Localisation par SLAM monoculaire Thomas Féraud Romuald Aufrère Guillaume Bresson Roland Chapuis Réunion TO+18 projet SafePlatoon 15 Juin 2012 Paris - page 1
I - Localisation par SLAM monoculaire peu dense Réunion TO+18 projet SafePlatoon 15 Juin 2012 Paris - page 2
Localisation : SLAM monoculaire peu dense Principe Apprentissage de la trajectoire : un premier passage permet de créer une carte peu dense de l'environnement tout en mémorisant la trajectoire du robot Une fois la carte créée, un véhicule peut détecter les mêmes points de la carte et suivre cette trajectoire Originalités de l'approche Précision similaires à celle de [Civera 2010], calculs plus légers Cartes très légères Apprentissage instantané (pas d'optimisation hors ligne) Permet de rejouer en temps réel la trajectoire d'un véhicule leader qui la transmet à un suiveur. Possibilité de reprise en main de la part de l'utilisateur
Localisation : SLAM monoculaire peu dense Comparaison état de l'art(approches EKF)
Localisation : SLAM monoculaire peu dense Exemple de reprise en main (simulation) Exemple de suivi leader (simulation)
Localisation : SLAM monoculaire peu dense SLAM monocuaire : résultats principaux Approche pertinente validée en simulation Précision compatible avec un contrôle / commande SLAM validé sur données réelles Suivi / contrôle leader validé sur données simulées Suivi leader non encore validé en rejeu + commande sur données réelles A faire : Validation extensive dans le monde réel
II - Localisation par SLAM décentralisé Réunion TO+18 projet SafePlatoon 15 Juin 2012 Paris - page 7
Localisation : SLAM décentralisé Objectifs Réaliser un SLAM collaboratif entre plusieurs véhicules communicants Prise en compte des délais / pertes de communication et consanguinités Limiter la quantité de données échangées Principe : système entièrement décentralisé Chaque véhicule est autonome et réalise son propre SLAM La fusion des données échangées est réalisée dans chaque véhicule : à terme tous les véhicules connaissent la position des congénères Intérêts de l'approche Pas de leader Taille de la flotte dynamique Bonne accommodation au nombre de véhicules (temps de calcul et bande passante)
Localisation : SLAM décentralisé Stratégie : Utilisation des amers ayant convergé Notion de sous-états et indexation (+) Evite la consanguinité des données (+) Règle les problèmes de désynchronisation et de perte des données (+) Enrichissement de la carte globale sans la casser (+) SLAM local n a pas de «mémoire» (rapidité) (+) Disponibilité des informations par rapport aux approches basées sur l échange de cartes (+) Carte globale «optimale» disponible à tout instant
Localisation : SLAM décentralisé Exemple de localisation avec changement de leader (simulation) Exemple de localisation multivéhicules (données réelles)
Localisation : SLAM décentralisé SLAM décentralisé : principaux résultats Qualités Approche de localisation décentralisée novatrice validée sur le principe Tout véhicule connaît la position de ses congénères Pas de nécessité de leader : toute les formations de flottes peuvent potentiellement être gérées Les approches de contrôle / commande tant locales que globales peuvent être envisagées Les quantités de données échangées sont faibles (quelques ko/s) Déroulement temps réel pour 3 véhicules. Défauts La précision est décimétrique (env. 30 cm) Les associations de points peuvent être trop peu denses => réactualisations potentiellement peu fréquentes Extension à plus de trois véhicules non validée