Etat d avancement du projet ROBVOLINT (ROBot VOLant d INTérieur) T. Hamel, V. Moreau, F. Chaumette et A. Chriette IS, UNSA-CNRS, route des Lucioles, 9 Sophia Antipolis France, thamel@is.unice.fr,, CEA/List, F95 Fontenay-Aux-Roses, France, vincent.moreau@cea.fr, IRISA / INRIA Rennes Campus de Beaulieu 5 Rennes cedex - France, Francois.Chaumette@irisa.fr, IRCCyN, rue de la Noe BP 9 Nantes France, Abdelhamid.Chriette@irccyn.ec-nantes.fr. Abstract Le présent rapport décrit brièvement les travaux réalisés dans le cadre du projet RobVolInt (Robot Volant d Intérieur). Après un rappel du contexte du projet et des objectifs scientifiques à atteindre, les principaux résultats sont exposés succinctement et font référence aux différentes réalisations et publications établies. I. INTRODUCTION Durant cette dernière décennie, des équipes de recherche notamment aux Etats-Unis, avec le support des industries et du gouvernement, essayent de développer des robots autonomes volants ayant pour objectif de réaliser des missions faisant appel à des possibilités robotiques, jusqu à présent, jamais rencontrées sur des machines volantes. Les années se succèdent et les possibilités de ces robots aériens ne cessent de croître de telle façon que l on est en train de passer de véhicules à peine capables de tenir en l air par leurs propres moyens aux véhicules auto-stabilisés, coopérant, naviguant par eux-mêmes et qui sont capables d interagir avec leur environnement. A la fin des années 9 très peu de laboratoires se sont investis dans ces recherches. Avec le support du programme Robea et celui de l ONERA-DGA, on dénombre à l heure actuelle une vingtaine de laboratoires de recherche impliqués dans les thématiques du drone parmi lesquels quatre sont impliqués dans le projet ROBVOLINT. A. Contexte et objectifs Le projet RobVolInt est défini autour de la robotique en environnement d intérieur et vise à faire progresser les connaissances dans ce domaine. Cet objectif nécessite une démarche scientifique et technique menant en parallèle et étroitement les développements de la théorie et de l expérimentation. Il représente une suite logique au précédent préprojet ROBEA intitulé "modélisation, commande et localisation de robots aériens miniatures à voilures tournantes". En effet, c était un projet d inspection qui nous a permis de mettre en place quelques modèles d évolution, de développer quelques stratégies de contrôle et de préciser les principaux problèmes liés à la localisation, à la reconstruction d état et à l asservissement visuel. Le scénario envisagé dans notre projet est le suivant : Il s agit d explorer un immeuble ou un tunnel contaminé ou accidenté. Un drone miniature est utilisé afin de réaliser une première observation avant l entrée dans le bâtiment. Mis en œuvre par une seule personne, de maniement simple, il retransmet une image de l intérieur des différentes pièces ouvertes permettant de détecter des éléments importants pour la mission (sauvetage, dégâts, structure interne du bâtiment). Le comportement du drone est sûr grâce à l évitement automatique des obstacles présents et simplifié par un retour automatique vers l opérateur à la fin de la mission. Afin de permettre la télé-opération simple et intuitive d un drone miniature, en l occurrence un X-flyer (engin quadripale plan), en milieu clos, nous avons proposé la démonstration de l ensemble des fonctionnalités suivantes : ) Commande manuelle assistée qui conduira à une meilleure stabilité de l engin en mode téléopéré, ) Anticollision automatique basée sur l utilisation de proximètres qui restent à définir et d un système de vision, ) Asservissements sur amers (artificiels et naturels) basés sur les techniques de contrôle par structure passive et par saturations, ) Localisation sur amers naturels, via un système de vision pour le contrôle automatique de l appareil 5) Interface homme-machine. Ces démonstrations constituent le cœur du projet et ont pour objectif la réalisation d une plateforme robotique volante qui servira de base à des expériences de navigation autonome tridimensionnelle. En effet, la plupart des algorithmes de navigation développés actuellement sont restreints à deux dimensions et cet état de fait est essentiellement dû à la robustesse et à la facilité de mise en œuvre des robots à roues. Le but concret de ce projet est, premièrement, de mettre en place l équipement et le développement électronique, informatique et sensoriel du X-flyer afin d obtenir un ensemble fonctionnel adapté à la recherche. Dans un deuxième volet, la mise au point de fonctionnalités citées précédemment et qui sont nécessaires à son autonomie dans un environnement d intérieur. Autour de ces aspects, quatre équipes se sont réunies : L équipe SAM d IS UNSA-CNRS : pour ses compétences en contrôle des engins volants à voilures tournantes, modélisation, asservissement visuel et reconstruction d état. L équipe Lagadic de l IRISA INRIA : pour ses compétences en asservissement visuel, traitement d images,
