Abstract FR:

Les capacites de perception sont necessaires a l'autonomie d'un robot. Le traitement des donnees perceptuelles est une operation tres complexe, les capteurs employes pouvant etre nombreux et heterogenes. La generation d'un modele synthetisant ces informations est donc necessaire pour les simplifier et les classer. Les travaux exposes dans ce memoire portent sur la generation de modeles geometriques, ainsi que sur leur recalage et leur fusion. Ces modeles seront utilises par diverses fonctions perceptuelles, tels la reconnaissance d'amers pour la navigation en milieu naturel ou la manipulation d'objets. Les deux premiers chapitres presentent les differents types de capteurs utilises, les techniques de modelisation classiques ainsi que les contraintes imposees par une application robotique embarquee. L'auteur traite ensuite de la generation d'un modele hierarchique geometrique, a base de maillage triangulaire irregulier. Ce modele adaptatif est realise par un processus de split & merge, puis simplifie pour limiter sa taille sans perte de precision. Cette presentation inclut des resultats experimentaux obtenus grace a de nombreux types de capteurs (camera laser, stereo-correlation, vision avec lumiere structuree ou nappe laser a defilement) en environnements interieurs et exterieurs. La derniere partie du memoire presente un mecanisme de recalage entre modeles par une methode derivee de l'algorithme icp, ainsi que la fusion de maillages triangulaires irreguliers. Elle recense en particulier les problemes souleves par l'utilisation de donnees bruitees et par les instabilites numeriques puis propose un ensemble de solutions. Des exemples d'applications de ces methodes de modelisation dans un cadre robotique sont presentes, par des experimentations sur la generation de modeles incrementaux de scenes ou d'objets. Les modeles sont construits a partir de nuages de points acquis par camera laser, stereovision et lumiere strucuree.