Recently, mobile robots with visual perception working in dynamic environments have been extensively investigated because this method of perception offers a large amount of environmental information. Optical flow perception is an important class of visual perception because it offers powerful perception methods and it offers both egomotion and structure from motion estimation. Especially advantageous is the fact that optical flow perception does not require a priori knowledge of the working environment and can work with minimum hardware, i.e. a mono-camera as the main navigation sensor. In this thesis, a new approach of optical flow-based perception through qualitative interpretations is developed. Compared to the classical metric approaches for optical flow perception, this approach uses much simpler arithmetic and requires less computation time because of the use of qualitative optical flow interpretations. The qualitative optical flow interpretations provide mobile robots with visual perception a more detailed image of their 3D working environment, e.g. obstacle positions and indoor object types. By using fuzzy logic for the interpretations, the optical flow perception becomes simple and intelligent in a bioinspired manner and moreover gains robustness under noisy conditions in the working environment. On the other hand, this thesis develops a generic modular structure of a behavior-based control system with three clearly separate modules for perception, motion control, and path planning. These modules are connected by simple IO interfaces. The system concept is independent of the specific type of perception. The designed behaviors are functionally classified into two separated modules, concerning collision-free motion control and goal oriented path planning. The hierarchical organization of these behaviors makes the operation of the control system more efficient and enables an easy adjustment of behaviors. Some of the behaviors use fuzzy logic concepts, which result in flexible and smooth robotic motion. Furthermore a new scheme for topological path planning in combination with fuzzy-based behaviors is developed for the goal-oriented navigation of a mobile robot. This combination allows a mobile robot to perform topological path planning in a real environment without metric information regarding its global and local positions. This enables an easy adjustment of topological path planning for different sensor perceptions or landmarks by just changing the topological map data. The performance of the optical flow-based perception embedded in the behavior-based control system with the topological path planning has been successfully tested through experiments in a real environment under most realistic conditions including relevant noise effects, e.g. unfavorable lightning conditions, non-standard objects, image processing limitations, image noise, etc. / Heutzutage werden mobile Roboter zunehmend mit Kameras ausgestattet, da diese eine Vielzahl von Informationen über die Umgebung bereitstellen. Die Perzeption mit Hilfe des optischen Flusses ist eine wichtige Methode der Bildverarbeitung, da sie eine leistungsfähige Umgebungserfassung und die Nachahmung biologisch-inspirierter Prozesse erlaubt. Dabei können sowohl Informationen zur Eigenbewegung als auch Daten über die Struktur der Umgebung gewonnen werden. Besonders vorteilhaft ist hierbei einerseits die Tatsache, dass keinerlei a-priori-Informationen über die Umwelt benötigt werden und anderseits die geringen Hardwareansprüche von Kamerasystemen. So kann beispielsweise eine einfache Monokamera als Hauptsensor zur Navigation für den mobilen Roboter verwendet werden. In der vorliegenden Arbeit wird ein neuer Ansatz zur optischen Fluss basierten Perzeption mittels qualitativer Interpretation entwickelt. Verglichen mit klassischen metrischen Methoden, arbeitet der vorgestellte Ansatz dabei mit einer simpleren Arithmetik und benötigt weniger Rechenzeit. Die qualitative Verarbeitung des optischen Flusses bietet dem Roboter ein detaillierteres Bild der dreidimensionalen Arbeitsumgebung. So können beispielsweise Hindernispositionen ermittelt und Objekttypen im Innenraum erfasst werden. Durch die Verwendung von Fuzzy-Logik bei der Interpretation der visuellen Information gestaltet sich die Umgebungserfassung mit Hilfe des optischen Flusses sehr einfach und erlaubt eine bioinspirierte intelligente Entscheidungsfindung, die auch robust gegenüber realen gestörten Umgebungsbedingungen ist. Weiterhin wird in der vorliegenden Arbeit eine generische modulare Struktur für eine verhaltensbasierte Steuerung mit drei klar getrennten Modulen für Perzeption, Bewegungssteuerung und Pfadplanung vorgestellt. Diese Module werden über einfache Schnittstellen miteinander verbunden. Dadurch ist das entstandene System auch auf andere Perzeptionsmethoden mobiler Roboter anwendbar. Die realisierten Verhaltensmuster werden dabei funktionsorientiert in zwei Module eingeordnet: Ein Modul sichert hierbei die kollisionsfreie Bewegungssteuerung, ein weiteres realisiert die zielorientierte Pfadplanung. Die hierarchische Organisation dieser Verhaltensmuster ermöglicht ein effizientes und einfaches Vorgehen bei der Modifikation der hinterlegten Eigenschaften. Dabei nutzen manche dieser Verhaltensmuster wiederum Konzepte der Fuzzy-Logik, um die Roboterbewegung so flexibel und leichtgängig zu realisieren, wie es bei biologischen Systemen der Fall ist. Für die zielorientierte Navigation eines mobilen Roboters wurde in einem dritten Schwerpunkt eine neue Methode für die topologische Pfadplanung in Kombination mit Fuzzy-Logik-basierten Verhalten entwickelt. Diese Kombination ermöglicht dem Roboter die topologische Pfadplanung in einer realen Umgebung ohne jegliche Verwendung von metrischen Informationen in Bezug auf seine Position und Orientierung. Dadurch kann die Pfadplanung durch einfache Modifikationen der topologischen Kartendaten für verschiedene Perzeptionssensoren oder Landmarkenrepräsentationen angepasst werden. Die Leistungsfähigkeit der Perzeption mittels des optischen Flusses innerhalb der verhaltensbasierten Steuerung zusammen mit der topologischen Pfadplanung wird anhand von Experimenten mit einem mobilen Roboter in einer realen Umgebung gezeigt. Dabei werden auch unterschiedlichste Bedingungen, wie sich ändernden Lichtverhältnissen, unbekannten Objekten, Einschränkungen bei der Bildverarbeitung sowie Bildrauschen berücksichtigt.

