Добірка наукової літератури з теми "Robots sous-marins – Navigation"

La navigation referencee images de terrain est un procede de positionnement qui permet la localisation du vehicule dans une carte globale representant la zone de travail. Pour cela, l'engin est equipe de capteurs a partir desquels il peut creer une image de son environnement local. Cette image locale est comparee a une image globale de terrain prealablement mise en memoire. Si une correspondance est trouvee, le vehicule peut calculer sa position et son orientation dans la zone cartographiee. Cette these presente une methode complete de navigation referencee images de terrain pour engins sous-marins. La technique proposee utilise soit des images de profondeur acquises par sondeur acoustique, soit des images video acquises par camera sous-marine. Tout d'abord, un lissage et une segmentation sont necessaires pour extraire de ces images des points caracteristiques. Des attributs differentiels, invariants a la translation et a la rotation, sont calcules en ces points pour realiser l'appariement des images. Un algorithme iteratif estime la position et l'orientation de l'image locale ainsi que le changement d'echelle entre les deux images, puis actualise l'ensemble des points apparies. L'estimation en ligne des variances des attributs permet l'utilisation d'outils probabilistes comme la distance de mahalanobis (seuillage) et la methode des moindres carres ponderes (estimation de la transformation).

Durant les dernières années, l’imagerie visuelle est de plus en plus utilisée dans le milieu sous-marin, aussi bien comme une aide à la navigation que comme un outil de cartographie permettant l’étude et la surveillance des fonds sous-marins. Ces opérations de surveillance consistent principalement en l’établissement de cartes des fonds sur de larges zones (plusieurs km2). Les contraintes du milieu (grandes profondeurs, faible absorption de la lumière, etc…) imposent comme systématique l’utilisation de robots autonomes (AUVs), et ce à une altitude proche du fond. La carte est alors réalisée en mettant en correspondance les images enregistrées et en les fusionnant : on parle de mosaïques d’images. Les méthodes actuelles de construction de larges mosaïques ne garantissent pas le recouvrement de celles-ci, permettant ainsi l’existence possible de trous. Pourtant, cet enjeu est primordial afin de permettre une observation complète de la zone de mission. C’est dans ce contexte que s’inscrit notre sujet : «Acquisition de mosaïques d’images complètes à l’aide d’un engin sous-marin autonome». Nous développons une stratégie adaptative qui assure le recouvrement de la mosaïque. Nous nous basons sur des trajectoires de type lawnmower et déterminons, à la fin de chaque segment observé, la distance avec le prochain segment. Cette distance dépend de l’incertitude de positionnement du robot. Celui-ci dérivant au cours du temps, il doit régulièrement se repositionner pour ne pas se perdre. En ce sens, les caractéristiques morphologiques de la zone observée vont définir des événements possibles de recalage, au cours desquels le robot va faire une mise à zéro de son erreur. Plus la région observée est texturée, plus le nombre d’événements est élevé, et plus le véhicule est mieux à même de se repositionner. La distance inter-segment sera alors grande. Au contraire, plus la région sera lisse, plus la distance de recouvrement sera faible. Dans notre souci d’optimisation de la distance inter-segment, nous risquons d’être confrontés à des situations de mises en correspondance d’images présentant un faible recouvrement. Les méthodes classiques échouent dans de telles situations car elles forcent les associations entre les localités des images (templates). Nous avons établit une méthode, basée sur la Théorie de l’Information, qui pallie ce problème et prend en compte ces ambiguïtés
During the last years, visual imagery has been more and more used in the underwater environment, as well as an help for navigation than as a tool for cartography allowing the study and survey of seafloors. These operations of survey consist principally in the establishment of maps of the seafloor on large zones (several km2). The constraints of the environment (depth, low absorption of light, etc…) impose as systematic the use of autonomous underwater vehicles (AUV), and this at an altitude close to the ground. The map (image mosaic) is then obtained by matching and fusing the recorded images. The current construction methods of large mosaics do not guarantee the overlap of these ones, leading to the possible existence of holes in the mosaics. However, this stake is high in order to allow