Docora de l'universié de Toulouse Délivré par l'universié Paul SABATIER Carographie de l Environnemen e Suivi Simulané de Cibles Dnamiques par Un Robo Mobile Abdellaif BABA Direceur de Thèse : Raja CHATILA LAAS-CNRS groupe Roboique e IneracionS Souenue le 8 Décembre 2007 devan le jur composé de : Philippe BONNIFAIT Chrisian LAUGIER Rachid ALAMI Roland CHAPUIS Michel COURDESSES El Musapha MOUADDIB Raja CHATILA Rapporeur Rapporeur Eaminaeur Eaminaeur Eaminaeur Eaminaeur Direceur de Thèse
Remerciemen Les ravau présenés dans ce mémoire on éé effecués au Laboraoire d Analse e d Archiecure des Ssèmes du CNRS à Toulouse. Je iens à remercier Mr. Malik Ghallab (l ancien direceur du LAAS de m avoir accueilli dans le laboraoire en sepembre 2003. Mes remerciemens von égalemen au direceurs successifs du pôle RIA mon direceur de hèse Mr. Raja CHATILA puis Mr. Rachid ALAMI de m avoir permis d effecuer cee hèse dans leur groupe de Recherche. Je remercie chaleureusemen mes rapporeurs Mr. Philippe BONNIFAIT e Mr. Chrisian LAUGIER pour le soin avec lequel ils on lu ce manuscri ainsi que pour la qualié de leurs criiques. Mes remerciemens von égalemen à Mr. Rachid ALAMI Mr. Roland CHAPUIS Mr. Michel COURDESSES e Mr. El Musafa MOUADDIB qui on eu la genillesse de faire parie de mon jur de souenance. J aimerais adresser ma profonde graiude à Raja CHATLA pour avoir dirigé ma hèse e pour m avoir fai profier de ses compéences scienifiques e ses haus caracères personnels. Je iens à remercier aussi Mme. Aurélie CLODIC qui m a beaucoup aidé pendan plusieurs phases de ma hèse. Je remercie égalemen Mme. Jackie SOM la secréaire du Pôle RIA pour les effors qu elle a fai afin de facilier e réussir mes paricipaions au conférences inernaionales e le souiens humain qu elle m a adressé à chaque fois j ai eu un problème. Je remercie les amis : (Ali Anis Aman Chadi Fadi Hassan Maime Sébasien Thierr G. Thomas Wael Wassime e William. Avec eu j ai passé de rès bons momens pendan les quare dernières années. Je veu remercier rès sincèremen ma mère la grande femme de ma vie e je souhaie qu elle soi fière de son fils. Finalemen je veu présener cee hèse à l âme de mon père. L homme don j ai souhaié la présence à ma souenance afin d'assiser à la réalisaion de son rêve mais le desin en a décidé auremen. Injuse desin souven plus rapide que nos espoirs.
Résumé : L avancemen echnologique de nore époque s impose pei à pei dans nore vie pour résoudre ous nos problèmes professionnels ou même quoidiens. Aujourd hui il nous propose d acceper de nouvelles eniés arificielles inelligenes pour qu elles soien inégrées dans nore sociéé humaine. Ces nouvelles machines qui essaien de copier nos capaciés percepuelles e parfois phsiques son des robos. L eisence des robos dans nore univers nous invie à savoir de plus en plus commen il fau ineragir avec eu. En revanche nore eisence dans leur univers eige qu ils soien capables de nous percevoir nous comprendre e ineragir avec nous. Pour qu un robo assume oues ces foncions il doi eploier ous ses capeurs qui représenen pour lui une approimaion de cerains sens de l êre humain. Mais à cause du brui qui peu caracériser les mesures acquises par ses capeurs il es nécessaire d uiliser plusieurs méhodes de filrage pour améliorer la qualié de ces mesures e ainsi du raisonnemen qui en dépend. D aure par la fusion des données des capeurs es uile e souven uilisée pour compenser les poins faibles de chaque capeur. Une capacié essenielle pour qu un robo mobile soi capable de comprendre son environnemen es de pouvoir en consruire la care. Une care précise e déaillée représene une source d informaion indispensable pour réaliser une bonne localisaion du robo. Mais pour élaborer une care correce une localisaion du robo dans son environnemen es aussi imporane. Les deu foncions son liées on la même priorié e doiven êre achevées simulanémen. Ce problème es déjà connu e référencé par le erme (SLAM : Simulaneous Localizaion And Mapping. Des eniés mobiles dans la zone de percepion du robo pendan qu il consrui sa propre care peuven provoquer de graves erreurs au niveau de sa localisaion e des ineaciudes dans la care. Les races des objes mobiles doiven êre déecées e éliminées du modèle. Nous proposons d adoper la représenaion de l environnemen par une grille d occupaion qui décompose l environnemen en cellules indépendanes les unes des aures. A chaque cellule es assignée une valeur décrivan sa probabilié d êre occupée. Cee représenaion fourni un modèle de l environnemen pouvan êre mis à jour à une fréquence élevée ce qui présene l inérê de permere la déecion e le suivi d élémens mobiles auour du robo. Nous emploons la grille elle-même pour effecuer la déecion en cherchan les groupes de cellules qui viennen de changer leurs éas d une façon bruale enre deu balaages successifs du laser dans le champ de mesure. Le suivi des cibles dnamiques es ensuie effecué où la echnique de (Muliple Model Paricle Filer es uilisée avec le modèle choisi de la dnamique des objes. Une procédure qui aribue les mesures acquises au cibles correspondanes es aussi présenée. Dans un environnemen rès peuplé par des personnes mobiles dans la zone de mesure du laser la procédure d aribuion échoue parfois e spécialemen pour des cibles aan des rajecoires croisées. De plus une erreur de localisaion du robo pendan son mouvemen peu déclencher une éape de déecion e de suivi pour des élémens qui son en fai saiques dans le monde réel. Pour essaer d améliorer la qualié de l informaion sensorielle du robo e d augmener la fiabilié du suivi nous uilisons une caméra caadioprique don les données seron fusionnées avec le laser.