vision par ordinateur, perception et de localisation à partir d images. L équipe List du CEA-FAR : pour ses compétences en téléopération, IHM, architecture électronique, système embarqué et traitement d images. L équipe Robotique de l IRCCyN : pour ses compétences en contrôle des engins volants à voilures tournantes, modélisation et asservissement visuel. A l exception du problème de l anticollision automatique tous les autres points ont été considérés en théorie comme en expérimentation. Les principaux résultats sont exposés succinctement ci-après et font référence aux différentes publications établies et expérimentations réalisées. II. CONCEPTION DU X-FLYER ET DU SYSTÈME EMBARQUÉ Le dispositif expérimental est un X-Flyer (Figure ). C est un engin omnidirectionnel à décollage et à atterrissage vertical (VTOL : Vertical Take-Off and Landing) capable d effectuer des vols quasi stationnaires. Il est constitué de quatre hélices bi-pales à pas fixe accouplées à des moteurs à courant continu fixés aux extrémités d un corps rigide en forme de croix. Le X-flyer acheté chez Draganfly étant inexploitable en l état et l électronique vendue avec celui-ci étant inaccessible et de mauvaise qualité (grande dérive des gyromètres), toute la mécanique et l architecture électronique de l appareil ont été refaites. Seules les pales et des pièces de la structure ont été conservées. De ce fait, des parties mécaniques ont pu être améliorées comme l ensemble de motorisation qui se trouve maintenant composé de deux moteurs miniatures montés en série sur le même axe permettant ainsi une réduction du temps de réponse. De plus, la re-conception complète de l électronique de l engin à permis l ajout et l amélioration de capteurs indispensables à la bonne stabilisation semi-autmatique de l appareil. Fig.. Le X-flyer est ses bimoteurs A. Développement du système embarqué La nouvelle architecture électronique, développée entièrement au CEA, est modulaire et constituée de trois cartes. Une première carte (cf. Figure ) associée à des capteurs sur chacun des axes des hélices permet via un microcontrôleur faible consommation (MSP) l asservissement des moteurs en vitesse ainsi que la régulation de la tension fournie par la batterie Lithium-polymère. Une seconde carte (centrale inertielle) intègre des capteurs MEMS de faible coût à savoir trois accéléromètres (ADXL), trois gyromètres (ADXRS5) et deux magnétomètres (HMC). Cette dernière permet la mise en forme des signaux issus de ces capteurs ainsi qu un premier filtrage via un microcontrôleur (MSP). Une troisième carte intègre les algorithmes de commande du drone via l utilisation d un DSP (TMSF8) cadencé à la fréquence de 5MHz communiquant avec les deux autres cartes par l intermédiaire d un bus série synchrone de type "SPI". Les liens série USB et RS disponibles sur celle-ci permettent le rapatriement des variables de l algorithme de contrôle afin d analyser le comportement de l engin. L ensemble de ces cartes empilées les unes sur les autres (Figure ) constitue un bloc léger et compact. (a) (b) (c) (d) Fig.. Architecture électronique : (a) carte capteurs, (b) carte DSP, (c) carte moteur, (d) l ensemble des cartes B. Système de vision Un temps important a été consacré au choix d une caméra et de la transmission hertzienne tenant compte des contraintes de poids embarquable par le drone. Le choix s est porté sur une caméra analogique plutôt que numérique compte tenu des limitations du drone en capacités de calcul et en capacité d embarquement. Les travaux ont ensuite porté sur la conception d une méthode permettant de stabiliser le drone à partir des informations de vision. La méthode s appuie sur l utilisation d amers naturels et fonctionne à partir de données de stéréo vision. Une première étude est décrite dans le rapport []. Ces travaux se poursuivent actuellement. En parallèle, une étude sur le calibrage d un banc stéréoscopique a été réalisée. Une librairie a été conçue à partir de la librairie de calibrage monoculaire proposée par INTEL (OpenCV). Depuis peu, des études sont menées sur le positionnement des caméras sur le drone. Deux solutions ont été envisagées : Fixation d une caméra le plus près du centre de gravité du drone, observant le sol pour simplifier l asservissement visuel et pour éviter les phénomènes stables ou instables de la dynamique des zéros. Fixation de deux caméras en stéréoscopie sur le drone pour la mise en œuvre de la fonction de désignation. Des essais de transmission d image par voie hertzienne entre le drone et un poste d acquisition d image (PC situé à une dizaine de mètres) ont été réalisés avec succès. III. COMMANDE MANUELLE ASSISTÉE ET FILTRAGE DES DONNÉES DE LA CENTRALE INERTIELLE Le contrôle intégré de la dynamique de rotation est appelé commande manuelle assistée (ou semi-automatique). Contrairement à la commande d une voiture télé-commandée, la commande d un engin à voilure tournante tel qu un X-flyer,
