1 GDR Robotique Groupe de Travail GT 2

1 GDR Robotique Groupe de Travail GT 2 « Véhicules Terrestres » Journées du 22 -23 octobre 2008

2 Sommaire I- Présentation du GT (Véhicules terrestres) II- Activité du groupe FUDOLO

3 I- Présentation du GT (Véhicules terrestres)

4 Historiquement, le GT 2 « véhicules autonomes » était composé de 3 parties : Terre Air Mer Il a été restructuré en 2008 en deux parties Véhicules terrestres Commande de drones

5 Objectifs du GT 2 « Véhicules terrestres » Contribuer à fédérer les activités robotiques liées aux véhicules terrestres Faire se rencontrer les acteurs scientifiques Impliquer les industriels Lieu d'échanges d'informations Trois grands domaines applicatifs visés (Environnements routier, urbain, milieu naturel) Quatre volets thématiques

6 Quatre volets thématiques 1 - Techniques de localisation et cartographie Correspondants : F. Peyret (LCPC), P. Rives (INRIA) Combinaison ou fusion d'informations pour optimisation de la précision et de l'intégrité de la localisation (positionnement) Techniques de localisation basées SIG (fusion de données a priori provenant de BD cartographiques) SLAM Cartographie automatique . . .

7 Quatre volets thématiques 2 - Interprétation des scènes Correspondant : D. Aubert (LIVIC) Reconnaissance / suivi des obstacles Représentation dynamique des scènes Processus de perception multi-sensorielle Aide à la conduite . . .

8 Quatre volets thématiques 3 - Contrôle / Commande des véhicules : Correspondant : B. Thuilot (LASMEA) Contrôle / commande des véhicules à grande dynamique Contrôle / commande de convois de véhicules Planification de trajectoire et chemins Navigation réactive et évitement d'obstacles Commande référencée capteurs . . .

9 Quatre volets thématiques 4 - Véhicules communicants (correspondant à définir) Localisation décentralisée de flotte Perception multi points de vue de scènes Contrôle / commande / planification de flottes communicantes Techniques de communication véhicule / véhicule et véhicule / infrastructure . . .

10 Actions et calendrier Journées et actions 23 Janvier 2009 : journée Localisation (lieu à définir) Localisation absolue (fusion de données GNSS + …) SLAM Couplage SLAM/absolu 12 Juin 2009 : journée Perception pour les véhicules terrestres Détection d'obstacles Aides à la conduite . . .

11 Actions en cours Publications / ouvrages Thème localisation : ouvrage sur la fusion de données pour la localisation absolue (Annales Fudolo) D'autres idées ? ?

12 II- Activités du groupe FUDOLO

13 1 - FUDOLO : Présentation

14 Le groupe Fudolo : historique Groupe informel « FUsion de DOnnées pour la LOcalisation » Création en 2005, dans la foulée du projet ARCOS, Animateur : François Peyret (LCPC) Partenaires LCPC, UTC, LASMEA, LIVIC, ENSMP, CEMAGREF, IEF, ESIEE Amiens

15 Le groupe Fudolo : Objectifs Regroupement de partenaires scientifiques et échanges autour de la thématique « Localisation absolue » Elaboration de bases de données issues de capteurs réels embarqués, avec référence Divers GPS Odomètres Gyromètres Centrales inertielles Recensement, évaluation et comparaison d'algorithmes de fusion de données pour la localisation absolue

16 2 - FUDOLO : les travaux menés

17 Acquisition des données a- Les véhicules utilisés Mégane VIPER du LIVIC

18 Acquisition des données b- Les capteurs (1) Récepteurs GPS Récepteur centimétrique bi-fréquence : Thales SAGITTA (référence avec IMU IXSEA) Récepteur moyenne gamme EGNOS : TRIMBLE Ag 132 (filter on&off) Récepteur bas de gamme : ASHTECH A 12 Centrales inertielles IMU haut de gamme IXSEA PHINS (référence) IMU moyenne gamme (gyros viobrants) : Crossbow VG 400 IMU moyenne gamme (gyros FOG) : Crossbow VG 600 IMU bas de gamme : Micro Strain

