Dans cette thèse on s'intéresse au problème de la localisation d'un robot sous-marin et de la cartographie en simultané d'un jeu de balises acoustiques installées sur le fond marin, en utilisant un distance-mètre acoustique et une centrale inertielle. Nous nous focalisons sur les deux approches principales utilisées pour résoudre ce type de problème: le filtrage de Kalman et le filtrage ensembliste basé sur l'analyse par intervalles. Le filtre de Kalman est optimal quand les équations d'état du robot sont linéaires et les bruits sont additifs, Gaussiens. Le filtrage par intervalles ne modélise pas les incertitudes dans un cadre probabiliste, et ne fait qu'une seule hypothèse sur leur nature: elles sont bornées. De plus, l'approche utilisant les intervalles permet la propagation rigoureuse des incertitudes, même quand les équations sont non linéaires. Cela résulte en une estimation hautement fiable, au prix d'une précision réduite. Nous montrons que dans un contexte sous-marin, quand le robot est équipé avec une centrale inertielle de haute précision, une partie des équations du SLAM peut raisonnablement être considérée comme linéaire avec un bruit Gaussien additif, en faisant le terrain de jeu idéal d'un filtre de Kalman. De l'autre côté, les équations liées aux observations du distance-mètre acoustique sont bien plus problématiques: le système n'est pas observable, les équations sont non linéaires, et les outliers sont fréquents. Ces conditions sont idéales pour une approche à erreur bornées basée sur l'analyse par intervalles. En prenant avantage des propriétés des bruits Gaussiens, cette thèse réconcilie le traitement probabiliste et ensembliste des incertitudes pour les systèmes aussi bien linéaires que non linéaires sujets à des bruits Gaussiens additifs. En raisonnant de manière géométrique, nous sommes capables d'exprimer la partie des équations du filtre de Kalman modélisant la dynamique du véhicule dans un cadre ensembliste. De la même manière, un traitement plus rigoureux et précis des incertitudes est décrit pour la partie des équations du filtre de Kalman liée aux mesures de distances. Ces outils peuvent ensuite être combinés pour obtenir un algorithme de SLAM qui est fiable, précis et robuste. Certaines des méthodes développées dans cette thèse sont illustrées sur des données réelles. / In this thesis, we work on the problem of simultaneously localizing an underwater robot while mapping a set of acoustic beacons lying on the seafloor, using an acoustic range-meter and an inertial navigation system. We focus on the two main approaches classically used to solve this type of problem: Kalman filtering and set-membership filtering using interval analysis. The Kalman filter is optimal when the state equations of the robot are linear, and the noises are additive, white and Gaussian. The interval-based filter do not model uncertainties in a probabilistic framework, and makes only one assumption about their nature: they are bounded. Moreover, the interval-based approach allows to rigorously propagate the uncertainties, even when the equations are non-linear. This results in a high reliability in the set estimate, at the cost of a reduced precision.We show that in a subsea context, when the robot is equipped with a high precision inertial navigation system, a part of the SLAM equations can reasonably be seen as linear with additive Gaussian noise, making it the ideal playground of a Kalman filter. On the other hand, the equations related to the acoustic range-meter are much more problematic: the system is not observable, the equations are non-linear, and the outliers are frequent. These conditions are ideal for a set-based approach using interval analysis.By taking advantage of the properties of Gaussian noises, this thesis reconciles the probabilistic and set-membership processing of uncertainties for both linear and non-linear systems with additive Gaussian noises. By reasoning geometrically, we are able to express the part of the Kalman filter equations linked to the dynamics of the vehicle in a set-membership context. In the same way, a more rigorous and precise treatment of uncertainties is described for the part of the Kalman filter linked to the range-measurements. These two tools can then be combined to obtain a SLAM algorithm that is reliable, precise and robust. Some of the methods developed during this thesis are demonstrated on real data.