Pour déecer des cibles mobiles en uilisan des images panoramiques le fond de scène es ou d abord erai à parir de rois images successives (prises de la même posiion avec un délai de emps consan enre elles en emploan un (Temporal Median Operaor. Une image binaire es calculée à parir d une approche modifiée de flo opique où un nouveau erme qui compense les changemens d'illuminaion es calculé e pris en compe. Deu sraégies qui déerminen les direcions des cibles déecées à parir d images déploées (sur une forme clindrique e d images panoramiques brues son respecivemen présenées e comparées. La snchronisaion des deu capeurs (laser e caméra es cruciale pour permere la fusion de leurs données. Nous proposons une echnique probabilise pour coupler des mesures reçues par l un e par l aure capeur e pour les associer à un même événemen. Nous présenons enfin commen les différens algorihmes proposés son inégrés dans l archiecure du robo. 2
Table des maières. Inroducion Générale (Ea de l ar e Posiionnemen du Problème 7.. Inroducion 7.2. La Carographie... 9.2.. Modèle Géomérique.. 0.2.2. Modèle Topologique 2.2.3. Care d Occupaion. 3.3. Carographie e Suivi Simulanés 6.4. Déecion Visuelle e Fusion Avec le Laser 8.5. Organisaion Du Manuscri. 20 2. Carographie Dans Un Environnemen Saique (Grille d Occupaion 23 2.. Inroducion. 25 2.2. Roboique Probabilise 25 2.2.. Probabilié Condiionnelle e Loi de Baes 25 2.2.2. L hpohèse de Markov.. 27 2.2.3. Le Filre Baesien... 27 2.3. Le Télémère Laser (SICK. 28 Le Modèle du Capeur. 28 2.4. La Grille d Occupaion 29 2.5. Conclusion... 32 3. Carographie e Suivi Simulané 35 3.. Inroducion. 37 3.2. Suivi d objes mobiles.... 37 Le modèle proposé pour la dnamique du ssème (MSDM. 39 3.3. Esimaion non linéaire des processus markoviens. 4 3.3.. Posiionnemen du Problème.. 4 3.3... Prédicion Markovienne. 42 3.3..2. Correcion Baesienne... 42 3.3.2. Le Filrage... 42 3.3.2.. Le Filre de Kalman... 43 3.3.2.2. Le Filre de Kalman Eendu... 44 3.3.2.3. Le Filrage Pariculaire... 45 3.3.2.4. MMPF (Muliple Model Paricle Filer 48 3.4. Simulaions.. 52 3.5. Epérimenaions. 54 3.5.. Groupage de Cellules Voisines Occupées.. 54 3.5.2. Déecion de Cibles Mobiles... 54 3.5.3. Suivi de Cible Mobile. 56 Suivi Muli Cibles (Daa Associaion... 57 3.6. Conclusion e Discussion. 59 3
Table des maières 4. Déecion Visuelle d Objes Mobiles (En Uilisan une Caméra Caadioprique 6 4.. Inroducion. 63 4.2. Caméra Caadioprique... 63 4.2.. Combinaison miroir parabolique / objecif élécenrique... 64 4.2.2. Modèle de Projecion.. 65 4.2.3. Redressemen Clindrique d une Image Panoramique.. 66 4.3. Hisogramme... 68 4.4. Traiemen d image (Eracion du Fond d image 70 4.4.. Marice de Convoluion. 70 4.4.2. Gaussian Average Operaor 70 4.4.3. Le Médian... 72 4.4.3.. Filrer une Image en Uilisan (Median Operaor. 73 4.4.3.2. Eracion du Fond d image en Uilisan (Temporal Median Operaor... 74 4.5. Déecer une Cible Dnamique en Uilisan le Flo Opique. 75 Une Approche Différenielle... 75 4.6. Déerminer la Direcion de Cible Déecée.. 80 4.7. Déerminer les Direcions de Plusieurs Cibles 82 4.8. Déecion des Cibles Mobiles à Parir d Images Panoramiques non Déploées (Images Brues.. 83 4.9. Comparaison Enre les Deu Techniques Suivies Pour Déerminer les Direcions des Cibles Déecées.. 86 4.0. Conclusion 86 5. Fusion de Capeurs (E Alignemen des Données 89 5.. Inroducion. 9 5.2. Fusion de Capeurs.. 9 5.3. Considéraions Techniques.. 93 5.4. Résulas Epérimenau. 94 5.5. Archiecure Algorihmique. 96 5.6. Conclusion... 97 Conclusion Générale 99 Références 03 4
Table des figures.. SLAM (Simulaneous Localizaion And Mapping... 9.2. Care géomérique représene une salle de la Cié de l Espace à Toulouse....3. Care opologique... 3.4. Grille d occupaion. 3 2.. Descripion du élémère laser 28 2.2. Le modèle du capeur se présene comme une disribuion normale dans une cellule... 29 2.3. Dans chaque eemple ; les rois probabiliés parielles se paragen enre eu une somme probabilise égale à un... 3 2.4. Un ssème du seuillage va raduire l éa d une cellule selon sa probabilié d occupaion calculée comme une seule valeur enre zéro e un..... 32 2.5. Eemple d une grille d occupaion à 2D... 32 3.. Géomérie de (Cible Observaeur illusrée en deu dimensions.... 38 3.2. (a l approche de suivi comme elle es proposée dans [52]; (b l'approche modifiée qui convien mieu à la caracérisique aléaoire dans le mouvemen de l'êre humain... 39 3.3. Le filrage se compose comme d habiude de deu phases (prédicion e correcion... 4 3.4. (a cen paricules dans chacun des rois nuages; (b après le choi de la paricule la plus probable à l insan ( une nouvelle iéraion commence 48 3.5. (A. L observaeur (le robo dans nore cas se déplace suivan la ligne droie (en ver pendan que la cible sui sa rajecoire; (B. Représene un zoom pour une zone de rajecoire... 52 3.6. (A. Une rajecoire plus compliquée (B. Suivi de deu cibles à la fois.. 53 3.7. Quelques eemples des groupes considérés... 54 3.8. Eemple d'une grille d'occupaion avec un obje se déplaçan vers la gauche.... 56 3.9. Deu couches viruelles : la première représene la grille d'occupaion consruie alors que la seconde représene le niveau où le suivi des cibles mobiles s effecue. 56 3.0. Suivi d'une personne se déplaçan à proimié du robo... 57 3.. Deu cibles suivies à proimié du robo. 57 3.2. Représenaion de la figure (3. en 3D 58 3.3. Suivi Muli Cible... 59 3.4 Carographie e suivi simulanés 60 4.. rois pes de miroirs convees. 64 4.2. Le capeur omnidirecionnel uilisé. 65 5
