WO2012175888A1 - Génération de données de carte - Google Patents

Génération de données de carte Download PDF

Info

Publication number
WO2012175888A1
WO2012175888A1 PCT/FR2012/051427 FR2012051427W WO2012175888A1 WO 2012175888 A1 WO2012175888 A1 WO 2012175888A1 FR 2012051427 W FR2012051427 W FR 2012051427W WO 2012175888 A1 WO2012175888 A1 WO 2012175888A1
Authority
WO
WIPO (PCT)
Prior art keywords
mobile
map
distances
data
current position
Prior art date
Application number
PCT/FR2012/051427
Other languages
English (en)
Inventor
Philippe LUCIDARME
Sébastien LAGRANGE
Original Assignee
Universite D'angers
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Universite D'angers filed Critical Universite D'angers
Priority to US14/128,948 priority Critical patent/US10288425B2/en
Priority to EP12731600.8A priority patent/EP2724203B1/fr
Priority to JP2014516428A priority patent/JP6456141B2/ja
Publication of WO2012175888A1 publication Critical patent/WO2012175888A1/fr

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
    • G01C15/002—Active optical surveying means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device

Definitions

  • the present invention relates to the generation of map data.
  • One can typically provide one or more mobile measuring instruments (eg robots), arranged to measure distances between their current position and obstacles in their environment.
  • mobile is understood to mean a mobile measuring instrument of the aforementioned type.
  • These measurements can for example be made by flight time measurements (remote sensing "LIDAR” including “Light Detection and Ranging”), or by any other technique for measuring a distance.
  • mapping system At the entrance of a mapping system, we try to establish the coordinates of the entities to be mapped (walls, doors, furniture, trees, etc.) in the form of dots or points clouds expressed in a reference frame attached to the mobile instrument , and at the output of the system, an instantaneous position of the instrument is determined (for example the coordinates ⁇ , ⁇ , ⁇ for a plane problem, that is to say for the establishment of a 2D map),
  • an algorithm updates the map and the position of the instrument (called “mobile” below), in less than 25 ms on a 1.6 GHz eeePC computer. processor clock.
  • the position of the mobile is expressed in the continuous domain, while the map is spatially sampled with a pitch of 20 mm, for example.
  • the "visual SLAM” uses one or more image acquisition systems (usually cameras) and calculates the transformation between two successive images in order to deduce the movement of the mobile.
  • the reconstruction of the map is often difficult on the basis of video images, and it is often resorted to a combination with a LIDAR for mapping.
  • bitter consists of extracting sensor data (camera, LIDAR, or other) areas of interest, called “bitter” to use them as natural beacons.
  • Kalmann filters consists in fusing the information coming from several sensors (LIDAR and odometry for example) by using probabilistic models.
  • the present invention improves the situation.
  • step b) move the mobile and repeat step a) for a new current position of the mobile
  • step c) determining, based on the distances measured for each angular step of the current position of step b) and the previous position of step a), at the same time:
  • a global distance function is determined between the mobile and first neighbors of the mobile, with respect to the map determined in step a), and
  • the method that is the subject of the invention requires very few calculations (thanks in particular to the search for the local minimum in the aforementioned distance function variation, as will be seen later), and displays remarkable performance in terms of execution time.
  • the simplicity of processing allows it to operate on modest processors and, therefore, can be today the subject of embedded technology.
  • the quality of the results and especially the robustness to disturbances give it a major advantage.
  • the method may further comprise a step d) of successive reiterations of steps b) and c) to establish a map of at least one object or building.
  • step a) the map data is established as a function of an indication of the current position of the moving object in step a), and the method then preferably comprises an initial step a 0 ) of determining the absolute position. of the mobile in space.
  • the global distance function has a unique local minimum, corresponding for, the establishment of a two-dimensional map, two Cartesian coordinates X, Y, and an angle ⁇ defining a orientation of the mobile in a plane in step b).
  • the global distance function has a unique local minimum, corresponding, for the establishment of a map in three-dimensional space, to three Cartesian coordinates X, Y, Z, and three angles ⁇ , ⁇ , ⁇ together defining an orientation of the mobile in space in step b).
  • Such an embodiment makes it possible to determine the new position of the mobile in the space for the establishment of the above-mentioned 3D map.
  • the global distance function is estimated by a sum of Euclidean distances between an obstacle point determined in step a) and a neighboring point, detected as an obstacle in step b).
  • a correspondence table (of "look-up table” type for example) is established beforehand between points close to a central point and estimated Euclidean distances between this central point and its neighbors,
  • a distance is determined with the nearest obstacle point determined in step a), and refers to said correspondence table to determine a Euclidean distance between the obstacle and a nearest neighbor,
  • the aforementioned minimum of the sum of distances corresponds to an orientation and a moving distance of the mobile, and, after determination of this minimum, advantageously determines a new position of the mobile and new card data.
  • the present invention also relates to a computer program, comprising instructions for implementing the above method, when it is executed by a processor.
  • a computer program comprising instructions for implementing the above method, when it is executed by a processor.
  • FIG. 1 is an example of equipment comprising a computing unit for developing a map from measurement data made by a mobile
  • FIG. 2 illustrates an exemplary flowchart of the steps of a method according to the invention. of the invention
  • FIG. 3A represents measurement points recorded by the mobile
  • FIG. 3B represents a first map prepared on the basis of the measurement points of FIG. 3A
  • FIG. 4 illustrates the pre-calculated distances between a point and its first neighbors
  • FIG. 5 illustrates the pre-calculated distances between each point of FIG. 3A and its first neighbors
  • FIG. 6A illustrates new measurement data of points superimposed on the map of FIG. 3B
  • FIG. 6B illustrates a superposition of the new measurement points at the pre-calculated distances of FIG. 5,
  • FIG. 7 illustrates the local minimum of the aforementioned global distance function
  • FIG. 8 schematically illustrates a device MOB1 for implementing the method within the meaning of the invention.
  • the invention can be implemented on any equipment possessing or emulating:
  • Examples of possible embodiments are systems derived from Von Neumann architectures (microcontroller, microprocessor, PC or others) and programmable logic architectures (such as ASICs, FPGAs, CPLDs and others).
  • Von Neumann architectures microcontroller, microprocessor, PC or others
  • programmable logic architectures such as ASICs, FPGAs, CPLDs and others.
  • the inputs to the device E are the data representing the neighboring environment of the mobile to be located.
  • This data can come from different sensors (LIDAR for example), and can be converted into Cartesian coordinates of points in the space indicating the presence of an object to be listed in the map, or a free zone. These coordinates are expressed in a marker attached to the mobile to locate.
  • - e t is the Center of the system
  • - P t is the vector of coordinates of points
  • Xo, Yo are the coordinates of the points (resulting from a LIDAR for example) expressed in the reference of the mobile.
  • acquisition systems compatible with a technique in the sense of the invention are rangefinders such as LASER scanning (LIDAR type in particular), for 2D mapping.
  • the position of the mobile is expressed as coordinates of the space including the position and orientation of the mobile.
  • a first iteration of a set SI of steps aims at initializing the processing and entering the first information in the environment card which will be used. reference thereafter.
  • This set S 1 consists of three steps:
  • step SI 1 the initial position of the mobile is assumed to be known. It can be assumed for example that this initial position is zero.
  • a variable corresponding to the position of the mobile represents this initial position, for example:
  • the associated cell is calculated for each point in order to update its value.
  • the coordinates of the cell are given, for 2D mapping, by: Distance * cos ⁇ Alpha)
  • Xmobile, Ymobile are the coordinates of the point in the reference linked to the mobile, - the variable Distance is the distance measured with the lidar for the current point, the variable Alpha corresponds to the measurement angle of the current point,
  • variable STEPMAP corresponds to the width of a cell of the card
