ACTUALITÉ SCIENTIFIQUE
ET INNOVATION DE L'ÉTS
Faciliter l’atterrissage des drones en estimant leur pose - Par : Mohammad Sefidgar, René Jr Landry,

Faciliter l’atterrissage des drones en estimant leur pose


Notre travail visait à faciliter l’atterrissage des drones sur plateformes mobiles, comme celles qu’on retrouve dans les environnements marins. Nous avons combiné les données télémétriques de quatre capteurs aux coins d’un marqueur AprilTag détectés par ATDA (AprilTag Detection Algorithm) grâce à une technique CRHF (Camera and Range Sensor Homogeneous Fusion). Nous avons d’abord créé un algorithme d’étalonnage afin de modéliser la relation entre les pixels et les distances des quatre capteurs télémétriques. Cette relation a ensuite servi à mesurer la distance focale à chaque itération. Des équations homogènes se basant sur la distance focale et les points d’angles des pixels ont permis de calculer l’emplacement 2D des points géographiques dans le monde réel pour chaque coin (axes X et Y). Le vecteur normal de la plateforme d’atterrissage a ensuite servi à déterminer les coordonnées de l’axe Z des coins. Enfin, la technique de transformation des corps rigides a donné la pose réelle de l’AprilTag. Nous avons évalué l’approche CRHF au moyen des données de vérité terrain provenant de simulateurs et de l’ATDA. Ajouter la CRHF à la méthode de référence AprilTag a permis d’améliorer l’estimation de la pose.

Mohammad Sefidgar
Mohammad Sefidgar Profil de l'auteur(e)
Mohammad Sefidgar a obtenu sa deuxième maîtrise en génie électrique à l’ÉTS. Ses recherches portent sur la vision artificielle et le génie des sciences des données.
Programme : Génie électrique 

René Jr Landry
René Jr Landry Profil de l'auteur(e)
René Jr Landry est professeur au Département de génie électrique à l’ÉTS et directeur du laboratoire LASSENA. Son expertise porte principalement sur les systèmes embarqués intelligents, la navigation et l’avionique.
Programme : Génie électrique 

Drone atterrissant sur une plateforme marine

Achetée sur Istockphoto.com. Droits d’auteur.

L’estimation de la pose est fondamentale dans la conception d’un système de commande de drone, ou véhicule aérien sans pilote (UAV). Elle vise à mesurer avec précision les axes et les directions d’un point précis : le centroïde du véhicule aérien, ou centre de masse. Ces mesures sont soit en translation, soit en rotation et peuvent fournir une rétroaction au système de commande pour diverses tâches (notamment le rendez-vous et l’atterrissage final) surtout en contexte difficile comme les environnements marins, où la plateforme d’atterrissage se déplace au gré des vagues.

Une méthode courante d’estimation de la pose est l’algorithme de détection AprilTag (ATDA). Afin d’atteindre une plus grande précision dans cette étude, nous avons combiné les données télémétriques des capteurs aux coins d’un marqueur AprilTag, détectés par ATDA, à l’aide d’une méthode CRHF (Camera and Range Sensor Homogeneous Fusion). Nous avons d’abord créé un algorithme d’étalonnage pour modéliser la relation entre les pixels et les distances pour les quatre capteurs télémétriques. Cette relation a servi à mesurer la distance focale à chaque itération. Ensuite, nous avons calculé l’emplacement 2D réel des points géographiques pour chaque coin (axes X et Y) grâce à des équations homogènes se basant sur la distance focale et les points d’angle des coordonnées en pixels. Le vecteur normal de la plateforme d’atterrissage a fourni les coordonnées de l’axe Z de chaque coin. Enfin, la technique de transformation des corps rigides a servi à trouver la pose réelle de l’AprilTag. L’évaluation de la CRHF a été effectuée au moyen de données de vérité terrain provenant de simulateurs et de l’ATDA.

Conception du système

Le concept comprend cinq capteurs. Quatre d’entre eux sont des capteurs télémétriques situés sous chaque hélice. Une caméra de résolution 512 × 512, orientée vers le bas, est fixée au centre de masse et aux capteurs télémétriques du drone.

Capteurs d’un véhicule aérien sans pilote

Figure 1 Emplacement des capteurs du drone – Estimation de pose par CRHF

En outre, la détection et la pose de départ ont été déterminées grâce à un marqueur AprilTag. De nos jours, les marqueurs comme AprilTag servent à diverses applications comme le positionnement, l’orientation et l’identification d’objets. Ils sont donc très efficaces dans l’industrie de la robotique. Dans cette recherche, le marqueur était un outil d’estimation de pose.

Drone atterrissant sur l’AprilTag

Figure 2 Placement de l’AprilTag sur la plateforme d’atterrissage dynamique

La figure 2 illustre la plateforme conçue pour le système d’atterrissage du drone. L’AprilTag est placé sur le système de plateforme dynamique Stewart qui simule la dynamique des mouvements marins. Le drone tente de mesurer la pose du marqueur, ici AprilTag, afin de déterminer le bon moment pour l’atterrissage final.

