angulaire rectiligne ( v 0, B21R ( , le robot peut se dplacer de faon =0), le CIR se trouve linfinie. Alors que lors dune rotation pure du

0, v =0), le CIR se trouve sur son centre (O). Et enfin dans le cas o le

dplacement est un virage, c'est-- dire quil se dplace sur un arc de cercle de longueur s , de rayon R et avec un angle , le dplacement s du robot mobile est :

(I.26)

R et peuvent tre positifs ou ngatifs selon le sens de dplacement du robot (sens du virage).

14

Chapitre I

Mo dlisation & perception des s ystmes de robotique mobile

Comme le robot tourne autour du CIR avec une vitesse linaire v et une vitesse angulaire on peut crire :

v R
Sachant que cette vitesse angulaire du robot mobile B21R est :

(I.27) , donc nous pouvons

exprimer la valeur du rayon du centre instantan de rotation CIR par lquation :


R

(I.28)

La position du CIR du B21R dans le repre RU (O, X, Y) est donne par les coordonnes cartsiennes suivantes :
x CIR y CIR x R sin( ) y R cos( )

(I.29)

Figure.I.14. Centre instantan de rotation du B21R

Afin de trouver les quations de dplacement du robot B21R, on introduit la vitesse de

.
roulement de la roue v r et

sa vitesse de rotation autour de laxe K (Figure.I.13). On

forme le modle cinmatique suivant :

. xre . y re
.

v cos v sin

(I.30) (I.31) (I.32)

15

Chapitre I

Mo dlisation & perception des s ystmes de robotique mobile

Puisque les vitesses connues sont celles des roues motrices ( v A , v B , v D , v E ) qui sont gales, nous pouvons calculer la vitesse vC du centre C du robot mobile B21R, tel que :
vC vC
vC vC

vA B
vD vE

AC BC
DC EC

(I.33) (I.34) (I.35) (I.36)

La somme des quatre quations, sachant que v A


4v

vB

vD

vE

v , est donne par :

4v

( AC BC DC EC )

(I.37)

Figure.I.15. Disposition des quatre roues du robot mobile B21R

A partir de la (Figure.I.15), nous pouvons en dduire que les vecteurs AC et DC ainsi que EC et BC sont des vecteurs gaux et opposs, donc :
4v

4v

et

vC

vA

vB

vD

vE

(I.38)

On en dduit que la vitesse du robot est gale la vitesse des roues et la mme direction que ces dernires, et donc cette vitesse sera parallle au plan (O, X, Y). La vitesse linaire du robot peut tre exprime en fonction de la variation de ses coordonnes dans le repre univers tel que :
v
x
2

(I.39) , est exprim par : (I.40)


16

Le changement dorientation du robot, c'est--dire sa vitesse de rotation


.

Chapitre I

Mo dlisation & perception des s ystmes de robotique mobile

est lorientation instantane du robot dans le repre Ru (langle

est reprsent par

rapport laxe horizontal X, mais dans notre travail il sera reprsent par rapport laxe vertical Y, ce qui nous tait impos par le constructeur iRobot ). Pour le cas de changement de position dans la direction de laxe X et Y du repre univers Ru , on aura :
.

x
.

v cos v sin

(I.41) (I.42)

Les quations (I.40, I.41, I.42) constituent lensemble dquations cinmatiques du robot mobile B21R, correspondant notre modle cinmatique (Figure.I.16).

Figure.I.16. Modle cinmatique du robot mobile B21R

Do la position du robot mobile dans le repre absolu est donne par :


t

x(t )
0 t

v(t ) cos( ( ))d

(I.43)

y (t )
0

v(t ) sin( ( ))d


t

(I.44) (I.45)

(t )
0

( )d

I.2.7. Holonomie et non holonomie La capacit dun mobile pouvoir se dplacer partir dune situation dans nimporte quelle direction est appele "holonomie". En effet, le mcanisme holonomique permet au robot de manuvrer dans nimporte quelle direction arbitraire partir de nimporte quelle configuration. Ce qui est trs rare trouver dans notre vie quotidienne. Il ny a pas de

17

Chapitre I

Mo dlisation & perception des s ystmes de robotique mobile

contrainte sur les commandes. Cela signifie donc une trs grande simplification des problmes de contrle. Un robot holonome omnidirectionnel est donc un robot pour lequel les trois mouvements planaires indpendants, deux de translation et un de rotation, sont admissibles une vitesse non nulle partir dune configuration quelconque. Par contre, de nombreux robots mobiles sont des systmes non holonomes tels que les robots diffrentiels, tricycles, voitures. Ces plates- formes sont toutefois plus difficiles commander. Car, elles ne peuvent pas tourner sur place et doivent manuvrer. Ce qui peut tre difficile dans des environnements encombrs. Pour ce type de robots, bien que lespace de configuration sur le plan est de trois dimensions, le mouvement est produit par deux dplacements indpendants seulement. Donc, le robot ne possde que deux degrs de libert.

I.3. Perception des systmes de robotique mobile


Pour raliser un systme de robotique mobile intelligent, il est ncessaire d'utiliser des capteurs qui fourniront la perception requise de l'environnement pour une prise de dcision intelligente. A ce jour, il n'existe pas de capteur qui se dmarque des autres par une efficacit vraiment suprieure. Ils ont tous des avantages et des inconvnients avec lesquels il faut pouvoir composer. Par contre, leur importance peut tre passablement influence par l'environnement dans lequel le systme est amen voluer. Le dfi est donc de raliser des systmes qui utilisent le mieux possible les capteurs ou une combinaison de capteurs en tenant compte de leurs conditions d'utilisation. Ce qui requiert une bonne connaissance de leurs caractristiques. Nous pouvons dfinir deux catgories de capteurs couramment utiliss en robotique mobile : ceux qui dlivrent une information caractrisant lenvironnement et ceux qui interviennent dans le fonctionnement du systme robotique. Les premiers sont appels capteurs extroceptifs qui fournissent des informations sur le monde extrieur au systme mobile, et les seconds sont les capteurs proprioceptif s qui fournissent des informations propres au comportement interne du systme mobile, cest--dire sur son tat un instant donn.

18

Chapitre I

Mo dlisation & perception des s ystmes de robotique mobile

I.3.1. Capteurs proprioceptifs Les capteurs proprioceptifs fournissent par intgration des informations lmentaires sur les paramtres cinmatiques du systme mobile. Les informations sensorielles gres dans ce cadre sont gnralement des vitesses, des acclrations, des angles de giration, des angles daltitude. Cependant, ils ne peuvent pas procurer de renseignements lors de l'arrt du systme mobile. On peut regrouper les capteurs proprioceptifs en deux familles: Les capteurs de dplacement qui comprennent les odomtres, les acclromtres et les radars Doppler. Cette catgorie permet de mesurer des dplacements lmentaires, des variations de vitesse ou dacclration sur des trajectoires rectilignes ou curvilignes. Les capteurs dattitude, qui mesurent deux types de donnes : les angles de cap et les angles de roulis et de tangage. Ils sont principalement constitus par les gyroscopes, les gyromtres, les gyrocompas, les capteurs inertiels composites, les inclinomtres et les magntomtres. Ces capteurs sont en majorit de type inertiel. I.3.1.1. Les capteurs de dplace ment I.3.1.1.1. Les odomtres Les systmes odomtriques fournissent la position du systme mobile pendant son mouvement, par intgration des rotations lmentaires de ses roues. Pour les applications de robotique mobile, les mesures de rotation des roues sont effectues dans la p lupart des cas par des codeurs optiques incrmentaux. Il existe nanmoins d'autres codeurs (magntiques, inductifs, capacitifs, etc.). Linformation sur langle est discrtise et le nombre de tours est compt, normalement la rsolution est haute. Cependant, la discrtisation devient un problme quand on mesure des rotations lentes. Comme tout capteur, le modle dodomtrie bien des limitations , du moment que lide fondamentale de celui- ci est lintgration dinformation incrmentale du mouvement travers le temps. Ce qui mne invitablement laccumulation derreurs, en particulier, celles dorientation qui causera une grande incertitude sur la position [3]. Cette erreur crot proportionnellement avec la distance traverse par le robot. Quand on cherche mesurer ou rduire les erreurs de lodomtrie, il est important de faire la diffrence entre lerreur systmatique et non systmatique de lodomtrie. Les erreurs systmatiques sont ceux qui sont une partie inhrente la cinmatique du robot ou ces
19

Chapitre I

Mo dlisation & perception des s ystmes de robotique mobile

paramtres de contrle indpendamment de lenvironnement. Les erreurs non systmatiques sont celles qui dpendent de lenvironnement du robot et diffrent dun environnement un autre. La distinction entre ces deux groupes est importante. Car, chaque groupe influe diffremment sur la plateforme mobile. Leurs remdes sont diffrents et ncessitent techniques de mesure diffrentes. Borenstein et ses collaborateurs [4],[5], tudient les diffrentes sources des deux types derreurs et catgorisent ces erreurs dodomtrie comme tel : Les erreurs systmatiques : - Diamtres des roues diffrents. - Roues male positionnes. - Une rsolution limite des encodeurs. - vitesse dchantillonnage des encodeurs limite. Les erreurs non systmatiques - Se dplacer sur un sol raboteux. - Se dplacer travers des objets imprvus sur le sol. - Glissement des roues (sol lisse, excs dacclration, patiner dans un tournant rapide, etc.). - Forces externes (interaction avec des corps externes). - Forces internes (roue folle). - Pas de contact avec le sol. Tout modle odomtrique aussi bon quil soit nest quune approximation du vrai modle cinmatique. Q uand lodomtrie est utilise pour la prdiction de la position, la partie la plus critique de lestimation est la capacit estimer lorientation du ro bot. Car, mme une petite erreur dans lorientation du robot (ce quon appelle par drift) induit une grande erreur

dans la position. Mais, par une modlisation soigneuse cette erreur systmatique pourra tre limite (Borenstein & Feng 1996b) [5], (Borenshtein 1998) [7]. I.3.1.1.2. Les acclromtres Lacclromtre est un capteur qui mesure lacclration linaire en un point donn. En pratique, la mesure de lacclration est effectue laide dune masse dpreuve M, de masse m, relie un botier du capteur. Le principe de ce capteur est de mesurer leffort massique non gravitationnel quon doit appliquer M pour le maintenir en place dans le botier
20

Chapitre I

Mo dlisation & perception des s ystmes de robotique mobile

lorsquune acclration est applique au botier. Le calcul du dplacement lmentaire du systme mobile est obtenu par double intgration de ces informations. Cette double intgration conduit gnralement des accumulations importantes derreurs. Ce capteur est plus coteux que les odomtres. I.3.1.1.3. Le radar Doppler Le radar Doppler fournit une estimation instantane de la vitesse linaire dune plateforme mobile par rapport un objet de la scne en se basant sur leffet Doppler -Fizeau. Le principe est de diriger un faisceau lectromagntique de frquence F vers le sol. Le faisceau reu aprs rediffusion sur le sol prsente un dcalage de frquence
F proportionnel

la vitesse V du dplacement relatif du vhicule par rapport au sol (Figure.I.17). Lintgration de la mesure de vitesse fournira une estimation du dplacement du mobile.

