Localisation et cartographie simultanées de l'environnement à bord de véhicules autonomes : analyse de solutions fondées sur le filtrage de Kalman - Thèses Université Clermont Auvergne Accéder directement au contenu
Thèse Année : 2010

Simultaneous localization and environment mapping aboard autonomous vehicles : analysis of solutions based on Kalman filter

Localisation et cartographie simultanées de l'environnement à bord de véhicules autonomes : analyse de solutions fondées sur le filtrage de Kalman

Résumé

In order to be autonomous, a mobile robot must be able to describe the environment where it evolves. To this end, the robot must localize itself and make a map of the environment if no one is available.With this information, it will able, for example, to avoid obstacles and therefore, to navigate safely. This ability is a compulsory step on the way of its complete autonomy. The subject handled in this document deals with this problem. It refers to simultaneous vehicle localization and environment mapping (SLAM). In order to solve this problem, a lot of solutions exists. These methods use different environment representations but also different estimators. The first and second chapters of this manuscript suggest a state of the art of approaches proposed during the last decade. This study showed three important points when an extended Kalman filter is used in a SLAM context : - when a range finder is used as exteroceptive sensor, environment is represented with only one feature kind in the majority of works. The estimated map is not representative of the explored environment ; - estimates obtained with an EKF-SLAM filter are not consistent. Some articles underline this fact but few articles have carried out a complete study of this problem ; - EKF-SLAM approach, like it has been introduced, does not answer system observability criteria. The goal of my research works is not to suggest a new EKF-SLAM application but a study of the quoted problems. For each studied problem, a solution is introduced and criticized by means of simulation and experiment results.
Pour être autonome, un robot mobile doit être capable de décrire l'environnement dans lequel il évolue. Pour ce faire, le robot doit pouvoir se localiser et construire une carte de l'environnement si celle-ci n'existe pas. Grâce à ces informations, il pourra par exemple éviter les obstacles et donc naviguer en toute sécurité. Cette capacité correspond à une étape obligatoire sur la route de son autonomie totale. Le sujet traité dans ce manuscrit répond à cette problématique. Il concerne la localisation d'un véhicule et la cartographie d'un environnement en simultané, SLAM pour simultaneous localization and mapping. Après un etat de l'art des approches proposées durant la dernière décennie, deux points importants ont été constatés lors de l'emploi d'un filtre EKF-SLAM : les estimations obtenues avec ce filtre ne sont pas consistantes et cette approche, telle qu'elle a été introduite, ne répond pas aux critères d'observabilité d'un système. Pour chacun de ces problèmes, une solution est proposée et critiquée à l'aide de résultats de simulation et d'expérimentation
Fichier principal
Vignette du fichier
2010CLF22021.pdf (7.64 Mo) Télécharger le fichier
Loading...

Dates et versions

tel-00719341 , version 1 (19-07-2012)

Identifiants

  • HAL Id : tel-00719341 , version 1

Citer

François Chanier. Localisation et cartographie simultanées de l'environnement à bord de véhicules autonomes : analyse de solutions fondées sur le filtrage de Kalman. Automatique / Robotique. Université Blaise Pascal - Clermont-Ferrand II, 2010. Français. ⟨NNT : 2010CLF22021⟩. ⟨tel-00719341⟩
526 Consultations
835 Téléchargements

Partager

Gmail Facebook X LinkedIn More