The demands of mobile robots system are growing rapidly in recent days. Autonomous and semi-autonomous mobile robots for indoor environments have become great helper to human, such as transport robot in warehouse, cleaning robot for apartment and various humanoids for personal assistance, education and space exploration. This thesis project work describes how to implement a mobile robot system for unstructured indoor environment. This mobile robot system is able to build a map of the environment, plan path and navigate robot between user-defined locations in the environment autonomously or teleoperated by human through GUI or keyboard on a remote control terminal. Additionally, this mobile robot will be equipped a laser pointer worked as an interaction interface between robot and human by showing robot intensions to operator or surroundings. The development of this project work will involve two rapid growing features, one is depth camera and the other is ROS. Use depth camera as the primary sensor has been accepted by more and more mobile robot platform. ROS, as the fast-growing robot software framework, is an inevitable path when developing robot systems.

La robotique mobile est un domaine en plein essor. L'un des domaines de recherche consiste à permettre à un robot de cartographier son environnement tout en se localisant dans l'espace. Les techniques couramment employées de SLAM (Simultaneous Localization And Mapping) restent généralement coûteuses en termes de puissance de calcul. La tendance actuelle vers la miniaturisation des systèmes impose de restreindre les ressources embarquées. L'ensemble de ces constatations nous ont guidés vers l'intégration d'algorithmes de SLAM sur des architectures adéquates dédiées pour l'embarqué.Les premiers travaux ont consisté à définir une architecture permettant à un robot mobile de se localiser. Cette architecture doit respecter certaines contraintes, notamment celle du temps réel, des dimensions réduites et de la faible consommation énergétique.L'implantation optimisée d'un algorithme (EKF-SLAM), en utilisant au mieux les spécificités architecturales du système (capacités des processeurs, implantation multi-cœurs, calcul vectoriel ou parallélisation sur architecture hétérogène), a permis de démontrer la possibilité de concevoir des systèmes embarqués pour les applications SLAM dans un contexte d'adéquation algorithme architecture. Une seconde approche a été explorée ayant pour objectif la définition d'un système à base d'une architecture reconfigurable (à base de FPGA) permettant la conception d'une architecture fortement parallèle dédiée au SLAM. L'architecture définie a été évaluée en utilisant une méthodologie HIL (Hardware in the Loop).Les principaux algorithmes de SLAM sont conçus autour de la théorie des probabilités, ils ne garantissent en aucun cas les résultats de localisation. Un algorithme de SLAM basé sur la théorie ensembliste a été défini garantissant l'ensemble des résultats obtenus. Plusieurs améliorations algorithmiques sont ensuite proposées. Une comparaison avec les algorithmes probabilistes a mis en avant la robustesse de l'approche ensembliste.Ces travaux de thèse mettent en avant deux contributions principales. La première consiste à affirmer l'importance d'une conception algorithme-architecture pour résoudre la problématique du SLAM. La seconde est la définition d'une méthode ensembliste permettant de garantir les résultats de localisation et de cartographie.

For an autonomous mobile robot, localization and map building are vital capabilities. The localization ability provides the robot location information, so the robot can navigate in the environment. On the other hand, the robot can interact with its environment using a model of the environment (map information) which is provided by map building mechanism. These two capabilities depends on each other and simultaneous operation of them is called SLAM (Simultaneous Localization and Map Building). While various sensors are used for this algorithm, vision-based approaches are relatively new and have attracted more interest in recent years. In this thesis work, a versatile Visual SLAM system is constructed and presented. In the core of this work is a vision-based simultaneous localization and map building algorithm which uses point features in the environment as visual landmarks and Extended Kalman Filter for state estimation. A detailed analysis of this algorithm is made including state estimation, feature extraction and data association steps. The algorithm is extended to be used for both stereo and single camera systems. The core of both algorithms is same and we mention the differences of both algorithms originated from the measurement dissimilarity. The algorithm is run also in different motion modes, namely predefined, manual and autonomous. Secondly, a map management strategy is developed especially for extended environments. When the robot runs the SLAM algorithm in large environments, the constructed map contains a great number of landmarks obviously. The efficiency algorithm takes part, when the total number of features exceeds a critical value for the system. In this case, the current map is rarefied without losing the geometrical distribution of the landmarks. Furthermore, a well-organized graphical user interface is implemented which enables the operator to select operational modes, change various parameters of the main SLAM algorithm and see the results of the SLAM operation both textually and graphically. Finally, a basic mission concept is defined in our system, in order to illustrate what robot can do using the outputs of the SLAM algorithm. All of these ideas mentioned are implemented in this thesis, experiments are conducted using a real robot and the analysis results are discussed by comparing the algorithm outputs with ground-truth measurements.