4.3. Camera caadioprique consiuée d un miroir parabolique e d une caméra classique. 65 4.4. produire un poin sur un clindre à parir d un poin d une image panoramique... 67 4.5. Le principe suivi pour faire l inerpolaion 67 4.6. A. hisogramme pour une image ne couvre pas oue la plage de 256 niveau d inensié lumineuse B. une image normalisée son hisogramme couvre oue la plage... 69 4.7. La marice de convoluion.. 70 4.8. Une image filrée en uilisan l opéraeur de Gaussien. 72 4.9. Le médian... 72 4.0. Une image recifiée en uilisan l opéraeur de médian.. 73 4.. choisir le médian enre les piels qui on les mêmes coordonnées maricielles dans les images successives... 74 4.2. Trois images successives acquises à un délai de emps de 5 secondes avec une image qui représene le fond de scène erai en uilisan (emporal median operaor... 74 4.3. Une personne déecée dans une image binaire... 78 4.4. Une personne déecée (un changemen de lumière enre le fond erai e l image courane.. 79 4.5. Une zone des colonnes inéressanes (son côe à côe e elles on des probabiliés supérieurs 8 4.6. Deu cibles déecées avec un hisogramme qui monre deu zones des colonnes inéressanes.. 82 4.7. A parir de rois images panoramiques brues prises au momens différens le fond de scène es erai. 83 4.8. Une image binaire résulane de l applicaion de flu opique 84 4.9. A. une image qui résule après l applicaion d une éape de normalisaion B. Hisogramme 3D C. image finale illusre deu cibles déecées D. Hisogramme 2D... 86 5.. N regisre pour N cibles.. 92 5.2. disribuion Gaussienne (modèle de pondéraion. 92 5.3. A. La zone d inersecion de deu capeurs es illusrée en gris. B. le robo Dala équipé par un élémère laser e une caméra caadioprique.. 94 5.4. Une cible se déplaçan à proimié du robo.. 95 5.5. Deu cibles se déplaçan à proimié du robo... 95 5.6. Les composans de nore archiecure algorihmique. 97 6
Chapire : Inroducion Générale CHAPITRE I Inroducion Générale (Ea de l ar e Posiionnemen du problème.. Inroducion Se localiser dans son environnemen c es répondre à la quesion «où suis-je?» posée en permanence par un robo mobile auonome. La version la plus difficile de cee quesion communémen référencée par le erme «robo kidnappé» es le problème de fournir une esimaion de la posiion du robo sans esimaion précédene par rappor à une référence globale connue. Mais le problème général de la localisaion consise à esimer la posiion à parir d une posiion précédene e de nouvelles observaions de l environnemen oujours par rappor à une référence globale connue. Deu caégories de localisaion peuven êre considérées selon que les mesures fournies par les capeurs poren sur la posiion du repère lié au robo mobile par rappor à un aure référeniel connu (mesures eérocepives ou sur le déplacemen relaif du robo enre deu insans successifs (mesures propriocepives par eemple odomériques. Effecuer une meilleure localisaion eige de déecer des amers connus qui permeen au robo de corriger l esimaion odomérique de sa posiion. L odomérie es en effe fragile comme méhode de localisaion du robo pour plusieurs raisons : painage des roues non mesurable inégaliés de errain erreurs dues au inceriudes de mesure e de calibraion ec. qui peuven enraîner des erreurs cumulaives avec le emps. Les amers peuven êre connus (consiuer une care ou êre consruis au fur e à mesure du déplacemen. Il s agi donc de maimiser la correspondance enre des cares locales successivemen consruies avec l évoluion du mouvemen du robo sur sa rajecoire s il n a pas une base de données qui conien des cares fournies e indeées a priori ou pour un ssème qui dispose de cares indeées ce sera une maimisaion de 7
Chapire : Inroducion Générale corrélaion enre les cares consruies e celles qui son déjà indeées. Les echniques d esimaion (filrage de Kalman Kalman Eendu filrage pariculaire ec. son à la base de cee combinaison de mesures eérocepives e propriocepives. Le élémère laser le sonar e la vision avec oue sa diversié (mono séréo perspecive panoramique...ec. son uilisés pour acquérir les données eérocepives. Le GPS peu consiuer aussi une source d informaion eerne pour l esimaion de la posiion e peu aussi êre combiné avec des données propriocepives. La capacié d un robo mobile à consruire une care pour décrire son environnemen e s localiser représene donc une caracérisique essenielle pour garanir sa navigaion. Afin de consruire un modèle correc de l environnemen le robo doi êre capable de disinguer enre deu caégories d objes :. Objes Saiques : représenan les paries fies de l environnemen qui doiven êre incluses dans la care élaborée. 2. Objes Mobiles : des personnes ou d aures robos ainsi que des objes à éa variable (pores fenêres ec.. D aure par la localisaion du robo es imporane pour effecuer une consrucion incrémenale de sa care afin de mere en correspondance les cares locales (sinon le problème du robo kidnappé plus complee serai posé en permanence. D où la nécessié du foncionnemen simulané de la localisaion e de la carographie qui es appelé le «SLAM» (Simulaneous Localizaion And Mapping e qui nécessie la réalisaion iéraive des éapes suivanes:. Une phase d acquisiion de données à un insan ( 0 effecuée par un robo localisé à ( 0 0 θ 0 pour consruire une parie de sa care e choisir des amers qui von êre uiles pour les éapes suivanes de sa localisaion Figure (.. 2. Avec le déplacemen du robo dans son environnemen les erreurs odomériques s accumulen. A l insan ( le robo déclenche une nouvelle phase d acquisiion des données pour évaluer sa nouvelle posiion par rappor au amers choisis dans l éape précédene (s ils son oujours dans son champ de vision c es-à-dire effecuer une éape de correcion au niveau de sa localisaion ce qui es indispensable pour consruire une nouvelle parie de sa care e mere à jour la parie qui es déjà consruie. La localisaion e la mise à jour de la care s accomplissen simulanémen. 3. Cee care élaborée à parir de la fusion de plusieurs percepions es plus précise e uile pour la localisaion du robo dans les percepions suivanes. Les données acquises par les capeurs son souven bruiées incomplèes ou ne couvren pas la oalié du champ de vision du robo à cause de masquages par eemple. L uilisaion de plusieurs sources sensorielles perme d acquérir des données plus riches parfois complémenaires qu il faudra fusionner. 8
