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 ![](./images/globe.gif) |
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 |
| ![Development of a robotic mobile mapping system by vision-aided inertial navigation vignette](https://documentation.ensg.eu/img_cache/pmb_ign_record_55114.webp) |