19 Acquisition des données b- Les capteurs (2) Autres Gyromètre de cap FOG : KVH E-Core 2000 Compas : KVH C 100 Codeur (boîte de vitesse) Angle volant Caméra d’environnement Mesures datées à qq µs par boîtier de datation «hard» sensor-hub développé par l’INRIA et l’ENSMP Un certain nombre de combinaisons de capteurs ont été définies, une seule a été choisie pour la comparaison : DGPS EGNOS Ag 132 + vitesse de lacet centrale VG 400 + codeur + angle volant

20 Acquisition des données c- Les séquences acquises (1) Plusieurs séquences d’essai ont été acquises, chacune avec des caractéristiques particulières : 4 séquences avec des vitesses très variables, 1 séquence en conduite sportive 1 séquence en environnement urbain 1 séquence sur autoroute, 1 séquence sur route départementale Des séquences statiques Une seule séquence a été choisie pour appliquer et comparer les filtres : piste routière + Val d’Or (MOVEO)

21 Acquisition des données c- Les séquences acquises (2) Une seule séquence a été choisie pour appliquer et comparer les filtres : piste routière + Val d’Or (MOVEO)

22 Les algorithmes testés a- Choix et critères de comparaison (1) Objectifs : ne pas innover obligatoirement mais évaluer de manière comparative et compréhensive les algorithmes classiques, sur des données réelles, en conditions réelles, avec une référence, mais sans tenir compte des aspects temps réel, en utilisant des données communes, des référentiels communs, des modèles communs, des cadencements communs et des prétraitements communs (dans la mesure du possible). Variables estimées en sortie des filtres : Composantes Est et Nord dans un repère local ENU + Cap / E Valeurs estimées + covariance des erreurs (ellipse d’erreur 2 D) Priorité sur le problème 2 D avec une seule solution 3 D

23 Les algorithmes testés a- Choix et critères de comparaison (2) Algorithmes choisis : EKF 2 D, UKF 2 D, Filtre à particules probabilistes (PF) 2 D, Filtre à particules ensemblistes (BPF) 2 D, Interactive Multiple Model (IMM) 2 D. Critères de comparaison des algorithmes : l’écart entre les estimés et la référence, la taille des ellipses d’erreur, la consistance des erreurs estimées / erreurs vraies, critères d’intégrité, par rapport à un seuil d’alarme prédéfini (disponibilité, risque de fausse alarme, risque d’intégrité), plus tard…

24 Analyse des données b- Exemple de résultats (1) Consistance pour l’algo IMM

25 Analyse des données b- Exemple de résultats (2) Consistance pour l’algo BPF

26 Analyse des données b- Exemple de résultats (3) Consistance pour l’algo PF

27 Analyse des données b- Résultats : bilan actuel L’analyse des données soulève aujourd’hui un certain nombre de questions méthodologiques… Plusieurs réglages ont été faits pour optimiser les résultats des filtres et ils conduisent à des niveaux de bruits de modèles assez sensiblement différents ! Il faut approfondir l’étude en simulant des masques GPS Il faut aussi reconnaître que « quand tout va bien » les filtres se comportent à peu près à l’identique… et que les avantages/inconvénients des uns par rapport aux autres apparaissent dans des situations singulières (comme par exemple en l’absence de cap initial).

28 3 - FUDOLO : bilan général / perspectives

29 Le groupe Fudolo : bilan actuel + Une très bonne dynamique a été créée (assiduité et motivation des partenaires malgré l’absence d’enjeux) + D’excellents échanges scientifiques ont eu lieu + Un intéressante base de données a été constituée + Plusieurs algorithmes ont été testés et comparés - Des problèmes de méthodologie ont été soulevés et pas encore complètement traités - L'ouvrage de synthèse n'a pas encore été finalisé Le groupe a revu ses ambitions à la baisse lors de sa dernière réunion (1ère annale FUDOLO pour l’été 2009)

30 Le groupe Fudolo : le futur Finaliser un premier ouvrage bilan des activités de Fudolo (Annales) S'inscrire dans le cadre plus formel du GT 2 Véhicules terrestres pour ouvrir à d'autres partenaires et se rendre plus visible sur la scène scientifique (inter)nationale pour étendre le champ scientifique (SIG, vision…) tout en gardant conservant le même esprit