Figure.I.17. Principe du capteur effet Doppler

Lexpression de la vitesse est donne par : (I.46) Avec : v : la vitesse de dplacement de l'metteur. c : la vitesse de propagation de l'onde. F : la diffrence de frquence. F : la frquence d'mission. : langle d'inclinaison entre le capteur et le sol. I.3.1.2. Capteurs dattitude Les capteurs dattitude permettent destimer les paramtres intrinsques du systme mobile qui sont les angles de cap, de roulis et de tangage. Ces capteurs sont principalement de type inertiel. Ces capteurs ont pour point commun dtre gnralement coteux et sensibles au bruit, do une intgration moins frquente dans les systmes embarqus que les odomtres.

21

Chapitre I

Mo dlisation & perception des s ystmes de robotique mobile

I.3.1.2.1. Les gyroscope, gyromtre et gyrocompas Les gyroscopes permettent la mesure de l'angle de rotation de la trajectoire du systme mobile. Ces mesures sont intgres pour fournir la position du systme mobile. Ces capteurs sont particulirement rpandus en positionnement de systmes mobiles. Car, ils aident compenser pour la plupart, l'imprcision sur l'orientation fournie par l'odomtre [6],[7]. Une erreur d'orientation odomtrique peut entraner une erreur de position cumulative qui peut tre diminue voire compense par lutilisation conjointe de gyroscopes [7]. Les gyroscopes trs prcis sont trop onreux pour tre utiliss en robotique mobile. Cependant, les gyroscopes fibre optique, connus pour leur grande prcision, ont vu leur prix chuter et sont donc devenus une solution attractive pour la navigation en robotique mobile. Le gyromtre est un capteur qui permet de mesurer une vitesse angulaire. Il existe plusieurs types de gyromtres : les premiers avoir fait leur apparition furent mcaniques, aujourdhui, on utilise surtout des gyromtres laser ou des gyromtres optiques [8]. Le gyrocompas est un capteur qui permet de mesurer le cap. Il est compos dun gyroscope et dun compas magntique. Le gyrocompas conserve le nord magntique durant tout le dplacement du vhicule, aprs lavoir initialement dtermin de faon autonome. I.3.1.2.2. Les magntomtres Les capteurs magntiques sont des instruments qui mesurent la direction du champ magntique terrestre. Ils sont utiliss pour dduire lorientation du systme mobile. Ces derniers tant perturbs par les masses mtalliques, l'utilisation du compas magntique n'est possible que pour des systmes mobiles voluant dans la nature, moyennant une procdure d'initialisation pour compenser l'influence magntique de l'engin porteur. Comme les capteurs inertiels, les magntomtres sont utiliss pour indiquer l'orie ntation du systme mobile [9]. I.3.2. Capteurs extroceptifs Les capteurs extroceptifs sont employs en robotique mobile pour collecter des informations sur l'environnement d'volution du systme mobile. Ils sont le complment indispensable aux capteurs proprioceptifs prsents prcdemment. Des mthodes de fusion de donnes sont alors utilises pour conditionner et traiter les informations sensorielles de natures diffrentes.

22

Chapitre I

Mo dlisation & perception des s ystmes de robotique mobile

Ils sont notamment utiliss dans les domaines d'application tels que l'vitement d'obstacle, la localisation, la navigation et la modlisation d'environnements. Les principaux capteurs utiliss en robotique mobile sont : les capteurs tlmtriques (les ultrasons, les lasers et les infrarouges), le GPS et les camras. I.3.2.1. Les capteurs tlmtriques On appelle tlmtrie toute technique de mesure de distance par des procds acoustiques, optiques ou radiolectriques. Lappareil permettant de mesurer les distances est appel tlmtre . Il existe diffrentes technologies pour raliser un tlmtre. Nous prsentons dans ce qui suit les tlmtres les plus utiliss dans les systmes de robotique mobile, en donnant une ide de leur gamme de mesure et dapplication. I.3.2.1.1. Les capteurs ultrasons Les capteurs ultrasonores utilisent des ondes sonores dont les frquences ne sont pas perceptibles par loreille humaine. Les frquences couramment utilises dans ce type de technologie vont de 20khz 200khz. Les capteurs ultrasons mesurent le temps de vol dune onde ultrasonore entre son mission et sa rception aprs rflexion. A partir de ce temps et connaissant la vitesse de propagation de londe, la distance sparant le capteur de lobstacle quil peroit est directement disponible sans analyses complmentaires. Les acquisitions des mesures sont rapides, ils peuvent donc tre utiliss pour le processus qui commande un traitement en temps rel comme lvitement dobstacle.

Figure.I.18. Capteur ultrason ME007

Comme chaque capteur, il existe nanmoins des erreurs potentielles comme la variation de la vitesse de propagation de l'onde qui peut tre influence par les changements de temprature, par les courants d'air et dans une moindre mesure par l'humidit. Une autre caractristique de ces capteurs est leur cne d'mission assez large (de 20 30) qui ne
23

Chapitre I

Mo dlisation & perception des s ystmes de robotique mobile

permet pas de connatre prcisment la position de l'obstacle dans le cne d'mission du capteur.

Figure.I.19. La distribution de lintensit dun capteur ultrason [2]

I.3.2.1.2. Les capteurs infrarouges Les capteurs infrarouges fonctionnent suivant le mme principe que les capteurs ultrasons. Ils se composent d'un couple metteur-rcepteur (Figure I.20). L'mission s'effectue par une diode lectroluminescente infrarouge. Le rcepteur est une photodiode ou un phototransistor, sensible au flux lumineux rtrodiffus par la cible [10]. Les capteurs infrarouges sont d'un faible encombrement mais sens ibles aux perturbations lumineuses ainsi qu' la nature des surfaces rflchissantes. Leurs portes n'tant que de quelques mtres, ils sont utiliss essentiellement pour dtec ter les obstacles proches [11].
IR

Obstacle

Figure.I.20. Capteurs Infrarouge Sharp GP2D120

24

Chapitre I

Mo dlisation & perception des s ystmes de robotique mobile

I.3.2.1.3. Les capteurs lasers Il existe deux manires de mesurer une distance grce un systme laser. Soit il met en mode continu et la distance est dtermine partir du dphasage entre londe mise et londe rflchie par lobstacle, soit il met en mode puls et la distance est proportionnelle au temps de vol de londe entre son mission et sa rception. Le faisceau donde mis est trs concentr, ce qui permet davoir un cne dmission trs troit et donc une bonne prcision de mesure. Pour obtenir un balayage de lenvironnement en deux, voir en trois dimensions, diffrents systmes de miroir tournants peuvent tre associs au laser [12]. Les lasers existants diffrent par leurs caractristiques et leurs domaines dapplications. En effet, la distance maximale mesurable des lasers peut aller dune dizaine de mtres jusqu quelques centaines de mtres. Les tlmtres les plus utiliss lheure actuelle pour des applications de cartographie et de localisation sont les tlmtres laser balayage. Ils utilisent un faisceau laser mis en rotation afin de balayer un plan, en gnral horizontal.

Figure.I.21. Laser SICK 180 (a) , Lidar 360 (b)

Les tlmtres laser les plus courant ont une bonne rsolution angulaire car ils permettent dobtenir une mesure de distance tout les demi ou un degr, sur une zone de 180 360 degrs selon les modles (Figure.I.21). Ces tlmtres sont plus utiliss en environnement dintrieur que lextrieur car ils fournissent des donnes abondantes et prcises sur la position des objets caractristiques de lenvironnement tels que les mursetc.

25

Chapitre I

Mo dlisation & perception des s ystmes de robotique mobile

Figure.I.22. Schma de la tlmtrie laser par dphasage de mesure [2]

Lexpression de la distance de mesure est donne par lquation : (I.47) Avec : (I.48)

I.3.2.1.4.

GPS (Global positioning system)

Un des systmes les plus connus de ces dernires annes est le Systme de Positionnement Global (GPS), du dpartement de la dfense des Etats-Unis, qui exploite une constellation de vingt-quatre satellites en orbite haute altitude. Chaque satellite dtecte les rcepteurs terrestres fixes ou mobiles qui se trouvent dans sa zone de visibilit et transmet chacun, priode fixe, un signal contenant des informations telles que son identification, l'heure d'mission du signal et les paramtres dfinissant son orbite donc sa position. Thoriquement, un rcepteur doit tre visible dau moins trois satellites, pour pouvoir calculer sa position dans un repre centr sur la terre, en calculant lintersection de trois sphres (trois cercles pour un systme mobile au sol) ; de fait, pour tenir compte des dcalages temporels entre les mesures fournies par les satellites, quatre mesures de distance entre le satellite et le rcepteur sont requises pour disposer dune prcision satisfaisante [13].

