Cartographie de l'environnement et suivi simultané de cibles dynamiques par un robot mobile
Résumé
A fundamental capability of a mobile robot perceiving its environment is to be able to build its own map. The existence of mobile entities in the robot's perception zone, while it is building its map, can generate serious errors in its localization and inaccuracies in the map. The traces of the mobile objects must be detected and eliminated from the constructed model. We propose to adopt an occupancy grid as the representation of the environment. This representation provides a model of the environment which can be updated at high frequency, an important requirement to allow the detection and the tracking of mobile objects near the robot. The detection and the tracking of the dynamic targets are then carried out. We present a procedure that attributes acquired measurements to the corresponding targets (data association).Moreover, in order to improve the quality of the sensory information supplied to the robot and to increase the reliability of the tracking process, we fuse the data of a catadioptric camera with the laser's data. A binary image is calculated using a modified approach of optical flux, where a new term which compensates for the changes of illumination is calculated and taken into account. Two strategies that determine the directions of the detected targets using deployed images (on a cylindrical form) and rough panoramic images are respectively presented and compared. Finally, we propose a probabilistic method to couple the measurements received from the two sensors and to associate them to the same event.
Une capacité essentielle pour qu'un robot mobile soit capable de comprendre son environnement est de pouvoir en construire la carte. Des entités mobiles dans la zone de perception du robot pendant qu'il construit sa propre carte peuvent provoquer de graves erreurs au niveau de sa localisation, et des inexactitudes dans la carte. Les traces des objets mobiles doivent être détectées et éliminées du modèle. Nous proposons d'adopter la représentation de l'environnement par une grille d'occupation. Cette représentation fournit un modèle de l'environnement pouvant être mis à jour à une fréquence élevée ce qui présente l'intérêt de permettre la détection et le suivi d'éléments mobiles autour du robot. La détection et le suivi des cibles dynamiques sont ensuite effectués. Une procédure qui attribue les mesures acquises aux cibles correspondantes est aussi présentée. Pour essayer d'améliorer la qualité de l'information sensorielle du robot et d'augmenter la fiabilité du suivi, nous utilisons une caméra catadioptrique dont les données seront fusionnées avec le laser. Une image binaire est calculée à partir d'une approche modifiée de flot optique où un nouveau terme qui compense les changements d'illumination est calculé et pris en compte. Deux stratégies qui déterminent les directions des cibles détectées à partir d'images déployées (sur une forme cylindrique) et d'images panoramiques brutes sont respectivement présentées et comparées. Nous proposons en fin, une technique probabiliste pour coupler des mesures reçues par l'un et par l'autre capteur et pour les associer à un même événement.