La fusion de données multisensorielles pour la localisation en robotique mobile
Multisensory Data Fusion for Localisation In Mobile Robotics
OPEN ACCESS
Mobile robotics is an essential application field for multisensor fusion . This paper presents some works performed in three French laboratories concerning the localisation of mobile robots . The proposed methods and algorithms combine the relative localisation obtained from vehicle referenced sensors (odometers and accelerometers) and measurements from world characteristics (punctual beacons and landmarks) such as distances or angles .
The main discussed formalism is Kalman filtering . Anyway, the method is shown to be adaptable to the use of bounded error estimation algorithms . This last technique has been found to be well suited to the treatment of blind zones in (restricted) vision problems . Sensor fusion yields at the same time an estimation of the robot configuration (position, orientation, . . .) together with the uncertainty of this estimation .
A generalisation of localisation algorithms in a partially known environment is further discussed . In this case, the position of poorly known beacons is updated in the same time the localisation of the robot is obtained from accurately known references .
Additionally, an intelligent management of world referenced measurements is used to select the most useful data in order to limit the computational burden of the localisation and to speed up the real time execution of the algorithms without significant degradation of estimator performances .
The different solutions have been validated and are illustrated by simulations and real experiments.
Résumé
La robotique mobile est un champ d'application privilégié de la fusion de données multisensorielles. Cet article est une synthèse de travaux effectués dans trois laboratoires sur la localisation de véhicules mobiles . Après avoir défini le problème, nous présentons les algorithmes proposés combinant la localisation relative — obtenue par exploitation des données fournies par différents capteurs proprioceptifs (odomètre et centrale à inertie) — avec un recalage absolu par rapport à des balises ponctuelles ou des segments de droite — les mesures étant des distances et/ou des angles .
Le formalisme retenu est principalement celui du filtrage de Kalman mais, de manière similaire, la localisation des véhicules peut être obtenue en mettant en oeuvre un algorithme d'estimation à erreur bornée. Cette dernière technique est bien adaptée pour la gestion de données manquantes dans des angles morts, point qui est également abordé. La fusion de données fournit non seulement une estimation de la configuration du robot (position, orientation, ...) mais également l'incertitude avec laquelle cette grandeur est connue .
Une généralisation des algorithmes dans un environnement qui n'est que partiellement connu est également présentée : la position des repères mal connus est recalée et la localisation du robot est effectuée avec des repères bien connus .
Une gestion intelligente des données extéroceptives permet de sélectionner ou de prévoir celles qui sont les plus pertinentes , limitant ainsi les traitements et les calculs sans pour autant dégrader de façon significative les performances de l'estimateur de la configuration du véhicule .
Les différentes solutions proposées ont été validées en simulation et partiellement testées sur site réel avec différents robotst capteurs.
Data fusion, Autonomous mobile vehicules, Localisation, Kalman filtering, Bounded error estimation, Lacking data, Correction of beacon position, Information selection
Mots clés
Fusion de données, Véhicules mobiles autonomes, Localisation, Filtrage de Kalman, Estimation à erreur bornée, Données manquantes, Recalage de balises, Sélection d'informations
[1] C . Durieu, H . Clergeot, «Une approche statistique pour la localisation de robots mobiles dans un environnement balisé », A.P.I.!., vol . 25, n°5, 1991 , p. 437—461 .
[2] C. Durieu, H . Clergeot, « A statistical approach to goniometric robot location including data fusion and error rejection », I.A .S. 2, 11—14 dec . 1989 , Amsterdam, pp. 886—896 .
[3] P. Carton, «La localisation du robot autonome CARL », Journée d'Etudes « Localisation en Robotique » de la S.E.E., Gif sur Yvette, avril 1993, p. 73—83.
[4] O . Devise, «Contribution à la localisation dynamique d'un robot mobile » , Thèse de Doctorat de l'Université de Nantes, janv. 1993 .
[5] J. Leonard, H. Durrant—Whyte, «Mobile robot localization by tracking geometric beacons », LE.E.E. Trans. on Robotics & Automation, vol .7, no3 , june 1991, pp . 376—382.
[6] J. Vaganay, « Conception d'un système multisensoriel de localisation dynamique 3D pour robot mobile », Thèse de Doctorat de l' Université de Montpellier II, juillet 1993 .
[7] J. Opderbecke, «Localisation d'un robot mobile par fusion de données multisensorielles dans un environnement structuré », Thèse de Doctorat de l'Université Pierre et Marie Curie, Paris VI, 21 janv. 1994 .
[8] E. Walter, H . Piet—Lahanier, « Estimation of parameters bounds from bounded error data : a survey », Mathematics and computer in simulation, vol . 32 , 1990, pp . 449—468 .
[9] A. Preciadao—Ruiz, « Sur la modélisation, la localisation et le contrôle d'un robot mobile », Thèse de l'UT.C., juillet 91 .
[10] A. Precadio, D . Meizel, A . Segovia, M. Rombaut, «Fusion of multisensor Data : a geometric approach », Conf. LE.E.E. Robotics & Automation, Sacramento Californie, 7—12 april 1991, pp . 2806—2811 .
[11] T. Hamel, E . Halbwachs, D. Meizel, «La géométrie offre—t—elle une alternative possible au filtrage de Kalman? », Journée d'Etudes «Localisation en Robotique » de la S.E.E., Gif sur Yvette, avril 1993, p . 41—50 .
