Download Free Modelisation Automatique Dun Environnement Architectural Pour Un Robot Mobile Autonome Book in PDF and EPUB Free Download. You can read online Modelisation Automatique Dun Environnement Architectural Pour Un Robot Mobile Autonome and write the review.

LE TRAVAIL PRESENTE S'INSCRIT DANS UNE RECHERCHE SUR LA MODELISATION DE L'ENVIRONNEMENT POUR UN ROBOT MOBILE AUTONOME. LA MODELISATION PROPOSEE FAIT APPEL AUX TECHNIQUES DE RECONNAISSANCE DE FORMES ET D'INTERPRETATION DES DOCUMENTS TECHNIQUES. NOTRE OBJECTIF EST DE REALISER UN SYSTEME DE RECONNAISSANCE DES FORMES ARCHITECTURALES QUI, A PARTIR D'UN PLAN D'ARCHITECTURE REPRESENTANT GRAPHIQUEMENT L'ENVIRONNEMENT D'UN ESPACE BATI CONSTRUIT UNE BASE DE DONNEES GEOMETRIQUES, TOPOLOGIQUES ET SEMANTIQUES DE DESCRIPTION DE CET ENVIRONNEMENT. CETTE THESE COMPREND UNE PRESENTATION DE L'INTERET D'UNE MODELISATION DE L'ENVIRONNEMENT POUR L'AUTONOMIE D'UN ROBOT. PUIS UNE INTRODUCTION AUX PROBLEMES DE L'INTERPRETATION AUTOMATIQUE D'UN PLAN. ENFIN UNE APPROCHE AU PROBLEME DE RECONNAISSANCE DES FORMES ARCHITECTURALES EST DEGAGEE. LE CHAPITRE 2 PRESENTE UNE REPRESENTATION ORIENTEE OBJET DE L'ENVIRONNEMENT CONSIDERE, A SAVOIR L'INTERIEUR D'UN BATIMENT. DANS LES CHAPITRES 3 ET 4, EST ELABOREE ET MISE EN UVRE NOTRE STRATEGIE DE RECONNAISSANCE, APRES AVOIR ANALYSE LE MODELE QUI GUIDE CETTE RECONNAISSANCE. CE MODELE EST SOUS LA FORME D'UN GRAPHE, OU A CHAQUE NUD EST ASSOCIEE UNE PROCEDURE DE RECONNAISSANCE DE CES ENTITES. IL EST STRUCTUREL ET FAIT APPARAITRE UNE CLASSIFICATION HIERARCHIQUE DES OBJETS A RECONNAITRE. CHAQUE NIVEAU RASSEMBLE LES ENTITES IDENTIFIABLES AU MEME MOMENT. L'INTERPRETATION EST DIVISEE EN QUATRE NIVEAUX HIERARCHIQUES. ELLE SE FAIT D'UNE FACON ASCENDANTE ; LE RESULTAT DE LA RECONNAISSANCE DES ENTITES DE NIVEAU N EST UTILISE DANS LE NIVEAU N+1. POUR LE PROCESSUS DE CONTROLE, LES ENTITES RECONNUES SONT UTILISEES POUR VERIFIER ET VALIDER LES ENTITES MAL INTERPRETEES OU NON COMPLETEMENT RECONNUES
PROPOSITION D'UNE METHODE DE CARTE LOCALE DESTINEE A LA NAVIGATION D'UN ROBOT MOBILE AUTONOME METTANT EN UVRE UN TELEMETRE LASER, UNE MODELISATION DU MONDE PAR DES GRILLES ET UNE ARCHITECTURE PARALLELE HYBRIDE DE TYPE NIMO-SIMO
LES TRAVAUX PRESENTES DANS CE MEMOIRE CONCERNENT LES ASPECTS MODELISATION DE L'ENVIRONNEMENT ET PLANIFICATION DE TRAJECTOIRE DU PROJET V.A.H.M. (VEHICULE AUTONOME POUR HANDICAPE MOTEUR). NOUS PROPOSONS D'EXPLOITER LES INFORMATIONS PROVENANT D'UNE REPRESENTATION INCERTAINE DE L'ENVIRONNEMENT. L'ORIGINALITE DE CETTE REPRESENTATION PROVIENT DU FAIT QU'ELLE EST ISSUE D'UN DESSIN A VUE EFFECTUE PAR UN OPERATEUR HUMAIN. NOUS RESOLVONS LE PROBLEME DE L'INTERPRETATION ET DE L'EVALUATION DES INCERTITUDES PAR UNE MODELISATION SIMPLE DU COMPORTEMENT HUMAIN QUI CONSISTE A UTILISER DES RELATIONS DE PROXIMITE ENTRE LES PRIMITIVES GEOMETRIQUES DU DESSIN ORIGINEL. A PARTIR DE LA MODELISATION PAR NOMBRES MULTIVALEURS DE L'ENVIRONNEMENT A PRIORI, NOUS EFFECTUONS DES PLANIFICATIONS DE TRAJECTOIRES. L'UTILISATION DES CARACTERISTIQUES INCERTAINES DU MODELE PERMET ALORS LA MISE EN EVIDENCE DES REGIONS OU LA NAVIGATION DU ROBOT PRESENTE DE HAUTS RISQUES DE COLLISION AVEC LES OBSTACLES. LE FAUTEUIL EST EQUIPE DE CAPTEURS EXTEROCEPTIFS (CAPTEURS A ULTRASONS) ET PROPRIOCEPTIFS (ODOMETRE) QUI AUTORISENT RESPECTIVEMENT L'OBSERVATION DE L'ENVIRONNEMENT ET L'ESTIMATION DE LA LOCALISATION. LORS DE LA NAVIGATION DU ROBOT DANS L'ENVIRONNEMENT, LA MISE EN CORRESPONDANCE DU MODELE ET DES DONNEES ISSUES DES MOYENS DE PERCEPTION PERMET D'EFFECTUER UNE MODIFICATION DE LA CONFIGURATION DES OBJETS MODELISES. APRES PLUSIEURS DEPLACEMENTS DANS LE MILIEU D'EVOLUTION, ON OBSERVE UNE CONVERGENCE DE LA CONFIGURATION RELATIVE DES OBJETS VERS LEUR CONFIGURATION REELLE