26

Chapitre I

Mo dlisation & perception des s ystmes de robotique mobile

Figure.I.23. Calcul de la position et le cap bas sur le GPS [2]

En termes de prcision, la localisation ainsi obtenue est entache dune erreur de lordre de la quinzaine de mtres. Ce qui nest pas suffisant pour permettre un robot de naviguer de manire robuste. Ainsi, on a systmatiquement recours une mthode diffrentielle pour obtenir des rsultats plus satisfaisants (Figure.I.23). La localisation se fait laide de deux rcepteurs, dont lun est statique et positionn avec prcision dans lenvironnement. On peut alors obtenir une prcision de lordre du centimtre. Ce systme est cependant loin de rsoudre tous les problmes de localisation des systmes mobiles. Il fonctionne en effet difficilement dans des environnements urbains, et nest pas utilisable lintrieur des btiments, car les ondes employes sont fortement attnues en traversant les murs. Sa prcision est de plus souvent trop faible pour quun systme mobile terrestre puisse utiliser ces informations seules. En pratique, il est souvent coupl un systme inertiel qui permet de pallier aux pertes du signal GPS et il ne remplace, de toute faon, pas les capteurs du systme mobile qui lui permettent de percevoir son environnement immdiat [14]. Mis part son utilisation pour la localisation, ce systme est aussi utilis pour laide la navigation davions et de bateaux lors de lapproche daroports ou de ports, ainsi que dans la surveillance de camionnettes de livraison et de vhicules durgence, en vue de choisir au mieux leurs itinraires.

27

Chapitre I

Mo dlisation & perception des s ystmes de robotique mobile

Figure.I.24. Rcepteur GPS

Il existe une varit de trames GPS dune frquence entre 5Hz 15Hz, qui donnent non seulement la position, mais aussi laltitude, vitesse, heures, nombre de satellitesetc. Parmi les plus utiliss dans la robotique terrestre, arienne et maritime du standard NMEA on trouve : GGA RMCetc. I.3.2.1.5. Les camras La vision par ordinateur est une imitation de la vision humaine. Pour ce faire, il faut dabord crer des dispositifs de vision ayant les mmes capacits de capture que celles de ltre humain. Deux technologies sont utilises: CCD (charged coupled device) et CMOS (complementary metal oxide semiconductor). Technologie CCD : Un composant CCD est une matrice dlments (Pixels) sensibles la lumire (400-1000nm ). Chaque pixel peut tre vu comme un condensateur de taille denviron 5-25m. Au dbut, les condensateurs sont chargs. Durant le temps dexposition (temps dintgration), les photons librent des lectrons qui seront retenus par les pixels (jusqu 40000 e /pixel). Aprs lexposition, les charges doivent tre maintenues constantes et lues. Ce qui exige une circuiterie de commande bien spcialise. Technologie CMOS : Cette technologie dmarre partir de CCD. Elle associe chaque pixel une circuiterie de plusieurs transistors qui mesure et amplifie le signal. Ce qui facilite normment le transfert de linformation et rduit la consommation nergtique. Nanmoins, cette technologie est rcente et la rsolutio n est encore faible en la comparant celle de CCD. Une camra peut tre utilise de diffrentes manires pour la navigation dun robot mobile. Elle peut tre utilise pour dtecter des amers visuels (des points particuliers qui servent de repre, tels que des portes ou des affiches) partir desquels il se ra possible de calculer la position du robot. Si ces amers sont simplement ponctuels, ou de petite taille, il sera en gnral simplement possible destimer leur direction. Dans le cas ou les amers sont
28

Chapitre I

Mo dlisation & perception des s ystmes de robotique mobile

des objets connus en 2D ou 3D, il sera en gnral poss ible destimer compltement la position du robot par rapport la leur. Elle peut galement tre utilise pour dtecter des guides de navigation pour le robot, tels que des routes ou des couloirs.

I.4. Conclusion
Au cours de ce chapitre, nous avons prsent les diffrents types de robots mobiles roues les plus utiliss. Cette varit rside dans leur mode de locomotion qui dpend du type et de la disposition des roues employes. Une tude cinmatique spcifique est donc ncessaire pour chaque type de robot avant son utilisation. Nous avons aussi introduit la distinction entre systmes holonomes et systmes non holonomes. On a vu que la majorit des robots mobiles roues sont des systmes non holonomes, sauf dans le cas des robots mobiles omnidirectionnels. Dans notre cas, le robot mobile B21R est non holonome, de type traction synchrone. Ces robots mobiles sont ddis divers applications o ils auront se dplacer dans des environnements dintrieur ou dextrieur. Pour cela, ils do ivent tre munis dun systme de perception qui est gnralement compos de deux catgories de capteurs. Ces catgories sont plus complmentaires que concurrentes. Cest pour cette raison quun systme de navigation sera gnralement bas sur lexploitation des informations sensorielles manant de ces deux catgories de capteurs. Nous pouvons tendre cette remarque la problmatique spcifique quest la perception du milieu dvolution dun robot mobile : lemploi dun seul capteur pour une tche donne est gnralement insuffisant. Ainsi, lassociation de plusieurs capteurs, quils soient complmentaires ou redondants, permettra dobtenir un modle sensoriel robuste et hautement descriptif.

29

Chapitre II

Localisation & cartographie des systmes de robotique mobile

Chapitre II

Localisation & cartographie des systmes de robotique mobile

II.1. Introduction
La navigation est l'une des comptences les plus difficiles requises d'un robot mobile. Le succs de la navigation ncessite la russite dans les cinq blocs constructifs du systme de navigation: La pe rception : Le robot doit interprter les donnes de ses capteurs pour extraire des informations significatives. Localisation : Le robot doit dterminer sa position dans l'environnement. La cartographie : Le robot doit construire la carte de lenvironnement qui len toure vu par ses systmes embarqus. La navigation : Le robot doit planifier son chemin pour atteindre ses objectifs. Le contrle du mouvement : Le robot doit moduler ses sorties des moteurs pour obtenir la trajectoire dsire.

Capteurs

Perception

Localisation

Cartogra phie

Actionneurs

Contrle

Navigation

Figure.II.1. Boucle de navigation autonome des robots mobiles

Parmi ces cinq composantes (Figure.II.1), la localisation et la cartographie ont reu la plus grande attention durant cette dernire dcennie et des progrs significatifs ont t raliss sur ce front qui y a un grand lien avec la navigation.

II.2. Localisation des systmes de robotique mobile


La localisation est la dtermination de la situation (i.e., position et orientation) du systme mobile par rapport un repre de rfrence. Elle est absolue , si le repre est fix son environnement. Elle est relative , lorsque le repre est li une position prcdente du systme mobile. Nous pouvons aussi parler de localisation statique lorsque le calcul de la position seffectue larrt ou de localisation dynamique lorsque celle-ci est value durant le mouvement.

30

Chapitre II

Localisation & cartographie des systmes de robotique mobile

Nous pouvons considrer trois grands systmes de localisation [15]: La localisation relative ou lestime (Dead Reckoning en anglais), base sur lutilisation des capteurs proprioceptifs, La localisation absolue, base sur lutilisation des capteurs extroceptifs, La localisation dite hybride, base sur lutilisation conjointe des capteurs proprioceptifs et extroceptifs. II.2.1. Localisation relative ( lestime) Elle consiste dterminer la position, lorientation, et ventuellement la vitesse du systme mobile par intgration des informations fournies par divers capteurs proprioceptifs depuis un point de dpart. Ces donnes peuvent tre des informations de dplacement (odomtre), de vitesse (vlocimtre) ou dacclration (capteurs inertiels) [15]. Ce type de localisation prsente limmense avantage dtre indpendant de

lenvironnement. Les seules erreurs quil peut gnrer sont celles dues son mode de fonctionnement interne. Par contre, linconvnient majeur est laccumulation d es erreurs due aux diffrentes intgrations. II.2.2. Localisation absolue La localisation absolue est une technique qui permet un systme mobile de se reprer directement dans son milieu dvolution, que ce soit en environnement extrieur (mer, espace, terre), ou en environnement intrieur (ateliers, immeubles, centrales nuclaires) [16]. Elle est base sur lutilisation de capteurs extroceptifs et ncessite toujours une reprsentation de lenvironnement. Le systme mobile possde donc une banque de donnes regroupant les lments caractristiques de son milieu dvolution (balises, GPS). Pour sa localisation absolue, il doit dduire de la perception de ces lments caractristiques, sa position dans son environnement. II.2.3. Localisation hybride Les deux approches de localisation prsentes prcdemment (localisation lestime et localisation absolue) sappuient soit sur des mesures de dplacement relatif, soit sur des mesures de position absolue. Elles possdent des caractristiques complmentaires.
31

Chapitre II

Localisation & cartographie des systmes de robotique mobile

En dveloppant des mthodes de localisation qui fusionnent les donnes proprioceptives et extroceptives, il est possible dallier les avantages des deux approches, tout en limitant leurs inconvnients. Le principe de ces mthodes consiste corriger les positions estimes cadence rapide au moyen des capteurs proprioceptifs par des mesures fournies cadence beaucoup plus lente par les capteurs extroceptifs. On parle alors de recalage dynamique, c'est--dire, les positions estimes par les capteurs proprioceptifs seront utilises pour faciliter lappariement des mesures fournies par les capteurs extroceptifs [16].

