Navigation robotique basée tâches d'asservissement et mémoire sensorielle

Robotic navigation based on servo task and sensory memory

• Auteur / Autrice : Eder Rodriguez Martinez
• Direction : Claude Pégard, David Lara Alabazares
• Type : Thèse de doctorat
• Discipline(s) : Sciences pour l'ingénieur. Vision par ordinateur
• Date : Soutenance le 09/07/2020
• Etablissement(s) : Amiens
• Ecole(s) doctorale(s) : École doctorale Sciences, technologie et santé (Amiens)
• Partenaire(s) de recherche : Laboratoire : Modélisation, Information et Systèmes (Amiens ; 2008-....)
• Jury : Président / Présidente : Rogelio Lozano-Leal
• Jury : Examinateurs / Examinatrices : Claude Pégard, David Lara Alabazares, David Filliat, Youcef Mezouar, Guillaume Caron, Noury Bouraqadi, Andrew Ian Comport
• Jury : Rapporteurs / Rapporteuses : David Filliat, Youcef Mezouar

Mots clés

Mots clés contrôlés

Robots -- Mouvements

Robotique

Mots clés libres

Planificateur de chemins

Asservissement visuel

Navigation basée-vision

Servo task

Path-planner

Visual servoing

Vision-based navigation

Résumé

Les robots sont capables d'effectuer un vaste groupe de tâches comme la surveillance, la cartographie et la navigation. Cette thèse est principalement consacrée à l'étude de la dernière tâche qui est définie grossièrement comme la capacité d'atteindre un groupe de poses dans l'environnement. Cette thèse présente trois contributions qui effectuent la navigation robotique, et elles sont présentées ci-dessous : - La première d'entre elles considère la navigation à l'aide d'une caméra monoculaire ; par conséquent, elle appartient à la classification des systèmes de navigation basée-vision (ou VBNS en anglais). Ce système s'appelle Instruction & Répétition Photométriques (ou PT&R en anglais) car il est basé sur le paradigme teach-repeat et l'Asservissement Visuel Photométrique (ou PVS en anglais) pour traiter le problème de la navigation. La nouveauté dans PT&R est qu'il génère de manière autonome sa mémoire visuelle à partir d'un modèlepréalable de la scène, qui est un maillage texturé. Cette mémoire est utilisée comme référence pour naviguer et elle est comparée avec les images acquises par la caméra embarquée pour contrôler le robot. Même si les manipulations surPT&R démontrent qu'un drone est capable de naviguer en utilisant la mémoire visuelle, la génération de cette dernière est limitée à la ligne droite et n'explore pas d'autres chemins. - La deuxième contribution est un VBNS inspiré par PT&R, appelé système de navigation photométrique (ou PNS en anglais). La principale différence entre PNS et PT&R est que le premier système explore d'autres chemins que la ligne droite en utilisant une approche topologique. De plus, une navigation simulée évalue la navigabilité d'un chemin représenté par la mémoire visuelle. Le succès des expérimentations de PNS a montre son efficacité à planifier de façon autonome un chemin navigable en utilisant le maillage texturé et à naviguer au sein de la scène. PNS est considéré comme une contribution majeure de la thèse. - La troisième contribution, également considérée comme une contribution majeure, est une généralisation du PNS qui comprend une grande variété de capteurs et de modèles de scène. Cette architecture est appelée Architecture de Navigation par Asservissement (ou SNA en anglais) car elle aborde le problème de navigation en concevant ce problème comme une concaténation de tâches successives de positionnement en utilisant une mémoire sensorielle comme référence

Robots are able to perform a vast group of tasks such as surveillance, mapping and navigation. This thesis focuses on the latter task which can be roughly defined as the ability of reaching a group of poses in the environment. This document presents three contributions that perform robotic navigation, which are introduced below : - The first of them is a system that navigates using a monocular camera; therefore, it belongs to the classification of the Vision-Based Navigation Systems (VBNS). Such system is called Photometric Teach & Repeat (PT&R) since it is based on the teach-repeat paradigm and Photometric Visual Servoing (PVS) to tackle the problem of navigation. The novelty in PT&R is that it autonomously generates its visual memory from a preobtained model of the scene, which is a textured mesh. This memory is used as reference to navigate and it is compared with the onboard measurements, acquired by the onboard camera, to control the robot. Although the experiments on PT&R demonstrated that the system is able to navigate using the visual memory, the generation of the latter is limited to thestraight line and does not explore other paths. - The second contribution is a VBNS inspired by PT&R, called the PhotometricNavigation System (PNS). The main difference between PNS and PT&R is that the former system explores other paths than the straight line using a topological approach. Furthermore, a simulated navigation evaluates the navigability of the path depicted by the visual memory. The success of the experiments’ results of PNS demonstrated its efficacy to autonomously plan a navigable path using the textured mesh and to navigate over the scene. PNS is considered a major contribution of the thesis.- The third contribution, also considered as major contribution, is a generalization of PNS which comprises a wide variety of sensors and models of the scene. This framework is called the Servo Navigation Architecture (SNA) as it tackles the navigation problem by conceiving the latter as a concatenation of successives positioning tasks using a sensory memory as reference