Techniques d'optimisation de la navigation globale d'un fauteuil roulant motorisé intelligent

Un projet de réalisation d'un prototype de fauteuil roulant motorisé intelligent (FRMI) avait réuni depuis quelques années les efforts de chercheurs et d'étudiants en cycle supérieur de trois universités du Québec: Ecole Polytechnique, Université de McGill et Université de Montréal. Ces efforts ont abouti à un fauteuil équipé de capteurs et d'un ensemble de modules permettant l'automatisation de nombreuses tâches. Il est ainsi un cas particulier de robot mobile. Malgré l'état avancé du fauteuil, plusieurs perspectives d'améliorations restent ouvertes. En effet, les modules de navigation globale existants se basent sur un algorithme de cartographie et localisation simultanées qui n'utilise qu'un modèle de perception adapté aux seules données des télémètres laser et qui présente quelques défauts dont la faible performance des capteurs utilisés pour certains types d'obstacles : les vitres et les objets transparents notamment sont difficiles à détecter avec des capteurs optiques comme les télémètres lasers. Le premier objectif principal du projet serait alors de proposer une solution à ce problème en partant du module de SLAM utilisé, the GMapping algorithm. On se propose également de proposer une alternative à la stratégie de cartographie par SLAM qui impose l'exploration des environnements visités. Notre second objectif consiste alors à utiliser les plans architecturaux pour générer automatiquement des grilles d'occupation compatibles avec le système de navigation du fauteuil. Notre réalisation de ces objectifs est exposée à travers l'étude du module à optimiser, l'analyse de ses composants et la conception des algorithmes-solutions. La première solution consiste essentiellement à intégrer un composant mieux adapté aux obstacles transparents et qui permet un enrichissement en temps réel par les détections des sonars de la carte en cours de construction par le GMapping. D'un autre côté, une technique toute nouvelle de construction de cartes est implémentée et testée grâce à un algorithme qui analyse les calques du plan d'architecture au format DXF afin d'extraire les éléments intéressants pour la navigation. Les résultats d'enrichissement montrent des cartes plus complètes où les obstacles transparents figurent aux bons emplacements. Nous avons pu profiter de la capacité des sonars à détecter les objets transparents sans pour autant perdre les hautes performances des télémètres laser et sans altérer la construction en temps réel de la carte accompagnée de la localisation. D'autre part, nos grilles d'occupation générées automatiquement ont été intégrées et utilisées avec succès dans le système de navigation. Une cartographie rapide et nettement plus économique est désormais possible pour le FRMI à condition d'avoir un plan au format DXF du milieu à modéliser.

Abstract

For the last few years, researchers and students of three universities of Quebec, École Polytechnique, Université de Montréal and McGill University, have been working on the creation of an Intelligent Powered Wheelchair (IPW). Thanks to their work, a wheelchair equipped with sensors and using a wide range of modules enabling the chair to do numerous automatic tasks became a reality. The IPW can therefore be considered as an example of a mobile robot. Many possible improvements still can be performed in spite of the very advanced state of the wheelchair. The global navigation is based on a simultaneous localization and mapping (SLAM) algorithm; the GMapping algorithm that uses a perception model conceived for lasers detections only and that is therefore under the required level of efficiency when mapping is held in environments containing transparent obstacles such as glass walls. Besides, the SLAM algorithm used is, as any other SLAM solution, based on a mapping strategy that imposes the environment exploration. Thus, our work's objectives are: First, to propose a solution to the transparent objects problem and second, to suggest a new alternative to the old exploration based strategy by exploiting blueprints to generate occupancy grid maps automatically. This report shows how we achieve these objectives through the study and analysis of the available SLAM algorithm and the conception of our solutions. In the first solution, we introduce a component that takes sonar detections as inputs and that draws in real time, based on a sonar perception model, the missing transparent objects on the GMapping map. In our second solution, a new technique makes use of an algorithm that analyses the layers of CAD blueprints given in a DXF file format in order to extract the important elements used for grids construction. Our algorithms proved to be efficient. In fact, we managed to get complete maps showing the transparent obstacles at the right spots. We managed then to make use of the sonar's capability to see transparent objects without causing the decrease of the GMapping performance in both mapping with laser data and localization. On the other hand, we managed to automatically build occupancy grid maps from blueprints. The built maps proved precise when used successfully in the wheeler's navigation system. We have now a faster and cheaper mapping solution for the IPW.