5.2.1
Reconstruction initiale
Pour pouvoir calculer l’orientation des patchs et se localiser, il est nécessaire de disposer d’une reconstruction 3D de l’environnement. Cette reconstruction est générée en utilisant l’al- gorithme décrit dans la partie 1.3.1. Cependant on constate que cette reconstruction est loin d’être parfaite. En particulier une dérive de la reconstruction se produit, et lorsque l’on revient à la position de départ après avoir parcouru une boucle, la reconstruction peut montrer une erreur importante.
D’autre part cette reconstruction étant réalisée uniquement avec des données vision, le re- père est défini à un facteur d’échelle près. Pour s’approcher d’une mesure métrique, il est pos- sible d’utiliser la distance parcourue totale, par exemple en utilisant l’odométrie. Cependant ce
facteur d’échelle peut varier au fur et à mesure de la trajectoire, ce qui explique en partie la dérive de la reconstruction.
Pour améliorer la qualité de la reconstruction, l’algorithme a été modifié pour pouvoir utili- ser les deux caméras du véhicule. Cet algorithme, détaillé dans (Lébraly, 2012), suppose que la distance entre les deux caméras est connue. Ainsi, en utilisant conjointement les points repérés avec chacune des deux caméras, il devient possible de corriger la dérive du facteur d’échelle. De plus un algorithme optimisant l’ensemble des paramètres en se basant sur la fermeture des boucles, c’est-à-dire en corrigeant les erreurs de bouclage lors d’un second passage au même endroit, permet également d’obtenir une reconstruction plus fiable. Cette méthode avec deux caméras a été utilisée dans plusieurs expérimentations. Néanmoins les deux caméras ont été utilisé uniquement pour générer la reconstruction initiale. Les vues de la caméras arrière n’ont pas été utilisés pour calculer les patchs utilisé lors de la localisation.
5.2.2
Changement de repère du GPS
Pour pouvoir comparer les données obtenues lors de la localisation avec la vérité terrain fournie par le GPS, il est nécessaire de réaliser un changement de repère. En effet les données de localisation sont fournies dans le repère de la reconstruction qui est indépendant du repère géoréférencé utilisé par le GPS.
Afin de pouvoir superposer les trajectoires vision et GPS, il est donc nécessaire de trouver la transformation géométrique qui permet de passer d’un repère à l’autre. Pour cela on se base sur la reconstruction initiale que l’on compare à la trace GPS.
On commence tout d’abord par décaler la localisation pour la placer à la même position que le GPS. Ceci est fait en mesurant la distance dans le véhicule entre la caméra et le récepteur GPS et la direction par rapport à l’axe de la caméra dans lequel ce déplacement doit être fait. Les positions fournies par la vision étant orientées, il est alors possible d’y appliquer la rotation et translation ainsi mesurées pour replacer la localisation à l’endroit où se trouve le GPS. Cette transformation est également réalisée lors de la localisation pour replacer la pose de caméra au milieu de l’essieu arrière où sont mesurées les données de l’odométrie.
Connaissant les localisations faites par vision et par le GPS du véhicule, les données peuvent alors être recalées les unes sur les autres en calculant une matrice de rotation, une translation et un changement d’échelle qui recale au mieux les points. On obtient ainsi une matrice de transformation qui permet de recaler au mieux l’ensemble de la trajectoire d’apprentissage entre les données vision et les données GPS.
Cette matrice de passage peut ensuite être appliquée aux trajectoires de test pour placer la référence et les données de localisation dans le même repère. C’est avec cette méthode que l’on peut tracer des vues de dessus de la trajectoire, telle que la figure 4.5b dans la partie 4.5.1.
Cependant si cette méthode de recalage globale permet d’obtenir des résultats visuellement corrects, lorsque l’on veut mesurer précisément l’erreur de localisation, cela ne suffit pas. En effet, la reconstruction initiale n’est pas parfaite, et présente généralement une dérive globale qui fait que la transformation de l’ensemble de la trajectoire n’est pas parfaite. Si l’on prend la
0 50 100 150 200 250 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
Distance depuis le depart (m)
distance (m)
FIGURE 5.2 – Distance entre la trajectoire recalée et le GPS pour la pose de référence.
même trajectoire que celle présentée dans la partie 4.5.1, et que l’on mesure à chaque position de la trajectoire d’apprentissage, la distance entre la position GPS et la position mesurée par la vision, on obtient la courbe de la figure 5.2. On constate que cette distance, qui représente une erreur de recalage, peut atteindre plus de 80 cm, avec une valeur moyenne autour de 40 cm. Il n’est donc pas possible d’évaluer précisément des erreurs de localisation en utilisant ce genre de transformation. En effet toute erreur inférieure à 1 m serait négligeable devant la seule erreur de reconstruction.
5.2.3
Calcul de l’erreur de localisation
Pour pouvoir mesurer l’erreur de localisation, de manière indépendante de l’erreur de re- construction, il est donc nécessaire de trouver un autre moyen.
En effet, même si en position absolue et recalée sur le GPS, la position est très incertaine, cela n’implique pas que la localisation elle-même soit mauvaise. En effet, généralement, et en
particulier dans le cas de navigation autonome, la position absolue du véhicule n’a pas besoin d’être précise. Seule sa position localement, par rapport à la trajectoire d’apprentissage, doit être connue. C’est d’ailleurs cet écart à la trajectoire qui est utilisé lorsque le véhicule est piloté de manière autonome.
Repère GPS
Repère vision
Position de référence Position Localisée
FIGURE5.3 – Mesure de l’écart à la référence, utilisée pour calculer l’erreur de localisation.
Ainsi, ce qui est intéressant de mesurer est non pas l’erreur de position par rapport à un repère global, mais plutôt l’erreur d’évaluation de la distance δ entre la position localisée et la trajectoire d’apprentissage. Un exemple est montré sur la figure 5.3. Pour ce faire, à chaque ins- tant tlocoù la localisation est réalisée, on détermine, en utilisant le GPS de référence, la position
la plus proche de la trajectoire d’apprentissage. Cette position a été atteinte à un instant tref.
Comme les données de localisation par GPS et par vision sont datées, il est possible d’obtenir la position du véhicule aux instant tref et tloc avec le GPS et avec la vision. En mesurant la
distance entre ces positions on obtient les valeurs δGP S et δvisqui, sont toutes deux l’évaluation
de l’écart à la référence.
L’erreur de localisation est alors la différence entre δGP S, l’écart obtenu par le GPS qui nous
sert de référence, et δvis, écart obtenue en utilisant notre algorithme de localisation. On obtient
ainsi une évaluation de l’erreur en chaque instant et on peut tracer des courbes telles que celles de la figure 4.6 dans la partie 4.5.1.