Fusion multicapteur par l'algorithme du filtre de Kalman sans parfums (UKF), le filtre de Kalman à différence centrale (CDKF) et le modèle de mélange gaussien (GMN) appliqués à un robot mobile en milieu extérieur

Abstract

Le robot mobile a un grand rôle, dans le monde industriel. Il facilite toutes les tâches de production et de service dans les différents domaines. Le contrôle du robot mobile est très important dans la surveillance de la trajectoire à travers des capteurs mobiles. Dans le présent travail nous avons étudié les différentes méthodes de localisation des paramètres de position et d’orientation du robot mobile dans un environnement connu à l’aide de différents filtres. Le filtre de Kalman étendu (EKF), le filtre de Kalman sans parfums (UKF), le filtre de Kalman à différence centrale (CDKF) ainsi que le modèle de mélange Gaussien (GMM). Cette étude nous a permis de proposer un algorithme pour l’estimation des paramètres de position, d’orientation ainsi que la distance séparant le robot mobile aux obstacles fixes, au cours du déplacement de ce dernier sur une trajectoire connue. Cet algorithme se base sur la technique de la racine cubique du filtre de Kalman sans parfums (CRUKF). Le paramètre de position est mesuré par le capteur GPS. Le paramètre d’orientation est mesuré par le capteur compas digital et enfin, le paramètre de distance entre le robot mobile et les obstacles fixes est mesuré par le capteur ultra son. Une comparaison des résultats obtenus par les différentes techniques de localisation et d’estimation des trajectoires avec un mouvement du robot mobile sur un plan en deux dimensions a été réalisée. Divers chemins ont été simulés. Ainsi, les simulations montrent que les différentes techniques du filtre de Kalman donnent des résultats améliorés par rapport au modèle de mélange Gaussien (GMM) avec un réglage fin des matrices d’auto-corrélations des bruits d’état et de mesure de chaque technique.