via un joystick, nécessite des centaines d heures d apprentissage encadrées. Le pilotage manuel assisté permettra à un néophyte le pilotage de l appareil sans grande difficulté. L idée consiste en l élaboration d un contrôleur intégré basé sur les informations provenant de la télé-commande et sur les informations de la centrale inertielle afin de stabiliser le tangage et le roulis de l appareil et de faciliter ainsi sa téléopération. Toutefois, le contrôle d attitude n est efficace que si les estimations de la matrice de rotation et des biais des gyromètres sont correctes. A. Filtrage et correction des données de la centrale inertielle Le principe d estimation généralement utilisé consiste en l utilisation de mesures des gyromètres pour prédire l évolution de l attitude et des mesures de la gravité (fournie par les accéléromètres) et du champ magnétique terrestre (fourni par les magnétomètres) pour produire une mesure de l attitude. La matrice d attitude prédite par intégration des gyros est alors recalée via la matrice d attitude mesurée. Les algorithmes classiquement utilisés sont du type filtrage complémentaire ou filtrage de Kalman (classique ou étendu). Les modèles utilisés sont donc linéaires et n exploitent (à notre connaissance) en aucun cas le Groupe des matrices de rotation SO() et l algèbre de Lie qui lui est associée. Nous avons ainsi proposé un nouveau filtre complémentaire non-linéaire exploitant la structure du Groupe SO() et la variété sous-jacente associée à son évolution. De ce fait, nous avons proposé deux versions de ce filtre non-linéaire : une version séquentielle traduisant notre intuition dans son élaboration [] et une version plus compacte pour une meilleure formalisation mathématique [9]. Après avoir comparé et constaté la qualité des résultats de notre filtre non-linéaire par rapport à un filtrage de Kalman classique sur des données réelles de la centrale inertielle, une version simplifiée du filtre séquentiel a été intégrée sur le X- flyer. Les résultats établis au mois de septembre de la téléopération du X-flyer étaient très satisfaisants en tangage et roulis et moins bon pour le lacet. Ceci est dû principalement au problème de mesures fournies par les magnétomètres qui se trouvent très polluées par le champ magnétique produit par les moteurs du drone. La relation algébrique liant le champ terrestre et le champ magnétique du moteur n étant pas évidente, nous nous sommes concentrés de façon différente à la résolution du problème. En effet, nous avons montré tout récemment qu avec la seule information des accéléromètres, si cette dernière est assez riche et si l orientation initiale estimée est pratiquement confondue avec la vraie orientation, que nous associons avec les mesures gyroscopiques, par l intermédiaire d un filtre complémentaire que nous avons qualifié de passif, nous assurons la restitution de toute la matrice de rotation. Ce résultat est très novateur puisqu il permettra désormais de s affranchir des magnétomètres. Ce résultat est très récent. Il a été, toutefois, validé en théorie, en simulation et même en pratique sur une durée de deux minutes. Deux articles ont été soumis dans des conférences appropriées. B. Commande semi-automatique Parallèlement au problème d estimation nous nous sommes attachés au développement de loi de contrôle simple et facilement implémentable pour le contrôle semi-automatique du drone. Deux types de loi ont été développés : La première loi permettant le contrôle de la rotation du drone a été développée en se basant sur les données filtrées et corrigées de la centrale inertielle et les mesures des vitesses de rotation des quatre rotors. Basé sur les techniques de passivité, le contrôleur établi a été implanté sur le DSP du drone et est utilisé pour le contrôle de l appareil. La seconde loi de contrôle proposée est une loi de commande non linéaire simple et robuste ayant pour objectif le contrôle de la vitesse de translation via la correction d assiette, ainsi que l angle de lacet. Sa simplicité permet sa portabilité dans un calculateur embarqué dont la puissance est modérée. Des tests sur une carte d évaluation ont été réalisés en vue d une implémentation. Les mesures de vitesse de translation n étant pas encore disponibles, ce simulateur a été implémenté sur le robot manipulateur de l IRISA afin de valider les techniques de localisation et d asservissement visuel prévues dans le cadre du projet. IV. LOCALISATION PAR VISION Nos travaux ont pour objectif de permettre au X-flyer, équipé d une (ou de deux) caméra embarquée, de connaître sa position par rapport à son environnement, ainsi que de réaliser des tâches d asservissement visuel. Les expérimentations ont pour l instant été menées sur le robot cartésien de l IRISA, simulant le comportement de l hélicoptère. Prochainement, des