Chapire : Inroducion Générale R R R 2 0 Figure (. SLAM (Simulaneous Localizaion And Mapping. Trois insans de rajecoire du robo son illusrés. Les éoiles son les amers déecés par le robo. La vraisemblance de posiion d un amer augmene à chaque fois qu il es vu e disingué à parir d une posiion différene. L inceriude du posiionnemen du robo diminue à chaque fois qu une éape de correcion basée sur la percepion des amers es effecuée..2. La Carographie Un robo qui ne possède a priori aucune informaion sur l environnemen dans lequel il doi se déplacer e agir doi êre capable de modéliser son environnemen grâce à l ensemble de ses capeurs. Ce modèle es indispensable pour sa localisaion ainsi que pour planifier ses mouvemens afin d accomplir ses missions. Dans ceraines applicaions roboiques une care de l environnemen peu êre fournie par des sources eérieures comme les images aériennes ou saellies mais dans le plupar des cas ces données son insuffisanes pour les applicaions qui on besoin de percepion précise dans une zone d acivié locale du robo. D aure par un robo auonome doi êre capable de réagir à des modificaions inaendues dans son environnemen. La consrucion d une elle care devra êre incrémenale en fusionnan les percepions successives acquises par les capeurs du robo au cours de son déplacemen. La difficulé d un problème comme la carographie vien généralemen de plusieurs raisons [03] parmi lesquelles :. La aille de la care consruie : plus l'environnemen décri par une care es grand plus les raiemens seron lourds e l espace mémoire pour la socker imporan. 9
Chapire : Inroducion Générale 2. Le brui : si les mesures des capeurs e les mouvemens effecués par les acionneurs du robo ne son pas bruiés la carographie devien un problème simple. Mais le brui es oujours présen e son raiemen es esseniel. 3. Ambiguïé percepuelle : plus les différens endrois on les mêmes aspecs plus il es difficile d'éablir des bonnes correspondances enre ces endrois raversés avec le emps au différens poins. De manière plus générale le problème de l associaion de données doi êre raié correcemen. 4. «Boucler la boucle» : consruire une care dans une boucle fermée eige de corriger les erreurs odomériques qui s accumulen sous peine d obenir une care incohérene. La care consruie incrémenalemen peu se déformer si aucun amer n es revu pendan le déplacemen pour localiser le robo. La reconnaissance des amers vus à la posiion de dépar e la consrucion de la care par l uilisaion d une echnique du (SLAM perme d obenir une care cohérene. La consrucion d une care eige d aure par de choisir la naure des représenaions qui von la composer. Trois pes de modèles de l environnemen son uilisés en général [33] :.2. Modèle Géomérique C es un modèle qui conien des informaions mériques sur l environnemen. C es souven une représenaion de base uilisan l ensemble des primiives 2D acquises par un balaage horizonal d un élémère laser ou des primiives 3D comme les segmens regroupés en facees [94] ce qui perme de décrire des amers dédiés à la localisaion e de représener aussi l espace navigable. Selon Rives e Dev [73] la sélecion des amers devrai répondre à divers crières en pariculier : pouvoir discriminan domaine de visibilié imporan sabilié invariance e bonne adapaion à la mérologie. Plusieurs pes d amers géomériques peuven êre disingués comme les poins les coins les segmens les polgones.ec. [43]:. Poins ou objes considérés comme poncuels [75] [87] [76] [4] [24] : dans les cares 2D ils représenen noammen les objes vericau els que des poeau ou des roncs d'arbres en environnemen eérieur e des coins de murs en environnemen inérieur. 2. Coins : par rappor au poins ils incluen égalemen une informaion d'orienaion e évenuellemen un angle relaif enre les segmens adjacens à ce coin. 3. Segmens qui corresponden généralemen au fronières d'obsacles [84] [75] [27] [49] [] [30] [06] [24]: en général ces segmens son représenés par leurs droies suppors (de préférence en coordonnées polaires [98] e poren évenuellemen des informaions sur la posiion géomérique de leurs erémiés. 0
Chapire : Inroducion Générale 4. Polgones de forme e aille quelconques correspondan au fronières d'obsacles dans le plan horizonal [84] e plus généralemen des polosides (des polgones comporan des rous [60]. 5. Porions de courbes e noammen arcs de cercle [75] [2]. Les représenaions géomériques son souven préférées pour modéliser des environnemens srucurés [83]. Mais elles son aussi eploiées pour décrire des environnemens naurels avec des errains pluô plas [2]. Des approches récursives [29 37] son développées pour segmener l environnemen en uilisan le sonar. Des cares géomériques qui incluen des coins e des surfaces parielles son aussi consruies [80 35 2]. Casellanos e al. [303] eraien des poins des coins des segmens e des surfaces à parir des informaions sensorielles (laser e vision. Aache e al. [6] on aussi erai des primiives 3D en uilisan la séréovision. Jane e al. [63] on uilisé les réseau de neurones pour regrouper des données acquises par le sonar alors que Kwon e al. [7] on uilisé une echnique sochasique pour le faire. Delahoche e al. [38] on uilisé la vision omnidirecionnelle pour eraire des segmens vericau (coins pores...ec. dans un environnemen srucuré (d inérieur. Une care géomérique peu êre une représenaion incluan ou pe d objes de n impore quelle aille ou n impore quelle forme. Les primiives son consruies par fusions successives de données élaborées à parir d aures données mériques brues (non raiées comme les poins direcemen issus des mesures ce qui perme la réducion de l espace mémoire nécessaire pour socker la care. Cependan une care géomérique es plus difficile à consruire en comparaison avec une grille d occupaion en pariculier avec des données bruiées à cause des approimaions nécessaires. En oure afin d idenifier des formes géomériques uiles pour la localisaion du robo ou effecuer une reconnaissance d objes par eemple il fau mere en œuvre des raiemens de mise en forme sur l ensemble des données acquises chaque fois que le robo effecue un raisonnemen sur sa propre care. Figure (.2 Care géomérique représenan une salle de la Cié de l Espace à Toulouse [84].