the complete observation of the mission zone. It is in this context that we have developed our subject of research : “Acquisition of complete image mosaics with an autonomous underwater vehicle”. We develop an adaptive strategy that ensures the mosaic overlapping. We base our study on lawnmower trajectories and determine, at the end of each observed segment, the distance with the next segment. This distance depends on the robot relative positioning incertitude. This incertitude increasing with the time, the vehicle must recalculate its position frequently in order to not lose itself. The relief characteristics of the observed zone will define possible registration events, for which the vehicle will reset his positioning error. The more the textured region is, the higher the number of events is, and thus the vehicle can better position itself. The inter-track distance is then high. On the contrary, the less the region is informative, the lower the distance is. In our aim of inter-track distance optimisation, we risk to be confronted to low overlap image matching situations. The classical methods fail in such situations because they force the association between image localities (templates). We have established a method, based on Information Theory, that palliates this problem and take into account these ambiguities

Aujourd'hui traverser les océans peut s'effectuer sans difficulté en utilisant toute sorte de véhicule marin. Cependant, il n'en est pas de même pour l'exploration des fonds marins. Face à ce milieu hostile et dangereux, mais potentiellement riche tant sur le plan biologique que sur le plan d'éventuelles ressources exploitables, l'homme a besoin d'assistance dans sa découverte des profondeurs, l'intervention de robots sous-marins est une alternative pour écarter les dangers qui peuvent subir les plongeurs. Dans ce contexte, le présent manuscrit porte sur la modélisation et la commande d'un ROV (Remotely Operated Vehicle) destiné pour l'observation des sites archéologies. Après avoir identifié les différentes variables caractérisantes de la géométrie fixe, nous détaillons, dans un premier temps, la modélisation cinématique et dynamique du véhicule. Il est important de noter qu'un jeux de paramètres d'inertie, masse ajoutée et coefficients de traînées est identifié moyennant les caractéristiques géométriques du robot. Un modèle hydrodynamique non-linéaire et complet du sous-marin a ainsi pu être développé. Pour réussir une opération d'observation, en utilisant les caméras embarquées, la deuxième partie de la thèse traite le problème de stabilisation du modèle du ROV à l'équilibre. Nous proposons une commande instationnaire explicite dépendante à la fois de l'état et du temps, suivie d'une étude de robustesse de la commande par rapport aux perturbations extérieures vérifiant certains degrés d'homogénéité. L'autonomie d'une opération d'observation nécessite aussi de contrôler les déplacements du Rov tout au long d'une trajectoire de référence. Nous avons traité dans la troisième partie de ce manuscrit le problème de stabilité et de stabilisation d'un système d'erreur entre la position réelle du véhicule et la position d'un modèle de référence. Afin d'exploités les résultats théoriques de la thèse, en bénéficiant de l'expertise de l'équipe IRA2 dans le domaine de la Réalité Virtuelle (RV), en dépit des simulations classiques réalisées sous Matlab, nous proposons de construire un environnement sous-marin (ou piscine) qui intègre la CAD du Rov: simulation interactive pour la navigation. Ainsi, on a posé les problématiques liées aux capteurs virtuels et la construction des observateurs, interfaçage des boucles de commande (à travers simulink) et la plateforme virtuelle qui fait appel à Virtools
Today cross oceans can be done easily. However, it is not the same case for the seabed exploration. As this hostile and dangerous environment can be biologically rich and has exploitable resources, the man needs help in his discovery of the depths. Therefore, the intervention of underwater robots was a solution. In this context, the present manuscript deals with modeling and control of a ROV (Remotely Operated Vehicle). After identifying the different variables characterizing the fixed geometry, we study, at first, kinematics and dynamic modeling of the ROV. It is important to note that sets of inertia parameters of added mass and streaks coefficients is identified by means of the geometrical characteristics of the robot. A full nonlinear dynamic model of the submarine has been established. The second part of the thesis deals with the stabilization problem of the ROV’s model. We offer an explicit unsteady