  • vector [Tx, Ty] corresponds to the supposed translation of the mobile with respect to the origin of the card
  • - Rz is the assumed orientation of the mobile with respect to the origin of the map
  • x, y are integers corresponding to the indices of the cell to be updated.
  • step SU can be a binary, average or average baysian method.
  • An iterative average may for example be adopted, as illustrated in the equation below:
  • Visit B (C) m ⁇ Csi, Yisit ⁇ C jj
  • a simple and effective solution is to add or subtract a constant to the previous value depending on whether the cell is free or occupied.
  • the next step S 12 is to segment the stochastic map to transform it into a second bitmap named (c): each cell of the new map has only two states: empty or busy.
  • the black dots of course illustrate the obstacles.
  • FIG. 3B reference can be made to an indication of the absolute position of the mobile in space in order to determine the map data obtained in an absolute reference frame.
  • the next step S 13 corresponds to calculating the nearest neighbor distances of the card elements listed according to the first series of measurements according to FIGS. 3A or 3B.
  • Each empty cell in the map is associated with a value representing the distance bounded to the nearest neighbor, as follows:
  • An advantageous operation for speeding up the processing, in particular for the distance calculation consists in using a pre-calculated table (of LUT type for "Look-Up Table"), loaded into memory and containing, for a given point, a set distances at this point, pre-calculated, as shown in Figure 4 having a cone (increasing distances) as and distance from a central point, the cone.
  • This precaution advantageously makes it possible not to have to calculate the Euclidean distances (notably involving square root calculations) between neighbors of a given point.
  • FIG. 5 shows the segmented map after calculating the distances.
  • White cells are cells that have their nearest neighbor at a distance greater than the maximum displacement Dmax.
  • Black cells are occupied cells (with zero distance, since they are their nearest neighbor).
  • the remaining cells are the cells with a distance between 0 and Dmax, the gray level reflecting the distance to the nearest neighbor.
  • a second series of measurements is then carried out and the following is explained how, from the distances estimated as illustrated in FIG. 5, it is determined at the same time: a displacement of the measuring instrument, and
  • a group of current steps Sn comprises:
  • a step Sn4 calculating distances to the nearest neighbor.
  • Snl is provided with a map i ( ⁇ ) as a model representing the space explored including the distances to the nearest occupied neighbors.
  • the distance to its first neighbor is cumulative.
  • a variable representing the sum of the distances to the first neighbors is then obtained.
  • This sum can be related to the sum of least squares conventionally used in numerical analysis. This treatment makes it possible to describe a mathematical function whose local minimum is sought.
  • the sum of the distances mentioned above then becomes a criterion to be minimized. Indeed, if the sum of the distances is zero, the scene corresponds perfectly to the model. On the other hand, if the sum of the distances is large, then the model and the scene are distant. If the scene and the model match at a distance D max , then the transformation between the two reflects a movement of the mobile.
  • This figure 6B shows an illustration of the scene ei (points) plated on the model (c) (of FIG. 5).
  • Criterion f (P) to be minimized.
  • Criterion f (X, ⁇ , ⁇ ).
  • / is a function accepting local minima as illustrated in FIG. 7. This function is assessable, but its analytic expression is unknown. It appears in particular that in the context of the problem of SLAM and under certain conditions combined here, a local approach can be used and gives very good results.
  • the local minimum is the minimum required if the hypothesis on the movement of the mobile is sufficiently reliable. If it is assumed that at the beginning of the processing, the information is sufficiently likely to initialize the processing, then the result of each iteration is also sufficiently reliable.
  • FIG. 7 shows in particular an example of a survey of the function / projected in the plane ⁇ for a problem in two dimensions (2D cartography). It is easy to see that the function locally accepts only a minimum. Nevertheless, the same trend has been observed in the context of 3D mapping.
  • the new position Pi of the mobile is therefore known.
  • the memory card data can then be updated in the following steps Sn2, Sn3 and Sn4, as explained above for steps S1, S12 and S13, respectively.
  • a correspondence table for determining first neighbor distances around the points resulting from the first acquisition, as illustrated in FIG. 5.
  • An upcoming acquisition can determine subsequent points, as those superimposed, as shown in Figure 6A, to the previously established map shown in Figure 3B.
  • the correspondence table giving the distances of the nearest neighbors (as illustrated in FIG. 6B)
  • an overall sum of the distances between the points recently acquired and those of the previously established map is estimated and a local minimum of this distance is sought. sum of distances.
  • FOG. 7 local minimum
  • An advantage of the present invention is its speed of calculation, in particular because of:
  • a second advantage is the precision obtained.
  • the fast processing of data makes it possible to update the maps in real time and consequently to use a large amount of data. It then appears a statistical phenomenon that makes the system more reliable: an aberrant data is "embedded" among the valid data and influences only the result very little. In addition, it can be corrected in large part to the following iterations.
  • a third advantage is its simplicity. The processing is independent of the measuring instrument models or the sensors used. It does not rely on a mathematical model that should be recalculated according to applications, motorization characteristics of the mobile or its sensors. In addition, the few parameters of the processing algorithm are directly related to physical considerations (accuracy and size of the card, maximum speed of the mobile, maximum displacement, etc.) and are therefore easy to adjust.
  • the treatment can also be used to locate a mobile absolutely in the environment.
  • a mobile absolutely in the environment Such an application, commonly called “global positioning” or “kidnapping”, consists of placing the mobile at an unknown position in a known environment, the mobile to be located absolutely in this environment.
  • the invention allows such an application if the mobile has of course preliminary card data (even partial) of the environment in which it is placed.
  • the present invention applies both in 2D and in 3D.
  • a building map can then be replaced, in such an application, by the establishment of an object database and the scanned acquisitions are then replaced by acquisitions (even partial) 3D of an object.
  • Another possible application of the invention relates to the recognition of 3D objects, by distance measurement, using a mobile.
  • the treatment in the sense of the invention has given good results, with still the observation of a local minimum (well marked) of the overall distance function mentioned above.
  • the present invention also aims at a device for generating cartographic data for implementing the method described above.
  • a device comprises at least one mobile instrument, measuring distances to one or more obstacles OBS, comprising:
  • the computing unit ⁇ - ⁇ comprises at least one ⁇ processor and a working memory MEM for:
  • the mobile measuring instrument integrates the aforementioned calculation unit.
  • the calculation unit can be separated (as example a PC unit connected to the measuring instrument by a wireless communication means).
  • the device MOB1 may furthermore comprise EM / REC transmission / reception means (for example by wireless communication) of card data that it can exchange with another device.
  • MOB2 for the development of a complete map of the aforementioned type, as indicated above.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Optics & Photonics (AREA)
  • Electromagnetism (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Navigation (AREA)
  • Instructional Devices (AREA)

Abstract

La présente invention concerne la génération de données cartographiques. Un instrument de mesure, mobile, mesure des distances entre une position courante du mobile et des obstacles dans un environnement du mobile. On prévoit en particulier de : a) effectuer au moins N mesures de distances entre le mobile et des obstacles dans ledit environnement, par pas angulaires successifs de A/N chacun, où A est un secteur angulaire prédéterminé définissant au moins partiellement ledit environnement du mobile, et associer lesdites distances aux pas angulaires respectifs dans une mémoire de travail, pour établir des données de carte, b) déplacer le mobile et réitérer l'étape a) pour une nouvelle position courante du mobile, et c) déterminer, en fonction des distances mesurées pour chaque pas angulaire de la position courante de l'étape b) et de la position précédente de l'étape a), à la fois, la position courante du mobile à l'étape b), sur ladite carte, par rapport à sa position initiale à l'étape a), et de nouvelles données de ladite carte.