[12] D . Meizel, A. Preciado-Ruiz, E . Halbwachs, « Estimation of the location of a mobile robot : geometric approaches », à paraître dans Bounding approaches to System Identification (Ouvrage coordonné par M .Milanese, J.P.Norton, H .Piet—Lahanier et E .Walter), Plenum Press, London, New York.
[13] C . Durieu, J . Opderbecke, « A data fusion application for location of a mobile robot using an odometer and a panoramic laser telemeter », Conf J.A.S. 3, 13—18 feb . 1993, Pittsburgh U .S .A ., pp . 519—529 .
[14] G . Allègre, H . Clergeot, « A two dimensional laser range—finder for robot vision and autonomy », Conf. LR.O.S.'91, sep. 1991, Tokyo, pp . 371—376.
[15] G . Bornard, F. Celles—Couenne, G . Gilles, « Observabilité et observateurs », dans Systèmes non linéaires, Tome 1, Masson 1993, pp . 177—225 .
[16] A. Anderson, B . More, « Optimal filtering », Prentice Hall, 1979 .
[17] A . H . Jazwinski, « Stochastic process and filtering theory », Academic Press ,1970 .
[18] F. C. Schweppe, «Uncertain dynamic systems », Prentice—Hall, 1973 .
[19] E. Walter (Ed), « Parameter identification with errors bounds », N° spécial de Mathematics and Computers in Simulation, 32 (5&6), 1990, pp . 447-607 .
[20] J . P. Norton (Ed), « Special Issue on Bounded—Error estimation : issue 1 » , N° spécial de Int. Journal of Adaptive Control and Signal Processing, vol . 8 , n°1, jan—feb. 1994, pp . 1—118 .
[21] J . P. Norton (Ed), « Special Issue on Bounded-Error estimation : issue 2 » , N° spécial de Int. Journal of Adaptive Control and Signal Processing, vol . 9 , n°1, jan—fev 1995, pp. 1—132 .
[22] L. Pronzato, E. Walter, « Minimal volume ellipsoids », N° spécial de Int. Journal of Adaptive Control and Signal Processing, 1993, pp . 15—30 .
[23] E . Fogel, Y. F. Yuang, « On the value of information in system identification— bounded noise case », Automatica, vol . 18, n°2, 1982, pp . 229—238 .
[24] L . Jaulin, E . Walter, « Set inversion via non linear bounded error estimation » , Automatica, 29(4), pp . 1053—1064 .
[25] D. Meizel, A . Precadio, « On the localisation of a moving vehicle from multiple range data », Conf. LS.LR .'93, Bangalore, Inde, jan . 1993,pp . 815—824 .
[26] B . Debuisson, « Diagnostic et reconnaissance de formes », Hermès, Paris , 1990 .
[27] P. Cheeseman, R . C . Smith, « On the representation and estimation of spatial uncertainty », Int. journal of robotics research, vol. 5, n°4, 1986, pp . 56—67 .
[28] S. Murata, T. Hirose, « Onboard locating system of autonomous vehicle » , LE.E.E./R.S.J/ Int. Workshop on Intelligent Robots and Systems, Tsukuba , Japan, 4—6sep . 1989, pp. 228—234 .
[29] F.Chenavier, J . L .Crowley, «Position estimation for a mobile robot using vision and odometry », Conf. LE.E.E. Robotics & Automation, Nice, France , mai 1989, pp . 2588—2593 .
[30] J . L .Crowley, « World modelling and position estimation for a mobile robot using ultrasonic ranging », Conf. LE.E.E. Int . Conference on Robotics & Automation, Scottsdale, Arizona, mai 1989, pp . 674—680 .
[31] J .Vaganay, M .J .Aldon, « Sensor integration for mobile robot localization » , 24th LS.LR ., Tokyo, nov. 4—6 1994, pp . 479—485 .
[32] O.Devisse, C .Doncarli, « Localisation dynamique d'un robot mobile : approche statistique par fusion de donnnées d'un problème de filtrage statistique », Revue de Traitement de Signal, vol . 10, n°4,1993, p. 311—318 .
[33] R .Reynaud, Y.Sorel, C .Lavarenne, « Spécification et validation à l'aide d'un langage synchrone d'un protocole d'appariement de données asynchrones » , 14ème Colloque GRETSI, Juan—Les—Pins, France, 13—16 sep. 1993, p. 1087—1090 .
[34] M.Rombaut, D.Meizel, «Dynamic data temporal multisensor fusion in the prometheus Prolab2 demonstrator », Conf. LE.E.E. Robotics & Automation , San Diego, Californie, 8—13 may 1994, pp . 3576—3583 .
[35] M.Rombaut, « Génération temps réel de données numériques/symboliques par fusion temporelle multicapteurs », Article soumis à la revue traitement du signal.
[36] C .Durieu, J .Opderbecke, « Une approche statistique pour la localisation d'un robot mobile », Journée d'Etudes «Localisation en Robotique » de la S.E.E., Gif sur Yvette, avril 1993 , p . 41—50.
[37] B .Martin, « Sélection de données et perception active pour la localisation d'un robot mobile », Stage de fin d'études d'ingénieurs LN.T. Evry, fév . 1995 .
[38] J . Vaganay, M . J.Aldon, « Attitude estimation for a vehicle using inertials sensors », Control Engineering Practice, vol . 2, n°2, 1994, pp. 281—287.