La solution proposée pour la détection de fermeture de boucle satisfait les contraintes énoncées dans l’introduction de ce mémoire. La méthode mise en oeuvre est indépendante de tout algorithme de SLAM, et elle repose sur son propre modèle de l’environnement. Celui-ci est construit de manière incrémentielle et ne requiert aucune phase d’apprentissage préalable hors-ligne. Tous les traitements nécessaires à la détection de fermeture de boucle ont pu être réalisés en temps réel sur les séquences d’images testées. De plus, la technique employée est basée sur un cadre probabiliste, ce qui permet de mesurer le niveau de confiance associé à l’estimation. L’approche proposée permet par ailleurs de prendre en compte différentes caractéri- sations des images, dans des espaces de représentation hétérogènes, et ce de manière uniforme quelque soit le type de primitive locale considérée. Dans la suite de ce mémoire, nous allons voir de quelle manière cette solution peut être adaptée à des applications de SLAM topologique et métrique.
Application au SLAM topologique
État de l’art
Dans la première partie de ce mémoire, nous avons détaillé notre solution de détection de fermeture de boucle basée sur l’apparence uniquement. Nous proposons dans cette deuxième partie une application directe de ces travaux à la construction d’une carte topologique de l’environnement. Cependant, nous restons toujours dans le contexte d’une approche complètement incrémentielle, et où les traitements doivent être réalisables en temps réel. Ainsi, la construction de la carte doit être faite au fur et à mesure que les images sont acquises par le robot, et non au cours d’un processus hors-ligne qui comparerait un ensemble d’images représentatives de l’environnement et acquises sur toutes les zones dans lesquelles le robot évoluera par la suite (toutes les pièces d’un bâtiment par exemple).
Par conséquent, le problème considéré est le SLAM topologique : chaque fois qu’une nouvelle image est acquise, il faut décider de son lieu de provenance. A partir du résultat de cette décision, le modèle de l’environnement doit être mis à jour. Dans le cas où l’image courante décrit un nouveau lieu, celui-ci doit être ajouté. Si cette image provient d’un lieu existant, il faut mettre à jour la description de ce dernier. Déterminer le lieu de provenance de l’image courante dans une carte constitue la partie localisation du problème du SLAM, alors que la décision résultante concerne la partie cartographie.
L’état de l’art réalisé dans ce chapitre ne concerne que les approches au problème du SLAM topologique qui reposent sur une information qualitative, et sur la vision en particulier. Ainsi, nous ne considérons pas les méthodes qui prennent en compte d’autre type d’information pour l’estimation. Par exemple, les approches basées explicitement sur l’information métrique fournie par l’odométrie d’un robot ou par une technique d’odométrie visuelle pour la construction de la carte ne seront pas présentées. Cependant, une brève revue des méthodes de SLAM topologique est réalisée en introduction de cette section. Le reste de cet état de l’art est ensuite scindé en deux sections, afin de distinguer les méthodes reposant sur la vision uniquement de celles plus généralistes qui peuvent employer d’autres modalités sensorielles, ou même se baser sur la séquence d’actions effectués par le robot. Dans le premier type d’approche, le modèle d’observation occupe une place prépondérante, et la qualité de la vraisemblance qu’il permet d’estimer est primordiale pour le
reste du processus d’inférence. Dans le second type d’approche au contraire, les modèles d’observations peuvent être simplistes, et la viabilité de l’inférence est assurée par d’autres moyens, comme la cohérence entre les séquences d’observations faites lors du trajet du robot et les séquences de noeuds traversés dans la carte.
5.1 Revue générale
Depuis les premières activités de recherche sur la localisation et la cartographie, dans les années 80, deux formalismes ont émergé pour la représentation de l’environnement. En effet, comme nous l’avons déjà mentionné dans l’introduction de ce mémoire, dans les applications de SLAM l’environnement peut être modélisé de façon métrique ou topologique. La distinction entre ces deux types d’approches n’est pourtant pas claire : les cartes topologiques peuvent inclure une information métrique de position pour les noeuds qu’elles contiennent, sous la forme de coordonnées cartésiennes précises, alors que les cartes métriques peuvent être hiérarchisées dans un graphe de plus haut niveau. C’est en fin de compte la granularité de l’information enregistrée dans la carte qui permettra de mieux distinguer ces deux familles de représentation, les approches topologiques offrant notamment un niveau de modélisation plus symbolique.
