Robust Lidar-Inertial SLAM for limited-resource system

Les véhicules autonomes sont capables de percevoir leur environnement et d'agir en conséquence. Un aspect des systèmes d'autonomie est la cartographie de l'environnement et la localisation du véhicule dans cet environnement. En partenariat avec Rheinmetall Canada, un fournisseur de premier plan de technologies de défense et de sécurité, nous avons étudié de tels systèmes de localisation et de cartographie, communément appelés localisation et cartographie simultanées (SLAM), pour leur produit Mission Master, un véhicule militaire autonome à 8 roues. Ce véhicule est équipé d'un ensemble de capteurs comprenant un lidar, un récepteur GPS, une boussole et une unité de mesure inertielle (IMU). Au cours de la dernière décennie, une tendance à la robustification des systèmes SLAM a été observée dans la littérature scientifique. Alors que les systèmes SLAM ont été étudiés pour la première fois dans les années 80, ces systèmes fonctionnaient principalement dans des environnements simulés et leurs performances diminuaient considérablement lors des essais sur le terrain. Comment gérer et fusionner de manière optimale un grand nombre de données bruitées et peu fiables, tout en en tenant compte des contraintes environnementales 3D et des capacités de calcul en temps réel embarquées, reste une question ouverte. Dans ce projet, nous nous intéressons à deux aspects qui rendent un système SLAM robuste : la gestion des défaillances des capteurs et la flexibilité au regard des capacités de calcul disponibles. Comme la disponibilité des données GPS dépend de facteurs environnementaux et que le lidar ne peut pas estimer les déplacements dans un environnement sans caractéristiques distinctives, ces capteurs présentent un risque élevé de défaillance ou de panne. La fusion des mesures des capteurs inertiels à l'estimation à l'aide de l'optimiseur de graphe incrémental iSAM2 permet d'estimer la pose du véhicule même lorsque les autres capteurs ne sont pas disponibles. Les données de l'IMU contribuent également au processus de cartographie en offrant une solution initiale aux processus d'association de nuages de points et d'optimisation de graphe. Le Mission Master est en constante évolution, tout comme son ordinateur embarqué. Les algorithmes de planification de trajectoire et de vision, entre autres, sont également exécutés sur cet ordinateur. Le système de SLAM développé doit être flexible face à des capacités de calcul variables.