Contribution à la localisation et la cartographie simultanées (SLAM) dans un environnement urbain inconnu

Abstract

Ce Travail traite les problèmes de localisation et de cartographie pour un robot mobile de type voiture évoluant dans un environnement urbain inconnu.Le robot est équipé d'un capteur laser de type Sick LMS511 Pro dont les données sont ex-ploitées pour l'accomplissement de ces tâches.Dans une telle situation,les deux problèmes ne peuvent pas être dissociés,c'est pourquoi,il adopter une approche de localisation et cartographie simultanées (SLAM).La solution dé-veloppée dans ce manuscrit est nommée NDT-PSO.Elle est basée sur la méthode de la transformation de distribution normale (NDT) et la méthode d'optimisation par essaim particulaire (PSO). La NDT est une méthode SLAM dont le principe est de déterminer la transformation géométrique entre deux scans laser successives grâce à des techniques d'alignement. Sa représentation de l'environnement est ba- sée sur la modélisation de tous les points 2D reconstruits à partir d'un scan laser par une collection de distributions normales locales. La méthode PSO est utilisée dans la phase d'optimisation des paramètres de transformation afin de déterminer les poses (positions et orientations) du robot.Les algorithmes proposés sont im- plémentés en langage Python sous le système ROS et testés sur le robot mobile RobuCar dans le cadre d'un projet de transport urbain intelligent