<p>Simultaneous Localisation And Mapping SLAM-problemet är ett robotikproblem som består av att låta en robot kartlägga ett tidigare okänt område, och samtidigt lokalisera sig i den skapade kartan. Det här exjobbet presenterar ett försök till en lösning på SLAM-problemet som fungerar i konstant tid i en urban miljö. En sådan lösning måste hantera en datamängd som ständigt ökar, utan att beräkningskomplexiteten ökar signifikant.</p><p>Ett informationsfilter på fördröjd tillståndsform används för estimering av robotens trajektoria, och kamera och laseravståndssensorer används för att samla spatial information om omgivningarna längs färdvägen. Två olika metoder för att detektera loopslutningar föreslås. Den första är bildbaserad och använder Tree of Words för jämförelse av bilder. Den andra metoden är laserbaserad och använder en tränad klassificerare för att jämföra laserscans. När två posar, position och riktning, kopplats samman i en loopslutning beräknas den relativa posen med laserscansinriktning med hjälp av en kombination av Conditional Random Field-Match och Iterative Closest Point.</p><p>Experiment visar att både bild- och laserscansbaserad loopslutningsdetektion fungerar bra i stadsmiljö, och resulterar i good estimering av kartan såväl som robotens trajektoria.</p> / <p>In robotics, the Simultaneous Localisation And Mapping SLAM problem consists of letting a robot map a previously unknown environment, while simultaneously localising the robot in the same map. In this thesis, an attempt to solve the SLAM problem in constant time in a complex environment, such as a suburban area, is made. Such a solution must handle increasing amounts of data without significant increase in computation time.</p><p>A delayed state information filter is used to estimate the robot's trajectory, and camera and laser range sensors are used to acquire spatial information about the environment along the trajectory. Two approaches to loop closure detection are proposed. The first is image based using Tree of Words for image comparison. The second is laser based using a trained classifier for laser scan comparison. The relative pose, the difference in position and heading, of two poses matched in loop closure is calculated with laser scan alignment using a combination of Conditional Random Field-Match and Iterative Closest Point.</p><p>Experiments show that both image and laser based loop closure detection works well in a suburban area, and results in good estimation of the map as well as the robot's trajectory.</p>

Simultaneous Localisation And Mapping SLAM-problemet är ett robotikproblem som består av att låta en robot kartlägga ett tidigare okänt område, och samtidigt lokalisera sig i den skapade kartan. Det här exjobbet presenterar ett försök till en lösning på SLAM-problemet som fungerar i konstant tid i en urban miljö. En sådan lösning måste hantera en datamängd som ständigt ökar, utan att beräkningskomplexiteten ökar signifikant. Ett informationsfilter på fördröjd tillståndsform används för estimering av robotens trajektoria, och kamera och laseravståndssensorer används för att samla spatial information om omgivningarna längs färdvägen. Två olika metoder för att detektera loopslutningar föreslås. Den första är bildbaserad och använder Tree of Words för jämförelse av bilder. Den andra metoden är laserbaserad och använder en tränad klassificerare för att jämföra laserscans. När två posar, position och riktning, kopplats samman i en loopslutning beräknas den relativa posen med laserscansinriktning med hjälp av en kombination av Conditional Random Field-Match och Iterative Closest Point. Experiment visar att både bild- och laserscansbaserad loopslutningsdetektion fungerar bra i stadsmiljö, och resulterar i good estimering av kartan såväl som robotens trajektoria. / In robotics, the Simultaneous Localisation And Mapping SLAM problem consists of letting a robot map a previously unknown environment, while simultaneously localising the robot in the same map. In this thesis, an attempt to solve the SLAM problem in constant time in a complex environment, such as a suburban area, is made. Such a solution must handle increasing amounts of data without significant increase in computation time. A delayed state information filter is used to estimate the robot's trajectory, and camera and laser range sensors are used to acquire spatial information about the environment along the trajectory. Two approaches to loop closure detection are proposed. The first is image based using Tree of Words for image comparison. The second is laser based using a trained classifier for laser scan comparison. The relative pose, the difference in position and heading, of two poses matched in loop closure is calculated with laser scan alignment using a combination of Conditional Random Field-Match and Iterative Closest Point. Experiments show that both image and laser based loop closure detection works well in a suburban area, and results in good estimation of the map as well as the robot's trajectory.