expérimentations réelles devraient être réalisées au CEA/LIST. A. Localisation par vision du X-flyer La caméra, rigidement liée à l hélicoptère, fournit une image, dont l exploitation des caractéristiques visuelles permet de calculer la position et l orientation de la cible observée par rapport à la caméra (calcul de la pose). Nous avons utilisé la méthode de calcul de pose par asservissement visuel virtuel [], méthode non linéaire qui recquiert la connaissance du modèle de la cible utilisée. La mesure de la pose, introduite dans un filtre de Kalman étendu, nous a alors permis de localiser le X-flyer dans son environnement. Nous présentons l utilisation du filtre de Kalman, qui a permis de filtrer le bruit de mesure et d estimer la pose en l absence de mesure directe, ainsi que les résultats obtenus sur le robot cartésien de l IRISA contraint par la dynamique du drone. ) Filtrage de Kalman : Le calcul de pose, par traitement d image, ne fournit une mesure que toutes les ms (cadence vidéo). C est insuffisant pour notre application, puisque la période de la boucle de commande du X-flyer est plus courte (ms). De plus, la mesure obtenue par calcul de pose est bruitée. L utilisation d un filtre de Kalman se basant sur un modèle simple du comportement du drone (vitesse de rotation constante et accélération en translation constante, []), une
modélisation des bruits d état, et une mesure des bruits de mesure, nous a alors permis non seulement de filtrer le bruit présent dans la mesure de la pose, mais aussi de prédire une estimation de la position, et ce même en l absence de mesure explicite. On modélise alors le système d évolution du filtre par une fonction f non linéaire modélisant l évolution de l état de l appareil (modèle à vitesse de rotation constante et accélération en translation constante). La fonction f étant non linéaire, on utilise ensuite les équations du filtre de Kalman étendu [8] pour réaliser les étapes de prédiction et de filtrage. ) Résultats expérimentaux : Nous avons testé notre algorithme sur le robot cartésien de l IRISA, contraint par la dynamique de l hélicoptère. Le simulateur du comportement de l hélicoptère calcule une nouvelle consigne toutes les ms, en utilisant les mesures d orientation (estimées par notre algorithme) et de vitesse (fournies par les capteurs du robot) de l hélicoptère. Le calcul de pose, par traitement d image, ne fournit quant à lui qu une mesure toutes les ms. Notre algorithme a alors permis, par calcul de pose et filtrage de Kalman, d obtenir une estimation de la position et de l orientation de l hélicoptère par rapport à la cible observée toutes les ms. Pour une première étape, la cible utilisée est constituée de points blancs sur fond noir. Nous avons utilisé les consignes suivantes (envoyées sous la forme de rampes, le palier étant atteint en 5 secondes) : v x = m/s, v y =. m/s, v z =. m/s, θ = degrés. La Figure () montre que les résultats obtenus sont relativement peu bruités et assez précis, au vu des consignes spécifiées... -. -. -. -.8 - -. position de la camera (en m) x y z 8 temps en secondes Fig.. 8 - orientation de la camera (en deg) roulis tangage lacet 8 temps en secondes Position et orientation de l hélicoptère dans le repère fixe Le modèle simplifié du comportement de l hélicopère apparaît donc suffisant pour sa localisation dans son environnement. Il est à noter que ce modèle n a cependant pas donné satisfaction pour obtenir une estimation de la vitesse à partir de la vision. En effet, l importance du retard et du bruit présents sur les vitesses estimées par notre algorithme les rendent peu exploitables. Pour y remédier, deux approches sont en cours de développement. La première consiste en la prise en compte du retard dans le développement du contrôleur non seulement dû à l estimation de la vitesse mais également à la lenteur de la fréquence d acquisition et de traitement d image par rapport à celle des informations inertielles. La seconde quant à elle, consiste à revoir la technique d estimation. La section V-B.5, nous propose une approche différente pour le problème de restitution de la vitesse. B. Localisation sur amers naturels et désignation d objectif La désignation d objectif consiste à permettre à l opérateur de définir les positions à atteindre de manière intuitive. Le principe retenu consiste à utiliser l image fournie par des caméras vidéo. L approche choisie ne nécessite ni de marquage, ni d apprentissage préalable et ni de modèle géométrique de l environnement. Pour mettre en place cette fonction, l idée consiste à suivre la méthode suivante : ) Une image provenant d une caméra embarquée sur le drone est affichée à l opérateur, ) L opérateur délimite sur cette image une zone représentant approximativement la position où le drone doit être amené. ) Par traitement d image, une position du drone est calculée. Le principe étudié repose sur l utilisation des images fournies par