École Nationale Supérieure de
Techniques Avancées

Abstract

A travers ce stage, une nouvelle technique nommée Gaussian Process Occupancy Map (GPOM) est mise en œuvre afin de construire des cartes de l’environnement entourant un robot. Traditionnellement, les cartes sont construites à partir d’une grille d’occupation qui s’appuie sur l’idée que chaque cellule est indépendante et non corrélée aux autres. Chaque cellule a une valeur binaire indiquant l’état d’occupation : 1 pour une case occupée ou 0 pour une case libre. Bien que la grille d’occupation soit extrêmement rapide à construire, la structure des objets n’est pas prise en compte par ce type de représentation ce qui est un inconvénient majeur pour construire des cartes de manière précise. Les cartes construites via la méthode GPOM représentent également l’environnement en régions occupées ou libres mais les corrélations spatiales entre les observations sont prises en compte. Ainsi la structure des objets entourant le robot est prise en considération. Via le processus gaussien, il est possible de connaitre l’état d’occupation de n’importe quel point de l’espace. La carte est construite en temps réel à n’importe quelle résolution à partir des données du LIDAR et de son odométrie. Enfin, l’apprentissage machine permet de trouver les paramètres optimaux du processus gaussien afin d’obtenir une meilleure représentation de l’environnement.