Analyse par intervalles pour la localisation et la cartographie simultanées : application à la robotique sous-marine

par Fabrice Le Bars

Thèse de doctorat en Sciences et technologie de l'information et de la communication. Automatique

Sous la direction de Luc Jaulin.


  • Résumé

    Cette thèse étudie le problème de la localisation et cartographie simultanées des robots sous-marins, et ses méthodes de résolution utilisant le calcul par intervalles. Le principe du SLAM (Simultaneous Localization And Mapping, ou cartographie et localisation simultanées) est le suivant: un robot sous-marin connaît en général sa position initiale (lorsqu’il est à la surface grâce à un GPS), son modèle de déplacement (très approximativement) et possède quelques capteurs l’aidant à estimer sa position (capteur de pression pour mesurer sa profondeur, loch Doppler pour mesurer sa vitesse et sa distance au fond, centrale inertielle pour mesurer son orientation) et voir ce qui l’entoure (sonar). Pourtant, malgré tous ces capteurs, plus il avance, plus ses erreurs d’estimation de position s’accumulent: le robot se perd. En passant et repassant devant plusieurs objets (ou éléments remarquables quelconques de son environnement), il va pouvoir évaluer leur position (plus ou moins précisément) une première fois à partir de la sienne (cartographie grâce à sa localisation), puis recalculer sa trajectoire en les prenant comme repère les fois suivantes quand il est perdu (localisation grâce à sa cartographie). Les mesures de capteurs ou variables utilisées pour décrire les robots étant souvent entachées d’erreurs, elles peuvent être représentées de différentes façons: distributions probabilistes, nuages de points, ensembles continus. . . En général, les données constructeur des capteurs ou actionneurs du robot nous indiquent des bornes (liées à la précision. . . ). On peut donc représenter ces valeurs sous forme d’intervalles. Les méthodes ensemblistes telles que l’analyse par intervalles permettent d’obtenir des résultats à partir d’équations sur des intervalles. L’avantage de ces méthodes est qu’on est sûr de ne perdre aucune solution (compte tenu des hypothèses faites), contrairement à celles utilisant l’approche probabiliste, où on n’obtient parfois que les solutions les plus probables. Dans cette thèse, l’utilisation du calcul par intervalles dans le cadre du SLAM appliqué aux robots sous-marins et une comparaison entre plusieurs méthodes existantes seront étudiées. De plus, une nouvelle méthode permettant de mieux gérer le problème des données fugaces (données seulement significatives à des instants bien précis et inconnus), rencontré notamment avec des données provenant de sonars, sera proposée. Les applications de ces travaux concernent par exemple le développement de robots sous-marins autonomes (souvent appelés AUVs pour Autonomous Underwater Vehicles ou UUVs pour Unmanned Underwater Vehicles). En effet, contrairement aux robots téléguidés par des humains, ceux-ci doivent eux-mêmes être capables de se repérer dans 1cm environnement pour effectuer leur travail. Ces robots peuvent avoir des missions variées: relevé de données hydrographiques, localisation d’épaves (bateau, avion. . . ) ou objets dangereux (mines. . . ), surveillance (détection de pollution, vérification de l’état de pipelines. . . ). . . Actuellement, ces tâches sont principalement réalisées par des humains, directement avec des plongeurs, ou indirectement avec des sous-marins téléopérés pour les travaux les plus dangereux ou difficiles d’accès.

  • Titre traduit

    SLAM (Simultaneous Localization And Mapping) with interval methods applied to submarine robots


  • Résumé

    This thesis studies the simultaneous localization and mapping problem for submarine robots, and its resolution methods using interval analysis. The principle of SLAM (Simultaneous Localization And Mapping) is the following: a submarine robot usually knows its initial position (when k is at tire surface thanks to a GPS), its moving model (approximately) and bas sensors enabling it to estimate its position (pressure sensor to get its depth, DVL to get its speed and measure its distance to the sea floor, inertial navigation system to get its orientation) and sec its surrounding environment (sonar). However, in spite of ail these sensors, the more k moves, the more its position estimation errors increase: the robot is lost. By going next to the same objects (or any distinguishable mark in its environment) several times, it should be able to evaluate their position (with a given accuracy) the first time from its own position (cartography from localization), then compute and correct its trajectory evaluation by taking them as mark next time when k is lost (localization from cartography). Because measurements from sensors or variables used to describe the behaviour of robots are often erroneous, they can be represented using different ways: probabilistic distributions, particles, continuous sets. . . Sensors or actuators manufacturers usually provide bounds (related to precision, accuracy. . . ). Therefore, we can represent these values as intervals. Set-membership methods such as interval analysis enable to obtain results from equations involving intervals. The main advantage of these methods is that it is sure that no solution is lost (taking into account the assumptions made), contrary to probabilistic approaches, where the most probable solutions are obtained. In this thesis, the use of intervals computations for the SLAM of underwater robots and a comparison between several existing methods are studied. Additionally, a new method to handle better the problem of fleeting data (data that are only significant during short and unknown time intervals), often met with data from sonars, will be proposed. Applications of this work are for example in the development of autonomous submarine robots (often called AUVs for Autonomous Underwater Vehicles or UUVs for Unmanned Underwater Vehicles). Indeed, contrary to teleoperated robots, they must be able to localize themselves in their environment to do their work. These robots can do several missions: hydrographic data collection, shipwrecks or objects (sea mines. . . ) localization, surveillance (pollution detection, pipelines surveys. . . ). . . Nowadays, those tasks are mostly done by humans, directly with divers or indirectly using teleoperated submarines when the conditions are dangerous or difficult.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (159 p.)
  • Annexes : Bibliogr. p. 153-159

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Université de Bretagne Occidentale. Service commun de la documentation Section Droit-Sciences-STAPS.
  • Disponible pour le PEB
  • Cote : TBRE2011/69
  • Bibliothèque : École nationale supérieure de techniques avancées Bretagne (Brest, Finistère). Médiathèque.
  • Disponible pour le PEB
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.