Description

Génération de données de carte
La présente invention concerne la génération de données cartographiques. On peut typiquement prévoir un ou plusieurs instruments de mesure, mobiles (par exemple des robots), agencés pour mesurer des distances entre leur position courante et des obstacles dans leur environnement. Dans ce qui suit, on entend par le terme « mobile », un instrument de mesure mobile du type précité. Ces mesures peuvent par exemple s'effectuer par mesures de temps de vol (télédétection « LIDAR » notamment, pour « Light Détection and Ranging »), ou par toute autre technique permettant de mesurer une distance.
Il se pose en particulier le problème, en temps-réel, dit du « SLAM » embarqué (pour « Simultaneous Localization And Mapping »), qui consiste à devoir déterminer à la fois la cartographie et la localisation de l'instrument de mesure mobile. Ainsi, on doit construire une carte de l'environnement de l'instrument de mesure et en même temps localiser cet instrument dans cette carte. En pratique, ces deux problèmes ne peuvent pas être résolus indépendamment. Pour qu'un instrument mobile puisse établir une carte de l'environnement, l'instrument doit d'abord détenir l'information concernant le point d'où ses mesures de distance ont été faites. De la même façon, il est difficile d'estimer la position courante de l'instrument sans une carte bien établie. Ainsi, une bonne carte est nécessaire pour se localiser, alors qu'une estimation précise de la position courante est nécessaire pour construire la carte. Pour décrire les objectifs visés de façon plus illustrative à titre d'exemple :
- en entrée d'un système de cartographie, on cherche à établir les coordonnées des entités à cartographier (murs, portes, meubles, arbres etc.) sous forme de points ou de nuages de points exprimés dans un repère attaché à l'instrument mobile, et - en sortie du système, on détermine une position instantanée de l'instrument (par exemple les coordonnées Χ,Υ,Θ pour un problème plan, c'est-à-dire pour l'établissement d'une carte en 2D),
- on en établit une carte échantillonnée de l'environnement exploré.
A titre d'exemple illustratif toujours, sur un problème plan, un algorithme actualise la carte et la position de l'instrument (appelé « mobile » ci-après), en moins de 25 ms sur un ordinateur eeePC de 1,6 GHz d'horloge de processeur. La position du mobile est exprimée dans le domaine continu, alors que la carte est spatialement échantillonnée avec un pas de 20 mm, par exemple.
On connaît actuellement quelques procédés de résolution de SLAM.
Le « SLAM visuel » utilise un ou plusieurs systèmes d'acquisitions d'images (généralement des caméras) et calcule la transformation entre deux images successives afin d'en déduire le déplacement du mobile.
Toutefois, ces approches nécessitent un prétraitement des données vidéo qui est souvent difficilement compatible avec des contraintes de temps-réel.
Les systèmes d'acquisition sont sujets aux conditions d'éclairage, ce qui peut fausser ou empêcher le processus de localisation.
La reconstruction de la carte est souvent difficile sur la base d'images vidéo, et il est souvent recouru à une combinaison avec un LIDAR pour la cartographie.
L'extraction « d'amers » consiste à extraire des données de capteurs (caméra, LIDAR, ou autres) des zones d'intérêts, appelées « amers », pour les utiliser comme balises naturelles.
Toutefois, il s'agit d'un processus coûteux, au même titre que le traitement d'images. L'extraction pouvant être sujette aux perturbations, ce type d'approche est généralement combiné avec une approche stochastique (du type utilisant par exemple des filtres de Kalmann, comme décrit ci-après).
L'absence d'amer dans un champ de vision courant empêche toute localisation.
L'approche utilisant des filtres de Kalmann consiste à fusionner les informations provenant de plusieurs capteurs (LIDAR et odométrie par exemple) en utilisant des modèles probabilistes.
Toutefois, les modèles mathématiques sous-jacents peuvent être complexes et nécessitent une connaissance pointue des caractéristiques des capteurs, notamment les variances sur l'incertitude des mesures. Cette variance peut être difficile à estimer et peut également être sujette à variations (notamment des mesures odométriques lors du passage d'un terrain rugueux à un sol glissant). L'approche utilisant des « filtres à particules » s'apparente aux méthodes dites de Monté Carlo qui effectuent une série de tirages aléatoires avec pour objectif final la conservation du meilleur.
En pratique toutefois, cette technique donne de mauvais résultats si elle n'est pas combinée à un autre algorithme.
Selon le nombre de particules choisi (dont va dépendre la qualité du résultat), la compatibilité avec la contrainte temps réel est difficile.
Par ailleurs, comme toute technique utilisant des tirages aléatoires, les résultats ne sont pas reproductibles. La technique dit « ICP » (pour « Itérative Closest Point ») consiste à associer chaque point LIDAR avec des données précédemment acquises pour estimer la transformation par un traitement du type « moindres carrés ». Toutefois, le processus de correspondance (ou « matching ») des points est extrêmement coûteux en ressource et sa complexité est de l'ordre de 0(n.log(n)), ce qui interdit en pratique une exécution en temps réel.
En outre, ces méthodes ne sont pas robustes vis-à-vis de données aberrantes.
La présente invention vient améliorer la situation.
Elle propose à cet effet un procédé de génération de données cartographiques, dans lequel au moins un instrument de mesure, mobile, est agencé pour mesurer des distances entre une position courante du mobile et des obstacles dans un environnement du mobile, comportant les étapes :
a) effectuer au moins N mesures de distances entre le mobile et des obstacles dans ledit environnement, par pas angulaires successifs de A/N chacun, où A est un secteur angulaire prédéterminé définissant au moins partiellement ledit environnement du mobile, et associer lesdites distances aux pas angulaires respectifs dans une mémoire de travail, pour établir des données de carte,
b) déplacer le mobile et réitérer l'étape a) pour une nouvelle position courante du mobile, et
c) déterminer, en fonction des distances mesurées pour chaque pas angulaire de la position courante de l'étape b) et de la position précédente de l'étape a), à la fois :
- la position courante du mobile à l'étape b), sur ladite carte, par rapport à sa position initiale à l'étape a), et
- de nouvelles données de ladite carte.
En particulier, à l'étape c) :
- on détermine une fonction de distance globale entre le mobile et des premiers voisins du mobile, par rapport à la carte déterminée à l'étape a), et
- on repère un minimum local de cette fonction, caractérisant une position courante du mobile à l'étape b). Comme on le verra plus loin en référence à la figure 7 illustrant une variation de cette fonction, on repère un minimum local dans cette variation et ce minimum caractérise alors une position courante du mobile par rapport aux obstacles de son environnement, en tant que premiers voisins.
Selon l'un des avantages que procure l'invention et contrairement aux techniques présentées ci-avant, le procédé objet de l'invention nécessite très peu de calculs (grâce notamment à la recherche du minimum local dans la variation de fonction de distance précitée, comme on le verra plus loin), et affiche des performances remarquables en termes de temps d'exécution. La simplicité du traitement lui permet de fonctionner sur des processeurs modestes et, par conséquent, peut faire aujourd'hui l'objet d'une technologie embarquée. La qualité des résultats et surtout la robustesse aux perturbations lui confèrent un avantage majeur. Avantageusement, le procédé peut comporter en outre une étape d) de réitérations successives des étapes b) et c) pour établir une carte d'au moins un objet ou bâtiment. Par exemple, on prévoit une étape d) de réitérations successives des étapes b) et c) pour déterminer tous les obstacles dans l'environnement du mobile et établir ainsi une carte complète d'au moins un objet dans l'environnement du mobile, ou d'un bâtiment dans lequel est placé le mobile.