II.3. Cartographie des systmes de robotique mobile


Mme en prsence dune bonne localisation, un robot qui ne possde a priori aucune information sur lenvironnement, dans lequel il doit se dplacer et agir, doit tre capable de modliser son environnement grce lensemble de ses capteurs. Ce modle est indispensable pour la navigation. Dans certaines applications robotiques, une carte de lenvir onnement peut tre fournie par un oprateur humain ou par des sources extrieures comme les images ariennes ou satellites. Mais, dans la plupart des cas, ces donnes sont insuffisantes pour les applications qui ont besoin de perception prcise dans une zo ne dactivit locale du robot. Un robot autonome doit tre capable de ragir des modifications inattendues dans son environnement. La construction dune telle carte devra tre incrmentale, en fusionnant les perceptions successives acquises par les capteurs du robot au cours de son dplacement. Deux grandes familles de reprsentation dun espace de navigation se distinguent : Les reprsentations mtriques : Elles dcrivent explicitement la position "gomtrique" des lments de l'environnement. les reprsentations topologiques : Elles sont bases sur des graphes reprsentant des informations de plus haut niveau comme certaines places caractristiques de l'environnement (coins, croisement de deux couloirs, jonctions en T, etc.). II.3.1. Reprsentations mtriques Dans cette reprsentation, lenvironnement est reprsent par un ensemble dobjets auxquels sont associes des positions dans un espace mtrique, gnralement en deux dimensions. Elle peut tre subdivise en deux sous familles: Reprsentation purement gomtrique qui utilise explicitement les positions "cartsiennes" des primitives cartographiques.

32

Chapitre II

Localisation & cartographie des systmes de robotique mobile

Reprsentation par grille doccupation, qui dcrit les proprits mtriques par discrtisation de lenvironnement en y ajoutant des informations d'incertitude.

A- Reprsentation gomtrique Cest une reprsentation cartsienne de lenvironnement o les coordonnes x , y voire z des amers (caractristiques de lenvironnement) sont dcrites explicitement. Ces caractristiques sont des points, des segments de droite, des rectangles, des polygonesetc, obtenues partir des mesures et constituant une reprsentation des diffrents lments de l'environnement. Ces reprsentations sont obtenues soit partir des mesures de capteurs tlmtriques qui donnent la limite des obstacles, soit partir des modles tablis partir d'une image d'un capteur de vision qui donne une autre perception de l'environnement.

Figure.II.2. Carte gomtrique reprsentant un hall

B- Grille doccupation Dans une grille doccupation, les mesures sont reprsentes sous forme d'un ensemble de cellules. Chaque cellule possde plusieurs attributs exprimant chacun une proprit de la zone correspondante, notamment son occupation. Pour des sc nes d'intrieur, o le sol est plat, la plupart des chercheurs dcrivent l'tat de chaque cellule par un attribut unique qui est la probabilit d'occupation. On parle alors de grille d'occupation. Une cellule est dite libre si sa probabilit d'occupation est infrieure un seuil choisi et occupe dans le cas inverse. La grille doccupation reprsente un modle capable de faire la mise jour de lenvironnement une frquence leve et permettant de rviser facilement les probabilits
33

Chapitre II

Localisation & cartographie des systmes de robotique mobile

doccupation, donc de suivre lvolution de lenvironnement autour du robot. C e qui est indispensable pour une meilleure ractivit. De plus, une grille doccupation est capable de modliser des environnements de forme quelconque et ne cherche pas estimer les donnes par des primitives qui peuvent tre inadquates. Elle est en gnral prfre pour les applications qui reposent sur la dtection de lespace navigable (espace libre) ou pour lvitement dobstacles. En revanche, elle souffre de la discrtis ation par une grille qui induit des dformations et exige un espace de stockage important pour une grande rsolution.

Figure.II.3. Grille do ccupation [2]

II.3.2. Reprsentation topologique Les cartes topologiques permettent de reprsenter lenvironnement du robot sous forme de graphe. Les nuds du graphe correspondent des lieux, cest--dire des positions que le robot peut atteindre. Les artes liant les nuds marquent la possibilit pour le robot de passer directement dun lieu un autre et mmorisent en gnral la manire de raliser ce passage. La dtection et la mmorisation des lieux reposent en gnral sur deux procdures qui utilisent les perceptions. La premire permet simplement de comparer deux perceptions et donc de reconnatre un lieu de la carte ou de dtecter un lieu nouveau. La seconde procdure permet de mmoriser un nouveau lieu ou dadapter la dfinition dun lieu lors des passages successifs du robot en ce lie u. Comme nous lavons dj mentionn, la reconnaissance dun lieu est soumise aux problmes de la variabilit perceptuelle. En consquence, la premire procdure peut donner des rsultats errons. Par exemple, un lieu dj visit peut ne pas tre reconnu ou un lieu nouveau peut tre confondu avec un lieu dj mmoris. Pour rsoudre ces problmes, la reconnaissance des lieux fera donc appel aux donnes proprioceptives en plus des perceptions. Pour ce faire, de nombreuses mthodes ont t mises en uvre. Les donnes mmorises dans les artes du graphe sur les relations de voisinage entre lieux proviennent des donnes proprioceptives. Cela est caractristique des cartes topologiques, dans lesquelles
34

Chapitre II

Localisation & cartographie des systmes de robotique mobile

les perceptions ne sont en gnral pas utilises pour estime r les positions relatives des lieux visits, mais seulement pour reconnatre un lieu. Ces donnes peuvent tre des informations sur les positions relatives des nuds ou des informations sur les actions effectuer pour parcourir cette arte.

(a)

(b)

Figure.II.4. (a) modle rel, (b) Carte topologique

II.4. Localisation et cartographie simultanes (SLAM)


Lorsque la carte de lenvironnement du systme mobile nest pas connue a priori, un module de gnration de carte doit obligatoirement tre intgr au systme de navigation. Il sagit l dune tape supplmentaire qui consiste mettre jour , au fur et mesure des acquisitions, une reprsentation du milieu dvolution du systme mobile. Ce processus se dcline comme une fusion successive des diffrents modles sensoriels gnrs lors du dplacement du systme. Il parat clair ce niveau que la fusion incrmentale de modles sensoriels ncessite obligatoirement leurs recalages systmatiques avec les primitives dj insres dans la carte. Cette tape de recalage est, ni plus ni moins, quune localisation du systme mobile par rapport une connaissance acquise au cours du dplacement. Ltape de localisation devient alors indissociable de celle de modlisation et on parle alors dun systme de localisation et modlisation simultane (en anglais, Simultaneous Localization and Mapping ou SLAM), voire plus rarement CML (Concurrent Mapping and Localization) [16]. Limplmentation dun algorithme SLAM repose sur les tapes suivantes : Perception : les algorithmes de perception fournissent, partir des donnes issues des capteurs extroceptifs, un ensemble dobservations des lments de lenvironnement (amers), dont la position relative au systme mobile peut tre dtermine. Ce
35

Chapitre II

Localisation & cartographie des systmes de robotique mobile

processus de perception dpend bien entendu du type denvironnement dans lequel le systme mobile volue et des capteurs utiliss. Les donnes proprioceptives sont des mesures internes au systme et renseignent sur lvolution de son tat. Pour le SLAM, on sintresse la position du systme mobile dont lvolution est typiquement fournie par des capteurs odomtriques ou une centrale inertielle.

Perception

Mouvement

Carte Locale

Mise en correspondance

Carte globale

Correction de la position du robot et de la carte

Fusion de la carte

Figure.II.5. Architecture gnrale du SLAM

Association de donnes : les amers ne sont utiles, pour estimer la position du systme mobile, que sils sont observs de diffrentes positions. Le systme mobile doit dcider si lamer observ est dj prsent dans la carte et de quel amer il sagit ou bien alors si cest un nouvel amer ajouter la carte.

Estimation : Lalgorithme destimation doit intgrer les donnes issues de la perception ainsi que de la proprioception afin de fournir une estime de la position du systme mobile et des positions des amers, ainsi que les incertitudes associes ces estimes.

36

Chapitre II

Localisation & cartographie des systmes de robotique mobile

Gestion de la carte : Il sagit dintgrer ou bien fusionner toutes les donnes issues de la perception afin de fournir une carte globale cohrente de lenvironnement. Autrement dit, lorsquun systme mobile se dplace dans un environnement, les amers dtects sont positionns avec une imprcision due aux capteurs embarqus. Le systme mobile mesure son dplacement par une technique de localisation lestime avec une certaine erreur. Les amers qui sont nouveau observs, aprs une mise en correspondance, sont associs aux amers pralablement perus. Une technique de fusion de donnes permet alors de rduire les erreurs sur la position courante du systme mobile et les positions des amers. Ce processus est itr chaque nouvelle perception de lenvironnement effectue par le systme mobile.

II.5. La technique SLAM scan matching


Dans les applications de modlisation de lenvironnement, on dispose gnralement de plusieurs donnes 2D de la mme scne prises de points de vue diffrents. Lalignement de ces vues peut tre dfini comme tant le processus d'estimation des transformations rigides (rotations et translations) qui permettent de ramener ces diffrentes vues dans un rfrentiel commun. Le scan matching (ou mise en correspondance des scannes) de deux vues est souvent considr comme un problme d'optimisation, dont la fonction de cot est base sur la mesure dune distance entre les parties communes de ces deux vues. Les diffrentes mthodes proposes pour rsoudre ce problme diffrent essentiellement selo n la mtrique utilise pour formuler cette distance et selon la technique de minimisation mise en uvre. II.5.1. Lobjectif du scan matching La reconstruction de modles 2D complets (cration de modles d'objets, reconstruction de l'environnement en robotique mobile, imagerie, etc.) ncessite l'acquisition de plusieurs donnes de l'objet sous des points de vue diffrents. Cette contrainte rsulte tout da bord des limitations du champ de capteur utilis. Ainsi, plus la rsolution du capteur est importante, plus son champ est petit. Dans ce cas, il faut acqurir un nombre important de donnes pour numriser lensemble de lobjet. Il en rsulte des donnes 2D qui doivent tre transformes dans le mme systme de coordonnes. Cette opration est appele "appariement (matching)". Pour que lappariement soit possible, les points de vue choisis pour la numrisation doivent tre tels que deux nuages de point voisins se recouvrent partiellement.

