Amélioration de la localisation par télémètre laser 3D en robotique mobile par l'utilisation de l'apprentissage auto-supervisé

 

Philippe Giguère

Université Laval

 

Domaine : techniques, mesures et systèmes

Programme établissement de nouveaux chercheurs universitaires

Concours 2013-2014

Une tâche essentielle en robotique mobile consiste à se situer dans l'environnement par rapport à un repère fixe connu. Les récentes poussées en capteurs font en sorte que maintenant, il est possible d'utiliser des télémètres laser retournant une image 3D relativement dense (nuage de plus de 10 000 points) pour se localiser. Pour effectuer cette localisation, une étape impérative consiste à estimer le déplacement (rotation et translation) entre deux prises de mesures consécutives.

Afin de faciliter cette estimation, de nombreux chercheurs proposent l'utilisation de points de repères uniques et identifiables, appelés descripteurs. Cependant, la plupart des descripteurs furent conçus pour des applications de reconnaissance d'objets artificiels, ce qui les rend plus ou moins bien adaptés à leur utilisation pour des milieux naturels.

Dans ce projet, nous proposons de faciliter l'utilisation de ces descripteurs en milieu extérieur. En particulier, nous proposons d'éliminer les descripteurs instables et inutilisables par l'entremise de l'apprentissage automatique. Un aspect clé du projet est de rendre cet apprentissage autonome, par l'utilisation d'exemples étiquetés bon/mauvais par le robot mobile lui-même. Pour ce faire, le robot effectuera quelques petits déplacements, permettant l'identification automatique de ces exemples. L'accumulation de ces exemples servira alors à entrainer le classificateur chargé de reconnaitre les mauvais descripteurs, permettant leur filtrage subséquemment. Finalement, nous proposons de valider notre approche à l'aide d'un robot mobile tout-terrain.