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.

This thesis describes all the necessary parts needed to build a complete system for autonomous indoor mapping in 3D. The robotic platform used is a two-wheeled Segway, operating in a planar environment. This, together with wheel odometers, an Inertial Measurement Unit (IMU), two Microsoft Kinects and a laptop comprise the backbone of the system, which can be divided into three parts: The localization and mapping part, which fundamentally is a SLAM (simultaneous localization and mapping) algorithm implemented using the registration technique Iterative Closest Point (ICP). Along with the map being in 3D, it also designed to handle the mapping of dynamic scenes, something absent from the standard SLAM design. The planning used by the system is twofold. First, the path planning - finding a path from the current position to a destination - and second, the target planning - determining where to go next given the current state of the map and the robot. The third part of the system is the control and collision systems, which while they have not received much focus, are very necessary for a fully autonomous system. Contributions made by this thesis include: The 3D map framework Octomap is extended to handle the mapping of dynamic scenes; A new method for target planning, based on image processing is presented; A calibration procedure for the robot is derived that gives a full six degree of freedom pose for each Kinect. Results show that our calibration procedure produces an accurate pose for each Kinect, which is crucial for a functioning system. The dynamic mapping is shown to outperform the standard occupancy grid in fundamental situations that arise when mapping dynamic scenes. Additionally, the results indicate that the target planning algorithm provides a fast and easy way to plan new target destinations. Finally, the entire system’s autonomous mapping capabilities are evaluated together, producing promising results. However, it also highlights some problems that limit the system’s performance such as the inaccuracy and short range of the Kinects or noise added and reinforced by the multiple subsystems / Detta exjobb beskriver delarna som krävs för att för bygga ett komplett system som autonomt kartlägger inomhusmiljöer i tre dimensioner. Robotplattformen är en Segway, som är kapabel att röra sig i ett plan. Segwayn, tillsammans med en tröghetssensor, två Microsoft Kinects och en bärbar dator utgör grunden till systemet, som kan delas i tre delar: En lokaliserings- och karteringsdel, som i grunden är en SLAM-algoritm (simultan lokalisering och kartläggning)  baserad på registreringsmetoden Iterative Closest Point (ICP). Kartan som byggs upp är i tre dimensioner och ska dessutom hantera kartläggningen av dynamiska miljöer, något som orginalforumleringen av SLAM problemet inte klarar av. En automatisk planeringsdel, som består av två delar. Dels ruttplanering som går ut på att hitta en väg från sin nuvarande position till det valda målet och dels målplanering som innebär att välja ett mål att åka till givet den nuvarande kartan och robotens nuvarande position. Systemets tredje del är regler- och kollisionssystemen. Dessa system har inte varit i fokus i detta arbete, men de är ändå högst nödvändiga för att ett autonomt system skall fungera. Detta examensarbete bidrar med följande: Octomap, ett ramverk för kartläggningen i 3D, har utökats för att hantera kartläggningen av dynamiska miljöer; En ny metod för målplanering, baserad på bildbehandling läggs fram; En kalibreringsprocedur för roboten är framtagen som ger den fullständiga posen i förhållande till roboten för varje Kinect. Resultaten visar att vår kalibreringsprocedur ger en nogrann pose for för varje Kinect, vilket är avgörande för att systemet ska fungera. Metoden för kartläggningen av dynamiska miljöer visas prestera bra i grundläggande situationer som uppstår vid kartläggning av dynamiska miljöer. Vidare visas att målplaneringsalgoritmen ger ett snabbt och enkelt sätt att planera mål att åka till. Slutligen utvärderas hela systemets autonoma kartläggningsförmåga, som ger lovande resultat. Dock lyfter resultat även fram problem som begränsar systemets prestanda, till exempel Kinectens onoggranhet och korta räckvidd samt brus som läggs till och förstärks av de olika subsystemen.

