Cartographie et localisation simultanée pour véhicules autonomes

Abstract

Un robot mobile autonome doit percevoir correctement l'environnement où il évolue. Autrement, l'interprétation qu'il en fait sera erronée et ne peut prendre des décisions correctes. La perception est également un point clé pour tout véhicule intelligent ou fournissant des fonctions d'assistance à la conduite. Dans ce cadre, la perception peut être divisée en deux parties: la première appelée SLAM (Simultaneous Localization And Mapping) s'intéresse à la construction d'une carte de l'environnement et à la localisation du véhicule dans cette carte, et la deuxième partie, appelée DATMO (Detection And tracking on Moving Objects), traite la détection et du suivi des objets mobiles dans l'environnement. L'objectif de ce travail est de simuler plusieurs méthodes de SLAM dans le but de conclure sur la solution la plus efficace permettant d'assurer une cartographie et localisation simultanée acceptable quelque soit l'environnement tout en assurant une perception artificiel au point.