A l'étape a), on établit les données de carte en fonction d'une indication de la position courante du mobile à l'étape a), et le procédé comporte alors préférentiellement une étape initiale a0) de détermination de la position absolue du mobile dans l'espace.
Avantageusement pour l'établissement d'une carte 2D, la fonction de distance globale présente un minimum local unique, correspondant pour, l'établissement d'une carte bidimensionnelle, à deux coordonnées cartésiennes X, Y, et un angle Θ définissant une orientation du mobile dans un plan à l'étape b). Une telle réalisation permet de déterminer la nouvelle position du mobile dans un plan pour l'établissement de la carte 2D dans ce plan. Avantageusement pour l'établissement d'une carte 3D, la fonction de distance globale présente un minimum local unique, correspondant, pour l'établissement d'une carte dans l'espace tridimensionnel, à trois coordonnées cartésiennes X, Y, Z, et trois angles θ,ψ,φ définissant ensemble une orientation du mobile dans l'espace à l'étape b). Une telle réalisation permet de déterminer la nouvelle position du mobile dans l'espace pour l'établissement de la carte 3D précitée.
Dans une réalisation, la fonction de distance globale est estimée par une somme de distances euclidiennes entre un point obstacle déterminé à l'étape a) et un point voisin, détecté comme obstacle à l'étape b).
Dans une réalisation :
- on établit au préalable une table de correspondance (de type « look-up table » par exemple) entre des points voisins d'un point central et des distances euclidiennes estimées entre ce point central et ses voisins,
- pour le calcul de la fonction de distance globale, après détection d'obstacles à l'étape b), pour chaque obstacle, on détermine une distance avec le point obstacle le plus proche, déterminé à l'étape a), et on se réfère à ladite table de correspondance pour déterminer une distance euclidienne entre l'obstacle et un plus proche voisin,
- on estime ensuite ladite somme des distances euclidiennes, pour tous les points obstacles.
Ainsi, dans cette réalisation, le minimum précité de la somme de distances correspond à une orientation et une distance de déplacement du mobile, et, après détermination de ce minimum, on détermine avantageusement une nouvelle position du mobile et de nouvelles données de carte.
La présente invention vise aussi un programme informatique, comportant des instructions pour la mise en œuvre du procédé ci-avant, lorsqu'il est exécuté par un processeur. Un exemple d'organigramme de l'algorithme général d'un tel programme est présenté en figure 2 ci-annexée et commentée en détails dans la description détaillée ci-après.
D'autres avantages et caractéristiques de l'invention apparaîtront à la lecture de la description détaillée ci-après donnée à titre d'exemple de réalisation possible, aucunement limitatif, et des dessins annexés sur lesquels :
la figure 1 est un exemple d'équipement comportant une unité de calcul pour l'élaboration d'une carte à partir de données de mesure réalisée par un mobile, la figure 2 illustre un exemple d'organigramme des étapes d'un procédé au sens de l'invention,
la figure 3A représente des points de mesure relevés par le mobile,
la figure 3B représente une première carte élaborée sur la base des points de mesure de la figure 3A,
la figure 4 illustre les distances pré-calculées entre un point et ses premiers voisins,
la figure 5 illustre les distances pré-calculées entre chaque point de la figure 3A et ses premiers voisins,
la figure 6A illustre de nouvelles données de mesure de points superposés à la carte de la figure 3B,
la figure 6B illustre une superposition des nouveaux points de mesure aux distances pré-calculées de la figure 5,
la figure 7 illustre le minimum local de la fonction de distance globale précitée, la figure 8 illustre schématiquement un dispositif MOB1 pour la mise en œuvre du procédé au sens de l'invention.
En référence à la figure 1, l'invention peut être mise en œuvre sur tout équipement possédant ou émulant :
- un dispositif E d'entrée des données,
- un dispositif S de restitution des résultats,
- une mémoire MEM (contenant les données de cartes et de position),
- une unité μΡ de calcul arithmétique et logique.
Des exemples de réalisation possibles sont des systèmes dérivés des architectures de Von Neumann (microcontrôleur, microprocesseur, PC ou autres) et les architectures logiques programmables (tels que les ASIC, FPGA, CPLD et autres).
Ainsi, les entrées au dispositif E sont les données représentant l'environnement voisin du mobile à localiser. Ces données peuvent provenir de différents capteurs (LIDAR par exemple), et sont transformables en coordonnées cartésiennes de points de l'espace indiquant la présence d'un objet à répertorier dans la carte, ou encore d'une zone libre. Ces coordonnées s'expriment dans un repère attaché au mobile à localiser. En notant e l'entrée du système représentant les coordonnées des entités à cartographier (sous forme de nuages de points), dans le cas général, on a :
e = \ P ■ Jl
*Ί i 1 t > J iMobsl
où :
- et est la Centrée du système, - P t est le vecteur de coordonnées de points,
- est le vecteur relatif au statut de chaque point (occupé/libre).
Dans le cas d'un problème plan (détermination d'une carte 2D), on a :
Figure imgf000011_0001
où Xo, Yo sont les coordonnées des points (issus d'un LIDAR par exemple) exprimés dans le repère du mobile. En effet, des systèmes d'acquisition compatibles avec une technique au sens de l'invention sont des télémètres comme par exemple à balayage LASER (de type LIDAR notamment), pour la cartographie 2D.
Les sorties du système [PV\ sont données sous deux formes :
- P : données de position du mobile dans un repère absolu ;
- V : données de carte des zones explorées sous forme de grille d'occupation stochastique ^ (^) , chaque cellule de la grille représentant la probabilité de présence d'un obstacle dans la grille.
La position du mobile est exprimée sous forme de coordonnées de l'espace incluant la position et l'orientation du mobile.
Dans le cas général, on a :
P= [X , Ô} ,,^
où :
- P est l'entrée du système,
- X est la position dans l'espace,
- O est l'orientation dans l'espace.
Dans le cas particulier d'un problème plan (pour établir une carte 2D), on a
P = [X Y e}Absobl et V( x, y) avec x , yGN Lorsque des données à traiter sont présentes dans le dispositif d'entrée, après une première série de mesures, le traitement décrit ci-après permet d'actualiser la position du mobile, ainsi que la carte de l'environnement.
Toutefois, la première itération doit être traitée différemment afin d'initialiser le traitement, comme suit, en référence à la figure 2.
Après une commande d'initialisation S0, au cours de laquelle on effectue alors une première série de mesures, une première itération d'un ensemble SI d'étapes vise à initialiser le traitement et inscrire les premières informations dans la carte d'environnement qui serviront de référence par la suite du traitement.
Cet ensemble S 1 est constitué de trois étapes :
- une mise à jour S 11 de la carte,
- une segmentation S 12 de la carte, et
- un calcul S 13 des distances au plus proche voisin.
A l'étape SI 1, la position initiale du mobile est supposée connue. On peut supposer par exemple que cette position initiale est nulle. Une variable correspondant à la position du mobile représente cette position initiale, par exemple :
- pour une carte 2D, dans le plan, avec les variables de position : Χ,Υ,Θ
