Towards New Sensing Capabilities for Legged Locomotion using Real-Time State Estimation With Low-Cost IMUs
Vers de nouvelles capacités de détection pour la locomotion à jambes utilisant l'estimation en temps réel des états avec des UMI peu coûteuses
Résumé
Estimation in robotics is an important subject affected by trade-offs between some major critera from which we can cite the computation time and the accuracy. The importance of these two criteria are application-dependent. If the computation time is not important for off-line methods, it becomes critical when the application has to run on real-time. Similarly, accuracy requirements are dependant on the applications. EKF estimators are widely used to satisfy real-time constraints while achieving acceptable accuracies. One sensor widely used in trajectory estimation problems remains the inertial measurement units (IMUs) providing data at a high rate. The main contribution of this thesis is a clear presentation of the preintegration theory yielding in a better use IMUs. We apply this method for estimation problems in both pedestrian and humanoid robots navigation to show that real-time estimation using a lowcost IMU is possible with smoothing methods while formulating the problems with a factor graph. We also investigate the calibration of the IMUs as it is a critical part of those sensors. All the development made during this thesis was thought with a visual-inertial SLAM background as a mid-term perspective. Firthermore, this work tries to rise another question when it comes to legged robots. In opposition to their usual architecture, could we use multiple lowcost IMUs on the robot to get valuable information about the motion being executed?
L'estimation en robotique est un sujet important affecté par des compromis entre certains critères majeurs à partir desquels nous pouvons citer le temps de calcul et la précision. L'importance de ces deux critères dépend de l'application. Si le temps de calcul n'est pas important pour les méthodes hors ligne, il devient critique lorsque l'application doit s'exécuter en temps réel. De même, les exigences de précision dépendent des applications. Les estimateurs EKF sont largement utilisés pour satisfaire les contraintes en temps réel tout en obtenant des précisions acceptables. Un capteur largement utilisé dans les problèmes d'estimation de trajectoire reste les unités de mesure inertielles (IMU) fournissant des données à un débit élevé. La contribution principale de cette thèse est une présentation claire de la théorie de la pré-intégration donnant lieu à des UMI mieux utilisées. Nous appliquons cette méthode aux problèmes d’estimation dans la navigation des robots piétonniers et des robots humanoïdes pour montrer que l’estimation en temps réel à l’aide d’une UMI peu coûteuse est possible avec les méthodes de lissage tout en formulant les problèmes à l’aide d’un graphe factoriel. Nous étudions également l’étalonnage des IMU car il s’agit d’un élément essentiel de ces capteurs. Tous les développements réalisés au cours de cette thèse ont été pensés avec un arrière-plan SLAM visuel-inertiel comme perspective à moyen terme. Firthermore, ce travail tente de soulever une autre question en ce qui concerne les robots à pattes. Contrairement à leur architecture habituelle, pourrions-nous utiliser plusieurs unités IMU lowcost sur le robot pour obtenir des informations précieuses sur le mouvement en cours d'exécution?
Origine : Fichiers produits par l'(les) auteur(s)
Loading...