Système de vision embarqué pour l'amélioration de l'autonomie des drones sous-marins
par Tanguy Le Pennec
Thèse de doctorat en Informatique
Sous la direction de Ayman Al Falou.
Soutenue le 26-09-2022
à Brest , dans le cadre de École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes) , en partenariat avec Institut supérieur de l'électronique et du numérique (laboratoire) .
Le président du jury était Christian Brosseau.
Le jury était composé de Ayman Al Falou, Christian Brosseau, Denis Hamad, Fadi Dornaika, Catherine Dezan, Badr-Eddine Benkelfat.
Les rapporteurs étaient Denis Hamad, Fadi Dornaika.
- Sciences et technologies de l’information et de la communication
- Intelligence artificielle
- Traitement d’images
- Drones
- Embarqué
- Drones sous-marins
- Systèmes embarqués (informatique)
- Reconnaissance d'objets (informatique)
mots clés
-
Résumé
Pour les acteurs du monde sous-marin, les campagnes sous-marines sont nécessaires pour plusieurs applications telles que les opérations sous-marines offshores, la défense, les énergies renouvelables et les observatoires sous-marins. Ces campagnes sont assistées par des robots d’intervention ou d’observation équipés de caméras sous-marines, opérés par un opérateur à distance. L’augmentation du besoin de surveillance et d’intervention sur les installations sous- marines appelle un nombre croissant de véhicules (drones) automatisés ou autonomes capables d’opérer seuls ou avec un niveau de contrôle humain très limité. Ces véhicules représentent un moyen technologique efficace pour la simplification des opérations et la réduction des coûts. Le projet de thèse s’inscrit dans ce cadre et propose d’améliorer les performances de fonctionnement des drones autonomes sous-marins et donc leur autonomie en embarquant un système de vision doté de fonctions d’apprentissage, d’analyse de scène, de prise de décision et de communications. Plus concrètement, dans le cadre de cette thèse nous souhaitons améliorer l’autonomie des drones sous-marins en proposant des techniques d’apprentissage et les traitements d’images adéquats à embarquer sur un drone. Nous ciblons en particulier la reconnaissance d’objets et la classification des environnements et objets naturels ou manufacturés.Une attention particulière sera donnée aux techniques d’apprentissage en ligne pour prendre en compte les variations de l’environnement et les retours d’expériences passées afin d’améliorer les taux de reconnaissance. Doté des fonctionnalités listées ci-dessus, le drone sera en mesure de lever le doute quant à la nature de l’environnement et pour le cartographier.
- Information and communication technology
- Artificial intelligence
- Image processing
- AUV
- Embedded systems
mots clés
-
Titre traduit
Embedded vision system for improving the autonomy of underwater drones
-
Résumé
For actors in the underwater world, underwater campaigns are necessary for several applications such as offshore underwater operations, defense, renewable energies, and underwater observatories. These campaigns are assisted by intervention or observation robots equipped with underwater cameras, operated by a remote operator. The increasing need for surveillance and intervention on underwater installations calls for an increasing number of automated or autonomous vehicles capable of operating alone or with very limited human control.These vehicles represent an effective technological means for simplifying operations and reducingcosts. The thesis project is part of this framework and aims to improve the performance of autonomous underwater drones and therefore their autonomy by incorporating a vision system with learning, scene analysis, decision-making, and communication functions. More specifically, in the context of this thesis, we aim to improve the autonomy of underwater drones by proposing learning techniques and image processing suitable for embedding on a drone. We particularly target object recognition and classification of natural or manufactured environments and objects. Particular attention will be given to online learning techniques to take into account environmental variations and past experiences in order to improve recognition rates. Equipped with the above-listed features, the drone will be able to lift the doubt about the nature of the environment and to map it.