deux caméras embarquées sur le drone. Les images sont transmises, par voie hertzienne, et acquises sur un poste de commande de type PC déporté à une dizaine de mètres. L estimation de la pose à atteindre, repose sur l extraction d indices naturels de l image. Les indices étudiés actuellement sont les points d intérêt. Différents extracteurs de points d intérêt ont été étudiés jusqu à présent. Le détecteur d indice retenu à l heure actuelle est le détecteur de Harris et Stephens. Cet extracteur permet de sélectionner dans chaque paire d image des points d intérêts qui sont mis en correspondance à l aide d un algorithme d appariement statistique. Cet appariement permet de déduire une distance par rapport à l objet ou à la zone désignée. Une technique similaire a été utilisée par Peter Corke (CSiro) [5] sur un petit hélicoptère pour estimer la hauteur par rapport au sol. Pour l estimation du déplacement, le système utilise les informations fournies par une centrale inertielle et l analyse du flot optique dans les images. Les travaux réalisés dans le cadre de l asservissement visuel (cf. section V-B.5) peuvent être très utiles pour la suite de l étude. V. COMMANDE RÉFÉRENCÉE VISION Contrairement à un bras manipulateur classique, le X-flyer, comme la plupart des engins volants à voilures tournantes capable de réaliser le vol stationnaire, possède certes six degrés de mobilité, mais seulement quatre entrées de commande indépendantes. De ce fait, le choix des informations visuelles est particulièrement important : idéalement, il faudrait utiliser des informations visuelles qui ne soient liées au plus qu à quatre degrès de mobilité (quatre sorties indépendantes). Ainsi, lors d une manœuvre de positionnement par asservissement visuel, les sorties candidates sont les trois positions (x, y, z) et l angle du lacet φ. De ce fait, les angles de roulis ψ et de tangage θ seront considérés comme des états internes et n affecteraient pas le comportement désiré de la boucle d asservissement. Il serait également intéressant de découpler les degrés de liberté que l on commande. Pour tenter d approcher ces objectifs, nous avons choisi de nous intéresser à : Un asservissement visuel cinématique, dont la vitesse issue de l asservissement est utilisée comme consigne
envoyée au robot cartésien de l IRISA contraint par la dynamique du X-flyer. Un asservissement visuel dynamique pour lequel le modèle dynamique du drone est pris en compte. Ce type d asservissement visuel est étudié pour répondre à des exigences pratiques détectées lors des études et expérimentations des asservissements visuels cinématiques. (a) (b) A. Asservissement visuel cinématique ) Utilisation d informations visuelles découplées : Une première approche a consisté à utiliser des combinaisons de moments de l objet dans l image comme informations visuelles [7]. Ayant à notre disposition quatre entrées de commande : v = (v x, v y, v z, ω l ), considérées également comme entrées de consigne du simulateur du drone, nous avons utilisé les quatre informations visuelles [7] : s = (x n, y n, a n, φ), issues des calculs de moments d ordre, et. En considérant les termes de roulis et de tangage comme des perturbations négligeables et en spécifiant une décroissance exponentielle de l erreur ṡ = λ(s s ) (technique classique en asservissement visuel D []), on aboutit à une forme "creuse" de la matrice d interaction permettant un découplage partiel des degrés de liberté commandés. ) Utilisation d informations visuelles passives : La notion de passivité obtenue dans [] pour des points en utilisant leur projection sur une sphère s apparente au découplage entre degrés de liberté de rotation et de translation. Les informations visuelles ne sont pas découplées, mais la convergence vers zéro des erreurs sur les translations est assurée quels que soient les mouvements de rotation. Autrement dit, la dérivée de l énergie de l erreur est négative et ne dépend en aucun cas des mouvements de rotation. Cette propriété s avère intéressante puisque l on ne commande pas les mouvements de roulis et de tangage de l hélicoptère : ceux-ci ne perturberont donc pas la convergence de l asservissement. L un des principaux inconvénients de cette méthode est qu elle nécessite une estimation de l orientation, c est-à-dire une reconstruction partielle de la pose. Ceci n est cas le cas dans l approche passive purement D obtenue dans [7] et décrite succinctement dans la section V-B.. ) Résultats expérimentaux : Nous avons expérimenté les méthodes d asservissement visuel utilisant les moments D, puis la projection sur une surface sphérique, sur le robot cartésien contraint par la dynamique de l hélicoptère. La mire utilisée est constituée de quatre points blancs sur fond noir, formant un rectangle. La consigne spécifiée consiste à placer la caméra à 5 cm au dessus de la cible, celle-ci étant centrée et orientée dans le même sens que la caméra (voir