37

Chapitre II

Localisation & cartographie des systmes de robotique mobile

Le scan matching vise fournir un ensemble de donnes exploitables pour la reconstruction du modle numrique dun objet ou dun environnement de telle sorte que l'on puisse, d'une part, le visualiser sur un cran et, d'autre part, traiter ces donnes pour obtenir une reprsentation adapte lapplication envisage. Mais ce nest pas le seul domaine dapplication du scan matching. Il peut galement servir pour la reconnaissance de formes 2D & 3D ou pour rsoudre des problmes de localisation en robotique mobile en maximisant la superposition de deux configurations conscutives comme le montre la (Figure II.6).
Points recaler

Figure.II.6. Localisation relative du robot utilisant deux scans conscutifs [17]

II.5.2. Les approches de scan matching La construction du modle 2D d'un objet ncessite lappariement de plusieurs vues. Pour recaler lensemble de ces vues dans un rfrentiel unique, on peut utiliser soit une approche locale soit une approche globale, comme il est illustr dans la (Figure II.6). Le scan matching local [18],[19] consiste recaler les diffrentes vues deux par deux. Ainsi, pour un modle compos de N vues, il faut recaler successivement N-1 paires de donnes. Cette approche a l'inconvnient de ne pas prendre en compte toutes les interactions entre les divers recouvrements mutuels des diffrentes donnes. En effet, chaque vue chevauche gnralement plusieurs autres vues. Un autre inconvnient de cette approche est que les erreurs dappariement par paires se p ropagent de donne en donne [20]. Le scan matching global, contrairement au scan matching local, prend en considration toutes les vues disponibles la fois. Il prend en compte tous les recouvrements possibles entre les diffrentes vues. Il permet une meilleure distribution des erreurs rsid uelles entre les diffrents recouvrements.

38

Chapitre II

Localisation & cartographie des systmes de robotique mobile

Carte locale

Carte locale (k+1) Carte locale (k) Repre (k+1)

Re p re (k)

(a)

Carte globale Repre globale

(b)

Figure.II.7. scan matching : (a) local et (b) global.

Pour les mthodes du scan matching, il existe plusieurs algorithmes pour rsoudre ce problme, parmi les plus connus et utiliss, on y trouve les algorithmes: Itrative closest point ICP [19]. Itrative dual correspondances IDC [21]. Point-based probabilistic registration [22]. Branch-and-bound registration [23]. Normal distributions transform NDT [24]. Gaussian fields registration [25].

II.6. Conclusion
Dans ce chapitre, nous avons prsent les diffrentes mthodes de localisation, ainsi les diffrentes reprsentations de lenvironnement existantes . Nous avons abord aussi le principe de SLAM et lobjectif du scan matching et ses diffrentes approches. On a termin par les algorithmes les plus utiliss du scan matching qui sont, de nos jours, appliqus pour la localisation et cartographie simultanes (SLAM ) en robotique mobile. Le prochain chapitre aborde le fond de notre travail qui concerne la technique tudie et implmente du scan matching utilise pour le SLAM, savoir lalgorithme ICP, ainsi les rsultats obtenus pour divers environnements.

39

Chapitre III

La technique ICP (Itrative Closest Point) base SLAM

Chapitre III

La technique ICP (Itr ative Closest Point) base SLAM

III.1. Introduction
Plusieurs techniques ont t dveloppes pour assurer la connaissance, de faon autonome, la position dun robot mobile dans son environnement. Parmi elles, les mthodes SLAM (Simultaneous Localization and Mapping) qui fournissent simultanment la position du robot mobile et une carte fiable et prcise de lenvironnement dvolution. Car une carte prcise et dtaille reprsente une source dinformation indispensable pour raliser une bonne localisation du robot mobile. Mais, pour laborer une carte correcte, une localisation du robot mobile dans son environnement et aussi importante. La localisation et cartographie

simultanes, SLAM, permet au robot de mettre en place une base de connaissances, grce la construction progressive de la carte, en utilisant les donnes de ses capteurs, tout en estimant sa localisation sur la carte. Comme nous lavons mentionn dans le chapitre prcdent, il existe plusieurs techniques pour lestimation des postures du robot. Dans notre projet, lapproche utilise est la technique ICP (Iterative Closest Point) qui recherche pour chaque point du premier scan le meilleur correspondant parmi les points du second scan. Ces informations d'association de donnes permettent de corriger la position du robot due lerreur cumulative engendre par les capteurs odomtriques. Puis, le processus se rpte de manire itrative pour raffiner progressivement cette estimation. Ceci fait lobjet de ce chapitre. Mais, on commence dabord par la prsentation plateforme utilise, savoir le robot mobile B21R (iRobot).

III.2. La plateforme utilise : Robot mobile B21R (iRobot)


Le robot mobile B21R que nous avions utilis est une plateforme exprimentale construite par la socit iRobot pouvant se dplacer dans un milieu intrieur (Indoor). Conu spcialement pour diverses applications telles que: la localisation, navigation, cartographie, surveillance, IHMetc. III.2.1. Architecture mat rielle Le robot synchro drive B21R se dplace grce ses quatre roues disposes en forme de carr. Il a une forme cylindrique de dimension de (52.5x106cm), pse environ 122.5kg et peut supporter une charge supplmentaire de 90kg, et se dplace une vitesse max de 90cm/s.

40

Chapitre III

La technique ICP (Itr ative Closest Point) base SLAM

Camra CCD Ceinture Ultrasons

Console

Enclosure
Infrarouges Laser

Base
Vue de lextrieur

Laser
Vue de lintrieur

Chaine dorientation

Chaine de dplacement

Roue
M oteur dorientation M oteur de dplacement

Figure.III.1. La structure matrielle du robot B21R

Il est constitu de trois parties : la base, lenclosure et la console. Lenclosure et la console sont mcaniquement attaches, alors que lenclosure et la base sont relies par une articulation se qui permet une rotation libre de lenclosure indpendamment de la base. Lenclosure comporte deux ceintures de capteurs, une ceinture de capteurs ultrasons de type polaroid et une ceinture de capteurs infrarouges de type GP2D02. La base quant elle comporte une autre ceinture de capteurs ultrasons polarod. La console supporte la camra CCD et linterface rFLEX. Un tlmtre laser est aussi embarqu sur le robot mobile, celui-ci est plac dans la partie infrieure de lenclosure, donc lorientation du laser suivra celle du robot. Le robot mobile B21R est aussi muni dodomtres qui servent mesurer le dplacement et lorientation effectus par le robot. Les donnes provenant de ces capteurs sont prsentes de faon donner la position du robot mobile en X et Y ainsi que son orientation. De ce fait la position du robot peut tre directement lue. Dans ce type de robots, toutes les roues tournent en mme te mps et roulent de la mme faon. Cest ce qui mne un comportement non holonome. Les quatre roues pointent dans la
41

Chapitre III

La technique ICP (Itr ative Closest Point) base SLAM

mme direction et roulent la mme vitesse. Ceci est typiquement ralis par l'utilisation d'une collection complexe de ceintures qui lie physiquement les roues ensembles et synchronise leur mouvement. Pour la locomotion, le robot possde deux moteurs indpendants : un pour la translation et lautre pour lorientation. Lensemble du mcanisme : moteurs, roues et la collection de ceintures se situent dans la base, qui ne tourne pas lors de la rotation des roues. Contrairement, lenclosure tourne dune faon synchrone avec lorientation des roues [1]. Les vitesses (rotation et translation) du robot traction synchrone (synchro drive) peuvent tre positives ou ngatives. Cela signifie quil peut se dplacer en avant ou en arrire, tourner sur lui- mme ou en suivant un virage. Tous les capteurs et les actionneurs sont connects au bus FARnet du robot et contrls par un ordinateur embarqu. Ce dernier est un Pentium PC avec dual 800Mhz processeurs avec un sys tme dexploitation Linux (Redhat v6.2). Le systme communique avec un autre ordinateur extrieur par lintermdiaire des ports illustrs par Figure.III.2. Deux antennes BreezeCom pour une communication Ethernet sans fils. Un port srie pour une communication srie avec un autre ordinateur. Un port Ethernet (RJ45) pour une connexion directe un rseau local.

Port srie de la console

Ecran rFLEX

Figure.III.2. La structure matrielle de la console B21R

42

Chapitre III

La technique ICP (Itr ative Closest Point) base SLAM

III.2.2. Architecture logicielle Le robot B21R est contrl par le systme rFlex de la socit iRobot, fournissant des contrles standardiss et une interface utilisateur facile utiliser et conviviale permettant linteraction avec lutilisateur travers un ensemble de menus permettant la gestion des capteurs ultrasonores, les moteurs et autres systmes e mbarqus. Ce systme est considr comme le systme nerveux central du robot mobile B21R o les cbles, nuds et Hubs sont faciles configurer et son rseau est trs optimis pour lier les capteurs embarqus et les actionneurs son ordinateur du traitement central. Le contrle software se fait par MobilityTM, logiciel distribu, toolkit orient objet pour la construction de programmes de contrle dun seul ou plusieurs robots de la famille iRobot . Le logiciel Mobility utilis est bas sur CORBA. Il collecte les donnes en provenance des capteurs embarqus, les interprte et les excute. En utilisant CORBA, tous les capteurs et les actionneurs peuvent tre vus comme des ressources Internet. Cest une librairie compo se de programmes crits en C & C++ contrlant le hardware du robot mobile B21R. La connexion avec les diffrents capteurs embarqus se fait en excutant le programme serveur qui ragit rciproquement avec le capteur. Ce dernier se connectera son tour au name server. Chaque capteur peut tre donc connect et contrl par un simple programme crit en C incluant les fonctions et procdures fournies avec Mobility.

