Couplage d'odométrie visuelle et proprioceptive pour la cartographie de porteurs hétérogènes auto calibrés dans un environnement dynamique et complexe sans GPS

Self-calibration of an embedded perception module on heterogeneous carriers for mapping dynamic and complex environments without GPS

• Auteur / Autrice : Houssein Olleik
• Direction : Yohan Dupuis
• Type : Projet de thèse
• Discipline(s) : Robotique et automatique
• Date : Inscription en doctorat le 01/11/2023
• Etablissement(s) : Paris, ENSAM
• Ecole(s) doctorale(s) : École doctorale Sciences des métiers de l'ingénieur
• Partenaire(s) de recherche : Laboratoire : CESI LINEACT - Laboratoire d'Innovation Numérique

Mots clés

Mots clés libres

Auto-calibration sans mire

Odométrie visuelle et proprioceptive

Cartographie

Self-calibration without target

Visual and proprioceptive odometry

Mapping

Résumé

L'objectif de cette thèse consiste à développer un dispositif de cartographie innovant capable de fournir une cartographie précise dans des environnements à faible texture et dépourvus de GPS. Ce dispositif sera conçu pour être installé sur divers types de transporteurs hétérogènes, tels que des robots à roues, des robots à chenilles et des robots à pattes, afin de répondre aux besoins opérationnels de différentes missions d'inspection réalisées par Pilgrim Technology. Sur le plan académique, cette recherche se focalise sur deux points clés : l'auto-calibration du dispositif sans recours à une mire de référence et la fusion des données d'odométrie visuelle et proprioceptive. Dans le cadre de cette thèse, ces défis sont abordés en proposant une approche novatrice axée sur l'auto-calibration du dispositif de cartographie sans l'utilisation d'une mire de référence. Cette méthode permet d'adapter le dispositif à différentes dynamiques possibles liées aux différents types de transporteurs, garantissant ainsi une précision accrue de la cartographie. De plus, une attention particulière est portée à la fusion des données d'odométrie visuelle et proprioceptive, ces deux sources d'information complémentaires permettant d'améliorer la précision de la cartographie en exploitant à la fois les informations visuelles et les données de mouvement du transporteur. Ainsi, les objectifs détaillés de cette thèse sont les suivants : 1. Concevoir un dispositif modulaire de cartographie adapté aux environnements à faible texture et dépourvus de GPS, pouvant être installé sur différents types de transporteurs hétérogènes. 2. Réaliser l'auto-calibration du dispositif sans mire de référence pour garantir une cartographie précise. Deux approches seront mises en œuvre : un recalage itératif basé sur des algorithmes d'estimation de mouvement, tels que RANdom SAmpling Consensus (RANSAC), et l'utilisation de l'apprentissage automatique pour apprendre une fonction de calibration à partir de données de capteurs et de vérité terrain. 3. Coupler les données d'odométrie visuelle et proprioceptive afin d'améliorer la précision de la cartographie en exploitant les informations visuelles et de mouvement du transporteur. 4. Associer les informations pour la cartographie avec des données à faible texture, résolvant ainsi le défi de la cartographie dans des environnements où les textures sont limitées. Ces objectifs s'inscrivent dans le contexte plus large des besoins opérationnels de Pilgrim Technology et visent à apporter une contribution académique dans le domaine de la cartographie pour les environnements difficiles. Les points 2 et 3, en particulier, constituent le cœur de cette recherche, mettant l'accent sur les défis techniques et les solutions innovantes pour améliorer la précision de la cartographie dans des environnements complexes.

The objective of this thesis is to design an innovative mapping device capable of providing accurate mapping in low-textured and GPS-deprived environments. This device will be designed to be installed on various heterogeneous carriers, such as wheeled, tracked, and legged robots, to meet the operational needs of different inspection missions conducted by Pilgrim Technology. From an academic perspective, this research focuses on two key points: self-calibration of the device without the use of a reference target and the fusion of visual and proprioceptive odometry data. Within this thesis, these challenges are addressed by proposing an innovative approach centered around the self-calibration of the mapping device without the need for a reference target. This method allows for adaptation of the device to different dynamics associated with various types of carriers, thereby ensuring increased mapping accuracy. Additionally, significant attention is given to fusing visual and proprioceptive odometry data, with both of these complementary sources of information being leveraged to improve mapping accuracy by utilizing both visual information and carrier motion data. Thus, the detailed objectives of this thesis are as follows: 1. Design a modular mapping device suitable for low-textured and GPS-deprived environments, capable of installation on different types of heterogeneous carriers. 2. Achieve self-calibration of the device without a reference target to ensure precise mapping. Two approaches will be implemented: an iterative alignment based on motion estimation algorithms such as RANdom SAmpling Consensus (RANSAC), and the use of machine learning to learn a calibration function from sensor data and ground truth. 3. Couple visual and proprioceptive odometry data to enhance mapping precision by harnessing both visual and carrier motion information. 4. Associate mapping information with low-textured data, thereby addressing the challenge of mapping in environments with limited textures. These objectives fit within the broader context of Pilgrim Technology's operational needs and aim to make an academic contribution to the field of mapping in challenging environments. Points 2 and 3, in particular, form the core of this research, emphasizing technical challenges and innovative solutions to enhance mapping accuracy in complex environments.