Obstacle avoidance for quadrotors using a depth sensor
Évitement d'obstacles pour quadrirotors en utilisant un capteur de profondeur
Résumé
Safety is a major concern in robotics to protect both the robot and its environment. Among the fonctionalities related to safety, obstacle avoidance is looked for since it allows autonomous navigation in unknown environments. This thesis is built around this obstacle avoidance functionnality for a specific type of robots, quadrotors. Two obstacle avoidance algorithms are presented. The first one is the aggregation of recent researchs dedicated to quadrotors but presented in various contexts. The second algorithm includes a novel feature, a spatial filter on costs associated to generated trajectories, which improves the overall performances in avoiding obstacles. Both algorithms use a single RGBD sensor et are based, among other things, on differential flatness and on a representation of the environment that we call an egocubemap. During the thesis, the quality of the tests there were used to cheracterize the algorithms was one of the major concern. It led to the creation of the BOARR benchmark. This benchmark has been developped as an attempt to simulate the most common test environment for quadrotor obstacle avoidance : a forest. This benchmark is available online and is open source. It aims at increasing the quality of the tests used when characterizing the performances of obstacle avoidance algorithms which are related to safety and therefore deserve extended testings.
La sécurité est l'une des préoccupations majeures en robotique et ce autant dans le but de protéger le robot que dans le but de protéger son environnement. Parmi les fonctionnalités relevant de la sécurité, l'évitement d'obstacles est prisée car elle permet de faire évoluer un robot de manière autonome dans un environnement non contrôlé. Cette thèse s'articule autour de cette fonctionnalité d'évitement d'obstacles pour un type de robot spécifique, le quadrirotor. Deux algorithmes d'évitement d'obstacles seront ainsi présentés. Le premier sera quasiment exclusivement l'agrégat d'éléments présentés indépendamment les uns des autres dans la littérature récente dédiée aux quadrirotors. Le deuxième algorithme présentera une nouveauté, un filtrage spatial sur les coûts associés aux différentes trajectoires générées, qui permet d'améliorer les performances d'évitement. Ces deux algorithmes utiliseront un unique capteur de profondeur et se baseront, notamment, sur la platitude des quadrirotors et sur l'utilisation d'une carte de profondeur locale donnant une information sur 360degree.L'autre contribution de cette thèse réside dans la création du benchmark BOARR qui a été développé pour effectuer des tests d'évitement d'obstacles en simulation. Ce benchmark a été construit pour tenter de simuler au mieux un des problèmes présent à de multiples reprises dans la littérature : la navigation dans une forêt dense avec un quadrirotor d'environ SI{500}{g}. Ce benchmark est disponible en open-source et l'auteur de cette thèse espère, grâce à cet outil, augmenter la qualité des tests effectués sur la capacité d'évitement d'obstacles qui est, on le rappelle, une fonctionnalité de sécurité et qui nécessite donc des tests rigoureux.
| Origine | Version validée par le jury (STAR) |
|---|
Loading...