ANGELI Adrien

doctorant à Sorbonne Université
Équipe : AnimatLab
https://fr.linkedin.com/in/adrien-angeli

Direction de recherche : Jean-Arcady MEYER

Co-encadrement : DONCIEUX Stéphane

Détection visuelle de fermeture de boucle et applications à la localisation et cartographie simultanées

La détection de fermeture de boucle est cruciale pour améliorer la robustesse des algorithmes de SLAM. Par exemple, après un long parcours dans des zones inconnues de l'environnement, détecter que le robot est revenu sur une position passée offre la possibilité d'améliorer la cohérence de l'estimation. Reconnaître des lieux déjà cartographiés est également pertinent pour rétablir une estimation cohérente suite à un "enlèvement'' (i.e., lorsque le robot a été déplacé sans être informé du déplacement effectué). Le but des recherches présentées dans ce mémoire de thèse peut être scindé en deux points. Tout d'abord, nous présentons un algorithme de détection de fermeture de boucle basé sur la vision. Notre méthode repose sur du filtrage Bayésien pour le calcul de la probabilité de détection de fermeture de boucle, en encodant les images sous la forme d'ensembles de primitives locales selon le paradigme des sacs de mots visuels. Deuxièmement, nous proposons deux applications différentes de notre solution aux contextes métrique et topologique du SLAM. Dans la première application, nous montrons de quelle manière la détection de fermeture de boucle peut être employée pour la reconnaissance de lieux, afin de construire des cartes topologiques cohérentes de l'environnement. Dans la seconde application, la détection de fermeture de boucle sert à localiser la caméra dans un algorithme de SLAM métrique suite à un enlèvement. Nous démontrons la qualité de nos travaux sur des séquences vidéos acquises dans des environnements d'intérieur, d'extérieur et mixtes (i.e., intérieur / extérieur), sur la base d'une simple caméra monoculaire déplacée à la main, et en présence d'un aliasing perceptuel important (i.e., lorsque plusieurs lieux distincts se ressemblent).

Soutenance : 11/12/2008

Membres du jury :

Philippe Bidaud (ISIR, UPMC)
Andrew Davison (DoC, Imperial College London)
Delphine Dufourd (DGA)
David Filliat (UEI, ENSTA)
Simon Lacroix (LAAS-CNRS) [Rapporteur]
Jean-Arcady Meyer (ISIR, UPMC)
Patrick Rives (INRIA-Sophia Antipolis) [Rapporteur]

Date de départ : 12/12/2008

Publications 2006