Les travaux présentés dans cette thèse concernent la reconstruction tridimensionnelle de l'environnement d'un robot mobile, à partir d'informations de vision omnidirectionnelle, pour la préparation d'interventions. Nous nous intéressons dans un premier temps à la conception d'une architecture matérielle adaptée aux problématiques de la reconstruction 3D et de la navigation autonome. Le calibrage d'un système de vision est une étape indispensable dès lors que celui-ci est destiné à effectuer des mesures sur son environnement. Cette phase consiste à modéliser le système pour établir la relation mathématique liant les points 3D et leurs projections dans les images. Après une discussion sur le choix du modèle, nous présentons une méthodologie pour estimer les paramètres du modèle retenu. La structure stéréoscopique du capteur que nous avons développé rend possible la reconstruction tridimensionnelle de l'environnement sans déplacement. Nous proposons donc des algorithmes permettant la reconstruction dense de l'environnement, ainsi que des algorithmes de détection de primitives dans les images omnidirectionnelles. Lorsque le capteur est en mouvement, nous exploitons ses déplacements pour enrichir le modèle 3D. Notre principale contribution porte sur le développement d'un algorithme d'ajustement de faisceaux pour les capteurs stéréoscopiques omnidirectionnels qui permet d'obtenir une estimation des déplacements en ne nécessitant que des données visuelles
L'AUTONOMIE D'UN ROBOT MOBILE DEPEND BEAUCOUP DE SES CAPACITES DE PERCEPTION ET D'INTERPRETATION, MAIS ELLE PROVIENT SURTOUT DU SYSTEME QUI GERE LES FACULTES DU ROBOT. CE SYSTEME DOIT ETRE APTE A RAISONNER SUR UN MODELE ABSTRAIT DE SON ENVIRONNEMENT POUR PRODUIRE UNE SEQUENCE D'ACTIONS PERMETTANT DE FAIRE ABOUTIR LA MISSION ASSIGNEE AU ROBOT, CONTROLER L'EXECUTION DE CETTE SEQUENCE D'ACTIONS DANS UN CONTEXTE REEL, DETECTER ET REAGIR AUX EVENEMENTS NON PLANIFIES, ET ASSURER LA REPRISE DE LA MISSION EN CAS D'ECHEC. POUR REPONDRE A CES EXIGENCES LE ROBOT POSSEDE UNE STRUCTURE DE CONTROLE HIERARCHIQUE ARTICULEE AUTOUR DE TROIS SOUS-SYSTEMES: I) UN PLANIFICATEUR QUI PREDETERMINE LES TACHES A ACCOMPLIR POUR ATTEINDRE LE BUT ASSIGNE, II) UN CONTROLEUR D'EXECUTION REACTIF QUI TIENT COMPTE DU CONTEXTE REEL POUR DECOMPOSER CHAQUE TACHE EN UN ENSEMBLE D'ACTIONS, GERE L'EXECUTION DE CES ACTIONS ET ASSURE LA MISE EN UVRE DES REACTIONS DU ROBOT FACE AUX EVENEMENTS NON PREVUS PAR LE PLANIFICATEUR, III) UNE STRUCTURE DISTRIBUEE, CONSTITUEE DE MODULES REACTIFS DESTINES A CONDUIRE L'EXECUTION DES ACTIONS DECIDEES. CETTE DERNIERE, AUSSI APPELEE COUCHE FONCTIONNELLE, ORGANISE LA CONNAISSANCE OPERATOIRE DU ROBOT, DEPUIS LA SIMPLE GESTION DES CAPTEURS ET DES EFFECTEURS, JUSQU'AUX TRAITEMENTS LES PLUS EVOLUES, TELS LA MODELISATION DE L'ENVIRONNEMENT, OU LA RECONNAISSANCE D'OBJETS....