- ou pour une carte 3D, dans l'espace, avec les variables de position: X, Y, Z, φ, ψ et Θ. Connaissant la position du mobile et à partir de la position des points de mesure à répertorier e0 dans la carte, on calcule pour chaque point la cellule associée afin de mettre sa valeur à jour. Dans le cas d'un instrument de mesure de type LIDAR par exemple, les coordonnées de la cellule sont données, pour une cartographie 2D, par : Distance * cos { Alpha )
&ΤΕΡίίΑρ
Distance * sin ( Alpha }
STË Z
Figure imgf000013_0001
Xmobile, Ymobile sont les coordonnées du point dans le repère lié au mobile, - la variable Distance est la distance mesurée avec le lidar pour le point courant, la variable Alpha correspond à l'angle de mesure du point courant,
la variable STEPMAP correspond à la largeur d'une cellule de la carte, le vecteur [Tx, Ty] correspond à la translation supposée du mobile par rapport à l'origine de la carte,
- Rz est l'orientation supposée du mobile par rapport à l'origine de la carte, x, y sont des nombres entiers correspondant aux indices de la cellule à actualiser.
Plusieurs méthodes de mise à jour peuvent être envisagées pour la mise en œuvre de l'étape SU. Il peut s'agir d'une méthode binaire, moyenne, ou encore moyenne baysienne.
Une moyenne itérative peut par exemple être adoptée , comme illustré dans l'équation ci-dessous :
F/(C)=( l - ). νι_ί {€)+ .8ί
I
α =
1 Visit i C ) Le fait de borner le nombre de visites permet d'insérer un facteur d'oubli, ce qui donne avantageusement plus d'importance aux acquisitions récentes, comme suit :
Visit B(C)= m { Csi , Yisit { C j j Une solution simple et efficace consiste à ajouter ou soustraire une constante à la valeur précédente selon que la cellule est libre ou occupée.
L'étape suivante S 12 consiste à segmenter la carte stochastique afin de la transformer en une seconde carte binaire nommée (c) : chaque cellule de la nouvelle carte ne comporte que deux états : vide ou occupé. Plusieurs techniques de segmentation peuvent être envisagées, mais un simple seuillage des valeurs est en pratique satisfaisant. On a représenté sur la figure 3A un exemple de réalisation, pour une cartographie 2D, d'une segmentation par pas angulaires Θ, (avec i = 1, N pour N pas angulaires en tout), autour d'une position initiale du mobile PM. Les points noirs illustrent bien entendu les points obstacles. Lorsque tout un secteur angulaire A a été balayé, on obtient finalement une nouvelle carte mise à jour comme illustré sur la figure 3B. Avantageusement, on peut se référer à une indication de position absolue du mobile dans l'espace pour déterminer les données de carte obtenues dans un repère absolu.
L'étape S 13 suivante correspond au calcul des distances au plus proche voisin des éléments de carte répertoriés d'après la première série de mesures selon les figures 3 A ou 3B. On associe à chaque cellule vide de la carte une valeur représentant la distance bornée au plus proche voisin, comme suit :
F , C ) = min ! D ,„„. , D ..,.„ )
avec : , la distance euclidienne associée à la cellule d'indice C ,
- Dppv, la distance euclidienne avec la cellule occupée la plus proche,
- Dmax, la distance euclidienne maximale de déplacement d'un point entre deux acquisitions successives.
Une opération avantageuse pour accélérer le traitement, en particulier pour le calcul de distance, consiste à utiliser une table pré-calculée (de type LUT pour « Look-Up Table »), chargée en mémoire et contenant, pour un point donné, un ensemble des distances à ce point, pré-calculées, comme illustré sur la figure 4 présentant un cône (de distances croissantes) au fur et à mesure de l'éloignement d'un point central, sommet du cône. Cette précaution permet avantageusement de ne pas avoir à calculer les distances euclidiennes (faisant notamment intervenir des calculs de racines carrées) entre voisins d'un point donné. On a représenté sur la figure 5 la carte segmentée après calcul des distances. Les cellules blanches sont des cellules qui ont leur plus proche voisin à une distance supérieure au déplacement maximal Dmax. Les cellules noires sont les cellules occupées (avec une distance nulle, puisqu'elles sont leur plus proche voisin). Les cellules restantes sont les cellules avec une distance comprise entre 0 et Dmax, le niveau de gris reflétant la distance au plus proche voisin.
Les étapes SU à S 13 sont présentées ici de façon séquentielle à titre d'exemple illustratif, mais elles peuvent être exécutées en parallèle ou traitées point par point. Ainsi, dans l'exemple ci-dessus, en résumé, pour chaque point, on met d'abord à jour la cellule v ^ ) concernée par ce point et on met à jour la cellule de la seconde carte correspondante. On calcule ensuite les distances [ ) des voisins de la même cellule. Puis, on passe au point suivant, jusqu'à épuisement des points de mesure de la carte des figures 3 A ou 3B.
On effectue ensuite une deuxième série de mesures et on explique ci-après comment on détermine, partant des distances estimées comme illustré sur la figure 5, à la fois : un déplacement de l'instrument de mesure, et
de nouvelles données de la carte.
Pour une itération suivante, et plus généralement, pour les itérations suivantes du traitement, on estime la position du mobile pour ensuite actualiser les données de carte en s 'appuyant sur cette estimation. Ainsi, en référence à nouveau à la figure 2, un groupe d'étapes courantes Sn comporte :
- une étape Snl d'estimation de la position du mobile,
- une étape Sn2 de mise à jour de la carte,
- une étape Sn3 de segmentation de la carte, et
- une étape Sn4 de calcul des distances au plus proche voisin.
On dispose à cette étape Snl d'une carte i (^) en tant que modèle représentant l'espace exploré incluant les distances aux plus proches voisins occupés. Lorsqu'un nouveau jeu de données de mesures ei est présent sur le dispositif d'entrée E, ce jeu étant appelé « scène » ici, le traitement recherche la meilleure correspondance entre le modèle de carte et cette scène.
Pour une position supposée du mobile, on calcule pour chaque point de ei la cellule associée afin d'en estimer la somme des distances. Concernant la position du mobile, on indique qu'il est possible d'initialiser le traitement avec la meilleure position connue et qui consiste en la position estimée à l'itération précédente. Toutefois, dans une réalisation, cette estimation peut éventuellement être améliorée avec une mesure issue d'un autre capteur (par odométrie par exemple). Ainsi, en s 'appuyant sur la position estimée, on calcule la position de chaque point de mesure issue de la dernière acquisition, dans le repère de la carte conçue à l'étape précédente (figure 3B par exemple). On obtient alors ces points, superposés à la carte obtenue à l'itération précédente, comme représenté sur la figure 6A. On calcule ensuite, pour chaque point issu de la dernière mesure, sa distance au plus proche voisin déterminée comme indiqué précédemment en référence à la figure 5, en exploitant ainsi l'information enrichie de la carte telle que représentée avec les estimations de distances conformément à la figure 5. Pour chaque nouveau point ei, la distance à son premier voisin est cumulée. Une variable représentant la somme des distances aux premiers voisins est alors obtenue. Cette somme peut être apparentée à la somme des moindres carrés classiquement utilisés en analyse numérique. Ce traitement permet de décrire une fonction mathématique dont on recherche un minimum local. La somme des distances précitées devient alors un critère à minimiser. En effet si la somme des distances est nulle, la scène correspond parfaitement au modèle. En revanche, si la somme des distances est grande, alors le modèle et la scène sont éloignés. Si la scène et le modèle concordent à une distance Dmax près, alors la transformation entre les deux reflète bien un déplacement du mobile.
On a représenté sur cette figure 6B une illustration de la scène ei (points) plaquée sur le modèle (c) (de la figure 5).
