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…