Le laboratoire de mécatronique

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
V
1  2
2t
, 
1  2
Lˆ t
Problématique
V
1  2
2t
, 
1   2
Lˆ t
 (n)  t

x1 (n)  V cos( (n))t
x (n)  V sin(  (n))t
 2
Caractéristiques
Fréquence
d’échantillonnage
Erreur
par
itération
Erreur à
long
terme
Délai
Odométrie
Plus rapide
Faible
Élevée
Faible
Falcon
Lente
Élevée
Stable
Élevée
Recherche de solutions
 le filtre de Kalman
 la théorie de Dempster-Shafer (DST)
 les chaînes de Markov
 la logique floue
Comparaison des deux
méthodes
 Kalman:

Hypothèses:
o
o
o
Le processus suit une loi normale
Le modèle du système est linéaire
On connaît la position de départ
 Markov:

Description:
o
On peut attribuer un comportement beaucoup plus large au système
Forces et faiblesses de chacune
o Kalman plus précis,
o Markov plus robuste
o Le filtre perd son efficacité si on rencontre un échec à la
localisation
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
Phase de
prédiction
Début
Phase de
Correction
Caractérisation des
capteurs
 Pour connaître le comportement du
robot
 Utile pour la simulation
 Pour optimiser la performance du filtre
Caractérisation des
encodeurs
Erreur de
Lecture
(cm)
Vitesse
Moyenne
(m/s)
Temps
(s)
Nb
d’itérations
4 allé-retour
16
1
28.4
1420
4 cercles
40
1
31.35
1567
Trajectoire complète
70
1
92.87
4643
Caractérisation des
encodeurs
erreur  f (V , , t )
Erreur par itérations (ee)
(mm)
4 allé retour
0.11
4 cercles
0.26
Trajectoire complète
0.15
Simulation
Simulation
trajectoire parcourue par le robot
0.03
vision
odometry
kalman
0.02
0.01
position en y(m)
Test de collision
0
-0.01
-0.02
-0.03
-0.04
-0.05
-0.06
-5
0
5
10
15
position en x(m)
20
25
30
Conclusion
 Le filtre est robuste
 On obtient une erreur moyenne de 1 à 2
cm