On définit alors une fonction mathématique Critère = f (P) à minimiser. Dans le plan pour une carte 2D, la fonction s'exprime sous la forme Critère = f (X, Υ,θ). Selon un principe de la présente invention, on montre que / est une fonction acceptant des minima locaux comme illustré sur la figure 7. Cette fonction est évaluable, mais son expression analytique est inconnue. II apparaît en particulier que dans le cadre du problème du SLAM et sous certaines conditions réunies ici, une approche locale peut être utilisée et donne de très bons résultats. Le minimum local est bien le minimum recherché si l'hypothèse sur le déplacement du mobile est suffisamment fiable. Si l'on suppose qu'au début du traitement, les informations sont suffisamment vraisemblables pour initialiser le traitement, alors le résultat de chaque itération est lui aussi suffisamment fiable.
On a représenté en particulier sur la figure 7 un exemple de relevé de la fonction / projeté dans le plan Θ pour un problème en deux dimensions (cartographie 2D). On constate aisément que la fonction n'accepte localement qu'un minimum. Il a néanmoins été observé la même tendance dans le cadre d'une cartographie 3D.
On peut prévoir un grand nombre d'algorithmes possibles de recherche de minimum. A titre d'exemple, on peut citer l'algorithme de Nelder et Mead qui a donné ici de bons résultats.
Lorsque le minimum local de la somme de distances a été trouvé, la nouvelle position Pi du mobile est par conséquent connue. On peut alors actualiser les données de carte en mémoire aux étapes suivantes Sn2, Sn3 et Sn4, comme expliqué ci-avant respectivement pour les étapes Sl l, S12 et S13.
Ainsi, en bref, après une première acquisition comme celle illustrée sur la figure 3A, on se réfère à une table de correspondance (LUT) pour déterminer des distances de premiers voisins autour des points issus de la première acquisition, comme illustré sur la figure 5. Une prochaine acquisition permet de déterminer des points subséquents, comme ceux qui se superposent, comme illustré sur la figure 6A, à la carte précédemment établie représentée sur la figure 3B. Par consultation de la table de correspondance donnant les distances des plus proches voisins (comme illustré sur la figure 6B), on estime une somme globale des distances entre les points dernièrement acquis et ceux de la carte précédemment établie et on recherche un minimum local de cette somme de distances. De façon avantageuse, il est établi qu'il n'existe habituellement qu'un minimum local (figure 7), de sorte que la position courante du mobile dans la carte représentée sur la figure 3B est donnée sans ambiguïté et il est alors possible d'identifier de nouveaux points de mesure dans la dernière acquisition pour enrichir les données de la carte.
Ce traitement, répété, à chaque nouvelle acquisition de données, permet de résoudre le problème du SLAM, sans utiliser d'extraction d'amer, de tirage aléatoires, de modèles stochastiques (variance ou autres), ni de traitements lourds (correspondance ou « matching » de points d'images, etc.). On peut ainsi parvenir à des performances remarquables en termes de temps de calcul.
En référence à nouveau à la figure 2, bien entendu, tant que la carte complète souhaitée n'est pas établie à l'étape finale SF, une série de mesures suivante Sn+1 peut être effectuée et le groupe d'étapes Sn peut être répété.
Un avantage de la présente invention est sa rapidité de calcul, notamment du fait de :
- l'utilisation de tables pré-calculées pour la mise à jour de la carte,
- l'utilisation d'un algorithme de recherche locale pour l'estimation de la position.
Un second avantage est la précision obtenue. Le traitement rapide des données permet en effet de mettre à jour les cartes en temps réel et par conséquent d'utiliser un grand nombre de données. Il apparaît alors un phénomène statistique qui fiabilise le système : une donnée aberrante est «noyée» parmi les données valides et n'influence que très peu le résultat. De plus, elle peut être corrigée en grande partie aux itérations suivantes. Un troisième avantage est sa simplicité. Le traitement est indépendant des modèles d'instrument de mesure ou des capteurs utilisés. Il ne s'appuie pas sur un modèle mathématique qu'il faudrait recalculer en fonction des applications, des caractéristiques de motorisation du mobile ou de ses capteurs. En outre, les quelques paramètres de l'algorithme du traitement sont directement en relation avec des considérations physiques (précision et taille de la carte, vitesse maximum du mobile, déplacement maximum, etc.) et sont donc faciles à régler. Le traitement peut aussi être utilisé pour localiser un mobile de façon absolue dans l'environnement. Une telle application, couramment appelée « global positionning » ou « kidnapping », consiste à placer le mobile à une position inconnue dans un environnement connu, le mobile devant se localiser de façon absolu dans cet environnement. L'invention permet une telle application si le mobile dispose bien entendu de données préalables de carte (même partielles) de l'environnement dans lequel il est placé.
Bien entendu, la présente invention s'applique aussi bien en 2D qu'en 3D. En outre, il est possible d'utiliser également le traitement au sens de l'invention pour de la cartographie, mais aussi pour de la reconnaissance d'objets. Une carte de bâtiment peut alors être remplacée, dans une telle application, par l'établissement d'une base de données d'objets et les acquisitions scannées sont alors remplacées par des acquisitions (même partielles) 3D d'un objet. Ainsi, une autre application possible de l'invention concerne la reconnaissance d'objets 3D, par mesure de distances, à l'aide d'un mobile. Le traitement au sens de l'invention a donné de bons résultats, avec encore l'observation d'un minimum local (bien marqué) de la fonction de distance globale précitée. Par ailleurs, on peut prévoir une pluralité d'instruments de mesure propres à communiquer, chacun pour au moins un autre instrument, ses données de carte, de sorte qu'une étape de recoupement des données de carte issues de différents instruments de mesure puisse être menée. Une telle réalisation permet avantageusement de diminuer exactement le temps de traitement par le nombre de mobiles participant à l'élaboration d'une carte complète.
La présente invention vise aussi un dispositif de génération de données cartographiques pour la mise en œuvre du procédé décrit ci-avant. En référence à la figure 8, un tel dispositif comporte au moins un instrument mobile, de mesures de distances à un ou plusieurs obstacles OBS, comprenant :
- une unité de mesures de distances U-MES,
- des moyens de déplacement de l'instrument M-DEP,
- des moyens de communication COM des données mesurées à une unité de calcul de données de carte et de position courante du robot dans cette carte, et
- l'unité de calcul précitée.
En particulier, l'unité de calcul ΜΕΜ-μΡ comporte au moins un processeur μΡ et une mémoire MEM de travail pour :
- associer les distances mesurées aux pas angulaires respectifs de mesure dans la mémoire de travail, et
- déterminer, en fonction des distances mesurées pour chaque pas angulaire de positions courantes successives, à la fois :
- la dernière position courante de l'instrument de mesure, sur ladite carte, et
- de nouvelles données de ladite carte.
A cet effet, les minima des fonctions de distance globale sont avantageusement repérés comme décrit ci-avant en référence à la figure 7.
Dans l'exemple de la figure 8, l'instrument de mesure mobile intègre l'unité de calcul précité. Toutefois, dans une variante, l'unité de calcul peut être séparée (comme par exemple une unité PC connectée à l'instrument de mesure par un moyen de communication sans fil).
Par ailleurs, dans l'exemple de la figure 8, le dispositif MOBl peut comporter en outre des moyens d'émission/réception EM/REC (par exemple par communication sans fil) de données de carte qu'il peut échanger avec un autre dispositif MOB2 pour l'élaboration d'une carte complète du type précité, comme indiqué ci-avant.

