Vision pour la robotique en environnement naturel
Résumé
In order to execute missions at a high level of abstraction, such as "go to - (landmark)", an autonomous mobile robot must be able to perceive its environment using its on board sensors (laser range finder, video camera...). Data issued form depth sensors offers a usefull description on ground geometry and object surfaces which is essential for robot navigation. Meanwhile, it does not permit to obtain a sufficient description of the environment : multiple objects may have the same shape, the ground may be unfit even if it is flat... ` This thesis deals with the development of the use of a video camera in order to add usefull information for both localization and navigation of a mobile robot roving in natural environments. The current needs for the realization of these two tasks offers two directions. The first concerns the three-dimensional information obtaining using a stereoscopic system ; the second is the addition of knowledge about environment by object nature identification. Stereovision is a well-known method to obtain depth information. We have implemented a stereocorrelation algorithm : a well-adapted technique for textured scenes. The basic algorithm was improved so as to take into account both the execution speed constraints and the correlation quality. When the robot executes a mission in an outdoor environment, the ground knowledge can be improved by adding information other than geometrical or topological, such as color or texture. We have proposed and implemented as a complementary representation, the nominally model of regions which indicates each region nature in an image. Firstly, a segmentation algorithm provides a synthetic description of the scene : the method combines both region growing method and clustering technique (based on general histogram shapes of each colorimetric component). Regions issued from the segmentation stage are then characterized and afterwards identified in order to obtain their nature (grass, rocks, ground...). Their characterization is obtained from their color and texture. The developed texture operators are based on contrast lines in the considered region (density, curve,...). Finally, a probabilistic method is used to determine the nature of the current elements in the environment.
Cette thèse se situe dans le cadre de l'augmentation des capacités de perception des robots mobiles destinés à évoluer en environnement naturel. Un robot mobile autonome doit être capable de percevoir et d'appréhender l' environnement dans lequel il évolue, à partir des données fournies par ses capteurs (télémètre laser, caméra...), pour effectuer des missions du type "aller à - (un amer)". L'utilisation d'un télémètre laser suffit pour faire effectuer au robot des missions de déplacement ; l'information tridimensionnelle apportée par ce capteur permet d'extraire des informations sur la géométrie du terrain, la forme et la surface des objets, mais ne permet pas toujours d'obtenir une description suffisante de l'environnement : plusieurs objets peuvent avoir la même forme, le terrain peut être impraticable même s'il est plat. Les travaux présentés dans ce mémoire portent donc sur le développement de l'utilisation du capteur caméra vidéo pour apporter des informations utiles à la localisation et à la navigation du robot dans son environnement. Les besoins actuels pour réaliser ces deux tâches ont permis de déterminer deux directions à développer. L'une concerne l'obtention de l'information tridimensionnelle à partir d'un systeème stéréoscopique ; l'autre consiste à enrichir la connaissance de l'environnement par identification des objets contenus dans la scène. La stéréovision est un moyen répandu pour obtenir l'information tridimensionnelle. Nous avons implémenté un algorithme de stéréocorrélation, technique qui est adaptée pour des scènes texturées. L'algorithme de base est amélioré pour prendre en compte à la fois les contraintes de rapidité d'exécution et de qualité de la corrélation. Lorsque le robot évolue dans un environnement extérieur, la connaissance du terrain ou des objets situés dans cet environnement peut être améliorée en ajoutant des informations telles que la co uleur ou la texture. Nous avons proposé comme représentation complémentaire, le modèle nominatif de régions qui indique la nature de chaque région d'une image. Tout d'abord, un algorithme de segmentation donne une description synthétique de la scène : la méthode combine à la fois les techniques de grossissement de régions et de classification (basée sur l'étude de l'allure générale des histogrammes sur chaque composante colorimétrique). Les régions issues de cette segmentation sont ensuite caractérisées puis identifiées afin d'obtenir leur nature (herbe, roche, terre...). Leur caractérisation est obtenue à partir des informations sur leur couleur et leur texture. Les opérateurs de texture développés sont basés sur l'étude des lignes de contraste dans la région considérée (densité, courbure,...). Une technique probabiliste est finalement utilisée pour déterminer la nature des éléments présents dans l'environnement.