Réseaux neuromimétiques, modularité et statistiques : estimation du mouvement pour l'asservissement visuel de robots - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2002

Neural networks, modularity and statistics: motion estimation for robotic visual servoing

Réseaux neuromimétiques, modularité et statistiques : estimation du mouvement pour l'asservissement visuel de robots

Résumé

This thesis investigates the use of vision to ensure robotic tasks, especially for mobile target tracking by visual servoing.
The aim of the thesis is to estimate the 2-D projection of the object of interest in the image sequence. Such an estimation is necessary to rewarding mobile target pursuit. Visual servoing is substantially improved with a robust and accurate motion estimation. We have developed an original method for motion estimation of simple objects which is based on an adaptive Kalman filter scheme. The proposed method does not require any prior information and does not depend on motion model and sensor model. This adaptive Kalman filter auto-adapts its state representation with the current observation to fit at best the system's dynamics. The method is extended to a multiple model approach. Different realizations of this filter, with different noise models, are used and an artificial neural network appraises the probability for each filter to compute the optimal estimation, given an input vector. This learning process supervises the filters and allows to compensate for the non stationary properties of the object's movements.
Visual servoing needs image data as input to realize robotics tasks. Thus, supervised extensions of Self Organizing Maps are used to learn the complex relationship between the sensor space and the robot's joint angle space. This neuro-controller is then used to combine the estimated image information to produces robotic control signals. The proposed method fulfills real-time constraints as well as online learning, based on the sensory-motor correlation during the robot movements.
The efficiency of this method is demonstrated through simulation results and real experiments. Visual servoing tasks are presented, which consists in tracking a mobile object with the end-effector of a three degree of freedom robot with respect to different objects.
Le travail de cette thèse s'inscrit dans le domaine de l'utilisation de la vision pour la réalisation de tâches robotiques et concerne plus particulièrement les aspects de poursuite de cible par asservissement visuel.
Nous nous sommes intéressé au cas d'objets mobiles, et plus particulièrement à l'estimation du mouvement de ces objets, nécessaire pour une exécution satisfaisante des tâches de poursuite. La qualité de poursuite est en effet grandement améliorée grâce à une estimation robuste du mouvement. Pour réaliser l'estimation, nous proposons une approche nouvelle, basée sur l'aspect adaptatif du filtrage de Kalman. Contrairement au filtre classique de Kalman, ce filtre n'utilise aucun modèle ni connaissance a priori. La représentation d'état est adaptée en permanence en fonction des observations courantes pour représenter au mieux la dynamique du système. Il s'agit d'une approche modulaire à modèle multiple. Plusieurs filtres sont utilisés et la probabilité pour chacun de calculer l'estimation optimale est déterminée par apprentissage. Un réseau de neurones, sur cette base statistique, supervise l'ensemble des filtres et permet de compenser le caractère non stationnaire des mouvements de l'objet mobile.
Les informations visuelles estimées servent à contrôler les déplacements du robot. Des extensions de la carte auto-organisatrice de Kohonen à sorties supervisées servent à approximer la transformation sensori-motrice du système robot-vision. La relation apprise se trouve dès lors à l'origine de la loi de commande du robot. L'apprentissage est entièrement réalisé en contexte, en exploitant les corrélations sensori-motrices durant les mouvements des robots.
Les méthodes présentées dans cette thèse ont été validées en simulation et par des expérimentations réalisées sur une plate-forme robotique réelle.
Fichier principal
Vignette du fichier
tel-00009211.pdf (5.87 Mo) Télécharger le fichier

Dates et versions

tel-00009211 , version 1 (09-05-2005)

Identifiants

  • HAL Id : tel-00009211 , version 1

Citer

Patrice Wira. Réseaux neuromimétiques, modularité et statistiques : estimation du mouvement pour l'asservissement visuel de robots. Traitement du signal et de l'image [eess.SP]. Université de Haute Alsace - Mulhouse, 2002. Français. ⟨NNT : ⟩. ⟨tel-00009211⟩
271 Consultations
618 Téléchargements

Partager

Gmail Facebook X LinkedIn More