Fusion de données multimodales pour la navigation de véhicules autonomes de livraison du dernier kilomètre

Multimodal Sensor Fusion for the navigation of Autonomous Last Mile Delivery Vehicles

• Auteur / Autrice : Nemer Issa
• Direction : Sounkalo Dembele, Nadine Piat
• Type : Projet de thèse
• Discipline(s) : Automatique
• Date : Inscription en doctorat le 03/06/2021
• Etablissement(s) : Bourgogne Franche-Comté
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur et microtechniques (Besançon ; 1991-....)
• Partenaire(s) de recherche : Laboratoire : Franche Comté Electronique Mécanique Thermique et Optique - Sciences et Technologies
• Partenaire(s) de recherche : Equipe de recherche : AS2M - Département Automatique et Systèmes Micro-Mécatroniques

Mots clés

Mots clés libres

Navigation

Fusion de données multimodales

Robotique mobile autonome

Livraison du dernier kilomètre

Localisation

Système embarqué

Localization

Multi-modal sensor fusion

Last Mile Delivery

Mapping

Autonomous mobile robots

Embedded system

Résumé

Le développement important et constant de l'urbanisation et du commerce en ligne entraîne avec eux celui de la livraison du dernier kilomètre. On estime que cette livraison de proximité représente jusqu'à 40% du coût de la logistique, loin devant l'entreposage, le tri ou la mise en colis. A cela il faut ajouter la pollution sonore, les embouteillages et l'encombrement des voies, etc. La société Segula souhaite contribuer à la résolution de ces problèmes économiques et écologiques à travers le développement d'un véhicule autonome de livraison de proximité. Pour percevoir son environnement, ce véhicule sera doté d'un ensemble de capteurs redondants et hétérogènes: INS (odométrie, IMU), caméra 3D, LIDAR, GPS, etc. Son architecture matérielle ouverte devra comporter un réseau de CPUs fonctionnant sous Linux avec un ordonnanceur temps-réel et un middleware ROS. La thèse s'inscrit dans ce cadre. Elle porte sur le développement d'une méthode de fusion de données multimodales pour délivrer des informations suffisamment fiables et précises, et sa validation sur un prototype de la société. Il est bien connu que les données fournies par les capteurs sont imprécises, incertaines, biaisées, retardées (latences), asynchrones, et au pire conflictuelles. Les performances attendues de la méthode seront l'efficacité, la frugalité calculatoire et la modularité. La validation passera par le développement d'un module interpréteur permettant la prédiction de l'état du robot, et d'un module de prise de décision conduisant à la détermination des consignes de déplacement, puis au calcul des commandes à envoyer aux moteurs. Ces fonctions nécessiteront l'établissement du modèle cinématique du robot qui sera à quatre roues motrices omnidirectionnelles.

The significant and constant development of urbanization and e-commerce raises the problem of last mile delivery. It is estimated that the latter represents up to 40% of the cost of logistics, far ahead of warehousing, sorting or packing. To this must be added noise pollution, traffic jams and track congestion, etc. The Aim at Segula Technologies is to contribute to the resolution of these economic and ecological problems through the development of an autonomous local delivery vehicle. To perceive its environment, this vehicle, will be equipped with a set of redundant and heterogeneous sensors: INS (odometry, IMU), 3D camera, LIDAR, GPS, etc. Its open hardware architecture must include a network of CPUs operating under Linux with a real-time scheduler and ROS middleware. The thesis falls within this framework. It concerns the development of a multimodal data fusion method to deliver sufficiently reliable and precise information, and its validation on a prototype of the company. It is well known that the data provided by the sensors are inaccurate, uncertain, biased, delayed (latencies), asynchronous, and at worst conflicting. The expected performances of the method will be efficiency, computational frugality and modularity. The validation will go through the development of a module allowing the prediction of the state of the robot, and of a decision-making module leading to the determination of the movement instructions, then to the calculation of the commands to be sent to the motors. These functions will require the establishment of the kinematic model of the four-wheeled omnidirectional robot.