View
44
Download
0
Category
Preview:
DESCRIPTION
Système biomimétique d’évitement d’obstacles basé sur le flux optique. Application à un mini-drone à voilure fixe en environnement urbain simulé. Muratet, Doncieux, Meyer, Druot. LIP6 - AnimatLab. Système d’évitement d’obstacles bio-mimétique basé sur le flux optique. Présentation. - PowerPoint PPT Presentation
Citation preview
Système biomimétique d’évitement d’obstacles basé sur le flux optique. Application à un mini-drone à voilure fixe en environnement urbain simulé.
LIP6 - AnimatLab Muratet, Doncieux, Meyer, Druot
Système d’évitement d’obstacles bio-mimétique basé sur le flux optique.
Présentation
Expériences réaliséesModèle physique (Druot)Flux optique théoriqueExtraction du flux optiqueStratégie de zigzag Compensation des rotations
IntroductionProblématiqueIntégration dans l’approche animatObjectifsFlux optiquePrincipe de la stratégie
Conclusions & perspectives Discussion des résultats présentés Perspectives de développement ultérieur
IntroductionProblématique
L’approche animat étudie des animaux simulés ou des robots dont le fonctionnement est inspiré de la biologie. Un animat:
- perçoit l’environnement et son état interne grâce à ses capteurs (1).- agit sur l’environnement grâce à ses actionneurs (2).- coordonne ses perceptions et ses actions grâce à son architecture de
contrôle (3).
Pour « survivre », l’animat doit maintenir ses variables essentielles dans son domaine de viabilité.
1 2
3
IntroductionIntégration dans l’approche animat
Mini-drone:
- domaine de viabilité: - évitement d’obstacles - maintien de l’appareil dans son domaine de
vol, espace dans lequel il est contrôlable.
- plate-forme très instable.
- défi ambitieux en terme de contrôle: 6 degrés de liberté contre seulement 3 pour un robot roulant.
- 3 angles d’attitude: le cap (ψ), l'assiette (θ) et l'inclinaison (φ) définissant son orientation dans l’espace.- 3 coordonnées de position.
IntroductionObjectifs
Réalisation d’un système biomimétique d’évitement d’obstacles basé sur la vision appliqué à un mini-drone volant à basse altitude en milieu urbain.
Mini-drone: faible capacité d’emport.- Inadaptation des capteurs de distance usuels: trop encombrants et consommant trop d’énergie.- Choix de la caméra comme capteur principale pour réaliser l’évitement d’obstacles.
Objectif à plus long terme: tester la possibilité d’implémenter le système sur le Pégase 50.
IntroductionFlux optique
Définition du flux optique: champ de vecteur des vitesses apparentes des objets de la scène sur le plan-image.
IntroductionPrincipe de la stratégie (1)
Utilisation de la vision pour la navigation (Franceschini, Duchon):Principe: lors d’un déplacement en translation, la vitesse de défilement d’un objet est inversement proportionnelle à sa distance.
d
V
sin0
IntroductionPrincipe de la stratégie (2)
Stratégie d’équilibre:
Temps avant impact:
Si alors virage serré:
- choix du coté où le flux optique est le plus faible.- persistance dans le choix.
moyenne
droite
moyenne
gaucheéquilibre kr
5
1n
seuil
Expériences réalisées
Modèle physique (Druot)
Asservissement automatique pour stabiliser l’altitude:Contrôle de la pente par la poussée et de la vitesse par la profondeur
Pilotage indirect du cap par l’inclinaison:
Cdl 2
1
Expériences réaliséesFlux optique théorique: principe et résultats
Valeur de commande:
La stratégie de contrôle en continu fonctionne parfaitement. Les décisions sont toutes cohérentes.
dt
dwk VxVxVxVx
moyenne
droite
moyenne
gauchemoyenne
droite
moyenne
gaucheC
Expériences réalisées
Extraction du flux optique: principes
Double contrainte de robustesse et de temps réel.
ECMA:
Problème mal posé: 1 équation et deux inconnus pour chaque pixel. Ajout d’hypothèses supplémentaires.
Principales familles d’extraction du flux optique:- Méthodes différentielles- Méthodes par corrélation
0
tI
yI
xI VV yx
),,(),.,.( tyxItttVyytVxxI
Expériences réalisées
Extraction du flux optique: méthodes
Méthodes différentielles (Horn et Schunck).- ajout d’une hypothèse de régularité- premier ordre: vitesses inférieures à 1 pixel/intervalle.- ordres supérieurs: complexité croissante et sensibilité au bruit.
Algorithmes de mise en correspondance de régions (Barron et al. 94):- robustesse- complexité croissante de manière quadratique en fonction de
la vitesse maximale recherchée.
Pour une croissance linéaire: - Substitution de la recherche dans l’espace par une recherche dans le temps (Camus 94).
- Vitesses inférieures à 1 pixel/intervalle.
Utilisation d’une simulation de la puce GVPP.
Expériences réalisées
Stratégie de zigzag: principe et comparaison
Stratégie de zigzag de la mouche:
Comparaison avec un robot roulant ou un drone à voilure tournante:
calcul de la commande
rotation: la vision est inhibée
virage: la vision est inhibée
bâtiments
Rotation sur place Rotation en mouvement
- les rotations ne peuvent s’effectuer sur place: inhibition de la vision pendant toute la durée du virage.
VxVx moyenne
droite
moyenne
gaucheCk
Expériences réalisées
Stratégie de zigzag: résultats
- Les décisions sont cohérentes mais trop éloignées dans le temps.- La stratégie est trop peu réactive et inadéquate dans des environnements encombrés.
Expériences réalisées
Compensation des rotations: principe et résultats
Stratégie de compensation:
On calcul analytiquement et on le retranche du flux observé pour obtenir nécessaire à la décision.
- La plupart des décisions sont cohérentes.- Des erreurs de choix demeurent en raison du bruit du flux optique extrait.
FFF rotationntranslatiototal
F rotation
F ntranslatio
Conclusions & perspectives
Discussion des résultats présentés
Évaluation d’une trajectoire: problème mal défini.- Validation statistique par une étude systématique dans des environnements diversifiés pour déterminer un taux de collision.- Mesure quantitative: écart moyen au squelette.
Stratégie de zigzag: + décisions correctes mais trop éloignées dans le temps. - trop peu réactive et donc inadéquate pour des vitesses trop élevées ou dans des environnements encombrés.
Stratégie de compensation des rotations (contrôle en continu): + excellents résultats dans des environnements variés et encombrés dans le cas d’un flux optique parfait. - cas réel: forte dépendance à la fiabilité du flux optique extrait.
Conclusions & perspectives
Perspectives de développement ultérieur
Intégration d’un contrôle de l’altitude.
Ajout de capacités d’adaptation: réglage des paramètres par un algorithme génétique.
Implémentation sur le drone réel Pégase 50:
- Extraction du flux optique: développer un algorithme de mise en correspondance de régions intégrant les informations inertielles pour limiter la zone de recherche.
- Problème liés à l’instabilité de la plate-forme: - vent - vibrations du
moteur
Conclusions & perspectives
Questions…
Recommended