[pt] Ensaios sobre o rap e o slam na São Paulo contemporânea analisa algumas das transformações ocorridas no período entre 1997 - ano de lançamento do álbum Sobrevivendo no Inferno, do Racionais MC s - e o momento atual, o ano de 2017, no que diz respeito à palavra cantada na cultura hip-hop em São Paulo. Como essa cena atualmente tem como característica central a sua multiplicidade, esta tese compõe-se por ensaios relativamente independentes sobre diferentes produções artísticas que têm em comum o apreço pelo chamado quinto elemento da cultura hip-hop: o conhecimento, e seus ideais de construção de comunidade e cidadania. Cada uma dessas produções lida com essas questões de forma distinta, às vezes dentro de um circuito independente, outras através da disputa pela ocupação de espaços dentro do circuito tradicional. Os textos estudados aqui - o trabalho do grupo Racionais MC s e dos rappers Criolo, Emicida, Karol Conka e Rico Dalasam, e o Slam Resistência - apontam para a forte interrelação entre poesia e técnica existente no movimento hip-hop paulista. Eles querem ser poiesis, no sentido em que querem produzir não só poesia, mas também vida. O argumento central desta tese é que este processo poético passa pela utilização de novas linguagens e pela criação de novas lógicas e percursos para os sistemas de produção, recepção, curadoria e promoção da arte hoje. / [en] Essays on Rap and Slam Poetry in Contemporary São Paulo aims to analyze some of the transformations that have happened within the hip-hop movement in São Paulo in regards to the realm of the sung word or palavra cantada, namely rap and slam poetry, during the last twenty years - from the release of Racionais MC s Sobrevivendo no Inferno to the present moment. As the contemporary hip-hop scene in São Paulo is defined by its multiplicity, this dissertation is composed by separate essays that discuss and analyze different artistic productions. The respect for the fifth element of hip-hop culture - knowledge and its ideals of community-building, collectivity and citizenship - is what brings these productions together. Each of them deal with these matters differently, sometimes inside an independent circuit, other times fighting to occupy spaces within the mainstream. The works analyzed here, namely the work of rappers Racionais MC s, Criolo, Emicida, Karol Conka and Rico Dalasam as well as the poetry slam Slam Resistência, point to the strong interconnection between poetry and technique in São Paulo s hip-hop culture. These works want to be poiesis, in the sense that they want to produce not only poetry but also life. The thesis presented here is that such a poetic process entails the use of new languages and the creation of new logics and paths for the systems of production, reception, curatorship and promotion of art today.

La localisation d’un véhicule via les techniques de SLAM (Simultaneous Localization And Mapping pour cartographie et localisation simultanées) a connu un essor important durant les 20 dernières années. Pourtant, peu d’approches ont tenté d’étendre ces algorithmes à une flotte de véhicules malgré les nombreuses applications potentielles. C’est ici l’objectif de cette thèse. Pour ce faire, une approche de SLAM monoculaire pour un seul véhicule a d’abord été développée. Celle-ci propose de coupler un filtre de Kalman étendu avec une représentation cartésienne des amers afin de produire des cartes de faible densité mais de qualité. En effet, l’extension à plusieurs véhicules nécessite des échanges permanents par l’intermédiaire de communications sans fil. Avec peu d’amers dans les cartes, notre approche s’accommode bien du nombre de véhicules de la flotte. Des capteurs peu onéreux ont aussi été privilégiés (une unique caméra et un odomètre) afin de réduire le coût d’une extension multivéhicule. Des correctifs ont été proposés afin d’éviter les problèmes de divergence induits par les choix précédents. Des expérimentations ont montré que la solution de SLAM produite était légère et rapide tout en fournissant une localisation de qualité. La dérive, inhérente à tout algorithme de SLAM, a également fait l’objet d’une analyse. Celle-ci a été intégrée au SLAM par l’intermédiaire d’une architecture dédiée et d’un modèle dynamique. Le but est de pouvoir rendre consistante la localisation fournie par le SLAM, même en l’absence d’estimation de la dérive. Cela permet d’effectuer des fermetures de boucle ou encore d’intégrer des informations géo-référencées de manière naturelle tout en conservant l’intégrité de la solution. En multivéhicule, cet aspect est un point clef puisque chaque véhicule dérive différemment des autres. Il est donc important de le prendre en compte. Enfin, le SLAM a été étendu à plusieurs véhicules. Une structure générique a été prévue afin que notre approche monoculaire puisse être remplacée par n’importe quel algorithme de SLAM. Notre architecture décentralisée évite la consanguinité