Chapire : Inroducion Générale.2.2 Modèle Topologique Il représene l espace navigable du robo sous la forme d un graphe qui conien oues les informaions sur la conneié e l ordre des eniés incluses. Auremen di c es une représenaion qui décri les relaions enre des élémens poeniels de l environnemen sans uiliser une référence globale absolue ni une mérique en général. Nous pouvons disinguer deu méhodes pour la consruire :. Elaborer un modèle géomérique puis chercher ses propriéés opologiques comme celui proposé par Chaila e al. [33]. Où la définiion du nœud es liée à une unié foncionnelle ou opologique (corridor bureau alors que les conneceurs enre les nœuds représenen des pores ou des escaliers. 2. Consruire une care opologique qui s appuie sur des informaions qualiaives ou phsiques comme des couleurs ou des eures qui permeen de disinguer la naure phsique d une parie du errain raversé pour la considérer comme une enié discrèe dans le graphe bâi e de rajouer évenuellemen des informaions mériques locales (disances e direcions sur des eniés déjà perçues [76]. Une elle care opologique es consruie par Brooks [25] en uilisan des informaions visuelles où les nœuds son appelés (meadows e les conneceurs son des (freewas. Les environnemens srucurés son les plus facilemen modélisés d une façon opologique car ils induisen une srucure opologique avec moins d ambiguïés (par eemple le passage d une pièce à un couloir. L avanage majeur des représenaions opologiques es d évier le cas échéan les approimaions géomériques par des primiives ou en rendan compe de la srucure de l environnemen. Ceci peu permere une localisaion qualiaive dans un lieu effecuée à parir d informaions odomériques e une connaissance de la srucure e de la naure des lieu la consiuan [59]. A la srucure opologique on peu aussi associer une signaure idenifiable ou un amer assez disincif uile pour la localisaion du robo. Pour cela l eploiaion de données muli-sensorielles devien imporane. Une boussole e 6 sonars son uilisés chez Kuipers e al. [70] pour disinguer les différens nœuds. Chez Korenkamp e al. [68] les sonars son insuffisans pour effecuer l idenificaion de nœud pour cela la vision (une caméra perspecive es proposée avec une limiaion imposée sur les direcions qui peuven êre prises par le robo (chaque siuaion angulaire du robo es perpendiculaire à la précédene ; un pei nombre d images pour chaque siuaion sera ainsi suffisan pour garanir une bonne idenificaion. Koenig e al. [67] on proposé une care opologique enrichie par des informaions augmenées où la longueur des corridors avec la largeur des conneceurs son déjà fournies dans une base de données. La care opologique présene quelques avanages. Sa srucure peu êre eploiée par les algorihmes de planificaion de mouvemen. C es de plus une représenaion rès économe de l espace mémoire (srucure de graphe. Par conre l absence d informaions géomériques dans une 2
Chapire : Inroducion Générale care opologique pure peu êre inadapée dans cerains cas où une localisaion précise es nécessaire. Par ailleurs une ambiguïé de posiionnemen du robo peu apparaîre si plusieurs paries de l environnemen (les nœuds on des apparences presque semblables. N3 N5 N7 N N8 N N2 N4 N6 N0 N9 Figure (.3 Care opologique.2.3 Care d Occupaion Figure (.4 Grille d occupaion [04] La grille d'occupaion es une représenaion de l environnemen qui décompose l'espace dans lequel un robo mobile évolue en un ensemble de cellules. La probabilié d occupaion de chaque cellule es une valeur esimée à parir des mesures fournies par les capeurs. Alors que beaucoup d approches qui raien du SLAM supposen que les environnemens d un robo mobile son saiques ( hpohèse peu compaible avec des robos de services ineragissan avec des humains la grille d occupaion représene un modèle capable de faire la mise à jour de l environnemen à une fréquence élevée e permean de réviser facilemen les probabiliés d occupaion donc de suivre l évoluion de l environnemen auour du robo ce qui es indispensable pour une meilleure réacivié. De plus une grille d occupaion es capable de modéliser des environnemens de forme quelconque e ne cherche pas à approimer les données par des primiives qui peuven êre inadéquaes. Elle es en général préférée pour les applicaions qui reposen sur la déecion de l espace navigable (espace libre [72] ou pour l éviemen d obsacles [23]. En revanche elle souffre de la discréisaion par une grille qui indui des déformaions e eige un espace de sockage imporan pour de grandes résoluions. Cee méhode de carographie éai présenée au dépar par Elfes [45] qui a proposé une représenaion discrèe 2D de l espace navigable pour un robo mobile à l aide des capeurs à 3
Chapire : Inroducion Générale ulrasons. En 992 Elfes [44] lui-même a proposé une eension appelé (la grille d inférence où il a aribué à chaque cellule un veceur qui conien plusieurs informaions (sa probabilié d occupaion sa classe d apparenance ec.. D aures cares d'occupaion on aussi éé consruies en emploan le sonar [0]. Toues ces cares uilisen un modèle de capeur permean de calculer la probabilié d occupaion d une cellule à parir des mesures : p( m z ce qui es appelé le modèle inverse du capeur car il race les mesures des capeurs pour revenir à leur cause (la présence de l obje. Ce modèle du capeur es bien analsé par Thrun [04] qui a monré commen ce modèle peu provoquer des problèmes conflicuels dans une zone de visibilié commune enre deu sonars voisins sur le robo. Pour cela il a proposé une aure approche basée sur le modèle direc : p ( z m qui décri la probabilié de recevoir une mesure d un obje présen sachan l éa de la care (dans laquelle ce obje eise a priori. L'algorihme EM (Epecaion Maimisaion es uilisé pour calculer ces probabiliés puis il a appliqué une éape d approimaion de Laplacien pour le calcul de la care finale soi rouvée. L uilisaion de l algorihme (EM peu rendre l approche coûeuse en emps d eécuion. D aures ravau on ené d emploer la logique floue pour évaluer l éa d occupaion des cellules de la grille. Oriolo e al. [89] on modélisé la cellule par un ensemble flou. Ainsi chaque cellule peu eprimer à la fois deu éas pariels (E = Vide e O = Occupée e le degré d apparenance enre eu se déermine en uilisan la héorie des possibiliés. Dans cee approche chaque cellule peu avoir des données conflicuelles ( E O fournies par les sonars e sera considérée comme une cellule ni libre ni occupée. Eliminer l ambiguïé de l éa de ces cellules eige de nouvelles données sensorielles ce qui nécessie plus de navigaion du robo (c'es-à-dire plus de emps. Pagac e al. [90] proposen d uiliser la héorie de l évidence où à chaque cellule sera aribué rois valeurs de croance m(e m(o e m( E O elles que leur somme soi égale à un. Ensuie la règle de combinaison de Dempser-Shafer es appliquée pour mere à jour la care à parir des données des capeurs. Une héorie de l évidence se caracérise normalemen par deu seuils sur les probabiliés un inférieur (seuil de plausibilié e un aure supérieur (seuil de croance. Selon la largeur de l inervalle enre les deu seuils cee approche peu modéliser un éa où il a un manque de données (cellule à l éa inconnu. Une comparaison