Claims

REVENDICATIONS
1. Procédé de génération de données cartographiques, dans lequel au moins un instrument de mesure, mobile, est agencé pour mesurer des distances entre une position courante du mobile et des obstacles dans un environnement du mobile, caractérisé en ce qu'il comporte les étapes :
a) effectuer au moins N mesures de distances entre le mobile et des obstacles dans ledit environnement, par pas angulaires successifs de A/N chacun, où A est un secteur angulaire prédéterminé définissant au moins partiellement ledit environnement du mobile, et associer lesdites distances aux pas angulaires respectifs dans une mémoire de travail, pour établir des données de carte,
b) déplacer le mobile et réitérer l'étape a) pour une nouvelle position courante du mobile, et
c) déterminer, en fonction des distances mesurées pour chaque pas angulaire de la position courante de l'étape b) et de la position précédente de l'étape a), à la fois :
- la position courante du mobile à l'étape b), sur ladite carte, par rapport à sa position initiale à l'étape a), et
- de nouvelles données de ladite carte,
et en ce que, à l'étape c) :
- on détermine une fonction de distance globale entre le mobile et les obstacles, par rapport à la carte déterminée à l'étape a), et
- on repère un minimum local de ladite fonction, caractérisant une position courante du mobile à l'étape b).
2. Procédé selon la revendication 1, caractérisé en ce qu'il comporte une étape d) de réitérations successives des étapes b) et c) pour établir une carte d'au moins un objet ou bâtiment.
3. Procédé selon l'une des revendications 1 et 2, caractérisé en ce que, à l'étape a), on établit lesdites données de carte en fonction d'une indication de la position courante du mobile à l'étape a),
et en ce qu'il comporte une étape initiale a0) de détermination de la position absolue du mobile dans l'espace.
4. Procédé selon l'une des revendications précédentes, caractérisé en ce qu'il prévoit une pluralité d'instruments de mesure propres à communiquer, chacun pour au moins un autre instrument, ses données de carte, le procédé comportant en outre une étape de recoupement de données de carte issues de différents instruments de mesure.
5. Procédé selon l'une des revendications précédentes, caractérisé en ce que la fonction de distance globale présente un minimum local unique, correspondant pour, l'établissement d'une carte bidimensionnelle, à deux coordonnées cartésiennes X, Y, et un angle Θ définissant une orientation du mobile dans un plan à l'étape b).
6. Procédé selon l'une des revendications précédentes, caractérisé en ce que la fonction de distance globale présente un minimum local unique, correspondant, pour l'établissement d'une carte dans l'espace tridimensionnel, à trois coordonnées cartésiennes X, Y, Z, et trois angles θ,ψ,φ définissant ensemble une orientation du mobile dans l'espace à l'étape b).
7. Procédé selon l'une des revendications 5 et 6, caractérisé en ce que la fonction de distance globale est estimée par une somme de distances euclidiennes entre chaque point obstacle déterminé à l'étape a) et un point voisin, détecté comme obstacle à l'étape b).
8. Procédé selon la revendication 7, caractérisé en ce que :
- on établit au préalable une table de correspondance entre des points voisins d'un point central et des distances euclidiennes estimées entre ce point central et ses voisins, - pour le calcul de la fonction de distance globale, après détection d'obstacles à l'étape b), pour chaque obstacle, on détermine une distance avec le point obstacle le plus proche, déterminé à l'étape a), et on se réfère à ladite table de correspondance pour déterminer une distance euclidienne entre l'obstacle et un plus proche voisin,
- on estime ensuite ladite somme des distances euclidiennes, pour tous les points obstacles.
9. Procédé selon l'une des revendications précédentes, caractérisé en ce que le minimum de ladite somme de distances correspond à une orientation et une distance de déplacement du mobile, et en ce que, après détermination dudit minimum, on détermine une nouvelle position du mobile et de nouvelles données de carte.
10. Programme informatique, caractérisé en ce qu'il comporte des instructions pour la mise en œuvre du procédé selon l'une des revendications précédentes, lorsqu'il est exécuté par un processeur.
11. Dispositif de génération de données cartographiques pour la mise en œuvre du procédé selon l'une des revendications 1 à 9, comportant au moins un instrument mobile, de mesures de distances, comprenant :
une unité de mesures de distances pour la mise en œuvre de l'étape a),
des moyens de déplacement de l'instrument pour la mise en œuvre de l'étape b),
- des moyens de communication des données mesurées à une unité de calcul de données de carte et de position courante du robot dans ladite carte, et
- ladite unité de calcul,
caractérisé en ce que ladite unité de calcul comporte au moins un processeur et une mémoire de travail pour :
associer les distances mesurées aux pas angulaires respectifs de mesure dans la mémoire de travail, et
pour la mise en œuvre de l'étape c), déterminer, en fonction des distances mesurées pour chaque pas angulaire de positions courantes successives, à la fois :
- la dernière position courante de l'instrument de mesure, sur ladite carte, et - de nouvelles données de ladite carte,
- en déterminant une fonction de distance globale entre le mobile et les obstacles, par rapport à la carte déterminée à l'étape a), et
- en repérant un minimum local de ladite fonction, caractérisant une position courante du mobile à l'étape b).
PCT/FR2012/051427 2011-06-24 2012-06-22 Génération de données de carte WO2012175888A1 (fr)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US14/128,948 US10288425B2 (en) 2011-06-24 2012-06-22 Generation of map data
EP12731600.8A EP2724203B1 (fr) 2011-06-24 2012-06-22 Génération de données de carte
JP2014516428A JP6456141B2 (ja) 2011-06-24 2012-06-22 地図データの生成

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1155625 2011-06-24
FR1155625A FR2977023B1 (fr) 2011-06-24 2011-06-24 Generation de donnees de carte

Publications (1)

Publication Number Publication Date
WO2012175888A1 true WO2012175888A1 (fr) 2012-12-27

Family

ID=46456919

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/FR2012/051427 WO2012175888A1 (fr) 2011-06-24 2012-06-22 Génération de données de carte

Country Status (5)

Country Link
US (1) US10288425B2 (fr)
EP (1) EP2724203B1 (fr)
JP (1) JP6456141B2 (fr)
FR (1) FR2977023B1 (fr)
WO (1) WO2012175888A1 (fr)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104647344A (zh) * 2015-03-18 2015-05-27 重庆交通大学 三维地图构建用作业机器人
JP2017083230A (ja) * 2015-10-26 2017-05-18 トヨタ自動車株式会社 自己位置推定方法
CN111161424A (zh) * 2019-12-30 2020-05-15 浙江欣奕华智能科技有限公司 一种三维地图的确定方法及确定装置

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2952993B1 (fr) 2014-06-05 2018-04-25 Softbank Robotics Europe Procédé de construction d'une carte de probabilité d'absence et de présence d'obstacles pour un robot autonome
KR101868374B1 (ko) * 2016-10-20 2018-06-18 엘지전자 주식회사 이동 로봇의 제어방법
CN107688665B (zh) * 2017-09-27 2021-07-02 深圳大学 一种室内地图自动构建方法、装置及存储介质
CN107861132A (zh) * 2017-10-27 2018-03-30 上海斐讯数据通信技术有限公司 一种gps轨迹优化方法及装置
KR102275300B1 (ko) 2019-07-05 2021-07-08 엘지전자 주식회사 이동 로봇 및 그 제어방법
KR102224637B1 (ko) 2019-07-05 2021-03-08 엘지전자 주식회사 이동 로봇 및 그 제어방법
KR102297496B1 (ko) * 2019-07-11 2021-09-02 엘지전자 주식회사 인공지능을 이용한 이동 로봇 및 이동 로봇의 제어방법
KR102361130B1 (ko) 2019-07-11 2022-02-09 엘지전자 주식회사 이동 로봇 및 그 제어방법
KR102302575B1 (ko) * 2019-07-16 2021-09-14 엘지전자 주식회사 이동 로봇 및 그 제어방법
CN110515386A (zh) * 2019-09-19 2019-11-29 小狗电器互联网科技（北京）股份有限公司 一种智能机器人
CN117870653B (zh) * 2024-03-13 2024-05-14 中国科学技术大学 一种二维差分欧几里得符号距离场地图的建立与更新方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070293985A1 (en) * 2006-06-20 2007-12-20 Samsung Electronics Co., Ltd. Method, apparatus, and medium for building grid map in mobile robot and method, apparatus, and medium for cell decomposition that uses grid map

