Centre de documentation
scientifique

Development of a robotic mobile mapping system by vision-aided inertial navigation / Fadi Atef Bayoud (2006)  

Public Titre : Development of a robotic mobile mapping system by vision-aided inertial navigation : a geomatics approach Type de document : Monographie Auteurs : Fadi Atef Bayoud, Auteur Editeur : Zurich : Schweizerischen Geodatischen Kommission / Commission Géodésique Suisse Année de publication : 2006 Collection : Geodätisch-Geophysikalische Arbeiten in der Schweiz, ISSN 0257-1722 num. 71 Importance : 157 p. Format : 21 x 30 cm ISBN/ISSN/EAN : 978-3-908440-14-7 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Acquisition d'image(s) et de donnée(s) [Termes IGN] cartographie et localisation simultanées [Termes IGN] cartographie numérique [Termes IGN] centrale inertielle [Termes IGN] chambre DTC [Termes IGN] étalonnage de chambre métrique [Termes IGN] filtre de Kalman [Termes IGN] GPS-INS [Termes IGN] méthode des moindres carrés [Termes IGN] navigation inertielle [Termes IGN] navigation terrestre [Termes IGN] orientation du capteur [Termes IGN] position [Termes IGN] robotique [Termes IGN] système de numérisation mobile Index. décimale : 35.10 Acquisition d'images Résumé : (Auteur) [...] Dans cette thèse, un système de cartographie par navigation inertielle assistée par imagerie fut développé pour des zones où les signaux satellitaires sont hors de portée, par exemple : à l'intérieur de bâtiments, dans des tunnels, des canyons urbains, des forêts, etc... Dans ce cadre, une méthodologie sur l'intégration de capteurs inertiels et vidéo fut présentée, analysée et testée lorsque la seule information disponible au départ est un ensemble de points connus en coordonnées (sans disponibilité de signaux satellitaires), en utilisant la méthode de la localisation et de la cartographie simultanées (SLAM). Cet acronyme est utilisé dans le domaine de la robotique pour décrire la problématique de la cartographie de l'environnement en utilisant cette carte pour déterminer (ou tout au moins aider à déterminer) la position de la plateforme cartographique. En outre, un lien entre les communautés de la géomatique et de la robotique fut établi tout en soulignant les similarités et les différences avec lesquelles les dites communautés traitent le problème de la cartographie et de la navigation. En dépit de nombreuses divergences, leur but est unique : le développement d'un système de navigation et de cartographie qui n'est pas limité par des contraintes imposées par les capteurs utilisés. Traditionnellement, l'implémentation du SLAM en robotique terrestre implique l'utilisation de scanners laser pour localiser un robot dans un environnement construit, et pour cartographier cet environnement en même temps. Cependant, le SLAM de la robotique n'est pas réalisable en extérieur avec les seuls scanners laser, en raison de la complexité de cet environnement et de l'absence d'éléments géométriques simples. Dans la communauté de la robotique, l'utilisation de l'imagerie, intégrée avec des capteurs inertiels, a récemment connu un regain d'intérêt. Ces méthodes visuelles reposent sur (au moins un) appareil photo numérique ou une caméra vidéo, et utilisent un seul filtre de Kalman dont le vecteur d'état contient les coordonnées de la carte et du robot. Ce concept introduit une forte non-linéarité et complique le filtre, qui doit être exécuté à une fréquence élevée (plus de 20 Hz) avec des modèles de navigation et de carte simplifiés. Dans cette étude, le SLAM est implémenté selon la stratégie de l'ingénierie géomatique. Deux filtres sont déployés en parallèle : l'ajustement par moindres carrés pour la détermination des coordonnées des éléments d'intérêt, et le filtre de Kalman pour la navigation. Pour ce faire, on introduit un système de cartographie mobile (indépendant de GPS) qui emploie deux caméras CCD (distantes de 1 m) et une plateforme inertielle. Du point de vue conceptuel, les résultats d'un relèvement photogrammétrique à l'issue d'un ajustement par moindres carrés (position et orientation) sont utilisés comme mesures externes du filtre de Kalman. Les position et orientation filtrées sont ensuite utilisées dans une intersection stéréoscopique compensée pour cartographier