enre les deu dernières méhodes e celle qui uilise uniquemen la loi de Baes a éé effecuée par Ribo e Pinz [93]. Ils on appliqué les rois méhodes sur un robo dans un environnemen srucuré. Ils on rouvé que l approche qui uilise la logique floue a donné une care plus robuse au fausses alarmes e au réfleions muliples. Par conre elle fourni la care la moins précise e la plus grande au niveau de l espace occupé de mémoire alors que l approche probabilise apparaî la plus rapide. Tous les ravau discués ci-dessus souffren d un problème commun qui es le pe du capeur uilisé (le sonar à cause de ses défaillances nombreuses (fausses alarmes déecions manquées difficulé de déecion d espaces érois données refléées ardivemen par une forme circulaire ou angulaire ou même données diffusées face à une surface de verre ec.. Pour cela d aures approches proposen de fusionner les données acquises par le sonar avec celles d aures capeurs. Sepan e al. [0] on epérimené la fusion (sonar laser e (sonar camera perspecive dans un environnemen saique d inérieur pour consruire une grille d occupaion robuse pour une meilleur planificaion. Pour eu parager la même grille enre deu capeurs qui on deu 4
Chapire : Inroducion Générale fréquences différenes d acquisiion de données ainsi que des qualiés différenes des mesures pose un problème de compaibilié enre les deu capeurs. Ils on donc préféré produire deu grilles une pour chaque capeur puis les fusionner en uilisan la règle de Baes. La fusion des deu grilles (une du sonar e une du laser a donné une meilleure care même si sa résoluion n es pas meilleure qu une care consruie seulemen avec le laser. En fai l uilisaion d un seul capeur (le laser plus précis peu êre plus favorable car dans ce cas il n a pas besoin de créer deu grilles donc le emps de calcul e l espace mémoire son plus faibles. D aure par le laser es plus adapé pour faire la déecion e le suivi d objes mobiles auour du robo dans un environnemen dnamique que le sonar à cause de la mauvaise résoluion des sonars. Le laser es aussi préféré pour les applicaions de pe «SMAT» (Simulaneous Mapping And Tracking que nous allons discuer dans un chapire suivan car il perme de produire une care plus précise. Une care présenée par une grille d occupaion éai la base chez Szabo [02] pour créer une procédure de navigaion opologique. Birk e al. [22] on proposé de consruire une seule grille globale à parir de plusieurs grilles locales déjà élaborées par plusieurs robos. La concepion d'une grille d'occupaion emporelle capable de modéliser e de classifier différenes régions selon les propriéés emporelles de leur éa d occupaion es proposée par Arbuckle [3]. Il eploie le principe d Elfes [45] mais en calculan les ccles du emps d occupaion des cellules. Cependan il fau un emps assez long pour que le robo apprenne un modèle assez fiable d un environnemen conenan des eniés don l éa change (pores fenêres chaises ec.. La concepion de grille d occupaion peu êre aussi uile dans une aure applicaion [48] qui erai une silhouee 3D en fusionnan plusieurs grilles élaborées sur la base de plusieurs images prises par différenes caméras (dans l epérience ciée 8 caméras son uilisées e une eracion d une seule silhouee a duré 3 secondes. Zelinsk [] a uilisé un modèle d une représenaion pramidale dans laquelle l espace es subdivisé récursivemen en quare régions carrées jusqu à ce que chaque carré présene un sau d'occupaion homogène ou aeigne la aille minimale auorisée. Cee méhode semble uile pour réduire la place mémoire réservée pour socker une grille d occupaion. Mais elle eige plusieurs passages dans l environnemen décri. Un modèle d un environnemen muli-résoluion a éé proposé par Arleo e al. [4]. Dans ce modèle chaque obsacle aperçu e inrodui dans la care es pariionné en cellules la résoluion du découpage dépendan de la résoluion des capeurs e de la forme de l obsacle. A cause des modificaions des paramères de résoluion de la care (surou dans le cas d objes aan des formes irrégulières la mise à jour de ce modèle ne peu suivre une fréquence élevée. Les eemples ciés ci-dessus illusren la grande gamme d applicaions où une grille d occupaion peu êre eploiable e uile pour représener l environnemen en roboique mobile. Grâce à la simplicié de sa consrucion la possibilié de la consruire passivemen («en passan» sans conraine pariculière sur la rajecoire du robo la facilié d inégrer divers pes de capeurs e son adapabilié pour modéliser un environnemen dnamique nous avons choisi cee représenaion comme méhode de carographie pour effecuer le «SMAT». Dans le chapire suivan nous illusrons commen nous consruisons la care dans une première phase dans un environnemen saique. Le capeur uilisé es le élémère laser (Grâce à sa résoluion il n eise pas de mesures conflicuelles comme celles qui peuven êre fournies par les 5
Chapire : Inroducion Générale sonars. La aille d une cellule sera de (5cm 5cm compaible avec la aille du robo e celle des objes dans l environnemen (nous n avons pas besoin de suivre une approche de subdivision récursive car la aille d une cellule es déjà peie e nous n avons pas de problème pariculier d espace mémoire. Une cellule peu eprimer rois éas probabilises : Libre Inconnue ou Occupée don la somme es égale à un. Conrairemen à la héorie de l évidence nous n uilisons pas des seuils (un inférieur e aure supérieur. En revanche nous avons une éape de pondéraion à effecuer pour qu à chaque cellule soi aribué un éa parmi les rois possibles ; en suivan cee sraégie nous évions l ambiguïé classique qui es liée à la significaion de la probabilié (0.5. Afin de garanir une mise à jour rapide nous avons uilisé la règle de Baes pour calculer les rois probabiliés parielles de chaque cellule. Toues les cellules dans nore grille son iniialisées à l éa inconnu..3. Carographie e Suivi Simulanés Une percepion locale peu êre suffisane pour qu un robo mobile se déplace libremen dans un environnemen peuplé en évian les obsacles. Mais pour qu un el robo soi bien localisé dans son environnemen (pas simplemen avec des moens odomérique e pour qu il planifie son mouvemen en uilisan des poins d inérê fies il doi avoir une care correce neoée des races des rajecoires d objes mobiles e consruie pendan l évoluion du robo (une care incrémenale. C'es par conséquen un problème du SLAM qui suppose que le robo es capable de représener l environnemen de manière compaible avec le rhme d évoluion de celui-ci. Pour cee raison le robo doi êre capable de déecer e de faire le suivi d objes mobiles. De plus le suivi des rajecoires d eniés mobiles (êre humains ou aures robos représene un aspec indispensable pour un robo dans un environnemen humain qui doi êre ineracif. Un cerain nombre de ravau récens sur la carographie e la localisaion dans un environnemen peuplé on abordé ce suje. La plupar des approches qui fon le suivi des cibles mobiles supposen qu une care décrivan l environnemen es connue a priori. Par eemple Burgard e al. [6] effecuen une éape de mise à jour pour une care saique au rhme de la récepion des données sensorielles les plus récenes pour représener les personnes pénéran dans son champ de percepion. Monemerlo e al. [8] présenen une approche qui réalise simulanémen la localisaion du robo avec le suivi des personnes à l'aide d'un filre pariculaires condiionnel. Cee approche es basée sur un modèle brownien du mouvemen humain ce qui ne semble pas si robuse. Arras e al. [5] on réalisé une localisaion basée sur des segmens erais alors que les races des personnes mobiles son éliminées de la care résulane. Fo e al. [47] uilisen une echnique probabilise pour filrer les mesures qui ne corresponden pas au modèle d'environnemen. Krishna e al. [69] on proposé de faire la déecion e le suivi en uilisan le sonar pour que le robo évie la collision avec les obsacles dnamiques qui peuven apparaîre dans sa rajecoire pendan sa navigaion. Dans nore approche basée sur une grille d occupaion mise à jour en foncion des observaions il n es pas nécessaire qu un modèle de l environnemen soi connu à priori. Wolf e al. [08] on consrui deu grilles d occupaion séparées; L une décri les paries saiques de l environnemen (ce qui es uile pour localiser le robo e l aure les cibles déecées. 6