III.3. Gnration de points par le tlmtre Laser


Le dispositif de balayage laser, mont sur le robot B21R, est un SICK de type PLS-101-312 (Proximity Laser scanner) situ au centre du robot (Figure.III.3) qui gnre un faisceau lumineux qui tourne dans un plan horizontal parallle au sol. Ainsi, une plage de balayage, l'instant k discret, peut tre dfinie comme un ensemble de points reprsents en ,

coordonnes polaires, sous forme de liste coupl de distances et d'angles lenvironnement [26].

correspondant des intersections successives du rayon laser avec les plus proches objets de

Les angles de balayage sont disposs conscutivement et sont espacs rgulirement avec une certaine rsolution angulaire . La squence de balayage est indexe par j , qui reprsente un nombre entier compris entre 0 et une valeur maximale N.

43

Chapitre III

La technique ICP (Itr ative Closest Point) base SLAM

Nous avons

un systme de coordonnes du tlmtre au temps discret k . En supposant que , Alors: (III.1)

l'axe des X est align avec le faisceau laser

Les coordonnes cartsiennes des points scanns sont donnes par : (III.2)

Figure.III.3. La position de lobstacle P dans la rfrence du robot pour

Figure.III.4. Les coordonnes cartsiennes et polaires dun scan Laser

44

Chapitre III

La technique ICP (Itr ative Closest Point) base SLAM

III.4. Lalgorithme ICP Iterative Closest Point


La lgorithme itrative closest point (ICP) est largement utilis de nos jours pour lappariement de deux nuage de points 2D & 3D. Il a t introduit en 1992 par Besl & McKay [19]. En dpit de sa popularit, particulirement pour l'appariement de surface 3D (Chan et Medioni, 1991) [18], (Besl etMcKay, 1992) [19], (Zhang, 1992) [29], y compris en

3D SLAM (Surmann et al. 2004), seules quelques applications de l' ICP ont t signals pour l'estimation 2D du mouvement de robot mobile. Depuis notre objectif est d'utiliser la mthode de la mise en correspondance 2D, ce qui suit est une description d'un pur deux dimensions point par point (point-to-point) de l'algorithme ICP (c'est--dire sans calculs de la tangente) ainsi son application pour le SLAM [26]. Pour cela, nous supposons que le robot est dans une position de rfrence note prend un premier scan not une nouvelle posture . Il

. Maintenant, le robot se dplace dans lenvironnement vers .

, par rapport au repre de rfrence, il prend un nouveau scan partir de la position

La diffrence approximative de la position

(translation et

rotation) est habituellement connue par odomtrie. Cependant, cette infor mation est souvent imparfaite et cela est d au patinage, glissement des roues et aux erreurs des capteurs. Notre premire tche consiste dterminer la vraie position ( , ) [21]. en alignant les deux scans

PNew SRef PRef Figure.III.5. Objectif de lICP PCorrig

SNew

45

Chapitre III

La technique ICP (Itr ative Closest Point) base SLAM

Lalgorithme ICP comporte en gnral trois tapes essentielles. On peut les reprsenter sous la forme de la (Figure.III.6).
Dbut

Initialisation des paramtres

par odomtrie

Projection de

dans le repre de

Association de

avec

Estimation des paramtres (

Non

Critre darrt

Oui

Arrt Figure.III.6 . Organigramme de lICP

III.4.1. Projection du nouveau scan Pour faire une comparaison entre deux points ou bien deux nuages de points (donns par le capteur tlmtrique), reprsents dans deux repres diffrents, il faut dabord les mettre dans le mme systme de coordonnes (repre). Le nouveau scan acquis par le robot position, est dfini dans le repre local du robot dont la . Nous voudrions

, est donne par lodomtrie et est exprime dans le repre ( : la projection de

projeter le nouveau scan

). Ceci est fait facilement par un


46

Chapitre III

La technique ICP (Itr ative Closest Point) base SLAM

changement de systme de coordonnes pour les points du scan transformation homogne entre les deux repres [21]. Lobjectif de lalignement est destimer la ma trice de rotation vecteur de translation t de dimension (2x1) tels que :

en utilisant la matrice de

de dimension (2x2) et le

(III.3) Avec : , Donc, (III.4) (III.5)

III.4.2. Lassociation de donnes Dans cette tape, nous devons dterminer, pour chaque point du scan correspondant dans le scan de rfrence entre chaque point du scan correspond lassocie des points de , son

. Pour cela, nous calculons dabord la distance , ensuite la distance minimale

et tous les points de

. Il existe plusieurs mthodes pour trouver le plus

proche voisin connu sous le nom de NN (Nearest-Neighbour), telles que la mthode k-d tree [27]. Notre travail est bas sur la distance Euclidienne. La (Figure.III.7) montre la mise en correspondance entre le scan et . Le pseudo-code est donn par le (Tableau.III.1).

: la taille de : abscisses du scan de : ordonns du scan de : abscisses du scan de : ordonns du scan de

Tableau.III.1. Pseudo-code de lassociation de donnes

47

Chapitre III

La technique ICP (Itr ative Closest Point) base SLAM

SNew SRef
Association

Figure.III.7. La mise en correspondance

III.4.3. Estimation de la position Il y a plusieurs mthodes dans la littrature qui abordent ce problme. Il y a des solutions itratives bases sur le problme des moindres carres non linaires, quaternions, rcursive, dcomposition en valeurs singuliresetc. Mais, le principe de l ICP reste le mme et consiste minimiser lerreur quadratique moyenne (MSE). a. Crit re minimiser pour aligner les scans La bonne convergence de la position du robot par la mthode ICP est base sur la

minimisation de lerreur quadratique moyenne de la distance dfinie entre les points associs. Cette erreur est une fonction de la matrice de rotation minimiser scrit comme suit : (III.6) Avec : I=c(i) : est le point de
On a : qui correspond au point de .

et la matrice de translation . Le critre

Donc, (III.7) (III.8)

Cest la fonction (III.8) qui sera utilise comme critre de convergence. Car, lidal est davoir (valeur optimale).
48

Chapitre III

La technique ICP (Itr ative Closest Point) base SLAM

b. Estimation des paramtres de transformation Lune des mthodes utilise pour lestimation des paramtres , est une mthode

rcursive. Le principe est de minimiser lerreur quadratique moyenne (MSE) de la distance entre les deux scans assoc is en drivant lquation (III.8) par rapport aux trois paramtres . Alors, on trouve le systme dquations suivant :

Avec : , , Les termes sont dfinis comme suit :

Le critre

est optimal lorsque

, alors on trouve les quations suivantes :

Cette mthode ne ncessite aucun calcul complexe. Elle n utilise que les quations de (III.10). Son principe est dfini comme suit : La condition initiale est toujours donne par lodomtrie.
49

Chapitre III

La technique ICP (Itr ative Closest Point) base SLAM

On fixe la valeur de

et on dtermine la nouvelle estimation de

partir des

deux premires quations de (III.10). En connaissant troisime quation. Les tapes 2 et 3 sont rptes jusqu ce que les paramtres estims ( une valeur fixe. La mthode nest valable que si la condition initiale est proche de la solution relle. Par ailleurs, lodomtrie nous donne en gnral une premire estimation acceptable. III.4.4. Rsultats de validation de lalgorithme ICP Afin de valider lalgorithme ICP prsent dans le paragraphe prcdent, nous avons effectu des simulations avec des donnes relles. Les deux scans aligner sont gnrs partir des nuages de points, lodomtrie et la position de rfrence, la position perturbe donne par convergent vers , on dtermine la nouvelle valeur estime de partir de la

est la position corrige par lalgorithme ICP. Les rsultats illustrs

dans la (Figure.III.8) montrent quaprs 25 itrations les deux scans sont parfaitement aligns et par consquent la position perturbe est corrige.

Figure.III.8. Alignement des deux scans

50

Chapitre III

La technique ICP (Itr ative Closest Point) base SLAM

Figure.III.9. Evolution des paramtres (

Figure.III.10. Evolution de lerreur quadratique moyenne (MSE) de lICP

Odomtrie ICP

X [mm] 1274 1128

Y [mm] -248.6 -115.6

[rad] -0.6245 -0.6408

MSE 86 6.032

Tableau.III.2. Tableau comparatif entre les valeurs obtenues par lodomtrie et ICP.

51

Chapitre III

La technique ICP (Itr ative Closest Point) base SLAM

III.5. Lalgorithme ICP bas SLAM


Dans ce qui a prcd, nous avons expliqu le principe de lICP qui a pour objectif lalignement des mesures et donc destimer la position du robot. Pour pouvoir utiliser le SLAMICP dans un environnement rel, une tape est indispensable : la gestion de la carte. La construction dune carte exige, dune part, le choix de la nature des reprsentations qui vont la composer. Dans notre travail, nous avons choisi la reprsentation mtrique base sur les points. Dautre part, elle devra tre incrmentale, en fusionnant les donnes successives acquises par le capteur tlmtre balayage laser du robot au cours de son dplacement.

Figure.III.11. Fusion de la carte locale

52

Chapitre III

La technique ICP (Itr ative Closest Point) base SLAM

Dbut Initialisation des paramtres

par odomtrie
Nouveau dplacement

Acquisition Odomtrique & Laser

ICP
Position corrige

Gestion de la carte globale

Oui Arrt du Robot

Destination Atteinte

Non

Figure.III.12. Organigramme SLAM-ICP

III.5.1. Rsultats de validation de SLAM-ICP Pour lapplication au SLAM, on a fait dplacer le robot sur une trajectoire connue et dans un environnement inconnu au niveau du CDTA. La figure suivante nous montre le chemin parcouru par le robot sans correction (sans SLAM-ICP) et avec correction (avec SLAM-ICP), avec un nombre ditrations fix 25. Le rsultat obtenu nous montre bien la diffrence entre le rsultat odomtrique et le rsultat du SLAM-ICP, avec un alignement des scans corrig qui implique une correction au niveau de la posture du robot. Mais, si on parle de la bonne position, on ne peut rien dire, vu les scans qui ne sont pas bien aligns (Figure.III.14) et lerreur quadratique moyenne na pas t minimise efficacement. Ceci peut engendrer un biais au niveau de la position corrige. Ce phnomne est d aux mauvaises correspondances qui est trs connu dans les algorithmes de localisation.