Les travaux décrits dans cette thèse apportent une contribution au problème de la navigation autonome de robots mobiles dans un contexte de vision indoor. Il s’agit de chercher à concilier les avantages des différents paradigmes d’architecture de contrôle et des stratégies de navigation. Ainsi, nous proposons l’architecture RHIZOME (Robotic Hybrid Indoor-Zone Operational ModulE) : une architecture unique de contrôle robotique mettant en synergie ces différentes approches en s’appuyant sur un système neuronal. Les interactions du robot avec son environnement ainsi que les multiples connexions neuronales permettent à l’ensemble du système de s’adapter aux conditions de navigation. L’architecture RHIZOME proposée combine les avantages des approches comportementales (e.g. rapidité de réaction face à des problèmes imprévus dans un contexte d’environnement dynamique), et ceux des approches délibératives qui tirent profit d’une connaissance a priori de l’environnement. Cependant, cette connaissance est uniquement exploitée pour corroborer les informations perçues visuellement avec celles embarquées. Elle est représentée par une séquence de symboles artificiels de navigation guidant le robot vers sa destination finale. Cette séquence est présentée au robot soit sous la forme d’une liste de paramètres, soit sous la forme d’un plan. Dans ce dernier cas, le robot doit extraire lui-même la séquence de symboles à suivre grâce à une chaine de traitements d’images. Ainsi, afin de prendre la bonne décision lors de sa navigation, le robot traite l’ensemble de l’information perçue, la compare en temps réel avec l’information a priori apportée ou extraite, et réagit en conséquence. Lorsque certains symboles de navigation ne sont plus présents dans l’environnement de navigation, l’architecture RHIZOME construit de nouveaux lieux de référence à partir des panoramas extraits de ces lieux. Ainsi, le robot, lors de phases exploratoires, peut s’appuyer sur ces nouvelles informations pour atteindre sa destination finale, et surmonter des situations imprévues. Nous avons mis en place notre architecture sur le robot humanoïde NAO. Les résultats expérimentaux obtenus lors d’une navigation indoor, dans des scenarios à la fois déterministes et stochastiques, montrent la faisabilité et la robustesse de cette approche unifiée. / The work described in this dissertation is a contribution to the problem of autonomous indoor vision-based mobile robot navigation, which is still a vast ongoing research topic. It addresses it by trying to conciliate all differences found among the state-of-the-art control architecture paradigms and navigation strategies. Hence, the author proposes the RHIZOME architecture (Robotic Hybrid Indoor-Zone Operational ModulE) : a unique robotic control architecture capable of creating a synergy of different approaches by merging them into a neural system. The interactions of the robot with its environment and the multiple neural connections allow the whole system to adapt to navigation conditions. The RHIZOME architecture preserves all the advantages of behavior-based architectures such as rapid responses to unforeseen problems in dynamic environments while combining it with the a priori knowledge of the world used indeliberative architectures. However, this knowledge is used to only corroborate the dynamic visual perception information and embedded knowledge, instead of directly controlling the actions of the robot as most hybrid architectures do. The information is represented by a sequence of artificial navigation signs leading to the final destination that are expected to be found in the navigation path. Such sequence is provided to the robot either by means of a program command or by enabling it to extract itself the sequence from a floor plan. This latter implies the execution of a floor plan analysis process. Consequently, in order to take the right decision during navigation, the robot processes both set of information, compares them in real time and reacts accordingly. When navigation signs are not present in the navigation environment as expected, the RHIZOME architecture builds new reference places from landmark constellations, which are extracted from these places and learns them. Thus, during navigation, the robot can use this new information to achieve its final destination by overcoming unforeseen situations.The overall architecture has been implemented on the NAO humanoid robot. Real-time experimental results during indoor navigation under both, deterministic and stochastic scenarios show the feasibility and robustness of the proposed unified approach.