Chapire : Inroducion Générale Le laser es uilisé comme capeur mais aucune prédicion du mouvemen des cibles n es proposée. D aure par aucun déail sur les dimensions des cellules de grille n es fourni alors que le mainien de deu grilles de même aille simulanémen double la mémoire nécessaire e nécessie de les mainenir en cohérence. D aures echniques fon du suivi de personnes de la prédicion des mouvemens ou adapen le comporemen du robo selon l'informaion obenue sur les personnes dans son voisinage [7 66 99] mais ne s inéressen pas à améliorer le modèle de l'environnemen en le neoan des races des cibles suivies. D aures approches qui fon le suivi de cible ne s inéressen pas à consruire une care simulanémen [74 85]. Par eemple Le filre de Kalman avec un balaage laser 2D es uilisé chez Bennewiz e al. [6] pour faire le suivi des personnes en uilisan des modèles du mouvemen a priori connus. L objecif es de créer une ceraine connaissance chez le robo sur les modèles de mouvemen pour permere une prédicion robuse du comporemen humain. Un élémère laser es égalemen uilisé [8] pour faire la déecion de personnes se déplaçan par un robo en mouvemen mais seulemen une personne à la fois peu êre suivie. Un filre pariculaire e le laser son aussi uilisés [97] pour effecuer le suivi de cibles muliples à parir d un robo en mouvemen en uilisan une associaion de données conjoine (Join Probabilisic Daa Associaion - JPDA mais avec l adopion d un modèle linéaire du mouvemen humain. Nore approche propose de consruire une care de l environnemen simulanémen avec le suivi des personnes mobiles muliples pour évier de les inclure comme des paries fies dans cee care. Nore approche ne s appuie pas sur quelques modèles limiés e prédéfinis de l environnemen comme elle ne suppose pas un modèle spécifique du mouvemen des cibles. Wang e al. [07] on abordé nore objecif. Leur approche segmene les données acquises par le laser pour les disinguer e les eclure de la care élaborée ; ils on appliqué cee approche pour des environnemens urbains (assisance à la conduie avec une uilisaion du GPS pour la localisaion de la voiure poreuse du ssème. Coué e al. [36] on présené un ssème pour faire le suivi d objes mobiles en uilisan le laser l objecif des ravau éan aussi d aider le conduceur à évier la collision avec des eniés dnamiques mais aucune care de l environnemen n éai élaborée. Récemmen Hashimoo e al. [57] on présené une méhode pour effecuer le suivi d objes mobiles muliples déecés en uilisan le laser par l'inermédiaire d'une règle heurisique e d'une grille d'occupaion; le suivi d objes mobiles es basé sur un filre de Kalman e un algorihme d aribuion. Dans leurs epériences la aille des cellules de la grille es de 3030 cm² ce qui diminue la résoluion de la care consruie. Pour disinguer un obje saique d un obje dnamique ils uilisen 0 irs successifs du laser. D aure par ils on aussi besoin de plus de 3 balaages successifs pour prendre la décision de faire le suivi d un obje mobile. Ces seuils empiriques renden leur approche lourde en ce qui concerne le emps du raiemen e peu robuse. Hahnel e al. proposen une approche probabilise [54] dans laquelle ils on filré les données sensorielles fournies par la déecion des personnes dnamiques comme ils on inégré les résulas du filrage au processus de carographie. Ils on uilisé un algorihme EM (Epecaion Maimizaion [55] pour idenifier les mesures afin de les aribuer au cibles correspondanes (daa associaion. Cee dernière approche semble robuse mais elle eige qu une echnique d alignemen soi appliquée sur 7
Chapire : Inroducion Générale chaque couple de cares successives pour déecer les objes mobiles. D où un emps de calcul indui par l EM e l alignemen peu êre imporan. L'approche que nous uilisons n'a pas besoin des formes géomériques spécifiques. En plus nous n uilisons pas de seuillage comme nous ne suivons pas une echnique d'alignemen pour des cares enières successives. Nore représenaion choisie (grille d occupaion es assez fleible pour décrire les changemens environnemenau. Le mouvemen humain es déecé simulanémen avec la mise à jour successive qui doi êre effecuée seulemen dans la zone de percepion du robo pour économiser du emps du raiemen de cee éape. Le suivi es basé sur une approche où la dnamique du ssème es modélisable par le (Ssème de Markov à sau en combinaison avec une echnique de filrage pariculaire..4. Déecion Visuelle e Fusion Avec le Laser La déecion puis le suivi des cibles mobiles peu êre effecué à parir d une séquence d'images prises par une ou plusieurs caméras dans de nombreuses applicaions. Dans cee éude nous ne cierons pas les ravau qui s inéressen à effecuer le suivi des paries corporelles de l homme (eu faces mains ec. ou ceu qui emploien différenes echniques de filrage pour effecuer un suivi visuel à hau niveau sur la base d informaions raiées sur la cible (couleurs moifs ec.. Nore objecif principal es de réaliser un déeceur visuel rapide qui compe sur les changemens des caracérisiques lumineuses de piels enre une image courane e aure représenan le fond de scène afin de fusionner les données fournies par ce déeceur avec celles qui son déjà fournies par un déeceur laser pour améliorer les performances d un ssème qui fai du SMAT. Liu e al. [78] proposen un ssème omnidirecionnel pour déecer e suivre des cibles muliples leur approche de déecion es appliquée sur des images couleur RGB les images éan déploées (images panoramiques projeées sur un clindre. Le problème du changemen de posiion d'objes apparenan au fond de la scène n'es pas considéré dans leur modèle ni dans d'aures approches [62 00 09 56]. Toues les approches menionnées son aussi sensibles au changemens d'illuminaion. D aures ravau [6 64] emploien la fusion de couleurs e des segmens déecés dans une image pour déerminer le fond de scène. Mais nos conraines emporelles imposen l'uilisaion des images en niveau de gris. Vei e al. [05] proposen un algorihme qui eploie deu echniques (SIFT e KLT pour isoler e segmener les paries locales qui son en mouvemen dans une image. Malgré le bon niveau de déecion présené dans leurs epériences cee approche es loin de foncionner en emps réel car elle consomme une seconde pour accumuler les informaions don elle a besoin à parir de 25 images successives e 3 secondes supplémenaires pour la segmenaion à parir de 0 images. Le nombre d images pour effecuer le processus peu varier enre 3 e 30 images en foncion de plusieurs conraines epérimenales. Une image décrivan une scène éai présenée comme une care d occupaion chez Bemer e Konolige [2] chaque image acquise es uilisée pour prédire la prochaine scène les eniés dnamiques son disinguées en appliquan une éape de sousracion enre la scène courane e la scène prédie. Il ne semble pas avoir de prise en compe des informaions odomériques du robo 8