La surveillance des émissions de polluants dans l'atmosphère constitue pour les industriels une problématique environnementale de premier ordre. Qu'elles soient ponctuelles (rejet de polluant par une cheminée) ou fugitives (fuites accidentelles de canalisations ou de stockages), la connaissance et la maîtrise de ces émissions est aujourd'hui nécessaire pour quantifier et réduire les cas échéant leur impact environnemental. Dans ce contexte, la modélisation de la dispersion atmosphérique est un outil d'analyse intéressant, permettant la surveillance d'un site industriel et la cartographie des concentrations autour du site. L'objectif de cette thèse était de développer un code de calcul opérationnel assurant le suivi des polluants sur un site industriel, en champ proche (prise en compte de la complexité du bâti) et avec des temps de calcul avoisinant le temps réel. Nous avons, au cours de ce travail de recherche, développé une approche appeléeFlow'Air-3D basée sur la constitution, en amont de toute situation opérationnelle, d'une base de données de champs de vent CFD calculés sur le site industriel étudié. En situation opérationnelle, la dispersion des polluants est modélisée avec un code de dispersion lagrangien, SLAM, également développé dans le cadre de cette thèse. Pour pouvoir mettre en place cette approche Flow'Air-3D, nous avons développé une méthodologie et une paramétrisation spécifique du modèle RANS-k-e pour représenter une couche limite de surface diabatique. Nous avons ensuite identifié les paramètres nécessaires à la construction de la base de données, ainsi que l'influence de la discrétisation et de l'interpolation de ces paramètres sur les champs de vent déterminés par cette approche. Finalement un code de dispersion lagrangien stochastique à particules, utilisant les champs de vent de la base de données, a été développé et partiellement validé sur quelques cas académiques simples (condition de mélange homogène, comparaison à la dispersion d'une bouffée gaussienne, etc.)Des essais en soufflerie, une approche eulérienne (effectuée avec FLUENT 6.3) et une première application de la méthodologie Flow'Air-3D/SLAM ont été menés sur le site pétrochimique de la raffinerie de Feyzin. Les comparaisons effectuées entre ces trois approches montrent le bon comportement du modèle SLAM. Les temps CPU mis en œuvre pour réaliser les calculs de dispersion lagrangien sont encourageants et montrent la faisabilité de notre approche sur un cas applicatif réel.

Les travaux présentés ici concernent le domaine de la localisation de véhicule par vision artificielle. Dans ce contexte, la trajectoire d'une caméra et la structure3D de la scène filmée sont estimées par une méthode d'odométrie visuelle monoculaire basée sur l'ajustement de faisceaux local. Les contributions de cette thèse sont plusieurs améliorations de cette méthode. L'incertitude associée à la position estimée n'est pas fournie par la méthode d'ajustement de faisceaux local. C'est pourtant une information indispensable pour pouvoir utiliser cette position, notamment dans un système de fusion multi-sensoriel. Une étude de la propagation d'incertitude pour cette méthode d'odométrie visuelle a donc été effectuée pour obtenir un calcul d'incertitude temps réel et représentant l'erreur de manière absolue (dans le repère du début de la trajectoire). Sur de longues séquences (plusieurs kilomètres), les méthodes monoculaires de localisation sont connues pour présenter des dérives importantes dues principalement à la dérive du facteur d'échelle (non observable). Pour réduire cette dérive et améliorer la qualité de la position fournie, deux méthodes de fusion ont été développées. Ces deux améliorations permettent de rendre cette méthode monoculaire exploitable dans le cadre automobile sur de grandes distances tout en conservant les critères de temps réel nécessaire dans ce type d'application. De plus, notre approche montre l'intérêt de disposer des incertitudes et ainsi de tirer parti de l'information fournie par d'autres capteurs.

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.