POUR POUVOIR EVOLUER EN TOUTE SECURITE, UN ROBOT MOBILE AUTONOME EVOLUANT DANS DES ENVIRONNEMENTS A PRIORI TOTALEMENT INCONNUS DOIT POUVOIR FAIRE L'ACQUISITION, A CHAQUE INSTANT, D'UNE QUANTITE SUFFISANTE D'INFORMATIONS DE DISTANCE LUI PERMETTANT DE CONNAITRE SON ESPACE LOCAL LIBRE. SEULEMENT 12 INFORMATIONS DE DISTANCE SONT UTILISEES DANS NOTRE APPROCHE ET SONT FOURNIES PAR UN ENSEMBLE DE CAPTEURS A ULTRASONS. UN MODELE DE L'ENVIRONNEMENT DU ROBOT PEUT ENSUITE ETRE CREE A PARTIR DES INFORMATIONS DE DISTANCE OBTENUES. LE MODELE DEVELOPPE EST COMPOSE DE DEUX PARTIES INDEPENDANTES. LA PREMIERE, PUREMENT LOCALE, REPOSE SUR UNE ANALYSE DES INFORMATIONS LOCALES OBTENUES A CHAQUE INSTANT ET PERMET D'IDENTIFIER LE TYPE D'OBJET DETECTEE PAR UN CAPTEUR DONNE. LA SECONDE, PLUS GLOBALE, EST OBTENUE PAR ACCUMULATION DES INFORMATIONS DE DISTANCE OBTENUES AU COURS DU DEPLACEMENT DU ROBOT. LA SOLUTION PROPOSEE POUR ASSURER LA NAVIGATION, LA RECHERCHE DE CHEMINS LIBRES ET L'EVITEMENT D'OBSTACLES UTILISE CE MODELE ET DECOMPOSE LE PROBLEME GENERAL EN UN ENSEMBLE D'ACTIONS CLASSEES SELON LEUR NIVEAU DE COMPETENCE. LES DEUX PREMIERS NIVEAUX DEVELOPPES PERMETTENT D'ASSURER LA NAVIGATION LOCALE D'UN ROBOT EVOLUANT DANS DES ENVIRONNEMENTS PEU CONTRAINTS. TOUTEFOIS, CETTE APPROCHE PUREMENT LOCALE NE PERMET PAS DE FAIRE EVOLUER LE ROBOT DANS DES ENVIRONNEMENTS COMPLEXES. DES ACTIONS SUPPLEMENTAIRES ONT AINSI ETE DEVELOPPEES POUR FOURNIR AU SYSTEME DE CONTROLE DE NOUVELLES CAPACITES DE DECISIONS ET D'ACTIONS. ELLES PERMETTENT AINSI LA NAVIGATION DU ROBOT A PARTIR D'UN RAISONNEMENT ET D'UNE METHODE DE DECISION PLUS GLOBALE. LES TECHNIQUES UTILISEES ICI (LOGIQUE FLOUE, ARCHITECTURE DU SYSTEME DE CONTROLE) FOURNISSENT A LA METHODE PROPOSEE DE GRANDES POSSIBILITES D'EVOLUTION ET D'ADAPTATION AUX DIFFERENTES DIFFICULTES QUE PEUT RENCONTRER LE ROBOT MOBILE. UN GRAND NOMBRE D'ESSAIS ONT ETE MENES AUSSI BIEN EN SIMULATION QUE DE FACON EXPERIMENTALE DANS DES ENVIRONNEMENTS SUFFISAMMENT REALISTES ET REPRESENTATIFS DU PROBLEME DE LA NAVIGATION D'UN ROBOT MOBILE