53

Chapitre III

La technique ICP (Itr ative Closest Point) base SLAM

Figure.III.13. Environnement rel de la premire scne (indoor)

Odomtrie

Position estime

Figure.III.14. La carte globale & trajectoire donnes par lodomtrie et par SLAM -ICP

Figure.III.15. Evolution de lerreur quadratique moyenne (MSE) de SLAM -ICP de la dernire position

54

Chapitre III

La technique ICP (Itr ative Closest Point) base SLAM

III.5.2. Lalgorithme SLAM-ICP propos pour le re jet des mauvaises correspondances Lalgorithme ICP est trs sensible aux mauvaises correspondances, do il est ncessaire de rejeter entirement certaines paires (valeurs aberrantes) qui peuvent avoir un biais sur lalignement des scans lors de lestimation des positions [28].

Figure.III.16. (a) Lorsque deux scans aligner ne chevauchent pas compltement (comme c'est le cas pour la plupart des donnes relles), ce qui donne des correspondances des points sur les extrmits des scans qui peuvent introduire un biais systmatique dans l'alignement. (b) Interdire de telles paires en rejetant un grand nombre de ces mauvaises correspondances [28].

Pour cette raison, nous avons labor une mthode pour rejeter ces mauvaises correspondances, en se basant sur une technique dveloppe par [26]. Les pairs incompatibles peuvent tre carts par la dfinition d'une fonction boolenne pour la dtection des valeurs aberrantes:

Etant donn un seuil de correspondance E, par consquent le nombre de correspondances valide est donn par :

Le rapport qui indique le degr de chevauchement de toute transformation possible est donn par:

La mise en correspondance exacte des points partir des diffrents scans est impossible, en raison d'un certain nombre de faits: la dformation cause par le dplacement du vhicule, les gammes parasites, le bruit alatoire, les ingalits du terrain, les zones occluses, des objets en mouvementetc. Alors, la mise en correspondance peut tre considre comme un problme

55

Chapitre III

La technique ICP (Itr ative Closest Point) base SLAM

d'optimisation pour dterminer une transformation 2D qui minimise le critre de la bonne correspondance . pour une transformation donne peut tre pour Lindice de correspondance gnral

formul par l'accumulation des erreurs d'appariement en divisant cette somme par normaliser et par pour pnaliser les taux de faibles correspondances:

Finalement, les paramtres du mouvement sont mis jour en minimisant lquation ( III.14 ), avec la dfinition de lquation derreur (III.8). Cette optimisation peut tre rsolue analytiquement comme suit :

O les termes S reprsentent les sommes suivantes :

Cette technique garantit la convergence vers un minimum local qui est proche de l'estimation de lodomtrie [19], qui n'est pas ncessairement la solution optimale [29]. Notons que le calcul le plus couteux de l'ICP est de trouver les points les plus proches de chaque itration [26]. Le seuil E est un paramtre critique pour lalgorithme ICP. Certaines implmentations 3D ont propos un seuil adaptatif statistique [29]. Pour configurer ce paramtre correctement pour lestimation du mouvement 2D, la valeur de E peut tre caractrise partir de calibration exprimentale de lincertitude odomtrique [26]. Une limite suprieure des erreurs attendues
56

Chapitre III

La technique ICP (Itr ative Closest Point) base SLAM

odomtriques, pour chaque paramtre de la transformation, peut tre exprime en , qui dpend de la dure t de navigation coule entre deux balayages conscutifs. Puis, E est calcul comme une distance au carr :

III.5.3. Rsultats de validation de SLAM-ICP propos Dans toutes ces expriences, nous avons fix le nombre ditrations 25 pour lalgorithme ICP, qui est utilis comme critre darrt. La premire scne (Figure.III.17) est la mme scne utilise pour la premire mthode SLAMICP (Figure.III.14), rien pour comparer les rsultats obtenus. III.5.3.1. Pre mi re scne de lexprience

Odomtrie

Position estime

Figure.III.17. La carte globale & trajectoire donnes par lodomtrie et par SLAM -ICP propos (premire scne)

57

Chapitre III

La technique ICP (Itr ative Closest Point) base SLAM

Figure.III.18. Evolution de lerreur quadratique moyenne (MSE) de SLAM -ICP propos de la dernire position (premire scne)

III.5.3.2. Deuxime scne de lexprience

Figure.III.19. Environnement rel de la deuxime scne (indoor)

Odomtrie

Position estime

Figure.III.20. La carte globale & trajectoire donne par lodomtrie et par SLAM-ICP propos (deuxime scne) 58

Chapitre III

La technique ICP (Itr ative Closest Point) base SLAM

Figure.III.21. Evolution de lerreur quadratique moyenne (MSE) de SLAM-ICP propos de la dernire position (deuxime scne)

III.5.3.3. Troisime scne de lexprience

Figure.III.22. Environnement rel de la troisime scne (indoor)

Odomtrie

Position estime

Figure.III.23. La carte globale & trajectoire donne par lodomtrie et par SLAM-ICP propos (troisime scne) 59

Chapitre III

La technique ICP (Itr ative Closest Point) base SLAM

Figure.III.24. Evolution de lerreur quadratique moyenne (MSE) de SLAM -ICP propos de la dernire position (troisime scne)

III.5.5. Discussion A. La mthode donne de bons rsultats, dans le cas o le seuil E (quation III.16) est calcul correctement. Lauteur dans [26] a bien mentionn que celle-ci est dfinie partir dune calibration exprimentale de lincertitude odomtrique . Evidement, le seuil E diffre pour chaque robot mobile. B. Concernant le critre darrt de l ICP, dans le cas ou lenvironnement est considr connu, il suffit de fixer un seuil de lerreur J (MSE) ou un nombre fixe ditrations. Si les valeurs atteignent ce seuil ou toutes les itrations fixes sont termines, lalgorithme ICP sort de la boucle pour traiter une nouvelle posture du robot. Dans le cas contraire ou lenvironnement est inconnu (comme notre cas), utiliser le nombre ditrations comme critre suffirait. Pour une convergence acceptable, on utilise souvent entre 20 25 itrations. Car, si on inclut lerreur J, ceci pourrait ne pas converger rapidement, d la complexit de lenvironnement et au temps de calcul. C. Loptimisation d u temps de calcul du robot est primordiale. C omme nous lavons mentionn, le SLAM-ICP est trs couteux en calcul dans ltape de lassociation de donnes, et cela seffectue en quelques millisecondes seulement pour traiter toutes les donnes. Cest pour cette raison, nous avons eu le reflexe de proposer une solution ce problme ou tous les chercheurs se concentrent dessus. Lide est simple. A partir de la premire itration, on peut savoir si lalgorithme procde au calcul de lICP ou pas, en prenant juste en considration la valeur de lerreur J. Car durant la navigation du robot, on peut bien tomber sur une position trs proche de la position exacte, ou lerreur entre les deux
60

Chapitre III

La technique ICP (Itr ative Closest Point) base SLAM

scans peut tre nglige. Cette proposition na pas t teste, mais cest un projet qui sera achev dans lavenir. Le pseudo-code est donn comme suit :

Tableau.III.3. Pseudo-code de la mthode doptimisation de SLAM -ICP

III.6. Conclusion
Dans notre travail, nous avons pass en revue les approches proposes dans la littrature afin de rsoudre le problme SLAM. Parmi ces approches, nous avons opt pour une technique de scan matching qui est lalgorithme ICP. Lalgorithme a t valid dans un environnement statique, qui nous a donn une amlioration par rapport aux valeurs odomtriques. Par la suite, nous avons prsent une amliora tion de l ICP en rejetant les mauvaises correspondances dans divers environnements, afin dassurer lefficacit de la mthode. Les rsultats obtenus sont trs satisfaisants. Lerreur quadratique moyenne (selon la dfinition de la technique) est minimise. Contrairement certaines mthodes bases sur le filtre de Kalman tendu (EKF) [1], on constate aussi que la mthode est trs robuste mme pour une longue trajectoire (Figure.III.23). Notons que certains auteurs utilisent les donnes GPS afin dassurer la convergence de la mthode labore [30], sachant quil possde un cart type de quelques centimtres, et parfois mme de quelques millimtres. Dans ce cas l, on peut dire que la mthode peut tre applicable nimporte quel robot mobile dot dun tlmtre laser 2D, dans un environnement statique (Indoor).

61

Conclusion Gnrale & perspectives


Le travail prsent dans ce mmoire sinscrit dans le cadre de la navigation en robotique mobile, il traite le problme de la localisation et la cartographie simultanes dans un environnement dintrieur statique. Lide principale est de raliser une carte la plus relle possible dcrivant lenvironnement d'volution. En premier lieu, nous avons prsent une modlisation cinmatique des robots mobiles, avec une tude dtaille du robot mobile B21R utilis dans ce travail, ainsi qu'une prsentation des diffrents capteurs, disponibles sur le march, utiliss dans la perception pour les systmes de robotique mobile. En seconde, nous avons introduit les concepts de localisation et cartographie qui sont les fonctions de base composant le problme SLAM. Trois types de cartes ont t discuts (gomtrique, grille doccupation et topologique). Nous avons opt pour la carte gomtrique pour sa simplicit de calcul. Puis, le problme SLAM a t mis en vidence ainsi lobjectif de la mise en correspondance des scannes (scan matching). En suite, nous avons introduit la technique dalignement des mesures tlmtriques utilises pour rsoudre le problme SLAM. Notre choix sest focalis sur lalgorithme ICP qui fait partie des algorithmes les plus employs dans ce domaine. Les diffrentes tapes de lalgorithme ont t illustres ainsi quune simulation mettant en vidence la convergence de cet algorithme. Aprs cela, nous avons appliqu lalgorithme ICP pour le SLAM. Les rsultats, partir des donnes relles, obtenus dmontrent bien lefficacit de lalgorithme avec une grande amlioration des scannes. Mais un certain moment, nous constatons que les scannes sont pas suffisamment aligns qui peuvent gravement influencer sur la position corrige et ceci est d aux mauvaises correspondances des scannes. En outre, afin de remdier ce phnomne, nous avons propos une mthode pour le rejet des mauvaises correspondances. Lide consiste les effacer compltement avant chaque estimation de la position, et ceci ce rpte pour chaque itration de lalgorithme. Ceci a pour

62

rsultat la mlioration parfaite de la carte qui implique la correction de la position du robot, qui prouve lefficacit de lalgorithme Limplmentation de la mthode sur le robot est partage en deux parties, lacquisition des donnes et le traitement par la mthode SLAM-ICP. Dans notre travail, nous avons crit un programme en langage C++ afin dacqurir les donnes laser et odomtriques qui sont ensuite stocks dans des fichiers pour dventuelles exploitations (utilisation offline). La mthode SLAM-ICP a t implmente en langage C++ aussi. Comme perspectives, nous proposons : Implmentat ion en temps rels de lalgorithme SLAM-ICP. Adaptation de la mthode dans un environnement dynamique. Implmentation de lalgorithme dans une boucle de navigation. Application de lalgorithme dans un environnement extrieur (Outdoor).

