Vers une autonomie robotique d’exploration et de reconstruction simultanées d’environnements complexes

Towards autonomous exploration planning and reconstruction of complexe environnements

• Auteur / Autrice : Anthony Brunel
• Direction : Olivier Strauss, Cédric Demonceaux
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 18/11/2022
• Etablissement(s) : Université de Montpellier (2022-....)
• Ecole(s) doctorale(s) : École doctorale Information, Structures, Systèmes (Montpellier ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique, de robotique et de micro-électronique (Montpellier ; 1992-....)
• Jury : Président / Présidente : Nicolas Marchand
• Jury : Examinateurs / Examinatrices : Olivier Strauss, Cédric Demonceaux, Nicolas Marchand, Pascal Le Vasseur, Julien Marzat, Guillaume Allibert, Noura Faraj
• Jury : Rapporteurs / Rapporteuses : Pascal Le Vasseur, Julien Marzat

Mots clés

Mots clés contrôlés

Impression 3D

Vision par ordinateur

Robotique

Mots clés libres

Vision par ordinateur

Robotique

3d

Computer vision

Robotics

3d

Résumé

Dans ces travaux de thèse, nous abordons les problèmes de l'exploration et de la reconstruction 3D autonome d'environnements complexes. La méthode que nous proposons utilise un drone quadrirotor équipé d'un capteur de localisation et d'une caméra de profondeur. Dans l'objectif de résoudre ces problèmes, nous proposons SplatPlanner une méthode originale d’exploration autonome efficace. SplatPlanner réalise simultanément l’estimation de trajectoires d’exploration sans collisions et une reconstruction voxelique de l’environnement. Pour réaliser cette double tâche de manière efficace, nous présentons une méthode originale d’exploration s’appuyant sur le filtrage bilatéral. Cette méthode repose sur l’attribution d'un score d’intérêt aux voxels situés aux frontières des régions précédemment visitées afin de guider l’échantillonnage puis la sélection de trajectoires à exécuter. La faisabilité pratique de la mise en place de notre système a été éprouvée lors d'un vol réel, à bord d'un drone quadrirotor. Pour tester, évaluer et comparer équitablement les méthodes d'exploration autonome, nous proposons FLYBO, un environnement de simulation dédié aux méthodes d'exploration autonome utilisant un drone quadrirotor. Dans cette contribution, nous proposons des modèles de scènes 3D d'intérieur et d'extérieur réalistes, de complexités et de tailles variées. Nous fournissons des outils et des métriques pertinents pour l'évaluation comparative des performances d'exploration et de reconstruction de surfaces pour les méthodes d'exploration autonome. Nous proposons également une étude comparative de sept méthodes d'exploration issues l'état de l'art évaluées dans le cadre de FLYBO. Ses expériences illustrent en particulier le positionnement relatif de SplatPlanner comme étant le meilleur compromis entre efficacité d'exploration et justesse de reconstruction, à l'état de l'art.

In this thesis, we address the problem of autonomous exploration and online 3D reconstruction of complexe environments using a quadrotor equipped with a localization sensor and a depth camera. To solve these problems, we present SplatPlanner, a novel autonomous exploration method that allows to simultaneously perform a collision-free exploration and a voxel-based reconstruction within a given environment. In order to perform this two task efficiently, we propose a new exploration algorithm based on a novel Permutohedral Frontier Filtering (PFF) which relies on a combination of highly efficient operations stemming from bilateral filtering. Specifically, our PFF aggregates spatial information about unobserved voxels which lie along the boundaries of unknown regions into density scores to guide the entire exploration. We propose a real flight experiment with a custom-built quadrotor which support the feasibility of our method in real conditions. In order to fairly and accurately assess the performance of autonomous exploration methods, we propose FLYBO, a simulation environment tailored for the task of autonomous exploration planning and online surface reconstruction using a quadrotor. FLYBO includes (i) 11 challenging realistic indoor- and outdoor scenes of increasing complexity and size, (ii) a comprehensive benchmark of 7 of the top-performing autonomous exploration algorithms, including methods without publicly available code, (iii) a unified experimental system factorizes the routines shared by autonomous planners in order to fairly and accurately assess their exploration performance in a controlled environment. In particular, SplatPlanner emerges as the best compromise regarding key performance metrics between exploration and surface reconstruction amongst the leading state-of-the-art systems.