Couvert des arbres qui perturbent le signal, terrains non cartographiés et accidentés… Les systèmes de géolocalisation par satellite sont très pratiques et répandus, mais ils ne sont pas efficaces dans toutes les situations.
François Pomerleau, professeur au Département d’informatique et de génie logiciel de l’Université Laval, étudie la localisation de véhicules autonomes. Évoluant dans des conditions nordiques ou difficiles, ces robots mobiles ont besoin de mesures précises qui vont au-delà de celles que fournissent les systèmes de positionnement par satellite grand public (GNSS, dont le plus connu reste le GPS, soit le réseau de satellites américain). Le chercheur et son équipe ont conçu un système de localisation de véhicule ultra précis qui permet de mesurer la position de celui-ci et son orientation en 3D, tout en dessinant sa propre carte en temps réel.
Ce système a recours à des capteurs lidars, une technique qui utilise des faisceaux laser pour estimer les distances. Pour tester son efficacité, les scientifiques ont posé leur équipement dans la forêt Montmorency de l’Université Laval. En combinant trois trépieds munis de têtes robotisées, ils ont pu suivre le véhicule en trois dimensions, ce qui lui a permis de s’adapter au terrain accidenté, contrairement aux voitures, qui se déplacent sur une surface plate. Les chercheurs ont ainsi testé l’impact de la neige et des autres changements d’environnement sur leurs algorithmes.
Grâce aux efforts du doctorant Maxime Vaidis, l’équipe a de plus recueilli un grand jeu de données. Elle travaille sur de nouvelles façons d’utiliser ces données et ces capteurs qui pourraient répondre à une foule de questions lors de recherches futures, sur la route comme dans la forêt. Mais déjà, une équipe qui fait de l’exploration spatiale s’est montrée intéressée par ces travaux, parce que, sur la terre comme ailleurs, explorer des terrains inconnus présente les mêmes défis.
Références
- Vaidis, M., Giguere, P., Pomerleau, F., et Kubelka, V. (2021). Accurate outdoor ground truth based on total stations. 2021 18th Conference on Robots and Vision (CRV), Burnaby, Colombie-Britannique (Canada), p. 1-8. doi: 10.1109/CRV52889.2021.00012
- Vaidis, M., Dubois, W., Guénette, A., Laconte, J., Kubelka, V., et Pomerleau, F. (2023). Extrinsic calibration for highly accurate trajectories reconstruction. 2023 IEEE International Conference on Robotics and Automation (ICRA), Londres (Royaume-Uni), p. 4185-4192. doi: 10.1109/ICRA48891.2023.1016050