dependent control of both the state and time. A robust study of the control relative to external interference checking certain degree of homogeneity has been established. The autonomy of Rov also requires control movement along a reference path. We treated in the third part the Rov’s stability problem to ensure the tracking of a reference trajectory. These results are operated on a virtual platform, and implemented on the dedicated Virtools software for this application. To lighten the structure in terms of sensors and because of the high prices of various sensors, it is necessary to design a system called auxiliary observer who charge rebuild unmeasurable states using available information. A nonlinear observer has been proposed to the estimation of linear and non-measurable angular velocity, which will be considered as virtual sensors. These sensors will be implemented on the platform that will be used to animate the ROV in its virtual world

L’environnement marin est un cadre très hostile pour la robotique. Il est fortement non-structuré, très incertain et inclut beaucoup de perturbations externes qui ne peuvent pas être facilement prédites ou modélisées. Dans ce travail, nous allons essayer de contrôler un véhicule sous-marin autonome (AUV) afin d’effectuer une tâche de suivi de points de cheminement, en utilisant un contrôleur basé sur de l’apprentissage automatique. L’apprentissage automatique a permis de faire des progrès impressionnants dans de nombreux domaines différents ces dernières années, et le sous-domaine de l’apprentissage profond par renforcement a réussi à concevoir plusieurs algorithmes très adaptés au contrôle continu de systèmes dynamiques. Nous avons choisi d’implémenter l’algorithme du Soft Actor-Critic (SAC), un algorithme d’apprentissage profond par renforcement régularisé en entropie permettant de simultanément remplir une tâche d’apprentissage et d’encourager l’exploration de l’environnement. Nous avons comparé un contrôleur basé sur le SAC avec un contrôleur Proportionnel-Intégral-Dérivé (PID) sur une tâche de suivi de points de cheminement et en utilisant des métriques de performance spécifiques. Tous ces tests ont été effectués en simulation grâce à l’utilisation de l’UUV Simulator. Nous avons décidé d’appliquer ces deux contrôleurs au RexROV 2, un véhicule sous-marin téléguidé (ROV) de forme cubique et à six degrés de liberté converti en AUV. Grâce à ces tests, nous avons réussi à proposer plusieurs contributions intéressantes telles que permettre au SAC d’accomplir un contrôle de l’AUV de bout en bout, surpasser le contrôleur PID en terme d’économie d’énergie, et réduire la quantité d’informations dont l’algorithme du SAC a besoin. De plus nous proposons une méthodologie pour l’entraînement d’algorithmes d’apprentissage profond par renforcement sur des tâches de contrôle, ainsi qu’une discussion sur l’absence d’algorithmes de guidage pour notre contrôleur d’AUV de bout en bout
The marine environment is a very hostile setting for robotics. It is strongly unstructured, very uncertain and includes a lot of external disturbances which cannot be easily predicted or modelled. In this work, we will try to control an autonomous underwater vehicle (AUV) in order to perform a waypoint tracking task, using a machine learning-based controller. Machine learning allowed to make impressive progress in a lot of different domain in the recent years, and the subfield of deep reinforcement learning managed to design several algorithms very suitable for the continuous control of dynamical systems. We chose to implement the Soft Actor-Critic (SAC) algorithm, an entropy-regularized deep reinforcement learning algorithm allowing to fulfill a learning task and to encourage the exploration of the environment simultaneously. We compared a SAC-based controller with a Proportional-Integral-Derivative (PID) controller on a waypoint tracking task and using specific performance metrics. All the tests were performed in simulation thanks to the use of the UUV Simulator. We decided to apply these two controllers to the RexROV 2, a six degrees of freedom cube-shaped remotely operated underwater vehicle (ROV) converted in an AUV. Thanks to these tests, we managed to propose several interesting contributions such as making the SAC achieve an end-to-end control of the AUV, outperforming the PID controller in terms of energy saving, and reducing the amount of information needed by the SAC algorithm. Moreover we propose a methodology for the training of deep reinforcement learning algorithms on control tasks, as well as a discussion about the absence of guidance algorithms for our end-to-end AUV controller