Parmi les plus anciens travaux abordant le problème du SLAM, la solution exposée dans [Kuipers and Byun, 1991] est certainement une des premières à proposer un formalisme topologique précis pour la re- présentation de l’environnement. D’une manière générale, d’après ce formalisme, l’environnement est seg- menté en lieux décrits par des noeuds et connectés entre eux par des arêtes, formant ainsi un graphe. Ainsi, les méthodes abordant le problème du SLAM topologique diffèrent principalement dans leur façon de définir les noeuds et les arêtes.
Définition des noeuds
Le choix de l’information enregistrée dans les noeuds de la carte dépend évidemment des capacités des capteurs embarqués sur le robot, et c’est généralement l’apparence qui sert à décrire les lieux : un scan laser [Lu and Milios, 1997], une image omnidirectionnelle [Booij et al., 2007], ou encore une collection de pri- mitives locales extraites dans différentes vues proches [Cummins and Newman, 2007] constituent quelques exemples du type d’information qui peut être prise en compte. On peut également distinguer les différentes approches par le mécanisme de création des lieux qu’elles mettent en oeuvre. Celui-ci peut être complè- tement supervisé : les auteurs de [Booij et al., 2007] créent systématiquement un nouveau noeud chaque fois qu’une image est acquise. Dans certaines solutions, la création d’un noeud est déclenchée lors d’ob- servations canoniques ([Simmons and Koeing, 1995]). Ainsi, dans ces méthodes, le modèle d’observation ne permet de distinguer qu’un nombre limité de types de lieux (couloirs, passages de portes. . .). Enfin, il existe des solutions où la création des noeuds est faite de manière totalement non-supervisée, en comparant
chaque nouvelle image acquise avec les lieux du modèle de l’environnement construit jusque-là ([Cummins and Newman, 2007]).
Définition des arêtes
Les arêtes servent à encoder les relations existant entre les différents noeuds. Dans le plus simple des cas, c’est la relation d’adjacence entre les noeuds qui est enregistrée, indiquant quels lieux sont atteignables depuis un noeud donné ([Ulrich and Nourbakhsh, 2000]). Cette simple relation d’adjacence peut être aug- mentée avec une information indiquant le chemin à suivre pour naviguer localement entre les noeuds. La route ainsi enregistrée peut être donnée par une information métrique obtenue par odométrie ([Hubner and Mallot, 2007]) ou odométrie visuelle ([Konolige and Agrawal, 2007]).
Caractéristiques générales
La nature de l’information utilisée pour la caractérisation de l’environnement sous la forme d’une carte topologique permet une mise en correspondance simple entre les mesures provenant des capteurs et les noeuds de la carte. En effet, la description des lieux utilisée offre l’avantage d’être plus directement liée aux capacités perceptives du robot. D’autre part, dans ce genre de représentation, et lorsqu’une information mé- trique est encapsulée dans la carte, les perceptions du robot (i.e., les mesures effectuées grâce aux capteurs) sont distinctement séparées de ses proprioceptions (i.e., l’odométrie). Ainsi, les sources de bruit relatives à ces deux types d’information restent bien séparées et leurs influences respectives ne sont pas mélangées. Par ailleurs, le niveau symbolique de représentation des cartes topologiques simplifie la planification de trajectoire, celle-ci étant traitée comme une recherche de plus court chemin dans un graphe. Toutefois, en représentant l’environnement par un tel graphe, il est impossible de planifier précisément un déplacement dans une zone encore non visitée : pour être complète, la carte nécessitera une exploration exhaustive de l’environnement.
Le lecteur intéressé pourra trouver une présentation plus détaillée et un historique plus complet au sujet des approches topologiques dans [Filliat, 2001], [Filliat and Meyer, 2003] ou encore [Thrun, 2002].