Navigation à partir d'une mémoire d'images - TEL - Thèses en ligne Access content directly
Theses Year : 2004

Navigation with a visual memory

Navigation à partir d'une mémoire d'images

Abstract

This work deals with autonomous robotic navigation. A robotic system that moves on its own must be able to localise itself in the environment, so as to define a path to follow, and also to control its motion in order to reach a desired position. A vision based-approach is chosen, by onsidering robotic systems with an on-board camera. The navigation space is represented in a topological way by an image database acquired during a learning step. Thus, the robot localisation is directly related to a search in the database of the views that are the closest in terms of content from the one acquired by the camera. This search is performed using image retrieval methods. A sequence of overlapping views is defined by the use of topological graphs associated with the database. These views visually describe the zone the robot must traverse to reach the desired position. Robot motion is computed on-line for each image acquired by the camera. The proposed method is based on potential field and visual servoing principles. The control law constrains the robot to move inside an area where the observability of landmarks is considered acceptable. Features used during the visual servoing are initially detected in the path of images, and are automatically localised during the motion by using an image transfer method. Experimental results obtained with a 6 d.o.f. robotic arm, and simulations realised show the validity of the navigation method proposed.
Ce manuscrit traite de la navigation autonome de systèmes robotiques dotés d'une caméra embarquée. Pour qu'un robot mobile puisse se déplacer automatiquement, il doit être doté de fonctionnalités lui permettant de se localiser dans son environnement, de se définir un chemin à suivre, et de contrôler ses mouvements jusqu'à sa position désirée. Dans notre approche, l'environnement de navigation est décrit par une base d'images acquise lors d'une phase d'apprentissage. L'utilisation de techniques de recherche d'images permet d'effectuer une localisation qualitative du système robotique. La définition du chemin à suivre est réalisée sans imposer une reconstruction 3D complète de la scène. Pour ce faire, la base d'images est organisée sous la forme d'un graphe valué dans lequel est prise en compte la facilité de mouvement entre les différentes vues de la base. Une représentation hiérarchique de ce graphe permet de simplifier la recherche de chemin. Le chemin de plus faible coût obtenu correspond à un ensemble de prises de vue permettant de relier visuellement les images acquises depuis les positions initiale et désirée du robot. Les mouvements du robot sont calculés en ligne, pour chaque image acquise par la caméra. Le chemin d'images correspond à une délimitation de la zone de l'environnement que doit observer la caméra durant les mouvements du robot. Les différentes vues de ce chemin ne sont pas considérées comme des positions cibles intermédiaires à atteindre. Nous avons proposé une loi de commande basée sur les principes d'asservissement visuel et de fonction de potentiel, afin de contraindre le système robotique à se mouvoir dans une zone où la visibilité d'amers visuels est considérée comme satisfaisante. Les amers utilisés sont initialement détectés sur le chemin d'images, et dynamiquement mis à jour durant la navigation par une technique de transfert d'images. Les résultats expérimentaux réalisés d'une part avec un robot cartésien, et d'autre part en simulation montrent le bien-fondé de notre approche de navigation.
Fichier principal
Vignette du fichier
these_Anthony_Remazeilles.pdf (6.7 Mo) Télécharger le fichier
Loading...

Dates and versions

tel-00524505 , version 1 (08-10-2010)

Identifiers

  • HAL Id : tel-00524505 , version 1

Cite

Anthony Remazeilles. Navigation à partir d'une mémoire d'images. Interface homme-machine [cs.HC]. Université Rennes 1, 2004. Français. ⟨NNT : ⟩. ⟨tel-00524505⟩
443 View
238 Download

Share

Gmail Facebook X LinkedIn More