les éléments environnants qui sont utilisés comme points de contrôle pour le relèvement à la prochaine époque. De cette manière, le filtre de Kalman est uniquement dédié à la navigation, avec un vecteur d'état contenant les corrections des paramètres de navigation. Ainsi, la localisation et la cartographie peuvent être mises à jour à des fréquences moindres (1 à 2 Hz) et reposer sur une modélisation plus aboutie. Les résultats obtenus démontrent que cette méthode est exploitable sans subir les limitations liées à la qualité des images et au nombre d'éléments utilisés. Bien que la simulation montre la possibilité de déterminer (en fonction de la géométrie de l'image) les coordonnées d'éléments d'intérêt avec une précision de 5 à 10 cm pour des objets distants d'au plus 10 m, en pratique, cela n'est pas réalisé avec le matériel et la technique de mesure pixellaire employés. La précision de la navigation dépend aussi bien de la qualité des images que du nombre et de la précision des points utilisés dans le relèvement. Plus de 25 points sont nécessaires pour atteindre une précision centimétrique par relèvement, et ils doivent être choisis dans une zone de 10 m autour des caméras ; sinon, les résultats du relèvement auront une précision insuffisante et l'intégration ultérieure se détériorera rapidement. Les conditions initiales surtout affectent significativement les performances du SLAM ; ces sont les méthodes d'initialisation de la plateforme inertielle et les hypothèses sur la distribution des erreurs. La géométrie du système aura en outre une conséquence sur les applications possibles. Pour conclure, le développement a consisté en la définition d'un cadre mathématique, de méthodes d'implémentation et d'algorithmes concernant une technologie d'intégration novatrice entre des capteurs inertiels et vidéo. Les principaux défis résidèrent dans l'implémentation et la validation du logiciel développé. Ce dernier peut être considéré comme le précurseur d'une nouvelle catégorie : il fut écrit à l'aide d'un code totalement original, sans recours à des modules préexistants. Finalement, la réalisation de simulations et de tests pratiques a conduit à l'émission de conclusions liminaires et de recommandations. Note de contenu : CH 1 - Introduction 11 - Problem statement 12 - Geomatics and Robotics - The First Link 13 - Navigation and Mapping System in Geomatics 14 - Navigation and Mapping Systems in Robotics 15 - Geomatics and Robotics - The Second Link 16 - Behaviours, Sensors and Application Thèmes 17 - Photogrammetry Alone Solving SLAM 18 - Work Contribution 19 - Work Outline CH 2 - Close-Range Photogrammetry Solving SLAM 21 - Introduction 22 - Définition of Photogrammetry 23 - Mathematical Model in Photogrammetry 24 - Resection 25 - Intersection 26 - Solving SLAM Trajectory by Photogrammetry CH 3 - Choice of Mapping Instrumentation 31 -The Focal Length "c" 32 - The Stéréo-Base "b" 33 - Charged Couple Device Caméra 34 - Frame Grabber 35 - Caméra Calibration 36 - Bundie Least-Squares Adjustment with Self-Calibration CH 4 - Strapdown Inertial System Supporting SLAM 41 - Introduction 42 - Inertial Navigation System Concept 43 - Mechanisation Equations for thé Strapdown INS 44 - Dynamic Modelling of System Errors 45 - Kalman Filter as an Estimation Method 46 - The IMU in this work CH 5 - Intégration Methodology and System Calibration 51 - Intégration Methodology 52 - Kalman Filter External Measurements 53 - System Calibration 54 - Angle Transformation 55 - Boresight Estimation 56 - Leverarm Estimation 57 - Leverarm and Boresight Numerical Détermination CH 6 - Numerical Application 61 - Indoor Test - Control of Concept 62 - Outdoor Test - Control of Resection and Boresight 63 - Outdoor Test of SLAM CH 7 - Summary, Conclusions and Recommendations 71 - Summary 72 - Conclusions 73 - Recommendations Numéro de notice : 15260 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Monographie En ligne : https://www.sgc.ethz.ch/sgc-volumes/sgk-71.pdf Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=55114

Exemplaires(2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
15260-01	35.10	Livre	Centre de documentation	En réserve M-103	Disponible
15260-02	35.10	Livre	Centre de documentation	En réserve M-103	Disponible