Figure ). Dans les deux cas, on peut observer les mouvements de roulis et de tangage (Figures 5.c et.c), non spécifiés par l asservissement visuel mais générés par le simulateur. Ces mouvements, qui s apparentent à du bruit, perturbent légèrement la convergence exponentielle de l erreur dans le cas des moments (Figure 5.a) : où nous les avons négligés pour l établissement de la loi de commande. Ils apparaissent plus Fig.. (a) Image initiale, (b) image finale fortement avec les informations passives (Figure.a) : où l estimation de l orientation intervient dans la loi de commande. Ceci est dû principalement à l introduction de l inverse de la matrice d intéraction dans la boucle de contrôle afin d assurer un découplage des informations utilisées et de garantir le même temps de réponse pour la convergence des erreurs mais, qui détruit la structure passive souhaitée. Toutefois, les récents développements proposés dans le cadre du projet, montrent qu il est possible de s affranchir de l estimation de la matrice d intéraction et d apporter ainsi des solutions bien adaptées au problème considéré toute en conservant la structure passive désirée (cf. section V-B.)...5.... -. -. -. s-s* xn yn an Theta 5...8... rob : vitesses envoyees au robot(en m/s) vitesse en x vitesse en y vitesse en z - -. - - - 5 5 8 - - - -8 rob : vitesses envoyees au robot(en deg/s) (a) (b) (c) vitesse de roulis vitesse de tangage vitesse de lacet Fig. 5. Utilisation des moments : (a) erreur sur les informations visuelles, (b) vitesses de translation envoyées au robot, (c) vitesses de rotation envoyées au robot.5..5..5 -.5 -. -.5 -. -.5 -. erreur sur les informations visuelles delta delta delta sigma sigma sigma 5 7 8.5..5..5..5..5 -.5 vitesses envoyees au robot(en m/s) vitesse en x vitesse en y vitesse en z 5 - -. -5 - - 5 7 8 5 7 8 5-5 vitesses envoyees au robot(en deg/s) (a) (b) (c) vitesse de roulis vitesse de tangage vitesse de lacet Fig.. Utilisation des informations visuelles passives : (a) erreur sur les informations visuelles, (b) vitesses de translation envoyées au robot, (c) vitesses de rotation envoyées au robot B. Asservissement visuel dynamique et prise en compte des problème rencontrés en cinématique Après avoir montré que l approche D des asservissements visuels pouvait être exploitée pour la commande des systèmes sous-actionnés en général, et des hélicoptères en particulier, grâce à l introduction de la notion de passivité structurelle qui réside dans la détermination et la modélisation des informations visuelles en adéquation avec les contraintes imposées par le système en [], nous avons proposé quelques extensions à cette technique permettant de répondre aux problèmes
z z axis détectés dans la section précédente en particulier et dans le cadre du projet ROBVOLINT en général. ) Asservissement visuel passif purement D : Avant de présenter le résultat établi dans le cadre de ce projet, rappelons que dans les approches classiques d asservissement D, les motifs image sont choisis fixes par rapport au repère attaché à la caméra. Dans l approche précédemment citée et testée dans le cadre de l asservissement visuel cinématique, la direction du motif désirée est choisie comme étant fixe par rapport au repère inertiel. Nous avons montré tout récemment qu il est possible de choisir cette direction fixe dans le repère caméra pour tous les objets volants à voilures tournantes capables de réaliser le vol stationnaire. La loi de contrôle élaborée est, toutefois, plus complexe dû au phénomène de la dynamique des zéros introduite par la fixation de la direction. Le résultat a été validé en simulation et a fait l objet d une publication [7]. 5 y axis (a) Fig. 7. Utilisation de l asservissement visuel passif purement D : (a) domaine de stabilité de l asservissement, (b) résultat de la stabilisation ) Prise en compte de la sensibilité de la matrice Jacobienne de la tâche : La caractéristique principale des asservissements visuels passifs proposés est la définie-positivité de la matrice d interaction, dite également Jacobienne de la tâche, qui en découle et que l on note Q. Cette caractéristique nous a permis de mettre en place les techniques du backstepping avec une grande souplesse malgré la méconnaissance de la matrice Q. En effet seules les limites de la norme de cette matrice définissant l espace de travail sont requises λ min (Q) et λ max (Q). Pratiquement, ces deux limites dépendent des conditions initiale et finale de la caméra. Quant au conditionnement de Q (Cond= λ min (Q)/λ max (Q)), il dépend principalement de la taille de la cible et de son éloignement par rapport à la caméra. Il se trouve que dans beaucoup de cas, la matrice Q est mal conditionnée (λ min (Q) << λ max (Q)). Ce revers de la méthode est un inconvénient majeur à toute réalisation pratique. Pour y remédier, plusieurs solutions sont possibles. Sans entrer dans les détails, nous ne présenterons ici que deux solutions parmi les quatre étudiées qui assurent un bon conditionnement et permettent par la même occasion de conserver la structure passive du système : la décomposition de la tâche sur le but ou sur l état actuel, c est-à-dire redéfinir l erreur initiale comme étant une somme pondérée de deux nouvelles erreurs : une erreur liée directement à la λ min (Q) et une autre liée à λ max (Q). 