des données (le fait de compter deux fois une même information) et gère les défaillances réseau, que cela soit des ruptures de communication ou encore des latences dans la réception des données. La partie statique du modèle de dérive permet également de prendre en compte le fait que les positions initiales des véhicules d’une flotte puissent être inconnues. L’intégrité est ainsi maintenue en permanence. Enfin, notre approche étant entièrement décentralisée, elle a pu être testée et validée en simulation et avec des expérimentations réelles dans diverses configurations (convoi en colonne ou en ligne, avec 2 ou 3 véhicules). / The localization of a vehicle with the use of SLAM techniques (Simultaneous Localization And Mapping) has been extensively studied during the last 20 years. However, only a few approaches have tried to extend these algorithms to a fleet of vehicles despite the many potential applications. It is the objective of this thesis. First of all, a monocular SLAM for a single vehicle has been developed. This one proposes to pair an Extended Kalman Filter with a Cartesian representation for landmarks so as to produce accurate low density maps. Indeed, the extension of SLAM to several vehicles requires permanent communications inside the fleet. With only a few landmarks mapped, our approach scales nicely with the number of vehicles. Cheap sensors have been favored (a single camera and an odometer) in order to spread more easily the use of multi-vehicle applications. Correctives have been proposed in order to avoid the divergence problems induced by such a scheme. The experiments showed that our SLAM is able to furnish good localization results while being light and fast.The drift affecting every SLAM algorithm has also been studied. Its integration inside the SLAM process, thanks to a dedicated architecture and a dynamic model, allows to ensure consistency even without an estimation of it. Loop closures or the integration of geo-referenced information becomes straightforward. They naturally correct all the past positions while still maintaining consistency. In a multi-vehicle scenario, it is a key aspect as each vehicle drifts differently from one another. It is consequently important to take it into account. Our SLAM algorithm has then been extended to several vehicles. A generic structure has been used so as to allow any SLAM algorithm to replace our monocular SLAM. The multi-vehicle architecture avoids data incest (double-counting information) and handles network failures, be they communication breakdowns or latencies when receiving data. The static part of the drift model allows to take into account the fact that the initial positions of the different vehicles composing the fleet might be unknown. Consistency is thus permanently preserved. Our approach has been successfully tested using simulations and real experiments with various settings (row or column convoy with 2 or 3 vehicles) in a fully decentralized way.

This is a thesis on outdoor monocular visual SLAM in natural environments. The techniques proposed herein aim at estimating camera pose and 3D geometrical structure of the surrounding environment. This problem statement was motivated by the GPS-denied scenario for a sea-surface vehicle developed at Plymouth University named Springer. The algorithms proposed in this thesis are mainly adapted for the Springer’s environmental conditions, so that the vehicle can navigate on a vision based localization system when GPS is not available; such environments include estuarine areas, forests and the occasional semi-urban territories. The research objectives are constrained versions of the ever-abiding problems in the fields of multiple view geometry and mobile robotics. The research is proposing new techniques or improving existing ones for problems such as scene reconstruction, relative camera pose recovery and filtering, always in the context of the aforementioned landscapes (i.e., rivers, forests, etc.). Although visual tracking is paramount for the generation of data point correspondences, this thesis focuses primarily on the geometric aspect of the problem as well as with the probabilistic framework in which the optimization of pose and structure estimates takes place. Besides algorithms, the deliverables of this research should include the respective implementations and test data for these algorithms in the form of a software library and a dataset containing footage of estuarine regions taken from a boat, along with synchronized sensor logs. This thesis is not the final analysis on vision based navigation. It merely proposes various solutions for the localization problem of a vehicle navigating in natural environments either on land or on the surface of the water. Although these solutions can be used to provide position and orientation estimates when GPS is not available, they have limitations and there is still a vast new world of ideas to be explored.

Né à Chicago dans les années 80, le slam apparaît désormais comme un phénomène poétique majeur en France où il tend à être médiatisé et emblématisé par Grand Corps Malade. Au-delà de l’effet de mode et d’un mot dont le sens original - le plus souvent ignoré - mérite assurément d’être explicité, c’est un slam aux contours mouvants, un objet poétique non identifié, qui constitue l’objet de cette thèse. S’il s’avère donc nécessaire de cerner ses points d’ancrage (traditions de poésie orale, relations avec la chanson, le rap), notre propos vise à explorer les enjeux du slam et sa portée en termes néopoétique, néologique et didactique. Il se définit comme poésie orale-aurale, vocale et vivante, et c’est précisément dans le dispositif – les dispositifs – qui le fondent plus que dans les formes très variées qu’il peut revêtir que réside son essence. D’après son fondateur, le slam est « intégrateur » et vise une démocratisation de la poésie. En tant que tel, il est ouvert (alors même que le sens premier du verbe to slam peut être traduit par « claquer la porte ») à une langue actuelle, appréhendée dans toutes ses dimensions et variations (inter et interlinguales). Le slam fait feu de tous lieux, de tous mots, et les slameurs aiment à jouer avec une langue plurielle : démarche colludique dans laquelle ils impliquent un public prêt à entrer dans cette danse avec les mots. A travers ce nouveau positionnement d’auteur-animateur, le slameur se fait tribun et œuvre en faveur d’une libération du verbe susceptible d’ouvrir de nouveaux horizons lexicaux : de fait, la néologie prolifère autour et au cœur du slam. Notre étude en détaille les formes (matrices lexicogéniques) et les fonctions dans un tel contexte. Afin de mettre en lumière les traits d’une poétique en devenir, nous avons approfondi l’œuvre de trois slameurs (Mots Paumés, Souleymane Diamanka, Grand Corps Malade) et proposé comme clé d’analyse le concept de néostyle visant à rendre compte de l’importance de la néologie et de la façon originale dont elle est stylisée/poétisée dans le slam. Il s’agit de mettre en relation la linguistique et la poétique autour de cet objet avant d’en aborder les enjeux didactiques. Partant du constat de l’intégration récente du slam dans les programmes et manuels scolaires, nous interrogeons les modalités et les objectifs de cette didactisation naissante et développons – après l’avoir expérimenté – son potentiel en matière de créativité. S’il tend à être considéré comme un outil d’apprentissage, il peut aussi constituer un objet d’étude à part entière et son exploitation doit intégrer cette dialectique. Menés dans des contextes et avec des publics diversifiés – en quoi le slam est aussi potentiellement « intégrateur » – les ateliers slam sont porteurs d’un double enjeu de renouvellement des pratiques autour de la poésie et d’un renouement avec des pratiques dites « traditionnelles » dont il est susceptible de réactiver l’intérêt. Dès lors que les slameurs assument un rôle de passeurs, il peut enfin représenter une passerelle vers la poésie classique ou vers d’autres pratiques artistiques. / Slam poetry is an emerging literary movement, which originated from the nineteen eighties in Chicago (USA). Due to the success of Grand Corps Malade and audiovisual media coverage the slam movement is developing very quickly in France. However, neither the word “slam” itself nor the kind of poetry called “slam poetry” has been a subject of scientific research yet. The first purpose of this research is to explore these terms (“slam” and “slam poetry”), to show the relationship of slam literature to traditional literary forms like bards and rhapsody or musical genres like rap, and how the slam movement can be considered modern both in lexical terms and in terms of renewing the relations between the poet and his or her audience which is supposed to be the widest possible. The question whether the slam movement can be considered “neopoetic” will thus be discussed in this paper. This thesis demonstrates that the slam movement actually redefines the writer's position: slammers perform their own texts. As a physical and sensual experience, slam is live poetry which can be highly interactive, immediate and theatrical: it aims at involving everybody in a “colludic” way, essentially by means of word games. According to Marc Smith (the founder of the ‘slamming’ concept), slam is to be “integrative”. Slamming opens the door to anyone (whereas “slam” main meaning is “to shut the door with a loud noise”), any kind or form of poetry; it can include any word, even slang or neologisms. A blend of verses and performance, fusion of genres, it can be seen as a laboratory for identity, expression and lexical creativity. In this research, is demonstrated the fact that slam encourages lexical creativity: in the performance texts and also in slam related contexts (flyers or slammers’ pseudonyms for instance), various neologisms playing on different lexicogenic matrixes have been found. This research identifies these processes and the related functions, linking linguistic analysis to stylistic effects. The “neostyle” concept is a key to examine how neologisms are integrated in the slam text and mixed with other figures like metaphors, in a stylistic or poetic way. Therefore, the entire work of three slammers is examined in detail, in order to define their specific poetics and show how neologisms are part of it. The chosen artists are Mots Paumés, Souleymane Diamanka and Grand Corps Malade. Finally and in collaboration with slam artists, workshops have been organized and documented to develop didactic aims focusing on lexical creativity. Slam is about to be integrated in school books and curriculums and slammers are involved in passing their art down, therefore it is important to develop didactic concepts and reflection about it: how slam poetry can be integrated as a project in various contexts, not only as a resource for linguistic purposes, but also as a poetic subject and a possible link between classical poetry and other artistic approaches.

Submitted by Fernando Souza (fernandoafsou@gmail.com) on 2017-08-16T12:39:19Z No. of bitstreams: 1 arquivototal.pdf: 6585826 bytes, checksum: 7c4b9710f530b142defafd4f6be7d1a8 (MD5) / Made available in DSpace on 2017-08-16T12:39:19Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 6585826 bytes, checksum: 7c4b9710f530b142defafd4f6be7d1a8 (MD5) Previous issue date: 2016-02-19 / Abstract This paper aims to present a novel approach in planar RGB-D SLAM, here called Object Subtraction SLAM (OS-SLAM), using only low-cost RGB-D sensors such as the Microsoft Kinect. Our approach subtracts objects from the 3D environment and creates a clean 3D map projecting estimated planes without identified objects encountered along the mapping procedure aiming to increase accuracy. To validate our approach we performed four experiments, three in a real environment and one with an open dataset comparing them with other state-of-the-art algorithms. The algorithms were applied to a TurtleBot 2 platform which has a RGB-D sensor as its main sensor. The results demonstrated the efficiency on generated a clean and accurate map using the OS-SLAM algorithm. / Resumo Este trabalho tem como objetivo apresentar uma nova abordagem em RGB-D Planar SLAM, aqui chamada SLAM Baseado em Subtração de Objetos (OS-SLAM), utilizando apenas sensores RGB-D de baixo custo, como o Microsoft Kinect. Essa abordagem subtrai objetos do ambiente 3D e cria um mapa 3D limpo, projetando planos estimados sem os objetos identificados e encontrados ao longo do procedimento de mapeamento. Para validar esta abordagem, foram realizados quatro experimentos. Três deles em um ambiente real e um com um conjunto de dados abertos comparando-os com outros algoritmos do estado-da-arte. Os algoritmos foram aplicados a uma plataforma turtlebot 2, que tem um sensor RGB-D como seu sensor principal. Os resultados demonstraram a eficiência na geração de mapas limpos e precisos utilizando o algoritmo OS-SLAM

Cette thèse traite du problème de la localisation et de la navigation de robots humanoïdes à bas coût dans un environnement dynamique non contraint. Elle a été réalisée en collaboration entre le laboratoire de robotique CAOR de Mines ParisTech et Aldebaran, dont les robots NAO et Pepper sont utilisés comme plateformes.On verra ici comment il est possible de déduire des informations d'orientation et de position du robot malgré les fortes contraintes de puissance de calcul, de champ de vision et de généricité de l'environnement. L'environnement est représenté sous une forme topologique : les lieux sont stockés dans des nœuds, reliés par des transitions. On apprend l'environnement dans une phase préalable permettant de construire une référence. Les contributions principales de la thèse reposent sur les méthodes de calcul de l'orientation et d'une mesure de position du robot à l'aide des caméras monoculaires à faible champ de vision,et leur intégration dans une structure topologique. Pour se localiser dans le graphe, on utilise principalement les données de vision fournies par les caméras monoculaires du robot, tout en laissant la possibilité de compléter à l'aide de caméras 3D. Les différentes méthodes de localisation sont combinées dans une structure hiérarchique qui permet à la fois d'améliorer la robustesse et de fusionner les données de localisation. Un contrôle de la trajectoire est également mis en place pour permettre d'effectuer de façon fiable les transitions d'un nœud à l'autre, et accessoirement fournir un système de retour pour la marche du robot.Les travaux de cette thèse ont été intégrés dans la suite logicielle d'Aldebaran, et testés intensivement dans différents environnements afin de valider les résultats obtenus et préparer une livraison aux clients. / This thesis covers the topic of low cost humanoid robots localization and navigation in a dynamic unconstrained environment. It is the result of a collaboration between the Centre for Robotics of Mines ParisTech and Aldebaran, whose robots, NAO and Pepper, are used as experimental platforms.We will describe how to derive information on the orientation and the position of the robot, under high constraints on computing power, sensor field of view and environment genericity. The environment is represented using a topological formalism : places are stored in vertices, and connected by transitions. The environment is learned in a preliminary phase, which allows the robot to construct a reference.The main contribution of this PHD thesis lies in orientation and approximate position measurement methods, based on monocular cameras with a restricted field of view, and their integration into a topological structure. To localize the robot in the robot, we use mainly data providing by the monocular cameras of the robot, while also allowing extensions, for example with a 3D camera. The different localization methods are combined into a hierarchical structure, which makes the whole process more robust and merges the estimations. A trajectory control has also been developped in order to transition accurately from one vertex to another, and incidently to provide a feedback on the walk of the robot.The results of this thesis have been integrated into Aldebaran software suite, and thoroughly tested in various conditions, in order to validate the conclusions and prepare a client delivery.

Cette thèse a pour objet l'étude d'algorithmes pour des applications de réalité visuellement augmentée. Plusieurs besoins existent pour de telles applications, qui sont traités en tenant compte de la contrainte d'indistinguabilité de la profondeur et du mouvement linéaire dans le cas de l'utilisation de systèmes monoculaires. Pour insérer en temps réel de manière réaliste des objets virtuels dans des images acquises dans un environnement arbitraire et inconnu, il est non seulement nécessaire d'avoir une perception 3D de cet environnement à chaque instant, mais également d'y localiser précisément la caméra. Pour le premier besoin, on fait l'hypothèse d'une dynamique de la caméra connue, pour le second on suppose que la profondeur est donnée en entrée: ces deux hypothèses sont réalisables en pratique. Les deux problèmes sont posés dans lecontexte d'un modèle de caméra sphérique, ce qui permet d'obtenir des équations de mouvement invariantes par rotation pour l'intensité lumineuse comme pour la profondeur. L'observabilité théorique de ces problèmes est étudiée à l'aide d'outils de géométrie différentielle sur la sphère unité Riemanienne. Une implémentation pratique est présentée: les résultats expérimentauxmontrent qu'il est possible de localiser une caméra dans un environnement inconnu tout en cartographiant précisément cet environnement. / The purpose of this thesis is to study algorithms for visual augmented reality. Different requirements of such an application are addressed, with the constraint that the use of a monocular system makes depth and linear motion indistinguishable. The real-time realistic insertion of virtual objects in images of a real arbitrary environment yields the need for a dense Threedimensional (3D) perception of this environment on one hand, and a precise localization of the camera on the other hand. The first requirement is studied under an assumption of known dynamics, and the second under the assumption of known depth: both assumptions are practically realizable. Both problems are posed in the context of a spherical camera model, which yields SO(3)-invariant dynamical equations for light intensity and depth. The study of theoreticalobservability requires differential geometry tools for the Riemannian unit sphere. Practical implementation on a system is presented and experimental results demonstrate the ability to localize a camera in a unknown environment while precisely mapping this environment.

La capacité des robots mobiles à se localiser précisément par rapport à leur environnement est indispensable à leur autonomie. Pour ce faire, les robots exploitent les données acquises par des capteurs qui observent leur état interne, tels que centrales inertielles ou l’odométrie, et les données acquises par des capteurs qui observent l’environnement, telles que les caméras et les Lidars. L’exploitation de ces derniers capteurs a suscité le développement de solutions qui estiment conjointement la position du robot et la position des éléments dans l'environnement, appelées SLAM (Simultaneous Localization and Mapping). Pour gérer le bruit des données provenant des capteurs, les solutions pour le SLAM sont mises en œuvre dans un contexte probabiliste. Les premiers développements étaient basés sur le filtre de Kalman étendu, mais des développements plus récents utilisent des modèles graphiques probabilistes pour modéliser le problème d’estimation et de le résoudre grâce à techniques d’optimisation. Cette thèse exploite cette dernière approche et propose deux techniques distinctes pour les véhicules terrestres autonomes: une utilisant la vision monoculaire, l’autre un Lidar. L’absence d’information de profondeur dans les images obtenues par une caméra a mené à l’utilisation de paramétrisations spécifiques pour les points de repères qui isolent la profondeur inconnue dans une variable, concentrant la grande incertitude sur la profondeur dans un seul paramètre. Une de ces paramétrisations, nommé paramétrisation pour l’angle de parallaxe (ou PAP, Parallax Angle Parametrization), a été introduite dans le contexte du problème d’ajustement de faisceaux, qui traite l’ensemble des données en une seule étape d’optimisation globale. Nous présentons comment exploiter cette paramétrisation dans une approche incrémentale de SLAM à base de modèles graphiques, qui intègre également les mesures de mouvement du robot. Les Lidars peuvent être utilisés pour construire des solutions d’odométrie grâce à un recalage séquentiel des nuages de points acquis le long de la trajectoire. Nous définissons une couche basée sur les modèles graphiques au dessus d’une telle couche d’odométrie, qui utilise l’algorithme ICP (Iterative Closest Points). Des repères clefs (keyframes) sont définis le long de la trajectoire du robot, et les résultats de l’algorithme ICP sont utilisés pour construire un graphe de poses, exploité pour résoudre un problème d’optimisation qui permet la correction de l’ensemble de la trajectoire du robot et de la carte de l’environnement à suite des fermetures de boucle.Après une introduction à la théorie des modèles graphiques appliquée au problème de SLAM, le manuscrit présente ces deux approches. Des résultats simulés et expérimentaux illustrent les développements tout au long du manuscrit, en utilisant des jeux des données classiques et obtenus au laboratoire. / A strong requirement to deploy autonomous mobile robots is their capacity to localize themselves with a certain precision in relation to their environment. Localization exploits data gathered by sensors that either observe the inner states of the robot, like acceleration and speed, or the environment, like cameras and Light Detection And Ranging (LIDAR) sensors. The use of environment sensors has triggered the development of localization solutions that jointly estimate the robot position and the position of elements in the environment, referred to as Simultaneous Localization and Mapping (SLAM) approaches. To handle the noise inherent of the data coming from the sensors, SLAM solutions are implemented in a probabilistic framework. First developments were based on Extended Kalman Filters, while a more recent developments use probabilistic graphical models to model the estimation problem and solve it through optimization. This thesis exploits the latter approach to develop two distinct techniques for autonomous ground vehicles: oneusing monocular vision, the other one using LIDAR. The lack of depth information in camera images has fostered the use of specific landmark parametrizations that isolate the unknown depth in one variable, concentrating its large uncertainty into a single parameter. One of these parametrizations, named Parallax Angle Parametrization, was originally introduced in the context of the Bundle Adjustment problem, that processes all the gathered data in a single global optimization step. We present how to exploit this parametrization in an incremental graph-based SLAM approach in which robot motion measures are also incorporated. LIDAR sensors can be used to build odometry-like solutions for localization by sequentially registering the point clouds acquired along a robot trajectory. We define a graphical model layer on top of a LIDAR odometry layer, that uses the Iterative Closest Points (ICP) algorithm as registration technique. Reference frames are defined along the robot trajectory, and ICP results are used to build a pose graph, used to solve an optimization problem that enables the correction of the robot trajectory and the environment map upon loop closures. After an introduction to the theory of graphical models applied to SLAM problem, the manuscript depicts these two approaches. Simulated and experimental results illustrate the developments throughout the manuscript, using classic and in-house datasets.

The field of 3-D-environment reconstruction has been subject to various research activities in recent years. The applications for mobile robots are manifold. First, for navigation tasks (especially SLAM), the perception of 3-D-obstacles has many advantages over navigation in 2-D-maps, as it is commonly done. Objects that are located hanging above the ground can be recognized and furthermore, the robots gain a lot more information about its operation area what makes localization easier. Second, in the field of tele-operation of robots, a visualization of the environment in three dimensions helps the tele-operator performing tasks. Therefore, a consistent, dynamically updated environment model is crucial. Third, for mobile manipulation in a dynamic environment, an on-line obstacle detection and collision avoidance can be realized, if the environment is known. In recent research activities, various approaches to 3-D-environment reconstruction have evolved. Two of the most promising methods are FastSLAM and 6-D-SLAM. Both are capable of building dense 3D environment maps on-line. The first one uses a Particle Filter applied on extracted features in combination with a robot system model and a measurement model to reconstruct a map. The second one works on 3-D point cloud data and reconstructs an environment using the ICP algorithm. Both of these methods are implemented in GNU C++. Firstly, FastSLAM is implemented. The object-oriented programming technique is used to build up the Particle and Extended Kalman Filters. Secondly, 6-D SLAM is implemented. The concept of inheritance in C++ is used to make the implementation of ICP algorithm as much generic as possible. To test our implementation a mobile robot called Care-O-bot 3 is used. The mobile robot is equipped with a color and a time-of-fight camera. Data sets are taken as the robot moves in different environments and our implementation of FastSLAM and 6-D SLAM is used to reconstruct the maps. / Fältet av 3-D-miljö återuppbyggnaden har varit föremål för olika forskningsinsatser under senare år. De ansökningar om mobila robotar är många. Först för navigering uppgifter (särskilt Slam), uppfattningen av 3-D-hinder har många fördelar jämfört navigering i 2-D-kartor, som det vanligtvis görs. Objekt som finns hänger över marken kan erkännas och dessutom robotarna vinna mycket mer information om dess verksamhet området vad som gör lokalisering lättare. För det andra, när det gäller tele-drift av robotar, hjälper en visualisering av miljön i tre dimensioner tele-aktör som utför uppgifter. Därför är en konsekvent, dynamiskt uppdaterade miljö modell avgörande. Tredje kan för mobila manipulation i en dynamisk miljö, en on-line hinder upptäcka och undvika kollisioner förverkligas, om miljön är känd. Under senare forskning, till 3-D-miljö återuppbyggnaden olika strategier har utvecklats. Två av de mest lovande metoderna är FastSLAM och 6-D-Slam. Båda kan bygga täta 3D-miljö kartor on-line. Det första man använder ett partikelfilter som tillämpas på extraherade funktioner i kombination med ett robotsystem modell och en mätning modell för att rekonstruera en karta. Den andra verk på 3-D data punktmoln och rekonstruerar en miljö med hjälp av ICP algoritm. Båda dessa metoder implementeras i GNU C. För det första är FastSLAM genomföras. Det objektorienterade programmering Tekniken används för att bygga upp Partikel-och Extended Kalman filter. För det andra är 6-D SLAM genomförs. Begreppet arv i C används för att göra genomförandet av ICP algoritm så mycket generisk som möjligt. För att testa vårt genomförande en mobil robot som heter Care-O-bot 3 används. Den mobila roboten är utrustad med en färg och en time-of-kamp kamera. Dataset tas som roboten rör sig i olika miljöer och vårt genomförande av FastSLAM och 6-D SLAM används för att rekonstruera kartorna. / farzadhusain@gmail.com Contact in Sweden 0046-762-409910