Chapire : Inroducion Générale pour prédire la scène suivane e une seule personne éai déecée e suivie ; les epérimenaions on illusré un manque de robusesse. Une aure approche qui fai le suivi d une seule cible a éé proposée par Bai e al. [] pour lesquels le modèle de cible doi êre choisi a priori e manuellemen. Une approche qui fai la segmenaion e le suivi d un obje mobile es proposée par Ding e al. [39] où la cible doi êre aussi choisie a priori e enourée par une fenêre pour la segmener e prédire sa prochaine posiion dans une image suivane à parir de sa posiion dans deu images précédenes. Les deu dernières approches on besoin d une éape d iniialisaion manuelle à chaque fois pour garanir leur foncionnemen ce qui les rend moins praiques ou pas vraimen applicables en ligne. Quelques aures epériences on emploé plusieurs caméras parfois [34] fiées dans différenes posiions choisies dans l environnemen (pas sur un robo pour bien idenifier les cibles e suivre leurs rajecoires même dans le cas où elles se croisen. Dans [9] deu caméras pan & il son embarquées dans la êe du robo pour déecer e suivre des formes spécifiques comme des boules rouges. Ces ravau ne donnen pas une soluion praique qui peu raier le problème de déecion ou du suivi sans eiger des conraines parfois rès spécifiques. Des simulaions son présenées dans [79] pour effecuer le suivi d un obje mobile dans une grille d occupaion connue e fournie a priori. Une version modifiée de disribuion de Gaussiennes basée sur une ransformaion de disance es inroduie pour modéliser la posiion a poseriori de la cible déecée e suivie. Cee dernière approche s inéresse pluô à planifier le mouvemen du robo pour garder oujours la cible dans son champ de vision. Puisque le capeur visuel es supposé viruel aucune méhode du raiemen d image n es proposée. Le déeceur visuel doi êre capable de foncionner dans le minimum de emps possible. Pour cela nous avons raié nos images en niveau de gris avec une résoluion basse. Dans nore ssème nous avons profié du champ de vision panoramique (360 d une caméra caadioprique pour effecuer la déecion de plusieurs cibles simulanémen dans la scène sans conraines pariculières sur les cibles déecées (ni leurs comporemens ni leurs formes ni leurs apparences. Finalemen le changemen d illuminaion es pris en compe dans l approche que nous proposons comme nous le verrons dans le quarième chapire. L imporance de fusionner les données de plusieurs sources sensorielles vien comme nous l avons déjà di du fai qu une mesure ou une ransformaion de données es souven bruiée ce qui peu influencer négaivemen la qualié de l informaion finale. De plus dans cerains cas si un seul capeur devien incapable de fournir au robo une informaion riche e uile à cause de ses propres limiaions ou de quelques difficulés environnemenales la fusion de plusieurs capeurs complémenaires es une soluion efficace. Chez Chakravar e al. [32] les données élémériques acquises par le laser son fusionnées avec celles qui son fournies par un ssème de vision panoramique pour faire le suivi muli-cibles à parir d'un robo saionnaire. Le foncionnemen en emps réel eige une faible résoluion de l image couleur raiée. Mais malgré cela une personne déecée en appliquan l'algorihme de sousracion Gaussien du fond doi êre rès proche de la caméra embarquée sur le robo pour qu elle soi déecée e qu elle soi suivie. Dans le même objecif Belloo e al. [5] proposen un ssème qui fai l inégraion d'informaions fournies par le laser e une camera PTZ les jambes de la cible son déecées par le laser en uilisan des modèles a 9
Chapire : Inroducion Générale priori ce qui peu représener une limiaion imporane e une raison de fragilié du ssème alors que le visage de la cible es déecé par le capeur visuel. La fusion des données des deu sources sensorielles es effecuée en uilisan le «unscened Kalman filer». Chez Reulke e al. [92] une caméra perspecive équipée avec rois capeurs CCD e une êe qui ourne de 360 auour de son ae verical pour fournir une image panoramique couleur à une résoluion élevée es fusionnée avec un élémère laser 3D pour garanir un bon posiionnemen e orienaion d un véhicule se déplaçan dans un environnemen urbain e sans aucune donnée GPS. La echnique de fusion que nous proposons dans ce mémoire foncionne avec un robo saionnaire car l eracion du fond de scène e la déecion des cibles à parir de caméra caadioprique eigen que les images successives soien prises de la même posiion. Mais quand le robo commence à avoir un mouvemen coninu il peu comper seulemen sur son déeceur laser qui n impose pas des modèles prédéfinis pour les cibles. Les jambes des personnes déecées corresponden à des mesures sur des cellules de la grille cellules qui son groupées de manière à les associer à une seule cible. Le ssème fai une mise à jour coninue dans la zone de percepion du robo pour chaque balaage laser 2D avec une déecion du changemen d éa des groupes de cellules..5. Organisaion Du Manuscri La consrucion incrémenale d une grille d occupaion décrivan un environnemen dnamique d un robo mobile qui s déplace es le suje principal de ce manuscri. Les echniques de déecion ou de suivi d objes mobiles effecués en uilisan différens pes de capeurs e en appliquan différenes méhodes son basées sur cee représenaion e permeen d améliorer la percepion e l opéraion d un robo auonome ineracif. Après ce chapire inroducif les chapires suivans s organisen comme sui : Chapire 2 : Ce chapire inrodui quelques noions probabilises avec un rappel du filrage Baesien. Puis il se focalise sur l élaboraion d une grille d occupaion en uilisan le élémère laser pour décrire un environnemen saique d un robo mobile. Chapire 3 : Une approche de carographie e de suivi simulanés dans un environnemen dnamique es proposée dans ce chapire. Le modèle dnamique du ssème (robo-cible es déaillé. Après le développemen de la echnique de filrage uilisée (filrage pariculaire ce chapire se ermine en illusran un résula avec les echniques e les condiions epérimenales que nous avons uilisées. Chapire 4 : Ce chapire présene une éude de déecion d objes mobiles en uilisan un capeur visuel (caméra caadioprique. Il commence par une brève présenaion de la caméra caadioprique du modèle de projecion e du redressemen clindrique d une image panoramique. Après une présenaion de quelques conceps esseniels pour les ravau effecués dans ce chapire une méhode d eracion du fond de scène en uilisan le médian emporel es proposée. Ensuie 20