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0953939A (ja) * 1995-08-18 1997-02-25 Fujitsu Ltd 自走車の自己位置測定装置および自己位置測定方法
US20050234679A1 (en) * 2004-02-13 2005-10-20 Evolution Robotics, Inc. Sequential selective integration of sensor data
JP4533659B2 (ja) * 2004-05-12 2010-09-01 株式会社日立製作所 レーザー計測により地図画像を生成する装置及び方法
JP4300199B2 (ja) * 2005-06-13 2009-07-22 株式会社東芝 移動ロボット、移動ロボットの位置姿勢算出方法、移動ロボットの自律走行システム
JP5112666B2 (ja) * 2006-09-11 2013-01-09 株式会社日立製作所 移動装置
JP2008250906A (ja) * 2007-03-30 2008-10-16 Sogo Keibi Hosho Co Ltd 移動ロボット、自己位置補正方法および自己位置補正プログラム
JP5032953B2 (ja) * 2007-11-26 2012-09-26 パナソニック株式会社 自己位置認識システム
KR101457148B1 (ko) * 2008-05-21 2014-10-31 삼성전자 주식회사 로봇의 위치 추정 장치 및 그 방법
JP5298741B2 (ja) * 2008-10-01 2013-09-25 村田機械株式会社 自律移動装置
US8473141B2 (en) * 2008-12-11 2013-06-25 Kabushiki Kaisha Yaskawa Denki Robot system
JP5452442B2 (ja) * 2010-10-25 2014-03-26 株式会社日立製作所 ロボットシステム及び地図更新方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070293985A1 (en) * 2006-06-20 2007-12-20 Samsung Electronics Co., Ltd. Method, apparatus, and medium for building grid map in mobile robot and method, apparatus, and medium for cell decomposition that uses grid map

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ANDREAS NUECHTER ET AL: "6d slam 3d mapping outdoor environments", JOURNAL OF FIELD ROBOTICS, JOHN WILEY & SONS, INC, US, vol. 24, no. 8-9, 1 August 2007 (2007-08-01), pages 699 - 722, XP009156448, ISSN: 1556-4959, [retrieved on 20070907], DOI: 10.1002/ROB.20147C *
SEBASTIAN THRUN ET AL: "Stanley: The robot that won the DARPA Grand Challenge", JOURNAL OF FIELD ROBOTICS, JOHN WILEY & SONS, INC, US, vol. 23, no. 9, 1 September 2006 (2006-09-01), pages 661 - 692, XP009156447, ISSN: 1556-4959, [retrieved on 20060925], DOI: 10.1002/ROB.20147C *
STEFAN MAY ET AL: "3D pose estimation and mapping with time-of-flight cameras", INTERNET CITATION, 1 January 2008 (2008-01-01), pages 1 - 6, XP002656447, Retrieved from the Internet <URL:www.robotic.de/fileadmin/robotic/fuchs/iros08_3dcam.pdf> [retrieved on 20110804] *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104647344A (zh) * 2015-03-18 2015-05-27 重庆交通大学 三维地图构建用作业机器人
JP2017083230A (ja) * 2015-10-26 2017-05-18 トヨタ自動車株式会社 自己位置推定方法
CN111161424A (zh) * 2019-12-30 2020-05-15 浙江欣奕华智能科技有限公司 一种三维地图的确定方法及确定装置
CN111161424B (zh) * 2019-12-30 2023-06-02 浙江欣奕华智能科技有限公司 一种三维地图的确定方法及确定装置

Also Published As

Publication number Publication date
US20140142891A1 (en) 2014-05-22
JP6456141B2 (ja) 2019-01-23
JP2014523572A (ja) 2014-09-11
EP2724203B1 (fr) 2017-09-13
US10288425B2 (en) 2019-05-14
FR2977023B1 (fr) 2014-02-21
EP2724203A1 (fr) 2014-04-30
FR2977023A1 (fr) 2012-12-28

Similar Documents

Publication Publication Date Title
EP2724203B1 (fr) Génération de données de carte
US10475232B2 (en) Three-dimentional plane panorama creation through hough-based line detection
EP2572319B1 (fr) Procede et systeme pour fusionner des donnees issues de capteurs d&#39;images et de capteurs de mouvement ou de position
EP2549434B1 (fr) Procédé de modélisation de bâtiments à partir d&#39;une image géoréférencée
EP3252615B1 (fr) Procede et systeme de determination de cellules traversees par un axe de mesure ou de visualisation
CN112384891B (zh) 用于点云着色的方法和***
FR2998401A1 (fr) Procede de reconstruction 3d et de mosaiquage 3d panoramique d&#39;une scene
EP3679517B1 (fr) Procede de determination des bords saillants d&#39;une cible sur une image
EP3614306B1 (fr) Procédé de localisation et d&#39;identification de visage et de détermination de pose, à partir d&#39;une vue tridimensionnelle
EP3126864B1 (fr) Procédé de géo-localisation de l&#39;environnement d&#39;un porteur
JP2019185787A (ja) 地理的地域内のコンテナのリモート決定
CN118159997A (zh) 使用神经网络对深度图像数据去噪
EP4352693A1 (fr) Procédé de reconstruction d&#39;un modèle 3d d&#39;un toit d&#39;un bâtiment par analyse d&#39;images acquises par télédétection
WO2017093057A1 (fr) Procede de caracterisation d&#39;une scene par calcul d&#39;orientation 3d
EP1190208A1 (fr) Procede de mesurage d&#39;un objet tridimensionnel, ou d&#39;un ensemble d&#39;objets
EP3073441A1 (fr) Procédé de correction d&#39;une image d&#39;au moins un objet présenté à distance devant un imageur et éclairé par un système d&#39;éclairage et système de prise de vues pour la mise en oeuvre dudit procédé
FR2978276A1 (fr) Procede de modelisation de batiments a partir d&#39;une image georeferencee
FR2997492A1 (fr) Procede d&#39;etablissement d&#39;un plan de recolement geolocalise, produit programme d&#39;ordinateur et moyen de stockage correspondants
FR3065097B1 (fr) Procede automatise de reconnaissance d&#39;un objet
FR2992414A1 (fr) Procede d&#39;etablissement d&#39;un plan de recolement geolocalise, produit programme d&#39;ordinateur et moyen de stockage correspondants.
EP3757943B1 (fr) Procédé et dispositif de télémétrie passive par traitement d&#39;image et utilisation de modeles en trois dimensions
CN112927291B (zh) 三维物体的位姿确定方法、装置及电子设备和存储介质
CN117804442A (zh) 飞行器的位姿确定方法、装置、电子设备及存储介质
CN118243681A (zh) 草本植物地上生物量多源观测方法及***
FR3131777A1 (fr) procédé d’alignement d’une caméra sur une route

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 12731600

Country of ref document: EP

Kind code of ref document: A1

REEP Request for entry into the european phase

Ref document number: 2012731600

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 14128948

Country of ref document: US

ENP Entry into the national phase

Ref document number: 2014516428

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE