Cette thèse porte sur la navigation sans collision d'un véhicule aérien à décollage et atterrissage vertical en environnement inconnu ou incertain. L'utilisation du flot optique, inspirée du monde animal, permet d'obtenir des informations sur la vitesse du véhicule et sur la proximité des obstacles. Deux contributions sont présentées dans ce travail. La première aborde l'atterrissage automatique sur une plateforme statique ou mobile. La manœuvre se décompose en deux tâches : la stabilisation de la vitesse au-dessus de la cible, puis l'atterrissage vertical. L'approche montre que la régulation du flot optique divergent autour d'une consigne constante permet un atterrissage en douceur et sans collision malgré les incertitudes sur la dynamique de la plateforme et du véhicule. La deuxième contribution concerne le suivi de terrain avec évitement d'obstacles. L'approche générale proposée permet d'aborder différentes applications telles que l'évitement d'obstacles frontaux, le suivi de terrain pentu, le suivi de couloir, etc. L'analyse de stabilité évalue la robustesse et les limites du contrôleur en présence de diverses incertitudes telles que les incertitudes sur la géométrie de l'environnement. L'ensemble des algorithmes de commande est simulé et expérimenté sur un mini-drone quadrirotor développé au CEA LIST.

La manipulation aérienne est l’un des défis de la robotique au cours de cette dernière décennie. L’un des freins au développement des manipulateurs aériens est l’autonomie limitée des drones, réduite par la charge et la consommation électrique du manipulateur embarqué. Une solution pour dépasser cette limite passe par la collaboration de plusieurs drones dans une tâche de manipulation. Cette thèse porte sur la conception et la commande d’un nouveau type de véhicule autonome aérien destiné à la manipulation. Le concept consiste à faire collaborer plusieurs drones, en particulier des quadricoptères, au travers d’une architecture passive polyarticulée. Le robot ainsi obtenu est une fusion entre l’architecture passive d’un robot parallèle et plusieurs drones. L’étude du modèle dynamique de cette classe de robots met en avant un découplage dans le modèle dynamique. Ce découplage permet la conception d’une commande en cascade qui assure la stabilisation et le suivi de trajectoire pour ces robots. Deux cas d’étude sont ensuite déclinés dans cette thèse : un robot parallèle volant à deux drones et un robot parallèle volant à trois drones. Pour ces deux robots, une simulation numérique est effectuée afin de valider le fonctionnement de la commande. Ces simulations ont également permis de valider la possibilité de changer la configuration de l’architecture passive en vol. Les travaux ont été portés avec succès jusqu’au stade expérimental pour le robot volant à deux drones. / Aerial manipulation is one of the challenges of robotics over the last decade. One of the constraints on the development of aerial manipulators is the limited autonomy of drones, reduced by the load and energy consumption of the on-board manipulator. One way to overcome this limit is to have several drones collaborate on a manipulation task. This thesis deals with the design and control of a new type of autonomous aerial vehicle for manipulation tasks. The concept consists in the collaboration of several drones, in particular quadrotors, through a polyarticulated passive architecture. The robot thus obtained is a fusion between the passive architecture of a parallel robot and several drones. The study of the dynamic model of this robot class highlights a decoupling in the dynamic model. This decoupling allows the design of a cascade control law. This controller provides stabilization and trajectory tracking for these robots. Two study cases are then presented in this thesis: a flying parallel robot with two drones and a flying parallel robot with three drones. For these two robots, a numerical simulation is performed to validate the controller performances. These simulations also allowed to validate the reconfiguration abilities of passive architecture in flight. The work was successfully carried to the experimental stage for the flying robot with two drones.

Au cours des dernières décennies, la possibilité d’exploiter les capacités de vol exceptionnelles des insectes a été à l’origine de nombreuses recherches sur l’élaboration de nano-véhicules aériens (NAVs) à ailes battantes. Cependant, lors de la conception de tels prototypes, les chercheurs doivent analyser une vaste gamme de solutions liées à la grande diversité des insectes volants pour identifier les fonctionnalités et les paramètres adaptés à leurs besoins. Afin d’alléger cette tâche, le but de ce travail est de développer un outil permettant à la fois d’examiner le comportement cinématique et énergétique d’un nano-véhicule aérien à ailes flexibles résonantes, et donc d'évaluer son efficacité. Cet objectif reste néanmoins extrêmement difficile à atteindre car il concerne des objets de très petites tailles. Aussi, nous avons choisi tout d’abord de travailler sur un micro-véhicule aérien (MAV) à ailes battantes. Il s’agit avant tout de valider l’outil de modélisation à travers une comparaison systématique des simulations avec des résultats expérimentaux effectués lors de l’actionnement des ailes, puis au cours du décollage et du vol stationnaire du prototype. Une partie des connaissances et expériences acquises pourra ensuite être utilisée afin de mieux comprendre le fonctionnement et identifier la distribution d'énergie au sein du NAV. Bien que les deux véhicules s’inspirent directement de la cinématique des ailes d'insectes, les mécanismes d'actionnement des ailes artificielles des deux prototypes ne sont pas les mêmes en raison de la différence de taille. Comme le NAV est plus petit, ces ailes ont un mouvement de battement à une fréquence plus élevée que celles du MAV, à l’instar de ce qui existe dans la nature. En conséquence, lorsque l’on passe du MAV au NAV, le mécanisme d’actionnement des ailes doit être adapté et cette différence nécessite d’une part, de revoir la conception, l'approche de modélisation et le processus d'optimisation, et d’autre part, de modifier le procédé de fabrication. Une fois ces améliorations apportées, nous avons obtenu des résultats de simulations en accord avec les tests expérimentaux. Le principal résultat de ce travail concerne l’obtention pour les deux prototypes, le MAV et le NAV, d’une cinématique appropriée des ailes, qui conduit à une force de portance équivalente au poids. Nous avons d’ailleurs démontré que le MAV était capable de décoller et d’avoir un vol stationnaire stable selon l’axe vertical. En tirant parti des modèles basés sur le langage Bond Graph, il est également possible d'évaluer les performances énergétiques de ces prototypes en fonction de la dynamique de l'aile. En conclusion, cette étude contribue à la définition des paramètres essentiels à prendre en compte lors de la conception et l'optimisation énergétique de micro et nano-véhicules à ailes battantes. / In recent decades, the prospect of exploiting the exceptional flying capacities of insects has prompted much research on the elaboration of flapping-wing nano air vehicles (FWNAV). However, when designing such a prototype, designers have to wade through a vast array of design solutions that reflects the wide variety of flying insects to identify the correct combination of parameters to meet their requirements. To alleviate this burden, the purpose of this work is to develop a suitable tool to analyze the kinematic and power behavior of a resonant flexible-wing nano air vehicle. The key issue is evaluating its efficiency. However, this ultimate objective is extremely challenging as it is applied to the smallest flexible FWNAV. However, in this work, we worked first with a flapping-wing micro air vehicle (FWMAV) in order to have a tool for the simulation and experimentation of wing actuation, take-off and hovering. Some of the knowledge and experience acquired will then be transferred to better understand how our FWNAV works and identify the energy, power distribution. Although both of the vehicles employ the insect wing kinematics, their wings actuation mechanisms are not the same due to their sizes difference. Since the FWNAV is smaller, their wings flap at a higher frequency than the FWMAV as inspired by nature. As a consequence, from MAV to NAV, the wing actuation mechanism must be changed. Throughout this work, it can be seen clearly that this difference affects the whole vehicles development including the design, the manufacturing method, the modeling approach and the optimizing process. It has been demonstrated that the simulations are in good correlation with the experimental tests. The main result of this work is the proper wing kinematics of both FWMAV and FWNAV which leads to a lift to the weight ratio bigger and equal to one respectively. The FWMAV is even success to take-off and vertically stable hover. Moreover, taking advantage of the Bond Graph-based models, the evolution power according to the wing dynamic and the efficiency of the subsystem can be evaluated. In conclusion, this study shows the key parameters for designing and optimizing efficiency and the lift generated for two flapping wing vehicles in different size regimes.

La télédétection des forêts est devenue de plus en plus accessible grâce à l'utilisation de véhicules aériens inoccupés (UAV) et à l'apprentissage profond, ce qui permet d'obtenir des images répétées à haute résolution et d’observer les changements phénologiques à des échelles spatiales et temporelles plus importantes. Dans les forêts tempérées, à l'automne, la sénescence des feuilles se produit lorsque les feuilles changent de couleur et tombent. Cependant, l'influence de la sénescence foliaire sur la segmentation des espèces d'arbres à l'aide d'un réseau neuronal convolutif (CNN) n'a pas encore été évaluée. Nous avons acquis de l’imagerie haute résolution par UAV au-dessus d’une forêt tempérée au Québec à sept reprises entre mai et octobre 2021. Nous avons segmenté et identifié 23 000 couronnes d'arbres de 14 classes différentes pour entraîner et valider un CNN pour chaque acquisition d'imagerie. La meilleure segmentation (F1-score le plus élevé) était au début de la coloration des feuilles (début septembre) et le F1-score le plus bas au pic de la coloration automnale (début octobre). La chronologie de la sénescence varie considérablement d’une espèce à l’autre et au sein d’une même espèce, ce qui entraîne une grande variabilité du signal télédétecté. Les espèces d'arbres à feuilles caduques et à feuilles persistantes qui présentaient des traits distinctifs et moins variables dans le temps entre les individus ont été mieux classées. Bien que la segmentation des arbres dans une forêt hétérogène demeure un défi, l'imagerie UAV et l'apprentissage profond démontrent un grand potentiel pour la cartographie des espèces d'arbres. Les résultats obtenus dans une forêt tempérée où la couleur des feuilles change fortement pendant la sénescence automnale montrent que la meilleure performance pour la segmentation des espèces d'arbres se produit au début de ce changement de couleur. / Remote sensing of forests has become increasingly accessible with the use of unoccupied aerial vehicles (UAV), along with deep learning, allowing for repeated high-resolution imagery and the capturing of phenological changes at larger spatial and temporal scales. In temperate forests during autumn, leaf senescence occurs when leaves change colour and drop. However, the influence of leaf senescence in temperate forests on tree species segmentation using a Convolutional Neural Network (CNN) has not yet been evaluated. Here, we acquired high-resolution UAV imagery over a temperate forest in Quebec, Canada on seven occasions between May and October 2021. We segmented and labelled 23,000 tree crowns from 14 different classes to train and validate a CNN for each imagery acquisition. The CNN-based segmentation showed the highest F1-score (0.72) at the start of leaf colouring in early September and the lowest F1-score (0.61) at peak fall colouring in early October. The timing of the events occurring during senescence, such as leaf colouring and leaf fall, varied substantially between and within species and according to environmental conditions, leading to higher variability in the remotely sensed signal. Deciduous and evergreen tree species that presented distinctive and less temporally-variable traits between individuals were better classified. While tree segmentation in a heterogenous forest remains challenging, UAV imagery and deep learning show high potential in mapping tree species. Our results from a temperate forest with strong leaf colour changes during autumn senescence show that the best performance for tree species segmentation occurs at the onset of this colour change.