Méthodes de Vision pour la Navigation des Véhicules Aériens Autonomes

par Eric Bazan

Projet de thèse en Morphologie mathématique

Sous la direction de Petr Dokladal et de Eva Dokladalova.

Thèses en préparation à Paris Sciences et Lettres , dans le cadre de Ingénierie des Systèmes, Matériaux, Mécanique, Énergétique , en partenariat avec Mathématiques et Systèmes (laboratoire) , CMM - Centre de Morphologie Mathématique (equipe de recherche) et de École nationale supérieure des mines (Paris) (établissement de préparation de la thèse) depuis le 01-10-2017 .


  • Résumé

    Méthodes de vision pour navigation des véhicules autonome aériens Depuis les dernières années, les avancées technologiques ont permis d'engendrer un intérêt croissant pour les véhicules aériens autonomes (sans pilote). Les champs d'exploitation sociétale et industruelle de tels 'robot' aériens sont d'inombrables: • à l'extérieur : inspection d'ouvrages, observation d'environnement urbain, l'exploration d'environnements dangereux ou transport des objets, • à l'intérieur : l'inspection des batiments confiné, transport des objets. Etc. Pour naviguer dans des différents environements, potentielement même très encombrés, les capacités d'évitement d'obstacles, de décollage et notamment d'atterrissage automatique dans des milieux inconnus sont cruciales. Ajourd'hui, les drones sont équipés de la navigation à base de mesures GPS, souvent combiné avec les décteurs ultrason pour détéction d'obstacles. Malheureusement, en environnement urbain ou intérieur, le GPS n'est pas toujours disponible. En plus, les détécteurs ultrason peuvent subir des erreur de mesures de la proximité des obstacles. C'est pourquoi les systèmes de vision sont impérativement utilisé pour compléter l'asservissement de drone. En générale, les techniques de commande par vision font souvent l'hypothèse que l'environnement est connu ou partiellement connu, et correspondant à un seul environement (intérieur ou extérieur). L'objectifs de cette thèse est de proposer des nouvelles approches de commande par vision, dans un milieux inconnu, pour les fonctions d'aterissage automatique dans le premier temps et d'évitement d'obstacles dans un deuxième temps. Le travail de recherche pourrait s'articuler autour des grandes étapes suivantes • Etat de l'art : analyse des systèmes de vision UAV existants et des méthodes de traitement d'image associées, établiessement d'une classification (systèmes monoculaires, stéréovision, etc), d'évaluation des performance en terme de robustesse, qualité de résultat, et compléxité de calcul, et l'appréciation de faisabilité, embarcabilité, scaliabilité des différente méthodes • Proposer de nouvelles approches méthodologiques et algorithmiques pour réaliser les fonctions spéciée de navigation autonome UAV. Par exemple: dans le premier temps, approche par la morphologie mathématique, combinée avec les méthode de 'intelligence artificielle' type deep learning peuvent être considérées. • Choisir et implanter les fonction retenues pour validation et évaluation fonctionnelle puis, si possible propoposer implantation tenant compte des contraintes d'embarquabilité et temps réel à grande échelle industruelle. La rédaction des publications et la valorisation est une partie intégrante du travail de recherche proposé.

  • Titre traduit

    Computer Vision in Unmanned Aerial Vehicles Trajectory Definition


  • Résumé

    Methods of vision for navigation of autonomous aerial vehicles In recent years, advances in technology have led to a growing interest in autonomous (unmanned) air vehicles. The fields of societal and industrial exploitation of such aerial 'robots' are countless: • outside: inspection of structures, observation of the urban environment, exploration of dangerous environments or transport of objects, • inside: inspection of confined buildings, transport of objects. Etc. To navigate in different environments, potentially even very congested, the capabilities of avoiding obstacles, taking off and especially automatic landing in unfamiliar environments are crucial. Today, drones are equipped with navigation based GPS measurements, often combined with ultrasonic decoders for obstacle detection. Unfortunately, in urban or indoor environments, GPS is not always available. In addition, ultrasonic sensors may be subject to measurement errors in the vicinity of obstacles. This is why the vision systems are imperatively used to complete the UAV control. In general, vision control techniques often assume that the environment is known or partially known, and corresponds to a single environment (interior or exterior). The aim of this thesis is to propose new approaches to vision control, in an unfamiliar environment, for the functions of automatic landing in the first time and obstacle avoidance in a second time. The research work could focus on the following major steps • State of the art: analysis of existing UAV vision systems and related image processing methods, establishment of classification (monocular systems, stereovision, etc.), performance evaluation in terms of robustness, quality of result, and computational complexity, and the assessment of feasibility, vesselability, scalability of different methods • Propose new methodological and algorithmic approaches to perform the specific functions of autonomous navigation UAV. For example: in the first step, approach by mathematical morphology, combined with the methods of 'artificial intelligence' type deep learning can be considered. • Select and implement the functions selected for validation and functional evaluation and then, if possible, propose implementation taking into account the constraints of embarquability and real-time industrial scale. The writing of publications and valorisation is an integral part of the proposed research work.