This thesis addresses the problem of 3D position and orientation (pose) estimation using measurementsfrom a monocular camera and an inertial measurement unit (IMU). While the algorithmic formulation of the problem is generic enough to be applied to any intelligent agent that moves in 3D and possessesthe sensor modalities mentioned above, our implementation of the solution is particularly targeted to robots operating in underwater environments. The algorithmic approach used in this work is based on statistical estimators, and in particular the extended Kalman filter (EKF) formulation, which combines measurements from the camera and the IMU into a unique position and orientation estimate, relative to thestarting pose of the robot. Aside from estimating the relative 3D trajectory of the robot, the algorithm estimatesthe 3D structure of the environment. We present implementation trade-offs that affect estimation accuracy versus real-time operation of the system, and we also present an error analysis that describes how errors induced from any component of the system affect the remaining parts. To validate the approach we present extensive experimental results, both in simulation and in datasets of real-world underwater environments accompanied by ground truth, which confirm that this is a viable approach in terms of accuracy. / Cette thèse aborde le problème d'estimation de la position et de l'orientation 3D (pose) en utilisant des mesuresprovenant d'une caméra monoculaire et d'une unité de mesure inertielle (IMU). Tandis que la formulation algorithmique de ce problème est suffisamment générique pour être appliquée aux tous les agents intelligents qui se déplacent en 3D et possèdent les mêmes capteurs mentionnés ci-dessus,notre implémentation s'addresse en particulier des robots fonctionnant dans des environnements sous-marins. L'approche algorithmique utilisée dans ce thèse est basée sur des estimateurs statistiqueset en particulier le Extended Kalman Filter (EKF), qui combine les mesures provenant de la caméra et de l'IMU dans une estimation de position et d'orientation unique, relative à la pose de départ du robot. En plus de l'estimation de la trajectoire relative du robot en 3D, l'algorithme estime la structure 3D de l'environnement. Nous présentons des compromis d'implementation qui affectent la précision d'estimation en fonction de l'utilisationdu système en temps réel, et nous présentons aussi une analyse des erreurs qui décrit comment les erreurs introduites par un composant du système affectent les parties restantes. Pour valider l'approche, nous présentons des nombreux résultats expérimentaux, tant en matière de simulation et de banque de données des environnements sous-marins accompagnée de réalité de terrain, qui confirme que cette approche est viable en termes de précision.
| Identifer | oai:union.ndltd.org:LACETR/oai:collectionscanada.gc.ca:QMM.106603 |
| Date | January 2012 |
| Creators | Shkurti, Florian |
| Contributors | Gregory L Dudek (Internal/Supervisor), Ioannis Rekleitis (Internal/Cosupervisor2) |
| Publisher | McGill University |
| Source Sets | Library and Archives Canada ETDs Repository / Centre d'archives des thèses électroniques de Bibliothèque et Archives Canada |
| Language | English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation |
| Format | application/pdf |
| Coverage | Master of Science (School of Computer Science) |
| Rights | All items in eScholarship@McGill are protected by copyright with all rights reserved unless otherwise indicated. |
| Relation | Electronically-submitted theses. |
Page generated in 0.0178 seconds