63

Annexes
Laser SICK PLS 101-312 Proximity Laser Scanner
Le PLS mesure son environnement dans un plan semi- circulaire - (angle de balayage est de 180). Le champ de protection (protective field), la zone dangereuse d'une machine ou un vhicule peut avoir un rayon

maximum de 4 mtres. Les PLS arrte la machine ou arrte le vhicule dans le cas d'intrusion dans le domaine de protection. Le champ d'alarme (warning

field) peut atteindre un rayon de 50 mtres. Il faut noter, cependant, que le capteur est seulement capable de dtecter des objets avec une

rflectance d'env. 20 - 30% d'une distance de 15 mtres.

ix

La distance de mesure (measuring range) du PLS s'tend un rayon de 50 mtres. Jusqu' ce que la distance du PLS est capable de dtecter le contour de son environnement (par exemple le contour spatial). Il peut alors attribuer les donnes pour le champ de protection et le champ d'avertissement, condition que la rflectance de l'objet soit suffisante pour tre dtecte.

Dimensions en (mm) du PLS

Robot mobile B21R

xi

Rfrences bibliographiques
[1]
Bouraine Sara. Contribution la localisation dynamique du robot mobile dintrieur B21r en utilisant la plateforme multi sensorielle. Thse de magistre de luniversit de Blida, 2007. R.Siegwart, I.R.Nourbakhsh. Introduction to autonomous mobile robot. The MIT press, ISBN 0-262-19502-X, 2004. J. Borenstein, Internal Correction of Dead-reckoning Errors With the Compliant Linkage Vehicle, Journal of Robotic Systems, Vol. 12, No. 4, pp. 257-273, University of Michigan, Ann Arbor, USA, April 1995. J. Borenstein, Internal Correction of Dead-reckoning Errors with the Smart Encoder Trailer , International Conference on Intelligent Robots and Systems, vol1, pp. 127 134, Munich, Germany, 1994. J. Borenstein, Experimental results from internal odometry error correction with the OmniMate mobile robot, IEEE Transactions on Robotics and Automation, vol. 14, pp. 963 969, University of Michigan, Ann Arbor, USA, 1998. A.Ferrand. Conception et mise en uvre d'un systme de capteurs proprioceptifs destin la localisation relative des robots mobiles. Thse de l'universit de Toulouse, LAAS, 1991. J. Borenstein, L. Feng. Gyrodometry : a new method for combining data from gyros and odometry in mobile robots. Proceedings of the IEEE International Confrence on Robotics and Automation, pp. 423- 428, 1996. J. Vaganay. Conception dun systme multisensoriel de localisation dynamique 3D pour robot mobile. Thse de doctorat, LIRMM, Montpellier, juillet 1993. Jos Armando Segovia de Los Rios. Etude des dplacements dun robot mobile dans un environnement peu contraint. thse de doctorat, Universit de Technologie de Compigne, France, Septembre 1993. Alain COURCELLE. Localisation dun robot mobile : Application laide la mobilit des personnes handicapes moteur. Doctorat de lUniversit de Metz, France, janvier 2000. C. Gourley, M. Trivedi, Sensor Based Obstacle Avoidance and Mapping for Fast Mobile Robots, Proceedings of the IEEE International Conference on Robotics and Automation, 1994, pp. 1306-1311.

[2] [3]

[4]

[5]

[6]

[7]

[8] [9]

[10]

[11]

xii

[12]

Y. D. Kwon, J.S. Lee, A stochastic Environment Modelling Method for Mobile Robot by using 2-D Laser scanner , Proceedings of International Conference IROS97, pp. 1688-1693, Albuquerque, USA. J. P. Laumond. La robotique mobile. Herms Sience Publications, 2001, Paris, ISBN 2-7462-0246-8. David FILLIAT. Robotique Mobile. Cours C10-2, ENSTA, France, Octobre 2004. Vincent Ricquebourg. Identification, Localisation et Suivi de personnes au sein dun habitat intelligent. Diplme dtudes approfondies, universit de Rouen et universit de Picardie Jules Verne, septembre 2004. Cyril Drocourt. Localisation et modlisation de l'environnement d'un robot mobile par coopration de deux capteurs omnidirectionnels. Thse doctorat, universit de technologie de Compigne, fvrier 2002. J.Minguez, F.Lamiraux, L.Montesano. Metric-bases scan matching algorithm for mobile robot displacement estimation. ICRA, 2005. Y.Chan, G.Medioni. Object modeling by registration of multiple range images. IEEE ICRA, April 1991. Besl.P.J, McKay.N.D. A method for registration of 3D shapes. IEEE Transactions on Pattern Analysis and Machine Intelligence, 14:239 256, 1992. Ben-Jemaa.R, Schmitt.F. Recalage 3D. Trait IC2 "Information, Commande, Communication", Volume "Images de Profondeur", 2002. Lu.F, Milios.E. Robot pose estimation in unknown environments by matching 2D range scans. Journal of Intelligent and Robotic Systems, 18:249 275, 1997. D.Hahnel and W.Burgard. Probabilistic matching for 3D scan registration. In Proc of the VDI-Conference Robotik (Robotik), 2002. C.F. Olson, D. P. Huttenlocher. Automatic target recognition by matching oriented edge pixels. IEEE Transactions on Image Processing, 6(1):103 113, January 1997.

[13]

[14] [15]

[16]

[17]

[18] [19] [20] [21]

[22]

[23]

[24]

P.Biber and W.Straber. The normal distributions transform: A new approach to laser scan matching. In IEEE/RSJ International Conference on Intelligent Robots and Systems, pages 27432748, 2003.
F.Boughorbel, A.Koschan, B.Abidi, and M.Abidi. Gaussian fields: a new criterion for 3D rigid registration. Pattern Recognition, pp 1567 1571, 2004. J.Martnez. L.Gonzlez, J.Morales, J.A.Mandow and A.J.Garca-Cerezo. (2006), Mobile robot motion estimation by 2D scan matching with genetic and iterative closest point algorithms. Journal of Field Robotics, 23: 21 34. doi: 10.1002/rob.20104.

[25] [26]

xiii

[27]

A.Nchter, K.Lingemann, J.Hertzberg. Cached k-d tree for ICP algorithms. IEEE ICRA, 2007. S.Rusinkiewicz, M.Levoy. Efficient variants of the ICP algorithm. In Proc. 3th Int. Conf. on 3D Digital Imaging and Modeling, pages 145 152, Canada, 2001. Zhang, Z. (1992). Iterative point matching for registration of free-form curves. Technical Report 1658, INRIA, France. Juan Nieto, Tim Bailey, Eduardo Nebot. Recursive scan-matching SLAM. Robotics and Autonomous Systems, 55: 39 49, 2006.

[28] [29] [30]

xiv

Rsum
Les robots mobiles autonomes peuvent tre appliqus pour effectuer des activits qui ne devraient pas, ou ne peuvent pas tre dispenss par des humains en raison des conditions inhospitalires ou le niveau lev de danger. Un robot mobile autonome doit tre capable de naviguer en toute scurit dans des environnements inconnus, en reconstruisant des informations de ses capteurs afin de planifier et d'excuter les routes. La localisation et cartographie simultanes (SLAM), est une mthode utilise pour remdier ce problme, la technique permet la cration progressive d'une carte en utilisant les donnes obtenues partir des capteurs tout en estimant la localisation du robot mobile. Lalgorithme du scan matching Iterative Closest Point ( ICP) est l'une des approches adoptes pour le SLAM, base sur la correspondance des points partir des donnes laser 2D. Ce travail propose un algorithme ICP bas SLAM. Notre algorithme a t simul et implment sur le robot mobile B21R dans un environnement dintrieur. Les rsultats montrent que la mthode prsente dans ce travail (bas sur le rejet des mauvaises correspondances des points) a une meilleure performance que celle obtenue par l'algorithme ICP original. Mots cls : SLAM, ICP, scan matching, localisation, cartographie, robot mobile

Abstract
Autonomous mobile robots can be applied to perform activities that should not, or cannot, be performed by humans due to inhospitable conditions or high level of danger. An autonomous mobile robot must be able to navigate safely in unfamiliar environments by reconstructing information from its sensors so as to plan and execute routes. Simultaneous Localization And Mapping (SLAM), is a technique used to remedy to this problem, the technique allows the gradual creation of a map using data obtained from sensors while estimating the mobile robot localization. The Iterative Closest Point (ICP) scan matching algorithm is one of the approaches adopted for SLAM, based on matching points from 2D laser data. This work proposes an ICP algorithm based SLAM. Our algorithm has been
simulated and implemented on the mobile robot B21R in indoor environment. The results show

that the method presented in this work (based on rejecting unmatchable points) has a better performance than the one obtained by the original ICP algorithm. Keywords: SLAM, ICP, scan matching, localization, mapping, mobile robot