5 y (b) x 8 Un coefficient de pondération est introduit afin d assurer un bon conditionnement de la tâche. l introduction de l éloignement, via la norme de la centroïde dans une fonction d erreur un peu complexe qui ne sera pas présentée dans ce document. Cette solution permet là aussi de résoudre le problème du conditionnement de la tâche. Les travaux réalisés dans cette direction sont très récents et n ont fait l objet d aucune publication pour le moment..5.5 -.5 -...8... -. -. delta delta delta delta 5 7 8 9 delta delta delta delta 8 8..5 -.5 -. trajectoires des points dans l image -.5 -.5 -. -.5 -. -.5.5..5.5..5 -.5 -. trajectoires des points dans l image -.5 -.5 -. -.5 -. -.5.5..5. Fig. 8. Résultats réels obtenus en commande cinématique du bras manipulateur de l IRISA et en utilisant la technique : de décomposition sur le but (figures du haut) et de l éloignement (figures du bas). Le terme δ représente l erreur sur les informations visuelles. ) Suivi des bords d un couloir en utilisant les coordonnées Plückeriennes bi-normées : Tout d abord, nous avons montré que, si le motif visuel est décrit par des droites parallèles (qui est le cas des couloirs d un environnement structuré) alors, la structure passive nécessaire à l élaboration de lois de contrôle basées sur les techniques du backstepping, est conservée si et seulement si les coordonnées pluckeriennes bi-normées des droites sont utilisées. Comme la description des limites d un pilier de pont est généralement décrite par deux droites parallèles et sachant que la distance séparant les deux bords est un élément essentiel pour l accomplissement de l asservissement, nous avons proposé un asservissement visuel de suivi de couloir à une vitesse qui sera fixée par l opérateur en fonction des caractéristiques de la caméra et de la largeur du couloir suivi. Les résultats de cet asservissement non-linéaire ont été validés en simulation et ont fait l objet d une publication de revue []. ) Assurance de la réalisation de la tâche en garantissant que le motif visuel ne quitte pas le champ de vision de la caméra : La relation entre le sous actionnement de l appareil et l analyse des conditions de visibilité nous a semblé être un problème très intéressant pour le projet. En effet, lors d une inspection d un site, une fois que l opérateur a repéré un désordre ou une cible, il déclenche l asservissement visuel en le désignant. Le désordre doit donc rester dans le champ de vision de la caméra pour le succès de la tâche. Pour ce problème, nous avons proposé une approche de contrôle, basées sur les techniques de commande par petits gains. Cette dernière nous a conduit à des solutions réalistes [8]. 5) Mesure de vitesse via la combinaison du flot optique et des mesures gyroscopiques : Pour toutes les lois de contrôle
développées, la mesure de la vitesse de translation de la caméra est supposée connue. En réalité l extraction de cette mesure est loin d être évidente. Nous avons montré tout récemment, que si on suppose que la cible observée est plane alors, en combinant le flot visuel issu de la camera embarquée et les mesures corrigées fournies par les gyromètres, il est possible d extraire la vitesse pondérée par la plus petite distance séparant la caméra de la cible. La mesure extraite n étant pas la vitesse du drone mais une fonction de cette dernière, une nouvelle stratégie de contrôle adaptatif a été développée, simulée et expérimentée sur un simulateur de drone développé par le CSIRO en Australie. VI. CONCLUSION A l issue de cette première année, le bilan est satisfaisant. En effet, nous avons mené en parallèle des études théoriques et expérimentales. Hormis, le problème de l évitement d obstacle qu on abordera d ici peu, tous les objectifs prévus initialement ont été étudiés et pour certains validés expérimentalement. D autres problèmes non prévus ont cependant vu le jour : les problèmes dus au retard d estimation de l état et d acquisition de données ou encore la perte provisoire des informations visuelles n ont pas été considérés lors de la mise en place du projet. Pour l année qui vient, nous allons nous concentrer sur les problèmes de localisation sur amers naturels, prise en compte des retards, évitement reflex d obstacle et bien sûr validation sur le drone des asservissements visuels déjà établis. VII. REMERCIEMENTS Nous tenons à remercier tout d abord le programme ROBEA pour le soutien financier. Nos vifs remerciements vont aux participants pour leur collaboration et travaux effectués : Merci à Nicolas GUENARD (doctorant) pour le développement théorique de la modélisation du X-flyer, de son contrôle et de la mise en place du site avec Antoine LABRUNIE (ingénieur de recherche CEA) que nous remercions pour sa forte participation. Nos remerciements vont également à Odile BOURQUARDEZ (doctorante) pour les premiers résultats de localisation par rapport à une cible connue et pour les développements et expérimentations des asservissements visuels réalisés à l IRISA. Enfin nous remercions Christophe LEROUX (Ingénieur de recherche CEA) et Lucile MARTIN (doctorante) pour l aide apportée à l intégration du système de vision sur le drone et surtout pour les développements réalisés sur la localisation de l appareil sur des amers naturels. Nous remercions enfin Robert Mahony (professeur à l ANU, Australie) pour sa collaboration dans le développement théorique des asservissements visuels et du filtrage. REFERENCES [] F. Chaumette, Asservissement visuel, dans : La commande des robots manipulateurs, W. Khalil (ed.), Chapitre, pp. 5-5, Traité IC, Hermès,. [] T. Hamel, R. Mahony, Visual servoing of an under-actuated rigid body system : An image based approach, IEEE-Transactions on Robotics and Automation, Volume 8, No., pp. 87-98, Avril. [] S. Hutchinson, G. Hager, P.I. Corke, A tutorial on visual servo control, IEEE-Transactions on Robotics and Automation, Volume, No. 5, pp. 5-7, 99. [] D. Koller, G. Klinker, E. Rose, D. Breen, R. Whitaker, M. Tuceryan, Realtime Vision-Based Camera Tracking for Augmented Reality Applications, ACM Symposium on Virtual Reality Software and Technology, pp. 87-9, Lausanne, Suisse, Septembre 997. [5] P. Corke, An inertial and visual sensing system for a small autonomous helicopter, Journal of Robotics Systems, (), -5,. [] E. Marchand, F. Chaumette, Virtual Visual Servoing : a framework for real-time augmented reality, Eurographics, Volume (), pp. 89-98, Saarebrück, Allemagne, Septembre. [7] O. Tahri, F. Chaumette, Application of moment invariants to visual servoing, IEEE Int. Conf. on Robotics and Automation, ICRA, pp. 7-8, Taipeh, Taiwan, Mai. [8] G. Welch, G. Bishop, An introduction to the Kalman filter, Technical Report TR 95-, University of North Carolina at Chapel Hill, Chapel Hill, NC 7599-75,. [9] R. Mahony, T. Hamel, Robust Trajectory Tracking for a Scale Model Autonomous Helicopter. International Journal of Non-linear and Robust Control (IJNR),, Vol., pp : 5-59. [] A. Dzul-Lopez, T. Hamel, R. Lozano, Modélisation et commande non linéaire pour un hélicoptère bi-rotor co-axial. Journal Européen des Systèmes Automatisés, série JESA, Vol. 7-nř/, pp 77-95. [] R. Mahony, T. Hamel, Image based visual servo control of aerial robotic systems using linear image features. IEEE Transactions on Robotics and Automation, Vol, no, 5. A. [] A. Chriette, T. Hamel, R. Mahony, Zero dynamics analysis for IBVS control of under-actuated rigid body dynamics, In 7th International IFAC Symposium on Robot Control SYROCO, September -, Wroclaw. [] A. Chriette, T. Hamel, R. Mahony, Visual Servoing for a Scale Model Autonomous Helicopter. En cours de révision dans International Journal of Control. [] J.-M. Pflimlin, P. Souères, T. Hamel, Hovering flight stabilization in wind gusts for ducted fan UAV. In the th Conference IEEE on Decision and Control CDC. [5] N. Guénard, T. Hamel, V. Moreau, Modélisation et élaboration de commande de stabilisation de vitesse et de correction d assiette pour un drone de type X-Flyer. Congrès International Francophone en Automatique, CIFA. [] T. IRI, R&D Dropter Estimation du déplacement à partir d une vision stéréoscopique, rapport technique CEA-LIST DTSI/SCRI RT7. [7] T. Hamel, R. Mahony, Pure D Visual Servo control for a class of underactuated dynamic systems. International Conference IEEE, Robotics and Automation ICRA. [8] N. Metni, T. Hamel A UAV for Bridges Inspection : Visual Servoing Control Law with Orientation Limits. IFAC Workshop on Intelligent Autonomous Vehicles IAV. [9] J.-M. Pflimlin, T. Hamel, P. Souères, A Nonlinear Observer on SO() Group for Attitude and Gyro Bias Estimation for a Flying UAV. In th IFAC World Congress 5. [] N. Guénard, T. Hamel, V. Moreau, Dynamic modelling and remote control design for an X-flyer. In 5th International Conference on Control and Automation, ICCA-5. [] N. Metni, F. Derkx, J. L. Sorin, T. Hamel, The current use of UAV for civil applications : Bridge inspection and Traffic surveillance. In UVS Tech, Bruxelles. [] R. Mahony, A. Van Brasch, P. Corke, T. Hamel, Dynamic image based visual servo control using centroid features. Submitted in the 5th Conference IEEE on Decision and Control CDC 5. [] R. Mahony R, T. Hamel, J. M. Pflimlin, Complimentary filter design on the sppecial orthogonal group SO(). Submitted to the 5th Conference IEEE on Decision and Control CDC 5. [] N. Metni, J. M. Pflimlin T. Hamel, P. Souères, Attitude and Gyro Bias Estimation for a Flying UAV. Submitted to IROS 5.