L’algorithme proposé

La caméra orientée vers le bas capte l’image de l’AprilTag. Toute distorsion de l’image est supprimée grâce aux paramètres intrinsèques de la caméra. Ensuite, les points d’angles de l’AprilTag sont calculés avec l’ATDA et suivis au moyen d’une technique de filtre de Kalman (KF). Une technique d’étalonnage de caméra et de capteur télémétrique appelée CRHF calcule l’emplacement des points d’angles de l’AprilTag dans les images de la caméra, sur les axes X et Y. Le vecteur normal de la plateforme d’atterrissage calculé à partir des quatre capteurs sert également à calculer l’emplacement sur l’axe Z.

Technique d’estimation de position de drone

Figure 3 Schéma du procédé d’estimation de pose avec l’algorithme CRHF

Ces points projettent la pose rigide relative des coins par rapport au centroïde de la caméra, qui est le même que le centroïde du drone.

L’algorithme CRHF

L’étalonnage est réalisé par la collecte de données de la caméra et de données d’altitude des capteurs télémétriques. Les données d’altitude et les données du centre des blocs d’étalonnage sont déterminées à la même altitude : des images des blocs sont prises à chaque altitude et les centroïdes des blocs sont extraits par une technique de segmentation des couleurs.

Étalonnage des capteurs

Figure 4 Procédé d’étalonnage de la caméra et des capteurs télémétriques

Ainsi, les données de chaque capteur télémétrique sont liées aux pixels du centroïde des blocs dans l’image. Enfin, les distances manquantes sont calculées au moyen de la technique d’interpolation de forme.

Le système d’évaluation résultant

Nous avons intégré les logiciels MATLAB et CoppeliasSim dans un logiciel en boucle (SIL) pour créer un écosystème d’évaluation. Alors que CoppeliaSim simule le monde physique, la session MATLAB est une réplique de l’ordinateur du drone.

Transfert de données sur le logiciel en boucle

Figure 5 Transfert de données et calculs avec le logiciel en boucle

À la figure 5, la session MATLAB calcule la pose de la plateforme d’atterrissage à l’aide des algorithmes CRHF et ATDA à chaque itération. La session CoppeliaSim assure la collecte des données d’image, de distance et de vérité terrain. Les performances de l’ATDA et de CRHF ont été mesurées par la formule de l’erreur absolue moyenne (MAE). On calcule la MAE en additionnant la différence absolue entre la valeur observée (ou estimée) et la valeur réelle, divisée par le nombre d’itérations. Nous avons réalisé deux tests sur une plateforme statique et une plateforme très dynamique.

Plateformes d’atterrissage dynamique et statique

Figure 6 Plateformes d’atterrissage, statique (côté droit) et dynamique (côté gauche)

L’AprilTag est posé sur un sol stable pour le test statique et est fixé à une plateforme Stewart de 6 degrés de liberté (6 DoF) pour le banc d’essai dynamique, en figure 6.

Comparaison entre les algorithmes CRHF et ATDA

Nous avons évalué l’algorithme CRHF proposé pour améliorer l’ATDA en comparant les résultats avec la technique ATDA et les données de vérité terrain du simulateur.

Trajectoires de drones

Figure 7 Trajectoires estimées pour la CRHF (bleu), la vérité terrain (vert), et l’ATDA (rouge)

Comme l’indique le tracé de la trajectoire 3D, la CRHF est nettement plus performante que la technique ATDA. Par contre, l’algorithme proposé a ses inconvénients, soit le coût de quatre capteurs télémétriques et leur poids ajouté au drone. De nos jours, les nouvelles technologies en matière de capteurs télémétriques permettent de réduire le coût et le poids de l’application, ce qui atténuera les aspects négatifs de la CRHF.

Tableau 1 : Comparaison des performances entre ATDA et CRHF – Erreur absolue moyenne (MAE)

Le tableau 1 présente les erreurs absolues moyennes des méthodes ADTA et CRHF.

Information supplémentaire

Pour plus d’informations sur cette recherche, veuillez lire l’article suivant : Sefidgar, Mohammad, and Rene Landry Jr. 2022. “Unstable Landing Platform Pose Estimation Based on Camera and Range Sensor Homogeneous Fusion (CRHF)” Drones 6, no. 3:60. https://doi.org/10.3390/drones6030060.

Mohammad Sefidgar

Profil de l'auteur(e)

Mohammad Sefidgar a obtenu sa deuxième maîtrise en génie électrique à l’ÉTS. Ses recherches portent sur la vision artificielle et le génie des sciences des données.

Programme : Génie électrique 

Laboratoires de recherche : LASSENA – Laboratoire des technologies spatiales, systèmes embarqués, navigation et avionique 

Profil de l'auteur(e)

René Jr Landry

Profil de l'auteur(e)

René Jr Landry est professeur au Département de génie électrique à l’ÉTS et directeur du laboratoire LASSENA. Son expertise porte principalement sur les systèmes embarqués intelligents, la navigation et l’avionique.

Programme : Génie électrique 

Laboratoires de recherche : LACIME – Laboratoire de communications et d'intégration de la microélectronique  LASSENA – Laboratoire des technologies spatiales, systèmes embarqués, navigation et avionique 

Profil de l'auteur(e)


Recevez les dernières actualités scientifiques de l'ÉTS