Robots footballeurs: Fusion de données But: obtenir une équipe de robots autonomes pour participer...

13
Robots footballeurs: Fusion de données But: obtenir une équipe de robots autonomes pour participer aux compétitions de RoboCup Prolongement du cours PGE

Transcript of Robots footballeurs: Fusion de données But: obtenir une équipe de robots autonomes pour participer...

Page 1: Robots footballeurs: Fusion de données But: obtenir une équipe de robots autonomes pour participer aux compétitions de RoboCup Prolongement du cours PGE.

Robots footballeurs: Fusion de données

But: obtenir une équipe de robots autonomes pour participer aux compétitions de RoboCup

Prolongement du cours PGE

Page 2: Robots footballeurs: Fusion de données But: obtenir une équipe de robots autonomes pour participer aux compétitions de RoboCup Prolongement du cours PGE.

Installations au laboratoire

Page 3: Robots footballeurs: Fusion de données But: obtenir une équipe de robots autonomes pour participer aux compétitions de RoboCup Prolongement du cours PGE.

Problématique

Caractéristiques

Fréquenced’échantillonnage

Erreur par

itération

Erreur àlongterme

Délai

Odométrie Plus rapide Faible Élevée Faible

Falcon Lente Élevée Stable Élevée

tnVnx

tnVnx

tn

))(sin()(

))(cos()(

)(

2

1

tLtV

ˆ

,2

2121

tLtV

ˆ

,2

2121

Page 4: Robots footballeurs: Fusion de données But: obtenir une équipe de robots autonomes pour participer aux compétitions de RoboCup Prolongement du cours PGE.

Recherche de solutions

le filtre de Kalman la théorie de Dempster-Shafer (DST) les chaînes de Markov la logique floue

Page 5: Robots footballeurs: Fusion de données But: obtenir une équipe de robots autonomes pour participer aux compétitions de RoboCup Prolongement du cours PGE.

Comparaison des deux méthodes

Kalman: Hypothèses:

o Le processus suit une loi normaleo Le modèle du système est linéaireo On connaît la position de départ

Markov: Description:

o On peut attribuer un comportement beaucoup plus large au système

Forces et faiblesses de chacuneo Kalman plus précis,o Markov plus robusteo Le filtre perd son efficacité si on rencontre un échec à la localisation

Page 6: Robots footballeurs: Fusion de données But: obtenir une équipe de robots autonomes pour participer aux compétitions de RoboCup Prolongement du cours PGE.

Prise de décision

Justification: On connais la position initiale Étant donné le système de vision globale, on ne devrait pas

rencontrer d’échec à la localisation Solution pour système non linéaire

Solution retenue:Le filtre étendue de Kalman

Page 7: Robots footballeurs: Fusion de données But: obtenir une équipe de robots autonomes pour participer aux compétitions de RoboCup Prolongement du cours PGE.

Phase de prédiction

Phase de Correction

Début

Page 8: Robots footballeurs: Fusion de données But: obtenir une équipe de robots autonomes pour participer aux compétitions de RoboCup Prolongement du cours PGE.

Caractérisation des capteurs

Pour connaître le comportement du robot

Utile pour la simulation

Pour optimiser la performance du filtre

Page 9: Robots footballeurs: Fusion de données But: obtenir une équipe de robots autonomes pour participer aux compétitions de RoboCup Prolongement du cours PGE.

Caractérisation des encodeurs

Erreur deLecture

(cm)

VitesseMoyenne

(m/s)

Temps(s)

Nbd’itérations

4 allé-retour 16 1 28.4 1420

4 cercles 40 1 31.35 1567

Trajectoire complète 70 1 92.87 4643

Page 10: Robots footballeurs: Fusion de données But: obtenir une équipe de robots autonomes pour participer aux compétitions de RoboCup Prolongement du cours PGE.

Caractérisation des encodeurs

Erreur par itérations (ee)

(mm)

4 allé retour 0.11

4 cercles 0.26

Trajectoire complète 0.15

),,( tVferreur

Page 11: Robots footballeurs: Fusion de données But: obtenir une équipe de robots autonomes pour participer aux compétitions de RoboCup Prolongement du cours PGE.

Simulation

Page 12: Robots footballeurs: Fusion de données But: obtenir une équipe de robots autonomes pour participer aux compétitions de RoboCup Prolongement du cours PGE.

Simulation

-5 0 5 10 15 20 25 30-0.06

-0.05

-0.04

-0.03

-0.02

-0.01

0

0.01

0.02

0.03

position en x(m)

posi

tion

en y

(m)

trajectoire parcourue par le robot

visionodometrykalman

Test de collision

Page 13: Robots footballeurs: Fusion de données But: obtenir une équipe de robots autonomes pour participer aux compétitions de RoboCup Prolongement du cours PGE.

Conclusion

Le filtre est robuste On obtient une erreur moyenne de 1 à 2

cm